Microsoft
Advantechline
 

邊緣裝置串流分析 助企業擺脫非預期失效的千萬損失

SAS業務支援部大中華區資深顧問盧延年表示,許多製造業者都擁有高單價、高附價值的生產設備,一旦出現非預期性停機將釀成巨大損失;若藉助邊緣設備串流分析,可望即時察覺異常癥候,及早做應變處置。

眾所皆知,機台設備一向是製造業倚重的生財利器,以半導體業前段的晶圓代工或DRAM廠而論,產線上經常可見要價數千萬、甚至上億的昂費機台,萬一哪天突然失效停機,不僅可能釀成慘重的原物料報廢損失,甚至讓公司無法如期達交,恐為日後營運發展增添變數。

因此如何讓業者透過即時監控、資料蒐集,結合後端分析應用,以期在設備發生非預期異狀前,及早發出預警,好讓業者有充裕時間進行應變,無疑是重大課題,於是帶動人工智慧(AI)、物聯網(IoT)成為製造型企業群起簇擁之熱門標的。賽仕電腦(SAS)業務支援部大中華區資深顧問盧延年說,儘管製造業界追求預防維護的立意甚佳,但就現階段而論,不少工廠的執行狀況並不如預期。

盧延年點出問題癥結,企業普遍借重生產過程的數據,例如溫度、壓力、流量、電壓、電流等等數值型資料做為預測基礎,無奈準確度不見得高;換言之單靠這些素材,不足以協助企業擺脫設備非預期失效的危機。

如何提高預測精準度?企業須回歸基本面,務實看待機台設備產生的數據,是否還有過去忽略的加值運用空間;企業不難發現,機器除了提供前述數值型資料,也會產出以文字及數字為基礎的日誌(Log)檔案,而失效偵測與分類系統(FDC)僅採用數值型資料、不採納Log,殊不知這些從未被善加利用的大量Log,著實埋藏著魔鬼細節,對於預知機台設備即將失效,有一定作用。

盧延年重申,Log屬於文字型數據,箇中蘊含一些以往未被人察覺的細微癥兆。他舉例說,某企業用以監控生產設備的伺服器,被賦予資料收集、即時監控的重任,其包含了AP Server、Database Server,及與前端機台整合的Server,並結合Watchdog第三方監控程式,其中任一環節出狀況,恐導致廠區幾百台生產設備頓失監控,重要性不言可喻;有天監控伺服器發出異常告警,但此時已停止運轉,代表已經構成傷害,用戶大驚之餘,要求設備商儘速檢討原因並提出改進建議。

從日誌檔挖掘細微癥兆,掌握設備失效前兆

事實上,前述意外早在Log當中顯現端倪;經Log顯示,先前AP Server與Database Server的連線過程已有斷斷續續的異狀,當時AP Server即曾執行Retry,只是未達預設上限次數,故未啟動中止運作的自我保護機制,如今則因Retry次數超標而停機;假使用戶能及早運用SAS的串流分析技術,結合自然語言處理方式,持續對Log執行即時分析,早在數天或數小時前,就有機會力挽狂瀾。

著眼於此,SAS以串流分析平台為基礎,協助製造業解析文字型數據資訊、建立模型,藉此打造有效的早期預警機制;未來亦會將圖像、影像等其他非結構資料一併納入分析,據以發揮更大功效,例如半導體公司在HDP或CVD製程時,當腔體內離子氣體反應有些微色澤異常反應,如發生微電弧效應時,便可透過影像辨識結合串流分析,立即發出警訊。

盧延年指出,SAS平台全方位支援多重演算法與機器學習技術,可望藉由AI邊緣運算完成串流分析,不僅協助製造業實現設備故障預警,亦可做為瑕疵分類、產品品質監測分析之用。例如經營軌道交通運輸設備的大廠GE Transportation,便與SAS合作,善用連線火車頭上內建的串流邊緣分析能力,即時分析感測器數據,確保GE火車頭恆常保持安全與高效率的運行狀態。


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 智慧工廠 智慧製造 大數據分析