taitra
order
 

驅動製造升級關鍵 可用工業大數據資源不足成挑戰

台灣製造業的數位轉型進程,尚屬於中段班,工業大數據的發展目前仍面臨像是數據資源不夠豐富、存在數據孤島等的挑戰。FORD

數位化轉型成為現階段全球製造業升級的必要途徑,在這樣的浪潮下,數據也因此成為驅動工業轉型升級的關鍵要素。然而台灣製造業的數位轉型進程,尚屬於中段班,工業大數據的發展目前仍面臨像是數據資源不夠豐富、存在數據孤島等的挑戰。

Dell EMC台灣區總經理廖仁祥根據戴爾先前發布的數位轉型調查指數報告指出,目前台灣企業的數位轉型進程,仍多處於「仍在觀望、評估」階段,可以顯見的是,台灣製造業大部分組織在智慧製造能力和數位轉型成熟度方面屬於中段班。

工業大數據的發展過程中仍面臨著諸多挑戰。理論上,工業領域的數據應該是量大而且豐富,但數據資源的累積卻是需要長時間鋪墊的,相關業者觀察,目前台灣製造業仍有數據資源不豐富的問題,其一係由於普遍數位化程度低,有的企業甚至仍使用文檔或更原始的方式管理數據,數據格式不一造成難以對其進行系統化的管理與整合。

其二則是數據未保存完整。以大數據分析切入智慧製造市場,傑騰智能執行長徐紹鐘表示,在智慧製造、數位轉型等概念尚未掀起火花之時,過去業者對數據採集的概念還很陌生,根本未仔細思考如何透過自動化的介入擷取生產設備裡完整的數據,因此有些數據到此刻才發現當時並未完整保存,而數據一旦出現缺失便容易在整合上出現斷層,不完整的數據也為後續的分析與應用增加難度。

曾為某顯示器大廠開放瑕疵辨識AI模型的Landing AI,其戰略副總裁王冬岩就曾舉例,其客戶蒐集了300萬張影像資料,但實際上具有有效瑕疵影像的比例不到10%,加上瑕疵種類不只一種可能多達上百種,因此最後也面臨單一瑕疵的數據源不足而無法訓練模型的問題。

此外,相關業者亦表示,數據的有效利用應謹記「垃圾進、垃圾出」(Garbage in, garbage out)。數據的品質是長期困擾數據分析工作的難題。根據數據專家估計,每年低品質的數據會給企業帶來10%~20%的損失,工業領域大多時候追求穩定、正確性的分析結果,對數據分析的可靠性要求高,因而對數據品質的要求也就更高了。

而數據孤島則幾乎是所有企業都會面臨的困境。從單一企業內部來看,存在著不同時期由不同供應商開發的系統,包括從客戶管理、生產管理、銷售採購、訂單倉儲到財務人力等眾多IT系統。而智慧製造的推動不僅是上述IT系統要橫向互通,還要進一步縱向打通過去壁壘分明的IT(Information Technology) 和OT(Operation Technology)數據。

然而以往IT與OT在製造業各自負責的工作可謂涇渭分明,資訊軟體與機械工程兩端礙於對彼此領域的專業知識掌握不足,不論是思惟邏輯或是實務操作都讓雙方難以達成共識,兩者之間缺少連結,才是關鍵問題所在,也因此增加系統整合的困難度,而這段過程也往往被業者認為是最棘手的部分。

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