科技產業報訂閱
Advantechline
 

製造業數據採集知易行難 結合時間紀錄與環節串聯是關鍵

科智企業總經理顏均泰。科智提供

數據採集往往被視為智慧製造的基本功,但說來容易做起來卻不見得如想像中輕鬆,這其中仍有許多眉角值得製造業者留意與思考。業者指出,數據採集為工業物聯網基礎工程之一,一旦基礎功夫下得好,未來當企業進一步發展產業AI化時才得以發揮最大效益,兩個關鍵一是數據帶上時間點、二則是需找出生產環節的關聯性。

資策會衍生新創公司科智企業成立於2014年,不過其自2008年起便開始專研機聯網技術研發。響應經濟部工業局智慧機上盒SMB輔導計畫,科智開發的Servbox目前已協助不少中小企業客戶第一步先透過工業數據的採集,找出產線癥結點,進而提出解決辦法持續改善。

隨著工業4.0的架構逐漸成形,製造業者多數已知悉數據採集乃是企業發展智慧製造非常關鍵的第一步,但數據採集的工程說來容易做起來卻也不易,這中間仍有許多眉角在執行的過程中容易被忽略,而從不同角度看數據採集的議題,科智企業總經理顏均泰則是認為,數據採集應強調兩個關鍵,一是帶上時間點還原現場,二則是透過具有即時性與正確性的數據處理過去無法察覺的問題,也就是為未來導入AI鋪路。

顏均泰指出,很多業者或系統整合商在做數據採集工程時大部分沒注意到時間差的問題。數據之所以需帶上時間,主要是源於數據採集量龐大,同一種狀態下可能產生多筆數據訊息,而這來往的傳送多少存在些許時間差,當發現異常需還原現場回溯生產流程時,便需要在同樣的時間基準上進行檢視,以避免產生資訊的落差與不對等。

現階段智慧製造的發展走向,係透過成熟的物聯網技術改善過去已面臨生產瓶頸的製造模式,而下一步則是再透過人工智慧的協助優化現在的製造模式。而從物聯網跨入人工智慧,最大的差異與關鍵則在於關聯性。

顏均泰說,物聯網談的是生產線上各點之間的串聯,如機聯網的應用,不過探討如何串接擷取數據不是關鍵,而是數據串接後的目的為何才是人工智慧切入的重點,討論的重點應是釐清生產環節上各點或各面向之間所呈現的關聯性,避免業者事後才驚覺功夫下錯地方,導致AI無法發揮綜效。

關聯性必須要串聯。顏均泰以設備維修應用舉例,設備欲進行維修,除了現場維修人員的作業,採購與倉儲也會針對有無備料需求有所動作,而生管則是因應產線暫停重新排程,再者產線的暫停勢必影響交期,此時業務便需重新與客戶對接確認交期。由此可知,一個維修作業不僅僅是設備維修人員的份內工作,其影響層面更觸及各部門的聯動。為凸顯生產流程的關聯性,以科智的作法為例,在穩健數據採集的基礎設施下,將客戶中各領域的異質系統透過單一平台進行整合與串接,藉此達到資訊的透通性,才能提供全方面的資訊。

針對數據採集的議題,從智慧製造的發展步驟來看,第一步無疑是透過數據採集「看見」生產數據,而數據加上時間點則可在同一個時間基準上進行「比對」,透過時間基準的判斷下進行比對找出問題、透過關聯性分析問題,進而提出改善的具體方法,如此一來,數據的呈現才有其意義與價值。顏均泰指出,善用AI技術,方才有機會為人類察覺過去不曾注意到的議題,數據的餵哺與AI有直接影響,當業者手中握有即時且正確的數據資料,業者投入智慧製造才不會徒勞無功。

更多關鍵字報導: 科智企業 工業4.0 人工智慧 大數據