SEMI
Advantechline
 

扎穩工業物聯網馬步 全速挺進工業 4.0目標

許多製造業者亟欲實現工業4.0目標,讓生產及營運流程邁向數位化、智慧化;但在此之前,必須先行練好基本功,打通機聯網任督二脈。來源:European Business Review

回顧2013年,德國宣布推出工業4.0(Industry 4.0)計畫,自此在全球製造業掀起波瀾,各方多以「第四次工業革命」形容這股浪潮,顯見其影響力之深遠;伴隨工業 4.0,使得智慧製造、智慧工廠、虛實整合系統(CPS)相繼成為業界朗朗上口的流行辭彙,連帶讓賴以實踐這些願景的工業物聯網(IIoT)底層關鍵技術,一併躍為顯學。

依照全球商業軟體領導廠SAP對物聯網(IoT)賦予的定義,係由車輛、機器、家電等實體物體,經過嵌入式感測器或API等裝置,再透過網際網路所形成的訊息連結與交換網路。至於IIoT,顧名思義就是用於製造業的物聯網,主要是透過機器對機器(M2M)技術,使得IIoT能支援遠端監控、遙測到預測性維護等各種功能。

 點擊圖片放大觀看

許多工廠,目前仍有不少的老舊「棕地」(Brownfield)設備,如何利用好的方法順利擷取這些設備的資料,可謂重大課題。來源:Machine Design

從德國率先喊出工業4.0迄今,算一算已經過逾5年時間,也就是說,製造業者已歷經一番摸索,逐漸明白如何將工業場域加以物聯網化,因此如今綜觀業界推動IIoT的進展,比起前幾年而言,確實更接近落地成真,製造業者也確實有不得不做的壓力,其中最關鍵的誘因首推預測性維護,不少公司甚至將預測性維護列為導入IIoT應用的試金石。

預測性維護  是IIoT專案的絕佳起點

具體來說,IIoT雖是一個巨大市場,但比起一般IoT應用反倒更單純,它不需要不斷迎合變化莫測的消費者偏好,沒有花俏招式,僅需要穩健地實踐最明確的目標「節省成本」即可,主要是因為,非預期性停機所造成的傷害過大,所以若說IIoT有助於解決這個心腹大患,就值得用力投資;更有甚者,如果真能因為IIoT的導入而減少幾個百分比的停機時間,背後就可能牽動極為可觀的利益。

在過去,製造業並非沒有想過要消弭設備失效、產線驟然停擺的負面因子,但能用的方法不多,最常見的套路便是例行性保養,也就是靠著人工巡檢方式實施定期檢驗,但難免出現過猶不及的缺憾,有時機器還在正常狀態,卻徒然花大錢做無謂保養,有時機器在定檢期間雖未達到汰換或檢修的標準,卻已埋藏異常徵兆而不自知,使得業主急欲避免的悲劇依然在日後發生。

另一個癥結點,在於某種程度上人工巡檢的品質,取決於「老師傅」,靠著自身經驗抓出機器的病兆,但若是道行不夠的新進技術人員,未必能看出端倪。

預測性維護則大不相同,可藉由過去長時間設備故障與保養等相關資訊的收集,再利用數據分析、或迴歸分析等統計方法,制定最佳的保養頻率,再者亦能如實、即時地掌握設備狀態,從而化被動為主動,在設備顯露些微異狀之際,就能及早採取因應措施,一來避免發生異常停機風險,二來也避免設備在超出容許範圍下持續運作、因而釀成生產良率下滑的疑慮。

話說回來,不管 IIoT、預測性維護多麼誘人,製造業者在享有種種好處之前,必須先把「機聯網」的馬步扎穩;關於這點,已有業內專家做過清楚表述,指出智慧工廠基本上應有4個特徵,第一要能將工廠內各種設備連結成網路,第二須有能力從各種不同角度獲取管理標的的相關數據,以預測性維護為例,該有的溫度、濕度、電壓、電流、震動等相關訊號,都不應有所缺漏,再來應設法讓工廠內部種種活動資訊予以可視化,同時也讓資訊與資訊之間的因果關係明確化,做到前面的3件事,最後才能如願提升管理能力。

突破機聯網路障  藉助雲平台搭建智慧化捷徑

由此看來,設備資料的採集,堪稱是邁向IIoT、智慧工廠、智慧製造或工業4.0等目標之前,務必要打通的任督二脈,假使沒辦法即時、正確地取得資料,就別奢望後續的大數據分析或AI建模,只因在無法切實反應整體設備效率(OEE)的前提下,根本不可能尋求生產效能的改善之道。

但話說回來,獲取設備資料一事看似簡單,但卻暗藏重重關卡,只因多數工廠皆有不少「棕地」(Brownfield)設備,它們已有相當的使用年限,但依然具有正常的生產能力,業主實在很難斷然將之捨棄而全數改用「綠地」(Green Field)設備,容易造成新舊機台同處一室的場景。

麻煩的是,有些適用於新機台的資料擷取方式,並不適用於老機台,如何是好?一般常被提及的解決方法有幾個,首先是藉助現場總線(Fieldbus)方案,由Master與 Slave之間傳送訊息,基本這般做法並無問題,但須切記一個網路僅有一張Master卡,它只會與自己認識的Slave對象溝通,而且擴展能力並不強,如果有的老舊設備並不在它預設的識別範圍,基本上就是沒輒。

其次是三色燈,缺點是僅顯示設備的異狀,不能提供更深入的資訊,可能影響上層決策判斷。此外還有OPC-UA,儘管它是近年十分盛行的協定,但礙於多數老設備並不支持,也未必能發揮作用。

然而路是人走出來的,窮則變、變則通,有的廠商發揮巧思,透過擷取設備螢幕的畫面、再搭配OCR程序,將圖像資訊轉成數位資訊,藉此突破機聯網的路障,也是值得思考的破解方式。

無論利用什麼方式達到資料採集目的,下一步,即是要妥善儲存、分析及運用這些數據資源,如何慎選合適的工業物聯網雲端平台,就顯得非常重要,因此許多國內外廠商都對此著力甚深,也不斷添加新功能,除了提供諸如運算資源管理、資料庫暨儲存、客戶管理等必要的基礎服務,也向逐步AI建模與推論等進階層次靠攏,期望幫助客戶更能輕易將大量Raw Data轉化為決策智慧,加速邁向工業 4.0。

 

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 物聯網 工業4.0 工業物聯網