ISIA
活動+
 

轉型智慧製造 工業大數據的蒐集與處理策略是成功關鍵

傳統製造業轉型智慧製造,如何正確精準地蒐集產線數據,如何有效地運算分析,將是成功關鍵。Image by Michael Schwarzenberger from Pixabay

以工業4.0為核心的智慧製造,已經成為目前全球製造業者共同發展的方向。有別於一般消費性市場需求,在工業生產製造領域的發展上,不僅有強調以工業應用為主的工業人工智慧,在數據資料的蒐集上,自然也有所謂的工業大數據。做為工業人工智慧的基礎,怎樣擷取正確的工業大數據,也關係著製造業轉型升級的成敗。

除了與一般大數據以強調數量(Volume)、速度(Velocity)、多樣性(Variety),及真實性(Veracity)的4V要素之外,工業大數據還特別強調所謂的可見性(Visibility)及價值(Value)。對於大數據及工業大數據之間的差異,一般認為,數據的數量、擷取的速度/頻率、數據的多樣性與真實性,是製造業在導入數位化與自動化之後,會自然演化出現的數據。但對於工業4.0或製造製造,要從設備製造端向使用者服務端的轉型而言,可見性及價值,則代表了對工業大數據所追求的目的與意義。

不過,由於這一波數位轉型及產業升級的風潮,來得又快又急,很多製造業者在著手進行往智慧製造轉型的過程中,是伴隨著數位化與自動化同步進行,由於數位化與自動化之後,機台設備可以快速的產生大量數據,業者如果沒有完整個規劃或從事階段性的建置,很容易在初期就走錯方向。

相關業者表示,一般的商業大數據可以在累積大量數據資料後,再固定或週期性的進行數據的處理與分析;但是智慧製造要能創造價值,最佳的方式則是必須要將相關的工業大數據,就近的在機台設備端,進行即時的分析處理,並且執行回饋。同時,也需要將這些即時處理分析的結果進行視覺化的展示。

業者表示,工業大數據與一般商業大數據的一項重要差異,就在於對於精準度的要求。對一般商業場域中應用的大數據及人工智慧而言,準確率能達到90%左右,就已經將驚人,因為對消費者的年齡判別失準,或是推播了錯誤的廣告,一般並不會造成太大的影響;不過,如果應用在工業生產領域,工業大數據結合工業人工智慧被要求的準確度,可能是需要到99.9%甚至更高的準確率,因為一旦工業生產製造上的數據出現誤差,對於產品後續生產各方面,都將帶來難以估計的損失。

也因為工業大數據需要就近進行高速而精準的分析與處理,因此,在智慧製造風潮崛起之際,也連帶掀起了對邊緣運算架構的需求。相關業者指出,就近在機台設備端收集的工業大數據,先將必須優先處理回饋的部分進行分析處理,不僅可以達到快速反應的目的,同時也可以將數據量有效的縮減,對之後傳輸、儲存等部分也都會相對較為有利。

就製造業轉型智慧製造,相關業者認為,從現場的數據採集規劃開始、邊緣運算架構的建置,一直到完整解決方案的提供,如果沒有工業大數據支撐,結果可能會有極大的差異。當然,相關業者不否認,智慧製造的規模若再進一步的發展後,工業大數據的範圍一方面將持續擴大,但同時對於數據來源則將持續細化,即便如此,工業大數據在智慧製造轉型上扮演的角色,也只會越來越重要。


 

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