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。

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。