藉由IoT與智動化 助力實現製程優化及預防保養
時至今日,「工業4.0」之於製造業,重要性堪與金融業的FinTech、Bank 3.0,及零售業的Retail 4.0等量齊觀,旨在整合計算、通訊與控制之虛實化系統(CPS),鏈結物聯網(IoT)以建構智慧工廠,以增進生產效能;細數工業4.0進化歷程,舉凡IoT、智動化,可謂箇中兩大關鍵要素。
曾有業界人士預估,待至2040年,全球物聯網商機可望逼近1兆美元,其中僅3分之1環繞於食衣住行育樂等B2C應用,另外3分之2偌大區塊,將落在B2B應用範疇,而工業物聯網、智慧城市等題材,有望聯手瓜分逾6,000億美元市場大餅,其間最富含潛力的應用,無疑就是智慧工廠。
進一步細分智慧工廠商機,其中最具潛力的兩大應用方向,分別是製程優化、預防保養;估計透過製程優化,可協助製造企業撙節5?12.5%成本,至於預防保養效益則更高,能夠創造10?40%的成本節省空間,更有甚者,許多攸關工業4.0的研討會都經常引用某知名空壓機製造商之例,該公司便是充分善用物聯網、大數據分析等科技助力,別出心裁為客戶提供預防保養加值服務,因而驅動商業模式轉型,不再以販售空壓機設備為主業,而是由賣轉租,憑藉加值服務賺取細水長流收益。
綜上所述,工業物聯網之於製造業,不啻是競爭力再造的入門磚,一經成功導入,即可從傳統製造躍升智慧製造,開啟無限機遇,其重要性可見一斑。
論及工業物聯網,就產業界的定義而論,由下而上可區分為全面感知、可靠傳遞及智慧運算等層次,綜觀這些層次所涉及之關鍵技術,則包括感測器、IoT閘道器(嵌入式運算)、網際網路,以及位居最上層的大數據分析,藉由感測器蒐集來自於工業現場暨週遭環境的巨量資料,接著由IoT閘道器執行數據格式的正規化程序,將許多異質工業通訊協定,「翻譯」成為雲端運算中心可以識別的語言,再透過網際網路上傳雲端,在此進行巨量數據的歸納與分析,據此繁衍有助促進製程優化、預防保養或其他面向的智慧邏輯,最終根據智慧邏輯進行反向回饋與控制,使得工廠內所有智慧機械(IM)、智慧機器人(IR)的能力同步躍進,形成正向循環。
工業4.0高樓平地起 須優先促使機台聯網
因此曾有人說,利用物聯網技術建構智慧系統的過程,蘊藏了世紀大商機,此一形容乍聽浮誇,但細究箇中論述基礎,其實不失合情合理。
只不過,欲從數位化、網路化循序推進到智慧化的歷程,絕非一蹴可幾,有諸多環節亟待補強優化,但無論如何,設法讓原本缺乏聯網能力的現場設備,開始能夠連結網路,並透過各種方式持續吐出狀態資訊,此一智動化程序,絕對是成就偉大智慧工廠的重要起步。
具體來說,現今絕大多數工廠,其實都具備自動化實力,但部份企業的自動化層次,尚停留在單機自動化格局,相當於工業2.0水平;在單機自動化的情境下,廠務管理者並無一套足以綜觀全廠設備資訊的機制,可立即掌握所有機台的當下狀態,所以就連計算稼動率都不容易,別無他法,只能藉由土法煉鋼方式,以人力充當「監視器」,要求每人負責看管一定數量的機台,定期彙整資料,再回報到廠務管理端,例如抄寫三色燈所呈現的機台停機、待料或生產等各種狀態,即是蒐集數據的方法之一。
但不管製造企業將前述作業模式運行得多麼純熟,距離所謂的現場設備智動化、智慧工廠乃至工業4.0等境界,其實都非常遙遠,且因蒐集資料的歷程相對艱辛,訊息種類極其有限,加上受限於人的體力與專注力,導致資訊的正確性與即時性皆有待商榷,故後續能藉由加值分析產生智慧邏輯的空間,可謂相當狹小,當別人都往工業4.0轉型升級之際,該企業與同業之間的競爭力落差,勢必愈趨擴大,後果不堪設想。
如何及早脫離單機自動化、邁向機台聯網格局?業者建議,可因應現場維運設備、工業自動化系統等不同物件屬性,藉由不同方式使之接入網際網路。
以情況單純的三色燈為例,在有線傳輸環境下,僅需針對每個機台狀態指示燈配置遠端I/O模組,由個別I/O模組負責蒐不同燈號資訊,再走RS-485向上傳遞給資料集中器或遠端控制器,接著再由資料集中器或遠端控制器,定時統整所有資訊,向上傳送至中控室圖控系統,如此一來,廠務管理者便可綜觀所有機台究竟處於停機、待料或生產狀態,作為改善生產稼動管理的依據。
當然,環顧整個智慧工廠應用範疇,掌握機台產能利用率、稼動率,不過是入門基本功之一,而且最容易實現,如果廠務管理者想要掌握更多資訊,譬如塑膠射出工廠,還想進一步採集模具開合次數、預熱狀態、安全門狀態,甚至是用電量、溫濕度等資訊,便需要動用更多遠端I/O模組、資料採集控制器、三相智慧電錶模組等裝置,再利用網路、RS-485或ZigBee等方式,與後台圖控系統整合,便於企業集中監控與管理。
也有企業認為,撇開新型態物聯網感測裝置不談,意使沿用多年的既有機台開始具備聯網能力,從實體I/O點尋求突破,固然是可行方案之一,但如此做法不僅需啟用過多裝置,且蒐集到的數據內容也較為有限,亟需思索其他解決方案。
另一個值得採納的可行方案,即是部署PAC控制器(需內建支援PLC驅動程式),透過乙太網路或RS-232等通訊方式直接從PLC讀取資料,倘若PLC原廠願意對外提供的資料範圍大,則一旦採取這般做法,即可望一次網羅到最豐富資訊,例如機台狀態、機台稼動率、異常訊息、相關參數設定…等等,驅動更多元化的應用。
如果同一工廠內存在超過一種PLC控制器,彼此操持不同的語言協定,此時可透過IoT閘道器來執行各式通訊協定的轉換,將異質資料轉換為統一格式,接著快速上傳至後台圖控系統,甚至再藉助MQTT或TR-069等協定,直接上傳雲端資料中心進行大數據分析,或由雲端資料中心統一監控所有機台的運作狀態。
結合雲端機器學習 加速執行振動分析
不可諱言,欲將現場設備串聯雲端運算節點,則涉及另一段故事,此時不妨採用物聯網軟體工具,讓企業開發人員得以省卻程式撰寫的繁複工程,藉由直覺化的點擊及拖曳操作,直接完成其間所需連線設定,裨益縮短開發週期,好讓各項物聯網應用儘快上路。
值得一提的,與預防保養應用息息相關的振動分析,需要採用不同模式加以處理。業者指出,所謂振動分析,意在瞭解機械健康狀況,需要藉由一組數學運算模型,把機械經由振動產生的能量,轉換為頻率,接著由專家依照經驗法則判讀頻率數值,察覺其中是否出現異常,如果確認發生異狀,再循著軸承、變速箱…等出現變異的部位追溯真因。
然而在執行振動分析時,較麻煩之處,在於諸如CNC車床刀座、SMT打件機等精密機械設備,並不適合安裝任何振動感測器,唯有另謀他途,例如考慮在每個工站執行二維條碼掃描,再將掃描所得數據,與後台品管資料庫加以比對,亦可謂突破之道。
可喜的是,伴隨包括微軟Azure等大型雲端平台,都開始提供機器學習服務,有助各企業卸除自行配置龐大專家團隊的負擔,加速振動分析執行,甚至結合認知運算服務機制,反向判讀與確認現場設備是否符合異常特徵,藉此打通預知保養的任督二脈,協助製造商開創加值盈利空間。