自動化設備的感知技術應用與價值
科智企業(ServTech)股份有限公司總經理顏均泰先生,以「自動化設備的感知技術應用與價值,其實就是大數據!!」為主題,分享其公司在物聯網時代所扮演的角色,來說明大數據在工廠端應用的實例。他認為IoT不僅應用在一般消費者端,也應用在製造商端,而工廠管理問題百年來沒有變過,只是解決方案的改變,讓問題看起來越來越複雜,實際上,其解法原則是一樣的。而現在有了大數據的協助,讓許多問題都可以更容易找到答案!
顏均泰表示,工廠端一直走向自動化,從硬體到軟體,到整個公司的整合,都有長足的進步;而近幾年開始提到的工業4.0,無非就是將工業自動化推動到下一個階段,從電腦的層次升級到資訊共享的層次,將每個節點開始串接起來,並能互相溝通,以解決工廠更多問題。
他分享其客戶在工廠所發生的問題案例,如拖班問題,還有晚班永遠比早班的績效和品質還差。常理判斷的問題點在於「人」可能有偷懶的問題。傳統作法認為可以安裝Camera來監視工作狀態,而科智認為解法應從數據著手,找出操作機器必須實做的標準操作的步驟,並檢視其記錄檔;若有少按到的按鈕或步驟,就可以發現問題點。
以Tesla(特斯拉)電動車為例,先前有發生車子失控衝撞店面,車主怪煞車失靈,結果Tesla調出Log檔證明車主根本沒踩煞車,這表示數據紀錄的重要性。
Tesla整台車有各式各樣的數據紀錄,能忠實記錄所開過道路的完整路況;當下次車子又開到某一不平整路段時,Tesla就可自動升高汽車底盤,改善汽車操控。Tesla大量應用數據來解決問題,而傳統車廠則是增加更多感應器,反而增加了機電系統的複雜度。
顏均泰進一步釐清問題,在汽車加裝多種感測器,這個僅叫做「汽車數據化」,而Tesla的車子則是「數據化交通工具」,所以根本是兩種不同的市場。再加上Tesla已將其應用到的各種專利卡死,傳統車廠根本打不進那塊市場,遑論與Tesla對抗。因此,原則上不是IoT的問題,而是數據的問題,也就是大量數據的應用而已。
數據因需求而大 因需求而豐富
將車子加入多種感測器後,是否能解決塞車問題?答案是否定的。而大數據會因不同的需求而發揮不同的價值。他以「台北等公車」手機App為例,其採集所有公車站的進站時間資訊,以解決公車族等候公車的問題(Big for Requirement)。當然這個資訊對不在台北生活、工作的南部民眾來說,就沒有用,因為App需求與對象不同。
那麼此App對開車族有用嗎?其實是有用的,因為已經有公車進站時間資訊,而公車兩站距離的資訊也可抓得到,只要算出進站時間差,就能得知公車是否塞車,進而提供給開車族在市區是否塞車的即時資訊(Rich for Requirements)。此外,該數據搭配台北市公車管理處的管理工具,就能對公車司機做績效管理。這就是一種現有數據,發揮了3種族群應用的實例。
針對需求來撈數據 才能將問題迎刃而解
Data的Big與Rich,是取決於整個解決IoT Solution的重要關鍵點。當感測點沒那麼多的時候,就必須善用大數據的統計分析,來解決各式問題。因此,重點不在如何為設備加裝各種功能,而是問題點是什麼、我想要什麼樣的資料。將問題點出來,資料才有意義。對雲端來說,儲存只是基本功能,資訊分享才是其價值所在,IoT的精神在於採集資訊儲存至雲端,並分享出去。而真正決勝的關鍵,在於這個「雲」是否能提供好的服務。
科智的製造大數據平台(Servolution),具備ServAgent、ServCloud、ServBox等整體解決方案。其ServBox支援各種品牌自動化機台的資訊採集,而ServAgent提供AppWare市集,將IoT的各式數據採集與分析需求,做成多種App來讓客戶來下載,以便找到問題的答案。而ServCloud就是提供製造大數據平台,串連製造業的ServBox在資料的採集、轉換、連接,並將資料與服務透過ServAgent的各式App來提供內容、定製化需求與辨識等服務給客戶。
科智提供關鍵製程資料的應用服務解決方案,透過蒐集到的整廠資訊,以及研發製造最佳化分析技術,來協助設備加工廠提高稼動率,提升供應鏈管理的彈性,帶動製造業服務化模式的創新。從科智在客戶稼動率提升實績達到3%?22%不等,便可得知其核心產品價值。