面向未來工廠的智能互聯 人工智能應用: 數字采集篇

前言 :

在中國智能制造2025與德國工業4.0的趨動下，從互聯網應用到萬物互聯的物聯網(IoT)時代；在工業物聯網(IIoT)的發展;從自動化結合信息化的兩化融合；工廠的數字化、可視化、透明化的智能工廠已然成為國內諸多任務廠的推進過程標準實力與競爭力的標準。制造業數字化轉型已是大勢所趨如下圖數字化過程，工業互聯網平臺對制造業數字化轉型的驅動能力正逐漸顯現.

在科技創新與技術應用發展下5G、邊緣計算、人工智能、虛擬仿真等技術的融入更是帶來巨大創新與變革機遇，無論是大企業依托平臺開展工業大數據分析，以實現更高層次的價值挖掘，還是中小企業應用平臺(PaaS)上的云化工具，以較低成本實現信息化與數字化普及，抑或是基于平臺的制造資源優化配置和產融對接等應用模式創新，都正在推動制造業向更高發展水平邁進。

傳統制造現場管理混亂、定單雜、生產效率難以提升、生產異常難以實時臨控等問題，要真正地可以實現精益制造及管理，是實施智能制造與工業4.0的必要環節，鑒于中國工業制造的發力，先后涌出大量行業平臺(PaaS)與商業應用軟件(SaaS)、物聯網基礎設施(IaaS)的工程、實施；即為未來工廠的模式我們稱之為”智能工廠”；在現今5G通訊的迅猛發展下更將帶動起”智慧工廠”的浪潮。只是在這轉型升級的過程所有企業所面臨的如下問題是必須去面對與尋求解決方案的? 例如現有工廠實際狀況仍然非常依賴操作員；在勞動人力技術專才缺乏的環境下；用人成本高漲；企業為尋求生存必須尋求產業的升級由工業2.0到工業4.0的方向發展如下圖；

圖一 工業發展過程與階段標志性思維

如上表: 工業自動化后需要的是裝備智能互聯；生產訊息化；而信息化的能力就在于生產、設備運行過程的 ”數字采集”的能力?

產業升級的的第一步 ”數字采集”:

但在中小企業在實施智能互聯，工廠產業升級的的第一步 ”數字采集”； 而信息采集的困難也是推展產業升級工業4.0的智能工廠最大的瓶頸；遇到的困難點如下 :

l   老舊設備 : 信息化困難 (注:可參考我公司『賦予 老舊設備 新功能解決方案』)

l   勞工短缺 : 成本高漲

l   員工流動率高: 人為錯誤率高、不可預知的行為造成材料浪費、重工度高；

l   信息化能力不足 : 現今設備數據采集的真實狀況，許多現場設備數據采集全靠人工，人為錯失，有時甚至人為蓄意造假數據, 那么這些數據有多少是可以信任的呢?

l   延遲響應有故障的設備訊息；造成停線損失、設備維護成本的增加 …. 所以如何以”虛擬助手”: 設備邊緣運算氣來解決勞工短缺, 人為錯誤 (減少材料浪費, 異常需重工), 不可測的行為, 提供可靠的數據、快速響應有故障的設備；也是我們當前我們設備監診需探討的專業技術課題?

所以解決『數據采集』技術可稱為是吾人要邁向工業4.0的第一步!!

根據Cisco副總裁Tony Shakib調查報告 : 目前全球超過6400萬臺的設備中，有92%是無法連網的!

且機器的訊息傳輸協議缺乏一致性，缺乏真正「標準化」的方案來協助用戶快速解決設備所面臨的問題?真實的工廠情形是新設備必須與老舊設備共存的，但是超過85%的老舊設備是被隔絕，無法溝通的。「如何透過相同的方式將老舊的設備連接起來以完成溝通」正是我們目前可以追求的技術方案.

數字采集技術與方案:

綜觀市場關于智能工廠根據采集設備類型、預算成本、需求數字層次可選擇不同的方案；目前舊設備設備生產信息提取方式如下 :

1. Log file : 目前最多人使用; 但此等”滯后數據”『非』實時信息其顯示生產設備傷害已造成 (成本已生成)；

2. OPC-UA : 現有方法中比較有效且接受度高; 但是2008年以前的舊設備并不適合使用；

3. OEM API : 缺乏彈性且原廠設備商限制很多；要做到多線、多廠區管理價格昂貴；復制成本高耗時長；

4. 增加傳感器 : 侵入式方案；對貴重設備風險高；生產線必須停線；

5. Tower Light : 成本低但只能知道設備問題；無法知道出了什么問題；

6. 設備螢幕信息采集: 非侵入式數字采集；邊緣運算器；可擴充舊設備新功能，M2M的解決方案?

以上數據采集方案應用匯整如下圖 :

數字采集后的數據應用:

制造型企業生產的人、機、料、法、環所有數據時刻存在；但這些大數據若沒能整理轉成管理訊息也只是垃圾；所以說信息采集的困難也就是推展智能工廠最大的瓶頸；如何在大量數據中擷取完成再將數據轉為有用數據(TSN時間敏感網絡技術；再轉化成及時、遠程『可視化』有效的管理信息.   (Data to Information also - The Right Data @ the Right Time) ; 是我們目前可以再持續探討的技術方案?

結合行業特有管理流程與特殊的專業知識與技術 (我們稱為”專家系統” Domain knowledge); 

展現出遠程可視化的過程管理需求圖示與預測性的告警與服務系統：請待下回分解 …..