审慎推动设备联网 展现工控自动化价值

2016/12/22 - DIGITIMES企划

今时今日，无论各行各业，都积极高喊数码转型，只因为愈来愈多的企业皆深刻体认到，若不加快脚步紧跟数码化巨浪，未来终将遭到市场无情淘汰。对于制造业来说，工控自动化即是推动数码转型的起点，重要性非比寻常。

众所皆知，制造业刻正处于十分严峻的转型期，此乃由于，第四次工业革命已如火如荼展开，放眼全世界几个主要国家，不管是德国、美国、日本、韩国或大陆，皆积极整合云端、大数据等众多资通讯科技力量，期盼打造一套兼能针对网络、电脑运算、传感器与实体物件发挥整合控制机能的虚实融合系统(Cyber Physical System；CPS)，进而结合工业物联网技术，终至孕育出智能工厂。

这场被泛称为工业4.0的全球性竞赛，尽管各个参与者的起跑点位置不同，行进路径也有所差异，但终极目标皆在于提升国家制造业的竞争力，希冀提升制造业的附加价值，连带也将影响制造业优胜劣败的游戏规则，从过去的效率驱动，拉升到创新驱动层次；可想而知，时值他人竞相奋发图强之际，台湾制造业若仍执着于效率的提升、成本的撙节，而不思索转型升级之道，未来的路恐怕愈来愈难走。

但问题来了，不管是工业4.0、CPS乃至智能工厂，都是规模宏大的题目，里头的细节与诀窍多不胜数，尤其是需要让所有一切奠基于沟通协作的前提，不仅机器与机器之间要能够彼此对话，甚至机器与制造执行系统(MES)、企业资源规划系统(ERP)等商用层次的应用系统，也同样需要做到彼此对话，无异是促使过往井水不犯河水的操作科技(OT)、信息科技(IT)产生交集。

然而工业生产现场端的机台设备，多数都自处于相对封闭的环境，有自己惯用的语言协定，如何让讲不同语言的机台能够交谈，及如何让机台信息得以传递至企业后台应用系统、甚至是云端平台，在在都可谓挑战，若不突破这道难关，再大的题目也终将失败。

善用技术工具  促进OT与IT融合

究竟该怎麽解决前述难题？有一家非常擅长于Remote I/O、PAC及IoT等相关元件供应的工业电脑厂商，曾多次对外揭櫫其现正积极淬炼5C技术能量，而这5个C分别是Collection(数据采集)、Computing & Control(前端逻辑运算与控制)、Communication(数据传输通讯)、Connection(设备连结)，诉求让云与端之间的信息流动路径顺畅无碍，从而全面贯通制造企业的控制层、操作层、管理层、企业层及决策层。

由此看来，举凡现场总线转换器？闸道器？中继器、无线传感网络设备、数据集中器，甚至是足以支持多重协定工业物联网通讯服务器，一干解决方案的部署与实施，不仅能促进生产端实现工控自动化，更可针对OT与IT之紧密桥接，打下扎实基础。

换言之，制造业只要促使设备相互联网沟通，就有机会做好工控自动化，连带致使生产流程更趋弹性灵活，唯有如此，方可让企业能够随时因应快速变迁的市场与顾客需求，快速产出多样少量产品，终至朝向工业4.0目标大步迈进；因此若说工控自动化是打造工业4.0智能工厂的关键枢纽之一，理应相当贴切，并无浮夸之余。

业者提醒，纵然智能工厂愿景万般美好，而能够让工业生产现场的数据，向上与云端平台介接，更教人备感兴奋，但在怀抱美妙憧憬之余，仍需要冷静设想如何先做好「接地气」动作。

要想接地气，无非是设法透过各种方式而让设备联网，继而撷取包括温湿度、电力、磁力、位置、水位、加速、倾斜、声音、振动、压力、动作、速度…等各式攸关于现场设备的基本物理状态数据，这一段历程固然极其重要，但是更重要的，乃是必须深切了解这些数据背后带有哪些深层意涵？能够帮助我实现哪些价值？有了清楚认知，才能让大量数据产生意义，据以形成智能制造决策，否则在一无所知的状态下，就算采集再多数据也是徒劳无功。

如何确保设备联网、数据撷取等作为，对于企业真的有其意义与价值？经由DIGITIMES日前在台中举办的「工控自动化论坛」，个中有多位讲师皆对此议题提出精辟看法，相当值得参考，足以归纳出若干重点。

厘清设备联网目的  而非盲目蒐集数据

首先是「换位思考」。不少企业往往会陷入技术迷思，意即会倾向把技术评估摆在第一阶段，等到依照功能、效能、成本、人员熟悉度等构面选出最终标的后，再根据此标的物之能力条件，发想可能发挥的应用空间，整个过程并未以自身想解决的问题、或想推动的创新业务为先导，故最终即使藉由技术方案成功汇集到丰沛数据，也难以产生显着综效。

比较好的做法，是由企业先行整合生产、研发、品管、仓管、业务、财务、行销…等等各个部门的需求与痛点，找出几个最亟待付诸实践的环节，凝聚共识成为转型升级的规划方向，再按照此计划进行技术选型。

其次是深度运用大数据分析。有专家认为，当前市场上许多大数据分析解决方案，都仅侧重于数据视觉化功能，即是透过图表呈现分析成果，用户再试图运用这些结果，作为推动物料品质监控、制程监控、设备异常监控之参考凭据，但话说回来，如果企业空有一堆大数据却不知该如何分析，即使有再犀利的视觉化工具，恐怕也是枉然；所以对于一些国际级领导厂商推广的先进概念，比方说像是IBM所倡议的MAO(Manufacturing Analytic & Optimization)，都值得不断加以学习与借镜。

以MAO为例，它是一种实现大数据分析与优化的顾问服务，可依据制造企业实际遭遇的难题，决定采取哪一种分析，以期藉由主动的预测与模拟来挖掘潜在问题，而基于这些分析目标所需汇整的信息，不管来自工业生产现场、财务端甚或业务端，在此时才会被定义出来，如此一来，便可确保数据采集的范围精准无误，皆能迎合企业缺省的决策目标。

另一方面，既然知道智能制造的养分，几乎都源自于前端I/O及设备的数据采集与分析，那麽如何确保前端数量皆可准确无误的采集与后送，便堪称为重要的基本功；但这个来自于最底端的基本功夫，修练起来却没那麽容易，只因为现存于工业制造现场设备种类太多，彼此各自遵循专用通讯协定，意欲将这些各异其趣的信息转译为统一格式，再将之后送到中控室的SCADA、或其他云端软件，少不得需要藉助许多相对应的I/O、总线(Fieldbus)模块，因此企业为了确保数据传输的可靠实时，对于网络传输中继产品的选择亦需慎重其事，尽可能选定支持的协定范畴相对宽广的厂牌方案。

尽管每当谈到智能工厂，重点经常环绕于诸如少量多样定制化生产等新兴课题，但不代表传统工厂所重视的产能提升议题不再重要，因此企业亦需思索如何运新科技来带动产能提升，比方说藉由EtherCAT取代PLC，藉以达成高同步的运动控制，便是值得评估采纳的方向。


图说：为了有效串联工业生产现场的大量专用通讯协定，企业必须藉助支持各种I/O的传感器或控制器，以此为起点逐步迈进智能工厂。(来源：研华)