Microsoft
活动+

善用IIoT与AI可助制造商强化程序与资产效益

  • 陈明阳
人工智能分析资料所提供的关键见解,可助制造商大幅提升工厂效能。符世旻摄

善用工业物联网(IIoT)与人工智能(AI)收集并分析资料所提供的关键见解,可让制造商免于倚赖不可靠的试误与一成不变的经验法则,而以资料驱动(data-driven)的方式提升决策质量与成效,强化工厂程序与资产的效益,克服现有挑战并在潜在问题造成影响前防微杜渐。

根据manufacturing.net报导,流程序生产(process manufacturing)制造商经常面临如全球贸易战等极大的商业压力,且制造资产成本高,必须提升效率与敏捷度。越来越多制造商在进行数码转型时,开始评估与建置IIoT,结合传感器收集的资料与IT系统的资料,以提升作业程序的效率,目前正是制造业应用AI的最佳时机。

其它产业已受惠于AI与机器学习(machine learning;ML)技术,当制造商需要新增或改变特定作业,必须考量相关资产的寿命是否会受影响与因应方式,以及影响效率、关键资产寿命、产能的作业层面,运用AI处理资料可极有效率的提供制造商更深入的见解,有助于处理以往极为困难、费时的关键程序与资产效能问题,发挥更大效益。

饮料业通常仅由单一程序分析师负责10个工厂以上的资产,每个工厂各自采用多套不同的软件系统,资料则储存在老旧的就地部署(on-premise)系统。由于目前IIoT市场尚未成熟,资产效能资料需透过复杂而费时的传统工具取得,资产管理决策所需的及时资料付之阙如,工厂作业人员仅能依赖在职经验与有限、过时的资料。

顾问与IT服务公司Accenture认为IIoT将发展快速,预估到2030年对全球经济的贡献可达14.2兆美元。IIoT可持续接收资产传感器收集的关键效能指标资料,透过追踪与简易分析实时提供管理人员关于潜在问题的警示。程序分析师若能善用先进的AI分析工具,将获得更高阶、更有价值的资料智能(data intelligence),可大幅提升工厂效能。

结合IIoT与AI将能克服工业与生产环境目前仍广泛使用的低效率老旧系统的缺陷,以往由于资料不足与工具落伍而无法发现的盲点,将能透过AI分析巨量历史资料、实时的IIoT与工厂系统资料而精准标示,方便工厂管理人员找出缩短资产寿命的程序、降低产能的无效率程序、减少作业中断时间的新机会。

认真执行数码转型并善用IIoT与AI等先进技术的制造商,不仅能改善效率与获利,最大的助益是确保工厂运行符合并超越商业目标。此外,也有助于招聘所需的关键数码人才,因为这些人才确知工作上所需的资料,将可透过公司的先进系统取得,无需耗时费力、成效不彰的对付老旧系统,因此更能吸引高阶人才。