Microsoft
活动+
 

制造业数据采集知易行难 结合时间纪录与环节串联是关键

  • 廖家宜
科智企业总经理颜均泰。科智提供

数据采集往往被视为智能制造的基本功,但说来容易做起来却不见得如想象中轻松,这其中仍有许多眉角值得制造业者留意与思考。业者指出,数据采集为工业物联网基础工程之一,一旦基础功夫下得好,未来当企业进一步发展产业AI化时才得以发挥最大效益,两个关键一是数据带上时间点、二则是需找出生产环节的关联性。

资策会衍生新创公司科智企业成立于2014年,不过其自2008年起便开始专研机联网技术研发。响应经济部工业局智能机上盒SMB辅导计画,科智开发的Servbox目前已协助不少中小企业客户第一步先透过工业数据的采集,找出产线症结点,进而提出解决办法持续改善。

随著工业4.0的架构逐渐成形,制造业者多数已知悉数据采集乃是企业发展智能制造非常关键的第一步,但数据采集的工程说来容易做起来却也不易,这中间仍有许多眉角在执行的过程中容易被忽略,而从不同角度看数据采集的议题,科智企业总经理颜均泰则是认为,数据采集应强调两个关键,一是带上时间点还原现场,二则是透过具有实时性与正确性的数据处理过去无法察觉的问题,也就是为未来导入AI铺路。

颜均泰指出,很多业者或系统集成商在做数据采集工程时大部分没注意到时间差的问题。数据之所以需带上时间,主要是源于数据采集量庞大,同一种状态下可能产生多笔数据讯息,而这来往的传送多少存在些许时间差,当发现异常需还原现场回溯生产流程时,便需要在同样的时间基准上进行检视,以避免产生信息的落差与不对等。

现阶段智能制造的发展走向,系透过成熟的物联网技术改善过去已面临生产瓶颈的制造模式,而下一步则是再透过人工智能的协助优化现在的制造模式。而从物联网跨入人工智能,最大的差异与关键则在于关联性。

颜均泰说,物联网谈的是生产在线各点之间的串联,如机联网的应用,不过探讨如何串接撷取数据不是关键,而是数据串接后的目的为何才是人工智能切入的重点,讨论的重点应是厘清生产环节上各点或各面向之间所呈现的关联性,避免业者事后才惊觉功夫下错地方,导致AI无法发挥综效。

关联性必须要串联。颜均泰以设备维修应用举例,设备欲进行维修,除了现场维修人员的作业,采购与仓储也会针对有无备料需求有所动作,而生管则是因应产线暂停重新排程,再者产线的暂停势必影响交期,此时业务便需重新与客户对接确认交期。由此可知,一个维修作业不仅仅是设备维修人员的份内工作,其影响层面更触及各部门的联动。为凸显生产流程的关联性,以科智的作法为例,在稳健数据采集的基础设施下,将客户中各领域的异质系统透过单一平台进行集成与串接,藉此达到信息的透通性,才能提供全方面的信息。

针对数据采集的议题,从智能制造的发展步骤来看,第一步无疑是透过数据采集「看见」生产数据,而数据加上时间点则可在同一个时间基准上进行「比对」,透过时间基准的判断下进行比对找出问题、透过关联性分析问题,进而提出改善的具体方法,如此一来,数据的呈现才有其意义与价值。颜均泰指出,善用AI技术,方才有机会为人类察觉过去不曾注意到的议题,数据的餵哺与AI有直接影响,当业者手中握有实时且正确的数据资料,业者投入智能制造才不会徒劳无功。