制造业调查
Advantechline
 

扎稳工业物联网马步 全速挺进工业 4.0目标

许多制造业者亟欲实现工业4.0目标,让生产及营运流程迈向数码化、智能化;但在此之前,必须先行练好基本功,打通机联网任督二脉。来源:European Business Review

回顾2013年,德国宣布推出工业4.0(Industry 4.0)计画,自此在全球制造业掀起波澜,各方多以「第四次工业革命」形容这股浪潮,显见其影响力之深远;伴随工业 4.0,使得智能制造、智能工厂、虚实集成系统(CPS)相继成为业界朗朗上口的流行辞汇,连带让赖以实践这些愿景的工业物联网(IIoT)底层关键技术,一并跃为显学。

依照全球商业软件领导厂SAP对物联网(IoT)赋予的定义,系由车辆、机器、家电等实体物体,经过嵌入式传感器或API等装置,再透过互联网所形成的讯息连结与交换网络。至于IIoT,顾名思义就是用于制造业的物联网,主要是透过机器对机器(M2M)技术,使得IIoT能支持远程监控、遥测到预测性维护等各种功能。

 点击图片放大观看

许多工厂,目前仍有不少的老旧「棕地」(Brownfield)设备,如何利用好的方法顺利撷取这些设备的资料,可谓重大课题。来源:Machine Design

从德国率先喊出工业4.0迄今,算一算已经过逾5年时间,也就是说,制造业者已历经一番摸索,逐渐明白如何将工业场域加以物联网化,因此如今综观业界推动IIoT的进展,比起前几年而言,确实更接近落地成真,制造业者也确实有不得不做的压力,其中最关键的诱因首推预测性维护,不少公司甚至将预测性维护列为导入IIoT应用的试金石。

预测性维护  是IIoT专案的绝佳起点

具体来说,IIoT虽是一个巨大市场,但比起一般IoT应用反倒更单纯,它不需要不断迎合变化莫测的消费者偏好,没有花俏招式,仅需要稳健地实践最明确的目标「节省成本」即可,主要是因为,非预期性停机所造成的伤害过大,所以若说IIoT有助于解决这个心腹大患,就值得用力投资;更有甚者,如果真能因为IIoT的导入而减少几个百分比的停机时间,背后就可能牵动极为可观的利益。

在过去,制造业并非没有想过要消弭设备失效、产线骤然停摆的负面因子,但能用的方法不多,最常见的套路便是例行性保养,也就是靠著人工巡检方式实施定期检验,但难免出现过犹不及的缺憾,有时机器还在正常状态,却徒然花大钱做无谓保养,有时机器在定检期间虽未达到汰换或检修的标准,却已埋藏异常征兆而不自知,使得业主急欲避免的悲剧依然在日后发生。

另一个症结点,在于某种程度上人工巡检的质量,取决于「老师傅」,靠著自身经验抓出机器的病兆,但若是道行不够的新进技术人员,未必能看出端倪。

预测性维护则大不相同,可藉由过去长时间设备故障与保养等相关信息的收集,再利用数据分析、或回归分析等统计方法,制定最佳的保养频率,再者亦能如实、实时地掌握设备状态,从而化被动为主动,在设备显露些微异状之际,就能及早采取因应措施,一来避免发生异常停机风险,二来也避免设备在超出容许范围下持续运行、因而酿成生产良率下滑的疑虑。

话说回来,不管 IIoT、预测性维护多么诱人,制造业者在享有种种好处之前,必须先把「机联网」的马步扎稳;关于这点,已有业内专家做过清楚表述,指出智能工厂基本上应有4个特征,第一要能将工厂内各种设备连结成网络,第二须有能力从各种不同角度获取管理标的的相关数据,以预测性维护为例,该有的温度、湿度、电压、电流、震动等相关讯号,都不应有所缺漏,再来应设法让工厂内部种种活动信息予以可视化,同时也让信息与信息之间的因果关系明确化,做到前面的3件事,最后才能如愿提升管理能力。

突破机联网络障  藉助云平台搭建智能化捷径

由此看来,设备资料的采集,堪称是迈向IIoT、智能工厂、智能制造或工业4.0等目标之前,务必要打通的任督二脉,假使没办法实时、正确地取得资料,就别奢望后续的大数据分析或AI建模,只因在无法切实反应整体设备效率(OEE)的前提下,根本不可能寻求生产效能的改善之道。

但话说回来,获取设备资料一事看似简单,但却暗藏重重关卡,只因多数工厂皆有不少「棕地」(Brownfield)设备,它们已有相当的使用年限,但依然具有正常的生产能力,业主实在很难断然将之舍弃而全数改用「绿地」(Green Field)设备,容易造成新旧机台同处一室的场景。

麻烦的是,有些适用于新机台的资料撷取方式,并不适用于老机台,如何是好?一般常被提及的解决方法有几个,首先是藉助现场总线(Fieldbus)方案,由Master与 Slave之间传送讯息,基本这般做法并无问题,但须切记一个网络仅有一张Master卡,它只会与自己认识的Slave对象沟通,而且扩展能力并不强,如果有的老旧设备并不在它缺省的识别范围,基本上就是没辄。

其次是三色灯,缺点是仅显示设备的异状,不能提供更深入的信息,可能影响上层决策判断。此外还有OPC-UA,尽管它是近年十分盛行的协定,但碍于多数老设备并不支持,也未必能发挥作用。

然而路是人走出来的,穷则变、变则通,有的厂商发挥巧思,透过撷取设备屏幕的画面、再搭配OCR程序,将图象信息转成数码信息,藉此突破机联网的路障,也是值得思考的破解方式。

无论利用什么方式达到资料采集目的,下一步,即是要妥善储存、分析及运用这些数据资源,如何慎选合适的工业物联网云端平台,就显得非常重要,因此许多国内外厂商都对此著力甚深,也不断添加新功能,除了提供诸如运算资源管理、资料库暨储存、客户管理等必要的基础服务,也向逐步AI建模与推论等进阶层次靠拢,期望帮助客户更能轻易将大量Raw Data转化为决策智能,加速迈向工业 4.0。

 

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 物联网 工业4.0 工业物联网