ADI
order
 

转型智能制造 工业大数据的搜集与处理策略是成功关键

传统制造业转型智能制造,如何正确精准地搜集产线数据,如何有效地运算分析,将是成功关键。Image by Michael Schwarzenberger from Pixabay

以工业4.0为核心的智能制造,已经成为目前全球制造业者共同发展的方向。有别于一般消费性市场需求,在工业生产制造领域的发展上,不仅有强调以工业应用为主的工业人工智能,在数据资料的搜集上,自然也有所谓的工业大数据。做为工业人工智能的基础,怎样撷取正确的工业大数据,也关系著制造业转型升级的成败。

除了与一般大数据以强调数量(Volume)、速度(Velocity)、多样性(Variety),及真实性(Veracity)的4V要素之外,工业大数据还特别强调所谓的可见性(Visibility)及价值(Value)。对于大数据及工业大数据之间的差异,一般认为,数据的数量、撷取的速度/频率、数据的多样性与真实性,是制造业在导入数码化与自动化之后,会自然演化出现的数据。但对于工业4.0或制造制造,要从设备制造端向使用者服务端的转型而言,可见性及价值,则代表了对工业大数据所追求的目的与意义。

不过,由于这一波数码转型及产业升级的风潮,来得又快又急,很多制造业者在着手进行往智能制造转型的过程中,是伴随著数码化与自动化同步进行,由于数码化与自动化之后,机台设备可以快速的产生大量数据,业者如果没有完整个规划或从事阶段性的建置,很容易在初期就走错方向。

相关业者表示,一般的商业大数据可以在累积大量数据资料后,再固定或周期性的进行数据的处理与分析;但是智能制造要能创造价值,最佳的方式则是必须要将相关的工业大数据,就近的在机台设备端,进行实时的分析处理,并且执行回馈。同时,也需要将这些实时处理分析的结果进行视觉化的展示。

业者表示,工业大数据与一般商业大数据的一项重要差异,就在于对于精准度的要求。对一般商业场域中应用的大数据及人工智能而言,准确率能达到90%左右,就已经将惊人,因为对消费者的年龄判别失准,或是推播了错误的广告,一般并不会造成太大的影响;不过,如果应用在工业生产领域,工业大数据结合工业人工智能被要求的准确度,可能是需要到99.9%甚至更高的准确率,因为一旦工业生产制造上的数据出现误差,对于产品后续生产各方面,都将带来难以估计的损失。

也因为工业大数据需要就近进行高速而精准的分析与处理,因此,在智能制造风潮崛起之际,也连带掀起了对边缘运算架构的需求。相关业者指出,就近在机台设备端收集的工业大数据,先将必须优先处理回馈的部分进行分析处理,不仅可以达到快速反应的目的,同时也可以将数据量有效的缩减,对之后传输、储存等部分也都会相对较为有利。

就制造业转型智能制造,相关业者认为,从现场的数据采集规划开始、边缘运算架构的建置,一直到完整解决方案的提供,如果没有工业大数据支撑,结果可能会有极大的差异。当然,相关业者不否认,智能制造的规模若再进一步的发展后,工业大数据的范围一方面将持续扩大,但同时对于数据来源则将持续细化,即便如此,工业大数据在智能制造转型上扮演的角色,也只会越来越重要。


 

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 智能制造 数码转型