工业物联网的挑战、迷思与案例分享

工业技术研究院资通所智能制造服务系统组组长程瑞曦。

虽然导入工业物联网已成为许多制造业考量的重要议题，但工业技术研究院资通所智能制造服务系统组组长程瑞曦建议，企业先思考本身之经营定位后再来决定是否要导入。

如果企业的现今的营运定位已经脱离了资本密集的阶段，也就是靠便宜的人力、土地及能源、宽松的环保规范来竞争，欲切入技术密集之经营模式，也就是良率比其他人高、成本比较低、产能比较高时，就可以评估导入工业4.0的相关解决方案。

程瑞曦强调，物联网应用在服务业已有不少的成功典范，如Facebook与Google都是以分析与使用者数据，来持续改善服务，并用以聚集更多的使用者与数据，但这套成功的模式不能直接搬到制造业。

如在数据收集与传输建置成本方面，程瑞曦指出，服务业是使用者主动提供数据、费用是使用者与电信公司分摊，服务业只需要承担储存及处理成本，反观制造业的物联网建置成本都得自己投资。

而在数据整合成本方面，服务业的共通标准主要是利用智能手机的通讯标准，早已累积多年的基础，产品兼容性高。反观制造业的共通标准却仍未建立，制造业很多旧设备无法跟新设备交换数据。

至于运用于分析的数据品质方面，服务业已累积固定用途的数据库，数据分类与品质都已确保。反观制造业，多数业者的数据分类与品质仍有待建立；而在运用于分析的数据量方面，服务业的数据量已有代表性，多数制造业的数据量仍不足以分析。

除此之外，程瑞曦指出，业者仍需要面对建置工业物联网的重重挑战。如在传感层方面，不同应用的传感器需求不同，导致传感器种类繁多，系统整合定制化程度高。

在网络层方面，工厂通讯传输的选择，包括布建成本、环境严苛度、安装期间影响生产的程度、应用所需的弹性等议题都需要考量；在应用层方面，业者要先厘清运用于分析的数据范畴与所需分辨率，以具一致性且标准化的方式来蒐集数据，方能易于解释与降低分析所需之成本。同时，数据不能蒐集的太少，以免没有将问题纳进来，但数据蒐集的太多，又会造成效率低落及成本增加。