中文繁體版   English   星期四 ,6月 29日, 2017 (台北)
登入  申请试用  MY DIGITIMES
 
信息工业策进会
康耐视

藉由IoT与智动化 助力实现制程优化及预防保养

  • 魏淑芳

DIGITIMES企划

时至今日,「工业4.0」之于制造业,重要性堪与金融业的FinTech、Bank 3.0,及零售业的Retail 4.0等量齐观,旨在集成计算、通讯与控制之虚实化系统(CPS),链接物联网(IoT)以建构智能工厂,以增进生产效能;细数工业4.0进化历程,举凡IoT、智动化,可谓个中两大关键要素。

曾有业界人士预估,待至2040年,全球物联网商机可望逼近1兆美元,其中仅3分之1环绕于食衣住行育乐等B2C应用,另外3分之2偌大区块,将落在B2B应用范畴,而工业物联网、智慧城市等题材,有望联手瓜分逾6,000亿美元市场大饼,其间最富含潜力的应用,无疑就是智能工厂。

进一步细分智能工厂商机,其中最具潜力的两大应用方向,分别是制程优化、预防保养;估计透过制程优化,可协助制造企业撙节5~12.5%成本,至于预防保养效益则更高,能够创造10~40%的成本节省空间,更有甚者,许多攸关工业4.0的研讨会都经常引用某知名空压机制造商之例,该公司便是充分善用物联网、大数据分析等科技助力,别出心裁为客户提供预防保养加值服务,因而驱动商业模式转型,不再以贩售空压机设备为主业,而是由卖转租,凭借加值服务赚取细水长流收益。

综上所述,工业物联网之于制造业,不啻是竞争力再造的入门砖,一经成功导入,即可从传统制造跃升智能制造,开启无限机遇,其重要性可见一斑。

论及工业物联网,就产业界的定义而论,由下而上可区分为全面感知、可靠传递及智能运算等层次,综观这些层次所涉及之关键技术,则包括传感器、IoT闸道器(嵌入式运算)、互联网,以及位居最上层的大数据分析,藉由传感器搜集来自于工业现场暨周遭环境的巨量资料,接著由IoT闸道器执行数据格式的正规化程序,将许多异质工业通讯协定,「翻译」成为云端运算中心可以识别的语言,再透过互联网上传云端,在此进行巨量数据的归纳与分析,据此繁衍有助促进制程优化、预防保养或其它面向的智能逻辑,最终根据智能逻辑进行反向回馈与控制,使得工厂内所有智能机械(IM)、智能机器人(IR)的能力同步跃进,形成正向循环。


工业4.0高楼平地起 须优先促使机台联网

因此曾有人说,利用物联网技术建构智能系统的过程,蕴藏了世纪大商机,此一形容乍听浮夸,但细究个中论述基础,其实不失合情合理。

只不过,欲从数码化、网络化循序推进到智能化的历程,绝非一蹴可几,有诸多环节亟待补强优化,但无论如何,设法让原本缺乏联网能力的现场设备,开始能够连结网络,并透过各种方式持续吐出状态信息,此一智动化程序,绝对是成就伟大智能工厂的重要起步。

具体来说,现今绝大多数工厂,其实都具备自动化实力,但部份企业的自动化层次,尚停留在单机自动化格局,相当于工业2.0水平;在单机自动化的情境下,厂务管理者并无一套足以综观全厂设备信息的机制,可立即掌握所有机台的当下状态,所以就连计算稼动率都不容易,别无他法,只能藉由土法炼钢方式,以人力充当「监视器」,要求每人负责看管一定数量的机台,定期汇整资料,再回报到厂务管理端,例如抄写三色灯所呈现的机台停机、待料或生产等各种状态,即是搜集数据的方法之一。

但不管制造企业将前述作业模式运行得多么纯熟,距离所谓的现场设备智动化、智能工厂乃至工业4.0等境界,其实都非常遥远,且因搜集资料的历程相对艰辛,讯息种类极其有限,加上受限于人的体力与专注力,导致信息的正确性与实时性皆有待商榷,故后续能藉由加值分析产生智能逻辑的空间,可谓相当狭小,当别人都往工业4.0转型升级之际,该企业与同业之间的竞争力落差,势必愈趋扩大,后果不堪设想。

如何及早脱离单机自动化、迈向机台联网格局?业者建议,可因应现场维运设备、工业自动化系统等不同物件属性,藉由不同方式使之接入互联网。

以情况单纯的三色灯为例,在有线传输环境下,仅需针对每个机台状态指示灯配置远程I/O模块,由个别I/O模块负责蒐不同灯号信息,再走RS-485向上传递给资料集中器或远程控制器,接著再由资料集中器或远程控制器,定时统整所有信息,向上传送至中控室图控系统,如此一来,厂务管理者便可综观所有机台究竟处于停机、待料或生产状态,作为改善生产稼动管理的依据。

当然,环顾整个智能工厂应用范畴,掌握机台产能利用率、稼动率,不过是入门基本功之一,而且最容易实现,如果厂务管理者想要掌握更多信息,譬如塑料射出工厂,还想进一步采集模具开合次数、预热状态、安全门状态,甚至是用电量、温湿度等信息,便需要动用更多远程I/O模块、资料采集控制器、三相智能电表模块等装置,再利用网络、RS-485或ZigBee等方式,与后台图控系统集成,便于企业集中监控与管理。

也有企业认为,撇开新型态物联网感测装置不谈,意使沿用多年的既有机台开始具备联网能力,从实体I/O点寻求突破,固然是可行方案之一,但如此做法不仅需启用过多装置,且搜集到的数据内容也较为有限,亟需思索其它解决方案。

另一个值得采纳的可行方案,即是部署PAC控制器(需内建支持PLC驱动程序),透过以太网络或RS-232等通讯方式直接从PLC读取资料,倘若PLC原厂愿意对外提供的资料范围大,则一旦采取这般做法,即可望一次网罗到最丰富信息,例如机台状态、机台稼动率、异常讯息、相关参数设定…等等,驱动更多元化的应用。

如果同一工厂内存在超过一种PLC控制器,彼此操持不同的语言协定,此时可透过IoT闸道器来执行各式通讯协定的转换,将异质资料转换为统一格式,接著快速上传至后台图控系统,甚至再藉助MQTT或TR-069等协定,直接上传云端资料中心进行大数据分析,或由云端资料中心统一监控所有机台的运行状态。


结合云端机器学习 加速执行振动分析

不可讳言,欲将现场设备串联云端运算节点,则涉及另一段故事,此时不妨采用物联网软件工具,让企业开发人员得以省却程序撰写的繁复工程,藉由直觉化的点击及拖曳操作,直接完成其间所需联机设定,裨益缩短开发周期,好让各项物联网应用尽快上路。

值得一提的,与预防保养应用息息相关的振动分析,需要采用不同模式加以处理。业者指出,所谓振动分析,意在了解机械健康状况,需要藉由一组数学运算模型,把机械经由振动产生的能量,转换为频率,接著由专家依照经验法则判读频率数值,察觉其中是否出现异常,如果确认发生异状,再循著轴承、变速箱…等出现变异的部位追溯真因。

然而在执行振动分析时,较麻烦之处,在于诸如CNC车床刀座、SMT打件机等精密机械设备,并不适合安装任何振动传感器,唯有另谋他途,例如考虑在每个工站执行二维条形码扫描,再将扫描所得数据,与后台品管资料库加以比对,亦可谓突破之道。

可喜的是,伴随包括微软Azure等大型云端平台,都开始提供机器学习服务,有助各企业卸除自行配置庞大专家团队的负担,加速振动分析执行,甚至结合认知运算服务机制,反向判读与确认现场设备是否符合异常特征,藉此打通预知保养的任督二脉,协助制造商开创加值盈利空间。


透过大量远程I/O模块,可串接不同机台的实体I/O点,撷取运行状态信息,再藉由资料集中器化零为整,助厂务管理者综观工厂内所有机台稼动状况。(来源:R. STAHL)


诸如CNC车床刀座等精密机械设备,不适合安装任何传感器,此时可善用用质量检测方法另闢蹊径,发挥近似于振动分析的功效,满足预防保养应用需求。(来源:Lathes)