自动化设备的感知技术应用与价值

科智企业股份有限公司总经理颜均泰。

科智企业(ServTech)股份有限公司总经理颜均泰先生，以「自动化设备的感知技术应用与价值，其实就是大数据！！」为主题，分享其公司在物联网时代所扮演的角色，来说明大数据在工厂端应用的实例。他认为IoT不仅应用在一般消费者端，也应用在制造商端，而工厂管理问题百年来没有变过，只是解决方案的改变，让问题看起来越来越复杂，实际上，其解法原则是一样的。而现在有了大数据的协助，让许多问题都可以更容易找到答案！

感知技术的价值  其实就是大数据

颜均泰表示，工厂端一直走向自动化，从硬件到软件，到整个公司的整合，都有长足的进步；而近几年开始提到的工业4.0，无非就是将工业自动化推动到下一个阶段，从电脑的层次升级到信息共享的层次，将每个节点开始串接起来，并能互相沟通，以解决工厂更多问题。

他分享其客户在工厂所发生的问题案例，如拖班问题，还有晚班永远比早班的绩效和品质还差。常理判断的问题点在于「人」可能有偷懒的问题。传统作法认为可以安装Camera来监视工作状态，而科智认为解法应从数据着手，找出操作机器必须实做的标准操作的步骤，并检视其记录档；若有少按到的按钮或步骤，就可以发现问题点。

以Tesla(特斯拉)电动车为例，先前有发生车子失控冲撞店面，车主怪煞车失灵，结果Tesla调出Log档证明车主根本没踩煞车，这表示数据纪录的重要性。

Tesla整台车有各式各样的数据纪录，能忠实记录所开过道路的完整路况；当下次车子又开到某一不平整路段时，Tesla就可自动升高汽车底盘，改善汽车操控。Tesla大量应用数据来解决问题，而传统车厂则是增加更多感应器，反而增加了机电系统的复杂度。

颜均泰进一步厘清问题，在汽车加装多种传感器，这个仅叫做「汽车数据化」，而Tesla的车子则是「数据化交通工具」，所以根本是两种不同的市场。再加上Tesla已将其应用到的各种专利卡死，传统车厂根本打不进那块市场，遑论与Tesla对抗。因此，原则上不是IoT的问题，而是数据的问题，也就是大量数据的应用而已。

数据因需求而大  因需求而丰富

将车子加入多种传感器后，是否能解决塞车问题？答案是否定的。而大数据会因不同的需求而发挥不同的价值。他以「台北等公车」手机App为例，其采集所有公车站的进站时间信息，以解决公车族等候公车的问题(Big for Requirement)。当然这个信息对不在台北生活、工作的南部民众来说，就没有用，因为App需求与对象不同。

那麽此App对开车族有用吗？其实是有用的，因为已经有公车进站时间信息，而公车两站距离的信息也可抓得到，只要算出进站时间差，就能得知公车是否塞车，进而提供给开车族在市区是否塞车的实时信息(Rich for Requirements)。此外，该数据搭配台北市公车管理处的管理工具，就能对公车司机做绩效管理。这就是一种现有数据，发挥了3种族群应用的实例。

针对需求来捞数据  才能将问题迎刃而解

Data的Big与Rich，是取决于整个解决IoT Solution的重要关键点。当传感点没那麽多的时候，就必须善用大数据的统计分析，来解决各式问题。因此，重点不在如何为设备加装各种功能，而是问题点是什麽、我想要什麽样的数据。将问题点出来，数据才有意义。对云端来说，储存只是基本功能，信息分享才是其价值所在，IoT的精神在于采集信息储存至云端，并分享出去。而真正决胜的关键，在于这个「云」是否能提供好的服务。

科智的制造大数据平台(Servolution)，具备ServAgent、ServCloud、ServBox等整体解决方案。其ServBox支持各种品牌自动化机台的信息采集，而ServAgent提供AppWare市集，将IoT的各式数据采集与分析需求，做成多种App来让客户来下载，以便找到问题的答案。而ServCloud就是提供制造大数据平台，串连制造业的ServBox在数据的采集、转换、连接，并将数据与服务透过ServAgent的各式App来提供内容、定制化需求与识别等服务给客户。

科智提供关键制程数据的应用服务解决方案，透过蒐集到的整厂信息，以及研发制造最佳化分析技术，来协助设备加工厂提高稼动率，提升供应链管理的弹性，带动制造业服务化模式的创新。从科智在客户稼动率提升实绩达到3%？22%不等，便可得知其核心产品价值。