边缘装置串流分析 助企业摆脱非预期失效的千万损失

SAS业务支持部大中华区资深顾问卢延年表示，许多制造业者都拥有高单价、高附价值的生产设备，一旦出现非预期性停机将酿成巨大损失；若藉助边缘设备串流分析，可望实时察觉异常症候，及早做应变处置。

众所皆知，机台设备一向是制造业倚重的生财利器，以半导体业前段的晶圆代工或DRAM厂而论，产在线经常可见要价数千万、甚至上亿的昂费机台，万一哪天突然失效停机，不仅可能酿成惨重的原物料报废损失，甚至让公司无法如期达交，恐为日后营运发展增添变量。

因此如何让业者透过实时监控、数据蒐集，结合后端分析应用，以期在设备发生非预期异状前，及早发出预警，好让业者有充裕时间进行应变，无疑是重大课题，于是带动人工智能(AI)、物联网(IoT)成为制造型企业群起簇拥之热门标的。赛仕电脑(SAS)业务支持部大中华区资深顾问卢延年说，尽管制造业界追求预防维护的立意甚佳，但就现阶段而论，不少工厂的执行状况并不如预期。

卢延年点出问题症结，企业普遍借重生产过程的数据，例如温度、压力、流量、电压、电流等等数值型数据做为预测基础，无奈准确度不见得高；换言之单靠这些素材，不足以协助企业摆脱设备非预期失效的危机。

如何提高预测精准度？企业须回归基本面，务实看待机台设备产生的数据，是否还有过去忽略的加值运用空间；企业不难发现，机器除了提供前述数值型数据，也会产出以文字及数字为基础的日志(Log)档案，而失效侦测与分类系统(FDC)仅采用数值型数据、不采纳Log，殊不知这些从未被善加利用的大量Log，着实埋藏着魔鬼细节，对于预知机台设备即将失效，有一定作用。

卢延年重申，Log属于文字型数据，个中蕴含一些以往未被人察觉的细微症万亿。他举例说，某企业用以监控生产设备的服务器，被赋予数据收集、实时监控的重任，其包含了AP Server、Database Server，及与前端机台整合的Server，并结合Watchdog第三方监控程序，其中任一环节出状况，恐导致厂区几百台生产设备顿失监控，重要性不言可喻；有天监控服务器发出异常告警，但此时已停止运转，代表已经构成伤害，用户大惊之余，要求设备商尽速检讨原因并提出改进建议。

从日志档挖掘细微症万亿，掌握设备失效前万亿

事实上，前述意外早在Log当中显现端倪；经Log显示，先前AP Server与Database Server的连线过程已有断断续续的异状，当时AP Server即曾执行Retry，只是未达缺省上限次数，故未启动中止运作的自我保护机制，如今则因Retry次数超标而停机；假使用户能及早运用SAS的串流分析技术，结合自然语言处理方式，持续对Log执行实时分析，早在数天或数小时前，就有机会力挽狂澜。

着眼于此，SAS以串流分析平台为基础，协助制造业解析文字型数据信息、建立模型，借此打造有效的早期预警机制；未来亦会将图像、影像等其他非结构数据一并纳入分析，据以发挥更大功效，例如半导体公司在HDP或CVD制程时，当腔体内离子气体反应有些微色泽异常反应，如发生微电弧效应时，便可透过影像识别结合串流分析，立即发出警讯。

卢延年指出，SAS平台全方位支持多重演算法与机器学习技术，可望藉由AI边缘运算完成串流分析，不仅协助制造业实现设备故障预警，亦可做为瑕疵分类、产品品质监测分析之用。例如经营轨道交通运输设备的大厂GE Transportation，便与SAS合作，善用连线火车头上内建的串流边缘分析能力，实时分析传感器数据，确保GE火车头恒常保持安全与高效率的运行状态。