工业物联网IIoT整合IT及OT云端服务在智能制造的实践

所谓智能工厂，即透过IoT达到智能制造，让工业物联网(IIoT)高度整合营运技术(OT)与信息技术(IT)，并藉由AI及机器学习，让大数据数据在制造场域达到事前预测及事后分析。Amazon Web Services(AWS)看到工业物联网IIoT整合IT及OT的需求，但在工业4.0架构下，也发现多数企业缺乏数码化数据库以及实时决策回馈。

对此，从AWS角度观察，数据转型必须经历三大阶段，第一在数据蒐集，包含制造端让PLC信息整合到控制系统，再把数据提取出来放到MES系统；第二阶段是善用数据洞察，实时做到反馈；第三阶段则透过数据平台做到预测，协助制造达到真正的智能营运。

AWS以实务案例说明，制造产业透过数据、AI技术，最终能达到三大目标：预测性维修(Predictive Maintenance)、可预测品质(Predictive Quality)、及资产管理监控(Asset Management and Monitoring)。像是生产电吉他外壳Fender公司，透过数据平台蒐集产线信息，了解哪些机台到汰换年限，降低产线停机的风险。或Valmet纸厂公司，生产过程蒐集数据，透过IoT传送到平台，找寻制造过程的瑕疵可能。又或是Bayer针对食物浪费问题，借助AWS IoT SiteWise在生产线部署多组传感器，降低生产流程浪费食材情况。

AWS表示，工业4.0精髓在于虚实整合，必须融合信息科技IT、操作科技OT及通讯科技CT，再进一步结合开放式据数平台，形成智能企业整合架构，并搭配云端及数据分析应用，方能有效迈进工业4.0目标。但目前制造场域为何难达到4.0阶段？原因大多来自AI、机器学习的数据不足以及平台维运困难。对此，AWS因应业界提供多项解决方案，包含AWS IoT Greengrass、Machine Learning、Deep Learning、Data Lake等云端服务项目。

最后AWS也提到，观察业界对AI、数据分析专家的人才欠缺，AWS提供客户做团队训练，教导企业做自家数据机器学习模块的训练，透过大数据的洞察带动营收成长。目前AWS也将在新竹举办为期一天的云端服务培训课程—AWSome Day(8/16)，循序渐进让客户了解在如何在云端平台中部署运算、储存、数据库、及网络等核心服务面向，建构安全且高扩充性的信息服务平台。