審慎推動設備聯網 展現工控自動化價值

為了有效串聯工業生產現場的大量專用通訊協定，企業必須藉助支援各種I/O的感測器或控制器，以此為起點逐步邁進智慧工廠。來源：研華

今時今日，無論各行各業，都積極高喊數位轉型，只因為愈來愈多的企業皆深刻體認到，若不加快腳步緊跟數位化巨浪，未來終將遭到市場無情淘汰。對於製造業來說，工控自動化即是推動數位轉型的起點，重要性非比尋常。

眾所皆知，製造業刻正處於十分嚴峻的轉型期，此乃由於，第四次工業革命已如火如荼展開，放眼全世界幾個主要國家，不管是德國、美國、日本、南韓或大陸，皆積極整合雲端、大數據等眾多資通訊科技力量，期盼打造一套兼能針對網路、電腦運算、感測器與實體物件發揮整合控制機能的虛實融合系統(Cyber Physical System；CPS)，進而結合工業物聯網技術，終至孕育出智慧工廠。

這場被泛稱為工業4.0的全球性競賽，儘管各個參與者的起跑點位置不同，行進路徑也有所差異，但終極目標皆在於提升國家製造業的競爭力，希冀提升製造業的附加價值，連帶也將影響製造業優勝劣敗的遊戲規則，從過去的效率驅動，拉升到創新驅動層次；可想而知，時值他人競相奮發圖強之際，台灣製造業若仍執著於效率的提升、成本的撙節，而不思索轉型升級之道，未來的路恐怕愈來愈難走。

但問題來了，不管是工業4.0、CPS乃至智慧工廠，都是規模宏大的題目，裡頭的細節與訣竅多不勝數，尤其是需要讓所有一切奠基於溝通協作的前提，不僅機器與機器之間要能夠彼此對話，甚至機器與製造執行系統(MES)、企業資源規劃系統(ERP)等商用層次的應用系統，也同樣需要做到彼此對話，無異是促使過往井水不犯河水的操作科技(OT)、資訊科技(IT)產生交集。

然而工業生產現場端的機台設備，多數都自處於相對封閉的環境，有自己慣用的語言協定，如何讓講不同語言的機台能夠交談，及如何讓機台訊息得以傳遞至企業後台應用系統、甚至是雲端平台，在在都可謂挑戰，若不突破這道難關，再大的題目也終將失敗。

善用技術工具  促進OT與IT融合

究竟該怎麼解決前述難題？有一家非常擅長於Remote I/O、PAC及IoT等相關元件供應的工業電腦廠商，曾多次對外揭櫫其現正積極淬煉5C技術能量，而這5個C分別是Collection(資料採集)、Computing & Control(前端邏輯運算與控制)、Communication(資料傳輸通訊)、Connection(設備連結)，訴求讓雲與端之間的訊息流動路徑順暢無礙，從而全面貫通製造企業的控制層、操作層、管理層、企業層及決策層。

由此看來，舉凡現場總線轉換器？閘道器？中繼器、無線感測網路設備、資料集中器，甚至是足以支援多重協定工業物聯網通訊伺服器，一干解決方案的部署與實施，不僅能促進生產端實現工控自動化，更可針對OT與IT之緊密橋接，打下扎實基礎。

換言之，製造業只要促使設備相互連網溝通，就有機會做好工控自動化，連帶致使生產流程更趨彈性靈活，唯有如此，方可讓企業能夠隨時因應快速變遷的市場與顧客需求，快速產出多樣少量產品，終至朝向工業4.0目標大步邁進；因此若說工控自動化是打造工業4.0智慧工廠的關鍵樞紐之一，理應相當貼切，並無浮誇之餘。

業者提醒，縱然智慧工廠願景萬般美好，而能夠讓工業生產現場的數據，向上與雲端平台介接，更教人備感興奮，但在懷抱美妙憧憬之餘，仍需要冷靜設想如何先做好「接地氣」動作。

要想接地氣，無非是設法透過各種方式而讓設備聯網，繼而擷取包括溫濕度、電力、磁力、位置、水位、加速、傾斜、聲音、振動、壓力、動作、速度…等各式攸關於現場設備的基本物理狀態數據，這一段歷程固然極其重要，但是更重要的，乃是必須深切了解這些資料背後帶有哪些深層意涵？能夠幫助我實現哪些價值？有了清楚認知，才能讓大量數據產生意義，據以形成智慧製造決策，否則在一無所知的狀態下，就算採集再多資料也是徒勞無功。

如何確保設備聯網、資料擷取等作為，對於企業真的有其意義與價值？經由DIGITIMES日前在台中舉辦的「工控自動化論壇」，箇中有多位講師皆對此議題提出精闢看法，相當值得參考，足以歸納出若干重點。

釐清設備聯網目的  而非盲目蒐集數據

首先是「換位思考」。不少企業往往會陷入技術迷思，意即會傾向把技術評估擺在第一階段，等到依照功能、效能、成本、人員熟悉度等構面選出最終標的後，再根據此標的物之能力條件，發想可能發揮的應用空間，整個過程並未以自身想解決的問題、或想推動的創新業務為先導，故最終即使藉由技術方案成功彙集到豐沛數據，也難以產生顯著綜效。

比較好的做法，是由企業先行整合生產、研發、品管、倉管、業務、財務、行銷…等等各個部門的需求與痛點，找出幾個最亟待付諸實踐的環節，凝聚共識成為轉型升級的規劃方向，再按照此計畫進行技術選型。

其次是深度運用大數據分析。有專家認為，當前市場上許多大數據分析解決方案，都僅側重於資料視覺化功能，即是透過圖表呈現分析成果，用戶再試圖運用這些結果，作為推動物料品質監控、製程監控、設備異常監控之參考憑據，但話說回來，如果企業空有一堆大數據卻不知該如何分析，即使有再犀利的視覺化工具，恐怕也是枉然；所以對於一些國際級領導廠商推廣的先進概念，比方說像是IBM所倡議的MAO(Manufacturing Analytic & Optimization)，都值得不斷加以學習與借鏡。

以MAO為例，它是一種實現大數據分析與優化的顧問服務，可依據製造企業實際遭遇的難題，決定採取哪一種分析，以期藉由主動的預測與模擬來挖掘潛在問題，而基於這些分析目標所需彙整的資訊，不管來自工業生產現場、財務端甚或業務端，在此時才會被定義出來，如此一來，便可確保數據採集的範圍精準無誤，皆能迎合企業預設的決策目標。

另一方面，既然知道智慧製造的養分，幾乎都源自於前端I/O及設備的資料採集與分析，那麼如何確保前端數量皆可準確無誤的採集與後送，便堪稱為重要的基本功；但這個來自於最底端的基本功夫，修練起來卻沒那麼容易，只因為現存於工業製造現場設備種類太多，彼此各自遵循專用通訊協定，意欲將這些各異其趣的訊息轉譯為統一格式，再將之後送到中控室的SCADA、或其他雲端軟體，少不得需要藉助許多相對應的I/O、總線(Fieldbus)模組，因此企業為了確保數據傳輸的可靠即時，對於網路傳輸中繼產品的選擇亦需慎重其事，儘可能選定支援的協定範疇相對寬廣的廠牌方案。

儘管每當談到智慧工廠，重點經常環繞於諸如少量多樣客製化生產等新興課題，但不代表傳統工廠所重視的產能提升議題不再重要，因此企業亦需思索如何運新科技來帶動產能提升，比方說藉由EtherCAT取代PLC，藉以達成高同步的運動控制，便是值得評估採納的方向。