Mikael Gidlund, Myths, truth, and challenges in industrial 4.0 and wireless automation
 |
來源：eettaiwan 作者：Susan Hong
利用網宇實體系統(CPS)架構的5C元素，有助於衡量不同製造業族群在工業4.0的技術成熟度，以及在導入工業4.0應用與策略時所面臨的挑戰…
工業4.0(Industry 4.0)正成為時下熱門的關鍵詞，大家都在討論如何透過人機協作的方式，在這一波數位化浪潮中，提升製造價值鏈的效率與生產力。
然而，根據Mckinsey在去年，針對全球製造相關業者進行的工業4.0調查顯示，目前大約只有四成的業者，在實現工業4.0的應用與策略方面取得成效。
(來源：Mckinsey Industry 4.0 Global Expert Survey, 2016 )
工業4.0究竟只是市場炒作一場，還是可透過轉型，帶來希望的絕佳機會？業界在實現工業4.0的過程中，究竟遭遇到哪些問題?目前的實施成效如何?未來又該如何跳脫市場炒作，真正落實工業4.0?
對此，英特爾(Intel)亞太區製造業解決方案總監李立仁表示，製造業是一個族群多元且分散的產業，包括半導體、汽車、石化、組裝、金屬加工與紡織等等。不同的族群在技術的使用與成熟度方面各不相同，因此在工業4.0發展道路上，處於不同的位置，所面臨的問題也不盡相同。
因此，他指出，藉由網宇實體系統(Cyber Physics System)架構的5個元素(5C)——連結(Connect)、轉化(Convert)、虛擬(Cyber)、認知(Cognitive)與配置(Cofigure)，有助於業者評估自家公司在工業4.0發展的技術成熟度以及面對的挑戰。
借助網宇實體系統的5C架構，有助於衡量導入工業4.0的技術成熟度
在最基本的連結(connect)階段，必須把工廠設備和業務整合(M2B)、機器對機器(M2M)整合起來，而其挑戰就在於如何將設備機台的訊息，轉化成可供大數據和人工智慧(AI)進行分析用的數據。因此，在這個階段的重點是如何以物聯網(IoT)實現M2M的結合，以及操作技術(OT)與資訊技術(IT)的整合。
在鏈接之後，就必須把OT的數據，轉化為有價值可分析的資訊。例如如何將設備機台的數據導入大數據平台，以支持失效分析、良率分析等不同應用場景。而在虛擬階段中的關鍵在於Cyber Twin，具備實現工業4.0的關鍵能力;可在連接所有的設備端點後，實現虛擬化、同步化的數位工廠，並具備感知、預測的能力，並進一步用於模擬與重新排程，實現優化的結果。
而在設備連結、具備智慧化分析運算後，下一步的認知階段重點，在於確保累積的數據進入學習系統，並整合邊緣、大數據以及讓工廠自主學習的重要技術——人工智慧(AI；包括機器學習與深度學習)，實現自我診斷與決策。
最後是根據生產環境、訂單需求、機台設備等變化，不斷自行重新排程至優化的執行與計劃結果，目標在於達到自主配置的工廠/企業/價值鏈。
李立仁指出，「5C代表工業4.0的五個能力階段，面對的典型問題各不相同。」從物聯網的連結、OT到IT轉化、Cyber Twin的模擬、AI能力的自主學習到自主配置優化的工廠，不同的族群或客戶，在每個階段的技術成熟度不同，也分別遭遇不同的挑戰，必須先確定客戶發展至哪一個階段，遭遇哪些問題，才能建議其技術導入方向。
除了技術的成熟度以外，發展工業4.0還需要高度的人力資源，與資本資源的投入，畢竟這還是一個高度成本競爭的環境，但要如何確定導入藍牙、物聯網還是AI等技術的投資報酬率(ROI)呢?
因此，具有商業價值的應用場景，也是目前進入工業4.0的障礙之一。
李立仁建議，先找到一個好的應用場景，或轉型其他商業模式，例如提升良率或設備維修服務，將有助於發掘出新的商機，落實工業4.0的願景。例如，有些業者導入工業4.0後，將設備維運變成一種服務，取得客戶端的設備運作數據，在雲端同步運算，同時介入設備的控制系統，進行故障排除的服務。
此外，建立完整的生態系統也非常重要。如果每一家方案供貨商都提出針對片段範圍的方案，或升級而不進行整合，其成效也會大大折扣。
因此，在發展工業4.0的道路上，跨生態系統的合作夥伴之間垂直整合，提供端對端的解決方案，也有助於產業加速導入。
因此，在發展工業4.0的道路上，跨生態系統的合作夥伴之間垂直整合，提供端對端的解決方案，也有助於產業加速導入。
沒有留言:
張貼留言