IoT: Challenges and Opportunities
 |
傳統製造業正在經歷著前所未有的轉型，物聯網、雲計算、大數據分析，作為工業物聯網和智慧製造的核心技術，正在從各個方面改變著工業行業，包括產品的設計、營運、維護，以及供應鏈管理。
通常，即使工廠裡採用了網路聯網設備、MES和SCADA系統，大部分硬體設備還是沒有接入網路，或僅單向輸出資訊。隨著工業物聯網的推進，傳統製造企業更需要主動地去嘗試，和採用新的自動化技術，來迎合多變的市場環境和客戶需求。
本文將簡要分析，製造企業實踐工業物聯網所需走過的過程，以及在工業製造業所呈現的主要問題和趨勢。
1、工業物聯網實現的五個環節和兩大階段
IHS Markit將傳統製造工廠轉化為真正的工業物聯網工廠的過程劃分為五環節，如圖1。
第一階段是實現「機器與機器對話」，即現場設備的聯網和底層數據的採集兩個環節。在企業能夠進行數據分析、建立模型之前，工廠內的軟硬體基礎設施，還有很多準備工作要做。
首先，工廠的機器都能夠與工廠內，和其他遠端地點的所有其他機器和設備互相通信，並進行大量的數據交換，這是所有後續環節的基礎。
首先，工廠的機器都能夠與工廠內，和其他遠端地點的所有其他機器和設備互相通信，並進行大量的數據交換，這是所有後續環節的基礎。
目前，大部分企業仍處於這個階段，實現現場設備互通互聯，同時確保數據和資訊溝通的準確性、可靠性、完整性和及時性，這是工業物聯網的基礎，也是工業企業要首先解決的問題。
在很多工廠中，已有的自動化設備，比如驅動器、感測器、控制器、儀表等都已經使用多年，甚至十幾年，企業用戶不會推倒重來，用新設備來替代已有設備，而都會在不影響生產的前提下，擴充已有設備的通信能力。
在很多工廠中，已有的自動化設備，比如驅動器、感測器、控制器、儀表等都已經使用多年，甚至十幾年，企業用戶不會推倒重來，用新設備來替代已有設備，而都會在不影響生產的前提下，擴充已有設備的通信能力。
然而，已有設備來自不同的製造商，並沒有採用統一的通訊協議，需要採用協議轉換設備，對原有設備和產線進行改造，實現設備之間的無縫通信，比如支持不同協議的高級HMI、協議轉換器，或其他自動化產品，連接這些採用不同專用通信協議的設備。
根據IHS Markit最新數據，全球聯網自動化設備的聯網數量，在2017年已經達到950億個，其在2017至2021年的年複合成長率會保持在11.6％。IO－Link sensor和IO－Link master市場的快速成長，也能反映將現場層資訊可視化的旺盛需求。
IHS Markit預測IO－Link聯網節點數，在2017至2021年這5年期間將以25.7％的年複合成長率成長。
第二階段是實現數據的價值輸出，包括第三、第四和第五環節，即數據的存取、分析和價值輸出。對企業而言，在解決了如何蒐集數據的問題後，數據的存取和利用，是接下來更為重要的問題。
客觀來看，工業企業內部的業務邏輯，並沒有標準化；自動化水準也不同，並不能用一套通用軟體平台，來解決每家企業的問題，都需要客製化的軟體開發，這也需要工業企業用戶，有更多的資金投入。
目前，我們能看到幾乎所有工業技術廠商，都已經推出了自己的工業物聯網解決平台，比如IBM有Waston，GE有Predix，Schneider有EcoStruxure，Honeywell也有了Sentience。
在該階段，如何解決工業物聯網安全問題，如何合理利用機器學習和人工智慧技術，怎麼使用邊緣計算和雲計算，以及怎樣發揮行動設備，在工業物聯網中的積極作用，都將成為行業更為關注的話題。
2、網路安全是工業物聯網實施的一大困擾
舉個例子，比如OEM廠商提供的質保內容，正在發生變化，所提供的質保內容，由過去的「一年內可以更換故障配件」，過渡到「保證設備可以一年中正常運行的時間」，如果設備出現問題，OEM廠商需要在規定的時間內響應。
但前提條件是OEM廠商能夠即時地、安全地連接進入工業控制網路，查看相關數據。工業網路會越來越開放，與IT網路進行融合，與此同時，網路安全問題將更為凸顯。
IT系統所受到的任何威脅，都會對OT系統造成嚴重的影響。安全問題，已經成為投資工業物聯網的一大障礙。近年來發生的駭客入侵電力公司網路，阻斷電力供應，劫持工業控制設備，篡改PLC中的程序和數據，造成產線停產的事件，大大提升了工業企業用戶，對工業物聯網安全的關注度。
雖然自動化設備製造商，已經在硬體產品和軟體平台上，都增加了網體安全措施，比如在PLC和I/O模組產品中，增加了SSL/TLS加密。但距離終端用戶能夠廣泛接受，並使用工業物聯網來採集、監控、處理和儲存各種數據和資訊，還有很長的路要走。
此外，擴充現有OT系統的網路安控能力，所需的成本和培養訓練有素的人員的投入，也是不可忽視的因素。根據IHS Markit的研究，實施物聯網方案擔憂的主要問題，是網路安全和隱私保護，其次是項目的實施成本和其複雜性。
3、邊緣計算和雲計算協同合作，更能滿足工業物聯網的需求
雲計算處於數據中心的核心網路中，透過層層網路設備，蒐集終端的數據，憑借強大的儲存和計算能力，進行大數據分析。邊緣計算是指，在貼近數據源的設備中的計算能力，進行即時、短週期數據的分析，能更高效地對本地數據，進行即時智慧化處理和執行，同時能夠舒解網路中的數據流量，和雲端的工作量。
當海量的數據需要儲存、分析時，雲計算更合適。比如需要大量數據輸入的人工智慧離線訓練，這些數據要透過合適的訓練方法，驗證和完善人工智慧算法模型。
邊緣計算可以說是，對雲計算的一種補充和優化。很多工業現場條件惡劣，設備分散，很難即時傳送大量數據，這個時候邊緣計算就更為適用。以風電場為例，具有邊緣計算能力的現場設備，能夠即時地採集和分析數據，並能即時做出判斷，調整風機，以收集更多的能量。因為整個過程都在本地完成，處理速度比採用雲計算提升很多。
目前，工業產線中的數據中，僅有約3％的數據是有使用價值的，透過邊緣設備過濾、處理後，到達雲端的數據價值更高，相應的計算和分析過程也會更高效。
4、機器學習和人工智慧的應用
機器學習和人工智慧，為工業物聯網提供了廣闊的遐想空間。目前，工業領域主要的應用，包括自我診斷和預測性維護、優化生產流程、智慧機器人、結合機器視覺進行產品檢測等。
（1）自我診斷和預測性維護：採用預測性模型技術，透過對現場設備、控制器等上傳的數據進行分析，即可獲得的設備故障前兆特徵。配合報警機制，工作人員可即早制訂維護和應急方案。避免因產線驟停帶來的難以控制的損失。
比如正在作業的工業機器人出現故障，就會造成大量的不合格品，人工智慧技術可以透過檢測機器人減速機，和主軸上不同狀態下的數據，來學習並建立模型，進而能夠提前預測故障。
（2）優化生產流程：人工智慧模型在蒐集的各項溫度、轉速、能耗、產能等數據的基礎上，進行分析，對產線進行節能優化，提出降低能耗、提高產能的方案。
（3）智慧機器人：機器人可以去讀關聯軟體模型中，製造產品的相關資訊，並學習。最終，不需要工程師每次對機器人進行編程，機器人可直接接受工程師指令，自主進行製造生產。這樣，產線能夠更加靈活、高效地應對客製化生產的需求。
（4）結合機器視覺進行產品檢測：目前廣泛應用於半導體和3C行業。機器視覺是人工智慧，正在快速發展的一個分支。機器視覺系統的攝影機，可以快速獲得大量生產資訊，透過後台軟體加工處理，結合設計資訊和加工控制資訊，能夠代替人工作業提高生產的效率、精度、品質和柔性。
5、工業行動應用會更加廣泛
行動終端設備，在工業物聯網中的參與度逐漸提高，越來越多的廠商推出行動應用方案，進一步提升工作效率和效力。行動終端主要的應用方式有以下幾種：
（1）遠端監控：使用HMI的行動應用，工作人員可以在任何時間和地點，檢查現場設備和產線的運行狀態，並即時進行診斷和維護工作。當監控點離設備操作點較遠，或設備位於危險區的時候，行動應用提高工作安全性和效率的優勢更為明顯。
在多台設備都在運行同一套工序的情況下，工作人員在行動終端上，就可以查看每台設備的狀況，比跑到每台設備前，逐一查看更方便和高效。
很多人認為個人行動設備，不適合在工業環境下使用，所以，在2017年，除了推出了更多基於個人行動終端的應用，我們看到少數企業也推出了專門用於工業環境下的，基於web的平板電腦，僅用來查看數據和資訊。
（2）自動採集現場資訊：工作人員可以將行動設備，作為現場資訊採集工具，透過專用的應用程序，直接掃描，並上傳數據到後台系統，這樣可以避免工作人員自己讀取，和手工輸入資訊過程中造成的錯誤。
（3）資訊發佈和分享：將現場的人工流程，在行動終端上數位化，資訊的發佈和分享，將會極大簡化。比如工廠的管理員可以將發現的問題，同時發佈給所有相關人員，而不必逐一溝通。進而減少停機和維修的時間，最大化地降低損失。
如上文所述，工業物聯網的實踐，對生產設備、軟體平台、人員配備、以及資源，都提出了很多新要求，工業自動化設備也要為此做好準備。以下是IHS Markit所觀察到的，自動化設備層面，已經發生或正在發生的變化：
（1）數據採集能力：傳統工廠裡使用的感測器和執行器，都是獨立工作的，現在越來越多的設備，安裝了嵌入式的感測器，比如泵、流量表、馬達、軸承等。
（2）通信能力：越來越多的PLC和HMI產品，都配置了通信接口，過去屬於高端產品的配置，現在已成為中端產品的標準配置。一些I/O模組產品，配置了無線通信能力。
（3）數據處理能力：PLC的數據處理能力進一步提升，能對現場設備中的數據，進行篩選和簡單的處理，減少伺服器和雲端的負荷。智慧I/O模組具有簡單的數據處理，和邏輯判斷能力。過去兩年，也推出了很多具有數據，儲存和處理能力的物聯網 Gateway。
（4）工業級行動設備：少數廠商推出了針對工業環境下，使用的行動設備，比如基於web的平板電腦，僅能瀏覽網頁，用來查看現場產線狀態和資訊。
（5）控制系統結構扁平化：一些高端PLC產品和智慧I/O模組添加了物聯網 Gateway的功能，可以直接將數據傳送到伺服器或雲端。智慧感測器也可以不透過PLC，直接透過物聯網 Gateway，將數據傳送到上層。新產品的這些功能，將會加速工業控制系統構架的扁平化。
（6）人工智慧算法模組：Rockwell和Omron都在其PLC控制器中，加入了人工智慧算法模組，透過對控制器中的數據流，進行分析學習，人工智慧算法模組會快速建立模型，之後會持續監控運行數據發現異常，並警報。
沒有留言:
張貼留言