打造垂直貫穿OT、IT層的AIoT智能工廠
2021-03-10 11:55 聯合新聞網 / CTimes零組件
【作者： 台達機電事業群】
提到AIoT，多數人最先想到的就是AI運算與物聯網（IoT）。台達以多年豐富的「智」造經驗和深厚的軟、硬體實力，從不同的角度切入AIoT的應用，深度剖析如何從設備的控制、感測導入AI和IIoT技術，真正打造貫穿設備層（OT）和資訊層（IT）的AIoT整合方案，並透過自身成功經驗，協助客戶落實AIoT的建置升級。
在各行業數位轉型的時代，設備、製程、產線正在不斷的進步，各種過去可度量的、不可度量的資料和記錄，都在快速地轉化成數位資訊，進而產生大量的數據。為了收集這些數據資料，物聯網的需求也日益提高。
此外，除了收集數據，後續還需進行逐一分析、歸納、解析，產生有效的系統化資訊提供給執行單位做為決策判斷。然而現代設備日益精密，資訊量的成長速度遠超出人類可以學習判斷的能力，因此造就人工智慧（AI）的發展應用。當AI與物聯網（IoT）結合，即形成謂的AIoT（AI + IoT）。
隨著近年智能製造潮流引領工廠、產線、設備升級，AIoT已從概念開始落地應用。台達已針對設備聯網推出許多軟硬體產品，也將相關技術和設備導入自家產線，打造數位化、可視化的機台與產線。在AI方面，台達也已成功將AI技術應用在外觀檢測、馬達異音辨別和檢測，大幅將漏檢率降至趨近於零。透過聯網，可將AI檢測know-how快速複製到不同產線、廠區，後續亦持續推廣至其他的應用需求。
但要真正落實AIoT，必須從工廠中最小的單位 – 設備的控制、感測元件開始導入。而其中AI、IIoT（Industrial IoT；工業物聯網）分別扮演不同的角色、發揮各自功能，並串連、整合成一體化的方案。
串連數位及物理世界 打造虛實整合的工業物聯網
IoT可說是AIoT的基礎。在智慧工廠的應用領域中，整體系統的可靠度及響應速度要求較高，所應用的物聯網平台需加上工業應用規範，因而被稱為工業物聯網、即所謂的IIoT。
不論是1989年的CIM（Computer Integrated Manufacturing）參考模式，還是2011年工業4.0 （Reference Architecture Model for Industrial 4.0；RAMI 4.0），要完成工廠數位轉型，最基礎的仍是車間的數位化。經由各種IT技術將生產及檢量測設備所輸出的資訊收集與分析，產生有效的決策資訊，提高工廠的管理能力，減少不必要的人力、物料成本浪費，將投資效益最大化。
製造型企業的數位轉型，需要將資訊流貫穿車間的垂直及水平二個面向：在垂直面向，包含最基礎的工控元件、製程設備、數據收集、向上串接製造執行系統（MES）；而水平面向則涵蓋整個製造流程，由ERP訂單轉工單至最終的成品出貨。要整合這垂直及水平的資訊，IIoT是最重要的關鍵。
在工廠製造產品的過程中，設備層（Operation Technology；OT）會大量產生各式的資訊，最主要的包括：製程的動態資料（Process Data），例如生產過程履歷、機台工程參數（Engineering Data），以及資產的靜態資料（Asset Data），例如機台設定參數、在製品的檢量測結果等。
至於串連IT與OT層，需要由工控元件的連線能力（Connectivity）開始探討，包含感測元件、驅動元件、運動控制、工業用通訊模組等。將這些具有連線能力的工控元件，透過自動化整合的流程實現標準化、規範化，並連結至工業物聯網平台，才能為實現智慧工廠的打下基礎，進一步走向工業4.0虛實整合。
IIoT與AI加值 打造智慧工廠
眾所周知，在AI應用領域需要大量的資料收集、運算分析。各大IT公司，如Microsoft、Amazon、Google等都投入大量的資源，在自家的雲端平台上打造AI解決方案，希望可以在IoT平台提供更多的加值服務，建構自己的AIoT生態圈。
台達亦導入AI和IoT在許多工廠製程，真正實現先進智能製造。舉例來說，台達將AI運算建構在IIoT平台上，成功應用在被動元件的AOI六面檢測，加上即時的在線AI影像識別技術，實現AOI機台自我學習，精準判斷、快速響應，識別速度達毫秒等級、正確率在99.5%以上，並為客戶實現零漏檢要求。
此外，在面板業的應用領域，利用AI技術能夠精準分類各製程段超過50種之上的缺陷（Defect），取代約60%人工複檢，解決人力不足、檢驗品質不穩定的問題。台達不斷擴大AI相關技術的應用，如前述在風扇 / 馬達等異音驗測等頗具成效。
垂直貫穿的AIoT
當業界將目光聚焦在AI、數據、聯網等上層管理時，台達透過自身實戰經驗，從不同的角度來解析AIoT。根據台達的觀點，要實現AIoT，除了人工智慧、物聯網平台等關鍵技術之外，更重要的是感測元件的連線能力（Connectivity），可以讓現場設備實現第一層的智能化和優化。
在設備、裝置（Device）上加上各種感測元件，收集大量的資料，將資料傳到雲端（Cloud）或地端（Edge）的物聯網系統，而後利用系統中的AI進行運算、分析，再將結果回饋至設備本身的運動控制元件，達到機台自我學習、自我調試，運作時可以更快、更好的適應各式使用場景。
附圖：圖一 : 隨著近年智能製造潮流引領工廠、產線、設備升級，AIoT已從概念開始落地應用。（source：台達）
圖二 : 台達IIoT與AI整合應用方案架構（source：台達）
圖三 : 台達將AI技術應用在風扇檢測，為客戶實現零漏檢要求。（source：台達）
資料來源：https://udn.com/news/story/6903/5307184?from=udn-relatednews_ch1015
manufacturing defect 在 Manufacturing Defect | Wex | US Law 的相關結果
In the law of products liability, a manufacturing defect is a defect in a product that was not intended. This kind of defect occurs when a product departs ... ... <看更多>