详情
全球力挺智能工厂 成败在于大数据分析
作者:本站采编
时间:2015-04-02 15:02:22
能工厂所创造的不但是应运而生的全新生产流程,更垂直整合工厂管理和企业管理流程,水平整合价值链,实现产品及其生产系统的生命周期管理,可确保有效运用能源、掌握产品上市时间和确保产出品质,提升生产效率和能源应用效率,最终可达成永续制造。
关键词: 大数据 智能工厂

  继物联网(IoT)后,工业4.0(Industry4.0)接棒成为火热话题,在全球发烧。乐观者认为,工业4.0代表的智能制造(SmartManufacturing)将提高生产效益,开创出更多高科技就业机会,让人类再也无须从事无聊、危险又肮脏的工作,晋升为管理人才,进而使民众享有更好的生活。

  但从悲观者的角度来看,智能机器替代人类所引发的失业潮将无可避免。为什么工业4.0会引起如此大的回响?工业4.0、物联网、智能工厂(SmartFactory)三者如何交织出智能制造的篇章?大数据(BigData)又在其中扮演何种角色?

   解决解劳力短缺全球力推智能制造

  制造业是一国国力之基础,也是养活最多人口、创造重要经济价值的产业。而随着世界工厂大陆的角色随着劳动问题浮出,世界主要制造业国家人口结构转变,走向高龄少子化,从欧美到亚洲地区,近来莫不戮力在制造业政策上下功夫。

  诸如美国的AMP计划,引导制造业回流;德国致力于打造智能工厂,向世界推行工业4.0;日本发展人机共存未来工厂,韩国则以自身ICT网际网路与机器人技术,发展下世代智能工厂,而大陆除了十二五计划发展机器人自动化生产等高阶设备,十三五计划也正如火如荼规划中。

  这些政策并非凭空而生,而是其来有自。从国与国之间的竞争态势来看,各国莫不期待在未来的制造业领域保有一席之地甚至领先,维持竞争力。另一方面,制造业国家普遍面临高龄少子化社会浪潮,因而必须正视劳动力短缺问题。

  缺工所引发的问题除了垫高人力成本以及生产品质青黄不接等,也使得制造业在应付日益缩短的产品生命周期以及少量多样的制造趋势时,出现困难。

  而台湾所面临的问题亦是如此。研华科技经理施文森表示,2016年起,15~64岁的工作人口将以每年18万的趋势萎缩,如何透过工业4.0提升台湾生产的动能,来面临创业上的调整与改变,至关重要。他并认为在工业4.0架构的发展之下,结合机器人与物联网,将是制造业回流台湾的发展关键。

   工业4.0精髓在于智能工厂

  经济部工业局副局长吕正华指出,当劳动人口逐渐减少,如何提升人均产值成为大家关心的议题;而德国提出工业4.0背后的思维,无非是希望利用自动化技术加上云端科技等,提升生产效率并弥补人力不足。

  吕正华进一步表示,工业4.0精随在于智能工厂,而智能工厂的核心,则在于“虚实合一”。要达成虚实合一,则必须运用物联网技术,整合实实在在的机器与相较虚渺的软体、通讯、网路、云端等科技,并做到大数据探勘和分析,将庞杂的资料转化为有用的资讯,以便决策。  

  换句话说,工业4.0最终其达成的目标即是智能制造,而此目标体现在建构智能工厂。智能二字是建立在机器可以通讯、运算、分析进而移动之上,如同人能与外界沟通、思考、分析进而下决策并有所移动。

  在智能工厂里,所有工具机台和机器人均为智能机器,意即,机器与机器之间能透过通讯架构彼此沟通,并透过机器专用应用平台串联机台,成为虚实合一制造系统(Cyber-Physical System;CPS)。

  而机器运转中产生的大数据皆上传至安全云端网络,由分析引擎找出关键资讯,进行预兆通知、事前维护等。此外,不同厂房之间也具备沟通协调能力。分析认为,“整合”是智能工厂内涵最重要的词汇。

  智能工厂所创造的不但是应运而生的全新生产流程,更垂直整合工厂管理和企业管理流程,水平整合价值链,实现产品及其生产系统的生命周期管理,可确保有效运用能源、掌握产品上市时间和确保产出品质,提升生产效率和能源应用效率,最终可达成永续制造。

   后端大数据分析是成败最后一里

  工研院南分院云端服务中心主任程瑞曦则强调,物联网、云端运算和大数据三者宛如兄弟,缺一则无法形成应用,智能工厂也将功亏一篑。

  针对大数据的特性,程瑞曦指出,相较于从前习惯的抽样资料,大数据具有样本等同于母体、资料数量重于资料品质、资料相关性先于因果关系三大特点。

  由于从前是抽样,母体和样本有差距,样本的品质也显得格外重要,否则容易出现偏差;但在大数据时代,当数量已等同于样本,由于所有的可能性都已经涵盖其中,反而没有品质问题。

  此外,在运用大数据时,必须摆脱从前事事寻求因果关系的旧思维,而应将重点放在资料所显现出的观点或趋势;背后的原因不再重要,重要的是抓到趋势后可用于创造效益。

  至于智能工厂中大数据的应用方向,程瑞曦认为有五大方向:探知、诊断、控管、预测以及视觉化,可能用来改善品质、降低成本、缩短工时、提高产量等。

  而在应用之前,则必须根据目的慎选主题以决定资料搜集的范围,接着以e化方式搜集,避免人为影响,而且必须由业者或领域专家亲自检视欲运用的资料成分并与ICT人员讨论,才能确保资料正确性,达到解决问题的目的。

  不过,工研院机械座智能系统技术组组长钟裕亮指出,台湾制造业除了半导体业,一般而言在ICT方面大概落后德国10~20年。

  且在工厂智能化之前,机器先得智能化;而在机器智能化之前,零组件要先智能化,能够自我监测健康状态,透过无线射频等方式回传资料。这一连串过程中处处是需求,也代表许多ICT业者可投入的缺口,商机处处。

上一篇:美国梅奥诊所使用大数据,让更多患者受益 下一篇:鄂西高速全线31条ETC车道将开启试用