面對後疫時代及全球供應鏈重組趨勢，導致製造業(yè)在營運上越發(fā)受到外在環(huán)境快速變化的考驗，產(chǎn)品庫存或產(chǎn)能過剩的問題接踵而來，也順勢催化產(chǎn)業(yè)須加強數(shù)位轉(zhuǎn)型的進程，首先要讓工廠數(shù)據(jù)可視化，接著才是導入AIoT智慧化，並搭配PLC兼顧彈性與高穩(wěn)定度。

基於現(xiàn)今製造業(yè)應用領(lǐng)域廣泛，對於加工產(chǎn)品的品質(zhì)、產(chǎn)量、價值越來越高，更加深人力與物料的雙重挑戰(zhàn)，終端加工廠商邁向工業(yè)4.0階段為了能預診系統(tǒng)故障，在加工尚未發(fā)生不良品或?qū)е抡麢C損壞前，即能優(yōu)先排除問題。因此透過在機臺上安裝多樣感測器，並搭配各種邊緣（Edge）人工智慧（AI）演算法、模型，以有效監(jiān)測作動效能；進而上傳雲(yún)端（Cloud）示警或快速規(guī)劃保修程序、避免意外停機，從而提升機械設備總體效率（OEE）的高精密與高穩(wěn)定性，實踐節(jié)能低碳目標。

惟當OEM機械設備製造商在投入研發(fā)、提升設備性能的同時，也必須透過數(shù)位化強化內(nèi)部營運，創(chuàng)造競爭優(yōu)勢。透過MEMS感測器直接蒐集、分析資料的好處固然方便，也不必大幅更改機構(gòu)，並避開PLC控制器的系統(tǒng)封閉性或保護裝置，整體成本低於通過PC-based架構(gòu)控制器讀取運作資料。

但缺點卻存在資安風險較高、不穩(wěn)定；以及企業(yè)開始面臨大量資料的撈取、篩選、標記、分析過於複雜等課題。且因為系統(tǒng)運作中有太多非結(jié)構(gòu)式資料，恐無法透過原始資料瞭解系統(tǒng)性能，或是成本過高；以及某些設備發(fā)生問題前近乎沒有徵狀，必須透過一些特殊演算法、長期監(jiān)測以取得系統(tǒng)平常運作曲線，建立正常值/非正常值的邊界。

大部份傳產(chǎn)製造業(yè)者也無力建置大量運算能力的機房，現(xiàn)今PLC相較於搭配PC-Based控制器的運動控制軸卡、閘道器等，性能早已相差無幾且更為穩(wěn)定、可靠。此時即可透過AI模組將感測器的資訊篩選後再上傳雲(yún)端，或利用Edge AI判斷系統(tǒng)的失效模式，執(zhí)行預防性維護。

圖1 : 現(xiàn)今PLC相較於PC-Based控制器，性能早已相差無幾，且更為穩(wěn)定、可靠。（source：rockwellautomation.com）

臺達首要透過可視化 打造新一代智能工廠

目前臺達旗下工業(yè)自動化的產(chǎn)品布局，即可由下而上概分為最底層的系統(tǒng)設備、感測儀表/控制器PLC、網(wǎng)路通訊、製造管理、資料分析/系統(tǒng)優(yōu)化等，皆由自主研發(fā)製造；再經(jīng)過各廠區(qū)、產(chǎn)線率先導入自家設備自動化、製造生產(chǎn)管理平臺，藉以即時蒐集生產(chǎn)資訊，實現(xiàn)更完善的人機料法環(huán)管理。

其秉持簡單化/合理化智慧製造為基礎，選用標準化、模組化零組件，提高臺達軟韌硬體的管理效率，確保所有功能可被重覆利用，避免過度開發(fā)。最後在製程中納入「數(shù)位分身（Digital twin）」的數(shù)位化、虛擬化概念，利用設備連網(wǎng)蒐集到數(shù)位化製程資訊，再經(jīng)虛擬整合建模來模擬最佳化參數(shù)，減少錯誤設計，以及對於硬體環(huán)境依賴和建構(gòu)成本；同時透過系統(tǒng)間自動交換Raw Data資料奠定分析基礎、加速邁向智能化，以利後續(xù)實現(xiàn)自動化及製程優(yōu)化目的。

臺達進一步指出，現(xiàn)今工業(yè)物聯(lián)網(wǎng)應由需求價值驅(qū)動，要從自動化轉(zhuǎn)型資訊化過程中的關(guān)鍵是IT+OT有效融合硬體、系統(tǒng)、文化3元素的數(shù)位轉(zhuǎn)型趨勢不可擋，已有越來越多實體組成物物相連的網(wǎng)路系統(tǒng)，並透過數(shù)位化在虛擬化網(wǎng)路空間進行管理和監(jiān)控。

其中的「系統(tǒng)」則依序包括底層的IIoT平臺/邊緣運算；中層製造執(zhí)行系統(tǒng)、品質(zhì)管理系統(tǒng)、設備工程系統(tǒng)、倉庫物流系統(tǒng)；直到上層的探索式資料分析、可視化、警報系統(tǒng)。在工業(yè)物聯(lián)網(wǎng)的OT端，將更著重資訊即時性，才能及時示警、告知事故；進而執(zhí)行長期狀態(tài)監(jiān)測、預診故障，以便讓OT人員提前解決與維護。至於在IT端執(zhí)行的品質(zhì)、物流管控及接單生產(chǎn)資訊，也必須與OT端緊密融合，找出最佳自動化平臺來整合資訊，落實數(shù)位轉(zhuǎn)型的智慧製造，使之供應鏈能即時回應對策。

依臺達分析目前產(chǎn)業(yè)推動智能化的第一步，即應該先實現(xiàn)工廠數(shù)位可視化，導入相關(guān)技術(shù)應用以洞悉生產(chǎn)管理，並加速邁向智能製造，對應不同製程和產(chǎn)業(yè)需求，建置各自所需技術(shù)連結(jié)；透過收發(fā)數(shù)據(jù)來瞭解不會說話的機臺現(xiàn)狀，實現(xiàn)設備的可視化溝通。強調(diào)智能工廠管理趨勢的重點，便是數(shù)位轉(zhuǎn)型、資料及數(shù)據(jù)導向；完善管理則包含數(shù)據(jù)蒐集、分析和保存，做好數(shù)據(jù)來源控管。畢竟產(chǎn)線調(diào)度和生產(chǎn)決策都來自於主管的人，才能在進入AIoT大數(shù)據(jù)時代之後，作為支持決策，提升產(chǎn)線效能的依據(jù)。

為此提出的設備自動化整合控制平臺DIAAuto介於OT/IT之間，可藉此負責智能自動化生產(chǎn)/運搬設備，與DIAWorks製程營運管理系統(tǒng)（MES）之間資料轉(zhuǎn)換；並透過SCADA實現(xiàn)可視化要求，執(zhí)行整廠（線）設備管控與物流搬送工作。接著向上串連更大面向應用的製造營運管理系統(tǒng)DIAWorks，整合包含製造執(zhí)行系統(tǒng)MES、品質(zhì)管理系統(tǒng)SPC、設備工程及工廠物流的倉儲管理系統(tǒng)WMS，即時洞悉與排查製程異常，以提升生產(chǎn)品質(zhì)。

目前臺達已利用其洞悉市場並發(fā)揮自身產(chǎn)線智能升級所累積的豐碩經(jīng)驗，與完整工控產(chǎn)品布局優(yōu)勢，由下至上陸續(xù)貫穿OT層、邊緣層與IT層，依序整合智能產(chǎn)品、智能產(chǎn)線與智能工廠，由點、線至面發(fā)展出整合多套自動化系統(tǒng)、具「立體維度」的智能製造解決方案。

其中邊緣層係透過DIABCS整線設備管控與DIAEAP設備自動化控制兩套系統(tǒng)和設備互動及進行資料處理與轉(zhuǎn)換，不僅在發(fā)生異常時可以下達命令停機，更可透過系統(tǒng)運算分析轉(zhuǎn)換有用的洞見，提供上層系統(tǒng)「即取即用」，降低工作負載。IT層對應的營運管理系統(tǒng)也可視企業(yè)需求建置品質(zhì)、設備、製程配方管理、倉儲物流等功能模組，貼近實際使用需求。

除了通過設備連網(wǎng)自動化控制系統(tǒng)DIAEAP、可視化工業(yè)圖控軟體解決方案VTscada，結(jié)合機聯(lián)網(wǎng)將數(shù)據(jù)依序傳輸?shù)絊CADA、品質(zhì)管制統(tǒng)計製程管制系統(tǒng)DIASPC，再反饋資訊到MES二次分析；同時利用機聯(lián)網(wǎng)來篩選、掌握關(guān)鍵要素，例如溫度、水流、氣壓、電流，以及分析實驗室參數(shù)來產(chǎn)出報表和趨勢分析圖，打破以往孤島架構(gòu)。

既可經(jīng)由Gateway統(tǒng)整、串聯(lián)MES、SPC系統(tǒng)；以溫控器和酸鹼值計搭配HMI、PLC，控管各區(qū)溫度與酸鹼值，即時擷取溫度、流量、PH值、壓力、水阻值及實驗分析數(shù)據(jù)等。藉此結(jié)合IT+OT優(yōu)勢，提供更高效品質(zhì)管理決策判斷；即時反饋資訊，加速人員追溯原因，快速盤查應變措施及恢復運作。。

臺達認為，目前業(yè)界執(zhí)行可視化監(jiān)測目的，係為了因應工業(yè)智能化趨勢，掌握全場數(shù)據(jù)。於底層透過機臺端感測器蒐集而來的設備運作訊號及數(shù)據(jù)，經(jīng)擷取原始資料動態(tài)特徵值，優(yōu)化設備運作和產(chǎn)線效率；再經(jīng)過數(shù)據(jù)運算應用AI+ML，將實際需要監(jiān)測數(shù)據(jù)，自行設立門檻管理；最終由系統(tǒng)/使用者掌握各種製程參數(shù)，將物理量透過運算轉(zhuǎn)換為實際監(jiān)測項目，輔助分析執(zhí)行最佳決策。

圖2 : 目前臺達已利用其洞悉市場並發(fā)揮自身產(chǎn)線智能升級所累積的豐碩經(jīng)驗，與完整工控產(chǎn)品布局優(yōu)勢，由下至上陸續(xù)貫穿OT層、邊緣層與IT層，依序整合智能產(chǎn)品、智能產(chǎn)線與智能工廠，發(fā)展出智能製造解決方案。（source：臺達電）

洛克威爾推出Edge Getway新品 加速實現(xiàn)Low/No code應用

美商洛克威爾自動化公司（Rockwell Automation），則在上世紀90年代後期逐步開發(fā)PLC硬、軟體整合的自動化控制平臺Logix，能同時處理離散、流程、運動、安全、機器人等多種策略控制任務，並持續(xù)拓展在AI+IIoT領(lǐng)域發(fā)展，共分為ControlLogix、CompactLogix不同層級。

當時推出的FactoryTalk Analytics LogixAI分析模組，就是基於 ControlLogix平臺的FactoryTalk Analytics系列產(chǎn)品最新成員，既可用於了解自動化系統(tǒng)的架構(gòu)，並向產(chǎn)線人員指出各個設備問題。再將FactoryTalk分析和機器學習技術(shù)嵌入到Logix的控制環(huán)境中，能在沒有資料科學家協(xié)助的情況下，為其自動化系統(tǒng)賦予了可針對生產(chǎn)流程中的操作變數(shù)、異常狀況，進行預測性分析的能力。

由於該模組係透過外掛於ControlLogix控制器的應用分析程式來改變規(guī)則，以實現(xiàn)流程改善，所以可直接安裝在控制機箱中，經(jīng)由背板串流控制器同步進行高速資料傳輸資料，擴展了對於運行資料採集存儲、運算分析和挖掘處理的能力；進而構(gòu)建預測模型，連續(xù)監(jiān)控製造營運、偵測異常，使操作人員能輕鬆應用機器學習概念，來解決產(chǎn)品品質(zhì)問題；同時協(xié)助保護過程完整性，毋須開發(fā)、驗證或維護自製的機器學習演算法。

另針對異常偵測和軟測量（Soft Sensor）建立AI建模引擎，使得LogixAI模組可利用AI來檢測、判別生產(chǎn)異常情況，進一步擴充系統(tǒng)功能。讓產(chǎn)線OT人員可更輕鬆分析、使用其設備中的資料，來預測生產(chǎn)問題。包括開箱即用異常偵測，使客戶能在偏離設定點之前採取行動；用於軟測量時，可在無法部署感測器、儀表的環(huán)境下，代替人工讀數(shù)來預測操作值。

進而透過人機介面（HMI）或儀表板的警報，發(fā)現(xiàn)可能影響產(chǎn)品品質(zhì)或?qū)е峦C的效能偏差，以便於必要時調(diào)查或介入解決問題；或經(jīng)過這些模組持續(xù)進化，結(jié)合最新自動化控制技術(shù)，來實現(xiàn)製程的最佳化。客戶藉此都能從改善高品質(zhì)產(chǎn)出、提高資產(chǎn)利用率，以及在其智慧營運旅程的特定學習經(jīng)驗中調(diào)整而獲益。

圖3 : 洛克威爾公司推出LogixAI模組，透過外掛於ControlLogix控制器的應用分析程式來改變規(guī)則，以實現(xiàn)流程改善（攝影：陳念舜）

此外，回顧過去20多年的Logix發(fā)展史，其投入技術(shù)的重點主要在於解決自動化系統(tǒng)運行過程中，與控制相關(guān)的各類問題。但在遭遇要對系統(tǒng)運行資料進行存儲和分析任務時，以往Logix都會通過網(wǎng)路通訊埠EtherNet/IP，交由上層資訊化平臺FactoryTalk Analytics for Device進行分析處理。

但隨著資訊化與數(shù)位化在製造領(lǐng)域促成IT與OT深度融合，使用者開始希望自動化系統(tǒng)能在控制層，開始針對系統(tǒng)運行資料進行分析和處理。藉以減省部署和營運IT系統(tǒng)的成本、分擔資訊化平臺的運轉(zhuǎn)負荷，符合資料運算與處理的即時性要求；對於資料的當?shù)卣Z系化處理，而提升系統(tǒng)的資訊安全。「對於部署工業(yè)物聯(lián)網(wǎng)技術(shù)的企業(yè)而言，如今在雲(yún)端和現(xiàn)場（地端）架構(gòu)之間，同步進行作業(yè)已不可或缺。」

直到這兩年來製造業(yè)開始浮現(xiàn)對於自動化控制系統(tǒng)的資料分析型應用需求，卻難以找到可同時具備此類軟體發(fā)展與交付能力的使用者與服務商，從而催生了FactoryTalk Analytics LogixAI模組。

除了硬體方面與上一代工業(yè)電腦運算模組產(chǎn)品相同，都可插接於ControlLogix 5480控制器機架上，同步進行高速資料傳輸資料，擴展了對於運行資料採集存儲、運算分析和挖掘處理的能力。且因為CompactLogix控制器具有在本機上運行 Windows應用程式的能力，可將Logix控制引擎與 Microsoft Windows 10 IoT Enterprise作業(yè)系統(tǒng)集中於同一平臺，便於工作人員在資訊來源處查看機器資訊，避免單獨使用PC而縮減機器的占地空間。

如今，LogixAI模組不僅更名為FactoryTalk Analytics系列，且預置內(nèi)嵌了相應的軟體應用程式，讓使用者不用像過去須加裝基於Windows/Linux OS的各類單獨應用程式，就能直接通過乙太網(wǎng)埠接入模組。使控制器能在機器層級存取控制系統(tǒng)資料，即時收集原始機器資料減少時延；並從雲(yún)端獲取深度資訊，將資料以有用資訊的形式提供給工作人員，得以更好應對各類問題，提高生產(chǎn)力。同時發(fā)送其他資訊到上游的企業(yè)或雲(yún)端，降低了系統(tǒng)對於PC或雲(yún)端網(wǎng)路等IT資訊化設備的仰賴，還有助於減少記錄資料的時間延遲，進而讓企業(yè)用戶可從源頭即時查看控制資訊，更快速敏捷地作出明智的營運決策。

在Web瀏覽器上針對相關(guān)應用模型進行參數(shù)配置，即可對於控制系統(tǒng)的運行資料進行分析，和預測可能出現(xiàn)的異常狀況，被官方稱為嵌入式分析（Embedded Analytics）。不僅降低了系統(tǒng)對於PC或雲(yún)端網(wǎng)路等IT資訊化設備的仰賴，還有助於減少記錄資料的時間延遲，讓用戶可從源頭即時查看控制資訊；同時可將其他資訊發(fā)送到上游的企業(yè)或雲(yún)端，讓工作人員能夠更好地應對各類問題，最終提高生產(chǎn)力。

藉此為使用者省下了原本從取得資料到分析處理過程中，須大量耗時和成本，投入發(fā)展與部署應用軟體的工程，為其預測性應用提供了一套標準自動化資料分析的套裝軟體。此也突顯了內(nèi)部所整合的應用模型選項和預測分析演算法重要性，目前LogixAI的演算法和自學習模型主要源於FactoryTalk分析軟體，未來應該也會根據(jù)使用者需求，持續(xù)進行深度學習與和反覆運算。

臺灣洛克威爾國際公司自動化產(chǎn)品技術(shù)顧問高永勳指出，目前LogixAI模組也新增了可用歷史建模功能，有助於透過背板直接擷取PLC的Real time資料建模，在設備生產(chǎn)同時蒐集資料與修建模型，得以提供LogixAI模組上萬筆資料直接建模，應用範圍更廣。幾乎可被視為小型AI控制器，不僅能直接控制實體驅(qū)動器、馬達動作；只要通訊協(xié)定相容，甚至可搭配任何品牌PLC成為外掛Edge AI電腦，直接從LogixAI模組自主撈取資料而降低門檻，可在客戶編程同時，自行訓練企業(yè)級中小規(guī)模AI模型且兼顧資安。

此可歸功於PLC內(nèi)建參數(shù)，而不必像過去智能化控制必須重頭開始編程，將設備控制資料上傳控制器或PC，與IT分析模型資料區(qū)隔。現(xiàn)在只要透過洛克威爾最新推出的Edge Gateway軟體，即可自主蒐集PLC內(nèi)建real time資訊，包括I/O、CPU狀態(tài)等資料並結(jié)構(gòu)化，再透過PLC背板以10ms高速傳輸?shù)絃ogix AI模組，進行分析與可視化，更直覺反應現(xiàn)場異常狀況，提升可靠度。

高永勳認為：「與過去最大不同的是，現(xiàn)今PLC編程工程師已不再被認為最了解製程者，許多負責訓練資料分析模型者撈取到的，並非傳統(tǒng)工程師認定最重要的資料，所以會將PLC內(nèi)建所有參數(shù)都上傳到Edge端，再自動經(jīng)過通訊掃描所有PLC，找出須要分析的異常模型。」藉此因應現(xiàn)今許多生產(chǎn)流程的問題，不只發(fā)生在馬達硬體、警示燈號，而可能是在通訊網(wǎng)路上，進而找出網(wǎng)路記憶體、CPU即時狀態(tài)，選擇是根據(jù)設備異常或產(chǎn)線資料，直接在Edge Gateway蒐集遠距I/O、CPU資料建立模型分析，而不必再編程。

並分為可針對生產(chǎn)過程中設備參數(shù)，直接在PLC分析處理資料的LogixAI模組；或再交由上位Edge Gateway蒐集更龐大資料分析時，預設PLC使用率或警示等參數(shù)，得以更方便建模；Edge Gateway也能直接擷取IO link感測器、變頻器等智慧裝置資訊加以分析，或是自主判斷光電開關(guān)的紅外線光源是否衰減，進而示警、排除鏡頭髒污。

希望除了賦予PLC更多智慧化功能之外，還能提供更多已結(jié)構(gòu)化資料，不必再編程時間，而可以快速擷取、分析及跑AI模型，已越來越接近PC-Based控制器已內(nèi)建CPU、記憶體使用率及I/O狀態(tài)、網(wǎng)路監(jiān)控等資料分析內(nèi)容，且更為可靠、穩(wěn)定。亦可借助LogixAI模組及上位Edge Gateway來分攤PLC工作量建模，與更多平臺及軟體相容且符合資安規(guī)範，可歸功於PLC內(nèi)建參數(shù)，此也皆符合ISA-95規(guī)範，讓使用者不必將時間浪費在蒐集、整理資料上，從而直接進行分析，並進行Low/No code應用。

結(jié)語

圖4 : 如今業(yè)界可透過持續(xù)透明化、可視化來即時掌握自動化設備的更新和優(yōu)化製程，同時加強數(shù)據(jù)應用能力以優(yōu)化及支援決策。（source：rockwellautomation.com）

值得一提的是，回顧過去因為臺灣中小企業(yè)普遍面臨缺工及資深員工占比高、對數(shù)據(jù)敏感度低，即使臺灣在工業(yè)2.0~3.0時代曾由如永彰科技公司1989年引進日立、攝陽之於三菱電機等品牌FA（Factory Automation）經(jīng)銷商通路導入自動化解決方案，開始建構(gòu)數(shù)位化資訊環(huán)境，卻仍因員工基礎知識不足而難以導入，老師傅仰賴過去經(jīng)驗決策，導致在判斷和邏輯上耗時與成本。

如今則可透過持續(xù)透明化、可視化來即時掌握自動化設備的更新和優(yōu)化製程，同時加強數(shù)據(jù)應用能力以優(yōu)化及支援決策。包括透過PLC對話流程來掌握數(shù)據(jù)，提高製程效率與可靠度；整合越來越多，推陳出新的進階監(jiān)控方法，以涵括不同廠區(qū)設備的長時間運作和傳送數(shù)據(jù)，並及時發(fā)送警報；最終利用聯(lián)網(wǎng)普及來實現(xiàn)智慧工廠，借助數(shù)位轉(zhuǎn)型達成產(chǎn)線自動化，達到工廠管理與控制最佳化。