工業大數據如何蒐集與應用? 方法完整公開 !
正確蒐集工業大數據的實務解決方法與實際應用
在工廠裡，蒐集數據這件事是再稀鬆平常不過的事。蒐集大數據能讓我們知鑑往知來，進而改善設備製程效能、做 AI 預知保養防範設備無預警故障、成立戰情室、製作優質的報表支援決策…等等。
到了現在工業 4.0的時代，只要提到工業物聯網 (IIoT)、工業 AI、機器學習，便會把「蒐集大數據」的議題再拿出來炒一次。原因無他，隨著現代設備的高度自動化加上 IIoT 的發展，設備上的感測器 (sensor) 越來越多，蒐集到的數據也只會更多，就不用說需要大數據才能建立模型的 AI 跟機器學習了。
工業大數據的六個特性，造成它不能以一般資料庫來儲存。
一般來說，工業大數據有六個特性(6V) : 大量(Volume)、快速(Velocity)、多樣(Variety)、真實性(Veracity)、價值性(Value)、可視性(Visibility)。
而因工業大數據的這些特性，使得工廠的資料庫常需要以「秒」級的方式，高速儲存來自工廠幾百幾千台設備傳過來的資料，才能確保資料的真實、即時。
我們簡單假設一下: 工廠有 500 台設備，每台設備每隔 5 秒傳送一個數值到資料庫儲存，24 小時不間斷持續一整年，這樣資料庫需要存多少筆數值?
500 台設備 * 720 筆數值/hr * 24hrs/day * 365 days = 3,153,600,000。
沒錯，就是 31 億 5 千 6 百萬筆數值。這還只是以設備每5秒只傳1筆數值來算，現實中許多工廠的設備遠比 500 台還多，而且是以「每秒」或「毫秒」來傳送多筆數值。所以可想而知，用一般商用資料庫(例如: Oracle、MS SQL)直接收取巨量設備資料的下場就是資料庫當場去世，直接當機。就算沒有死當也無法穩定的讓資料回放，同時還需要極大量的空間來儲存。
因此目前國內外工業界普遍使用的大數據資料庫(稱為時序資料庫會比較準確)會是以 AVEVA Historian 以及 AVEVA PI System 為主，這兩款資料庫都有使用高壓縮無失真的儲存技術 : 旋轉門 (Swinging Door)。
以 AVEVA Historian 來說，原先需要 100 GB儲存空間的資料量，使用 AVEVA Historian 只需要約 2 GB的空間，壓縮比達 98%；並且每秒可接收 15 萬個設備點位的資料，最多可連接 200 萬個設備點位。這代表企業可以穩定的回放更大量的工業大數據，提供 IT 人員更為全面的資料建立分析報告給企業決策者。
那麼該如何正確地建立一個穩健蒐集工業大數據的系統架構?
這裡我們將分為小型(單一地點/廠房)與中大型(多地點/廠房)的架構來說明:
以小型的架構來說，可以先參考下圖。
最下層為設備、儀表、PLC、圖控，通常會有不同的通訊協定。所以我們需要先透過閘道器 (Gateway) 將不同的通訊語言轉換成上層監控系統可以讀得懂的語言後才能在系統上顯示即時資訊，並且將數據往後拋到資料庫中儲存。
再來大數據資料庫會分為「製程資料庫」與「製品資料庫」。「製程資料庫」會負責儲存設備、系統的運行資料，而這些與現場運作相關的數據將會是戰情室、AI 預測分析、報表等等的基礎；「製品資料庫」則是負責儲存在製品、成品的製造資訊。這些資料是作為品質溯源、工單管理、庫存管理等等的依據，並且可透通到 ERP 系統中，讓接訂單、下工單等工作無縫接軌。
中大型的架構則是如上圖。假設企業有多個廠房在不同的地點，且每個廠房都有自己的監控系統與資料庫(稱為階層 1 資料庫)，這時企業通常都會有想要整合所有廠區製程、製品等數據到總部的需求。
考慮到企業總部的 IT 人員所需要的會是各廠區最為精要的重點資訊，所以會建議在總部建立第 2 階層的資料庫，只蒐集各廠區最為重要的營運數據，並且將資料整合到總部的戰情室與 ERP 系統中，可做為總部管理與決策時的依據。
實務上，收集工業大數據通常會遇到 3 個問題，有什麼解決方法嗎?
經驗上，我們在幫業主建立蒐集大數據的系統時會遇到 3 個提問:
- 現場很多傳統儀表怎麼蒐集數據?
- 現場設備眾多且形式不一如何整合才方便蒐集數據?
- 製程擴充後如何與舊有的系統/設備/控制器整合?
首先，蒐集傳統儀表數據最有效率的方式莫過於使用「影像辨識」了。大家一定去過有影像辨識車牌的大賣場或百貨公司，現今影像辨識的技術已相當成熟精準且廣泛應用在生活中。加上攝像鏡頭並不是高價品，所以影像辨識對於企業而言是經濟實惠的方式，而以收集數據的角度來看也是相當穩定的方式。
再來是設備繁多且形式不一，以及製程擴充後須整合舊有系統，對工程師而言是相當頭疼的問題。
先來看到下圖:
設備繁多且形式不一，代表通訊協定也很大的可能都不相同。面對這種情形，工廠通常會購入許多種類的閘道器並在電腦中裝入許多對應的通訊軟體才能使各設備的數值進入系統與資料庫。不過問題是如此常會造成管理上的困難以及電腦連線數過多負載過重，可能造成時常斷線、數值收取不穩定，更糟的是如發生狀況沒辦法迅速找出問題點。
因此，這部分我們會使用代理的智慧閘道器(CGW)或通訊整合平台軟體(AUG)來整合現場常見 PLC 品牌的通訊協定例如: GE、Allen-Bradley、SIEMENS、Schneider、Mitsubishi、OMROM..等等，原先需要多種閘道器或安裝許多通訊軟體才讓數據透通到系統中，現在只要一款智慧閘道器 CGW 或是通訊整合平台 (AUG) 即可整合，方便管理之外也可降低連線數減輕電腦負擔。
而擴充製程與舊有系統連結的部分一樣可使用智慧閘道器 CGW 來整合。如果企業有在使用雲端蒐集分析大數據或是未來將會建置雲端平台，那麼支援 MQTT 的 CGW 也會是企業的得力助手，可直接將設備數據拋上雲端。
順利蒐集到工業大數據後，實際上會如何應用? 能為企業做到什麼事?
這麼辛苦蒐集到的工業大數據到底能做到什麼事呢?這裡舉出幾個我們在現場實際的案例來提供各位朋友一些實際應用的靈感 :
1. AI 預知保養
說到蒐集大數據的功用，那就不得不提到它在 AI 上的運用。現在企業都在談論如何建立 AI、運用 AI，但沒有蒐集大數據那麼什麼都做不到。
在工業上，目前討論度高、實際運用層面最廣的就屬 「AI 預知保養」。下面幾張圖片是我們在台灣某石化廠做 AI 預知保養的實際畫面，圖片下有註解為使用者帶來什麼效果。至於這部分怎麼做，之後會再寫一篇文章介紹如何使用 AVEVA Predictive Analytics 做 AI 預知保養，請各位朋友繼續關注我們囉 !
2. 企業戰情中心
戰情中心應用相當多元，，我們接過的委託從各個現場部門的小型戰情室到整個廠區、企業總部的中大型戰情室都有。
不過普遍來說，台灣企業對於整廠戰情室的需求是相對來得高的，戰情室對於廠長、IT 人員而言是監看整體廠區效能十分方便的工具，能將瑣碎的現場資訊中篩選與處理並呈現最重要資訊 (關鍵指標)，同時也是制定決策時的重要依據。
3. 整體設備效率 (OEE)/停機統計分析
OEE 監控分析系統可提供企業停機原因分布比例、停機時間排行、停機歷史記錄依據原因分析結果，可當改善方案的參考。並且可利用生產看板即時查看全廠、各產線或單一設備生產效能。
工業大數據實際的應用當然不止上面這三種
還有像是報表系統、全廠警報事件管理系統、全廠通知系統...等等都是在台灣常見的大數據應用。
不過因為再寫下去篇幅就太長了，之後會再另外介紹~
科勝科技在工業大數據受到大量討論前，在業界已有 30 餘年的經驗與實績。從系統從規劃、建置到實際運用，都有一整套的解決方案與系列軟體。如果有任何疑難雜症或是規劃需求歡迎隨時聯絡我們，或是可以在下方留言討論喔 😃
希望今天文章有讓各位朋友對於工業大數據的蒐集與應用有更進一步的了解。 我是 Chris，我們下次見~
我們的部落格搬家囉，未來更新都會在這裡。官方網站 / FB紛絲專頁 / YouTube / 官方LINE帳號 /
科勝科技 Utitech 是您在系統整合與工廠數位轉型的專業夥伴 !
立即諮詢，若有任何問題，歡迎隨時來信至 ContactPerson@utitech.com.tw
