工業物聯網——結合AI和IoT的智慧製造應用

作者 : EDN Taiwan編輯部

在數位化轉型過程中如何串連IoT、感測器、雲端運算、AI與大數據分析等技術,打造高度自動化與智動化的工業物聯網…

工業4.0或智慧製造是現代製造業的發展趨勢,其中不可或缺的關鍵技術就在於工業物聯網(Industrial IoT;IIoT)與人工智慧(AI)大數據分析。經由物聯網(IoT)技術收集在生產環境與機具設備的各種感測器數據,並透過AI技術進行大數據分析,有助於提高生產效率、降低成本並實現更安全的生產環境。

IIoT結合AI帶來的效益可望實現爆發性的成長。越來越多的業者採用結合AI、IoT、大數據、雲端、邊緣運算等技術的解決方案,在生產製造過程導入智慧化製造模式,持續推動各種應用升級轉型。如今,這一應用市場正日益擴展,相關研究數據也顯示未來幾年內業界對於IIoT市場的投資至少將成長3倍。

瞭解目前主要的IIoT應用趨勢以及如何實施該系統,才能進一步掌握競爭優勢。《電子技術設計》(EDN Taiwan)本期封面圖集將分享在AI與IoT等技術加持下的最新工業物聯網/智慧製造應用,探索在數位化轉型過程中如何串連IoT、感測器、機器人、雲端運算、AI與大數據分析等技術,打造高度「自動化」與「智動化」的工業物聯網。

太陽能監控系統加速能源轉型

太陽能監控系統加速能源轉型,邁向淨零排放。(圖片來源:Adlink)

因應全球淨零排放(Net Zero Emission)趨勢,積極的能源轉型刻不容緩,特別是提升太陽光電、風力發電等再生能源發電比例。然而,再生能源發電具有間歇、不易預測的特性,併網後可能造成輸電線路壅塞、區域電網電壓不穩定等影響。

為了有效管理大量且分散的太陽能發電系統,台灣電力公司推出DREAMS配電級再生能源管理系統,收集分散各地100kW以上太陽光電發電案場的發電資訊,動態預測並調控光電廠發電量,穩定電網的供電品質。

汎宇集團採用凌華科技(ADLINK Technology) MXE-210系列工業物聯網閘道器,搭載其太陽能發電裝置遠端監控專利技術的監控軟體,打造PV-DREAMS太陽能監控系統,專為台電100kW以上再生能源發電案場需求所設計,符合DNP3、NCC認證與台電配電級再生能源監控設備試驗及管理規範,可介接台電系統,24小時不間斷地遠端監控太陽能案場的發電狀態,協助即時排除異常、減少發電損失。

以往監控系統多半採用一般商用閘道器,然而,太陽能發電系統位於戶外日照充足的高溫環境,閘道器經常發生熱當機的問題,導致發電量耗損及維運成本大幅增加。導入此太陽能監控系統後,光電廠的每年發電量與發電收入可望提升30%以上。太陽能發電效率的提升不僅加速系統建置成本的回收,光電廠業者更有意願投資開發新電廠,也有助加速能源轉型,邁向淨零排放的目標。

PV-DREAMS太陽能監控系統部署架構(圖片來源:Adlink)

台美5G技術合作提升意外災害防救能量

微軟攜手和碩、伸波通訊、新竹市及新竹市消防局打造5G O-RAN,強固台灣基礎設施數位韌性。(圖片來源:Microsoft)

大規模的天然災害經常以複合型態發生,甚至波及通訊系統癱瘓,造成政府與救災單位在行動與資源協調上的困難。如今,隨著5G技術與衛星通訊快速發展,彈性的基礎設施與設備正成為最佳化網路部署、推動救災與緊急應變等多元應用落地的關鍵。

台灣微軟(Microsoft)聯手和碩科技(Pegatron)、伸波通訊(Wave-In Communication)、新竹市及新竹市消防局啟動5G O-RAN與企業衛星通訊計畫,整合全球資源與在地動能,期望為第一線救災與緊急應變提供創新的通訊服務,並進一步強化台灣基礎建設的數位韌性。

微軟整合5G與雲端架構至Azure,協助和碩開發建置基於O-RAN標準的小型5G基地台,並透過伸波通訊進行軟硬體對接,連接至低軌道衛星後傳送終端裝置間資料,全面加強5G通訊網路覆蓋。

台灣微軟物聯網卓越中心副總經理李啟後指出,在大型災害發生時,確保IoT資料鏈、感測器資料以及核心通訊不中斷,才能提升意外災害防救能量。微軟在此合作中提供5G雲原生核心網路、Azure Space衛星通訊系統、Teams通訊與協作系統與Azure資料中心,透過5G O-RAN與衛星通訊技術,在發生大規模災害時隨即應用IoT技術收集感測器資料結合衛星資料通訊,並在任何場域彈性化佈署強固型邊緣運算裝置。

李啟後說:「這些強固型的裝置或服務用於指揮通聯,強化受災或偏遠地區的通訊能力,協助第一線救災單位加速在黃金72小時內救援行動,讓通訊系統、緊急醫療以及抗災與備援能力不中斷。」

即時狀態監測落實預測性維護

CbM平台透過感測器監測機器與資產的健康狀態,主動辨識、診斷以及解決機台異常問題。(圖片來源:ADI

對於使用馬達、發電機和齒輪等高速運轉元件的機械設備以及技術系統而言,狀態監測(Condition-based Monitoring;CbM)是現階段最重要的技術之一。為了大幅降低生產停機風險,預知保養和計畫性維護已成為必要選項。

為了預先掌握設備健康度,大幅降低製造過程損耗成本,ADI聯手工研院機械所、安馳科技(ANStek)、聯陽半導體(ITE Tech)等合作夥伴,透過在生產層面建構由感測器驅動的無線通訊網路,打造CbM狀態監控平台。

ADI介紹,CbM平台讓工廠得以透過感測器監測機器設備、零件與資產的健康狀態,主動辨識、診斷以及解決機台異常問題,並透過AI運算方式,在元件發生故障前主動示警通知,避免因突發機台故障導致生產全面停擺。而預測性維護(PdM)涉及使用CbM、機器學習和分析等的技術組合,進一步預測即將發生的機器或資產故障。

這種即時監控可幫助延長設備壽命並提高產能。有鑑於計劃外停機的成本可能佔總製造成本的近四分之一,所以採用預測性維護有望大幅節省成本並提高生產力。

該CbM技術還有助於解決飲水問題。為了協助水資源稀缺區域解決水資源緊張問題,丹麥創新工程技術公司Danfoss結合其海水淡化(SWRO)技術與ADI CbM技術,以節能高效的方式為亟需水資源的地區提供淡水。以AI驅動的OtoSense CbM平台能即時感測和解譯聲音、振動、壓力、電流與溫度,用於連續狀態監控和按需診斷,除了海水淡化,還有助於以節能技術減少對環境的影響。

智慧軌道扣件檢測確保列車安全行駛

智慧軌道扣件檢測方案結合AI邊緣運算與電腦視覺技術,加速鋼軌扣件檢查。(圖片來源:Moxa)

軌道交通除了提供旅運服務,還存在巡檢、維修等日常營運需求。鐵軌必須根據標準規格隨時校正,以便永保筆直並維持正確間距;鋼軌扣件則將鐵軌緊扣在軌道上,維持軌道線形平整以便安全行駛。然而,由於列車車輪和鐵軌頻繁地磨擦並產生震動,加上自然環境的侵蝕,鋼軌扣件經過一段時間後會開始疲乏並損壞。為此,必須定期檢修鋼軌扣件,確保列車安全行駛。

Moxa為大型都會區鐵路公司和大眾運輸系統營運商導入「智慧軌道扣件檢測解決方案」,與領域專家協助客戶共同定義問題及衡量指標,透過電腦視覺技術,在列車行駛期間檢視鋼軌扣件。Moxa並協助動態調整氣候、光線與車速等參數,確保車底攝影機收集的軌道扣件影像品質,再利用機器學習模型輔助人工標註影像判讀資料,為客戶挹注巡檢能量與維運效益。

運輸系統營運商可藉由鋼軌扣件系統的客製化AI推論模型,其物件辨識功能可在列車行駛期間檢視鋼軌扣件,讓工程師能在兩班列車到離之間的時間儘速完成維修。其部署方式是先在列車車廂下方安裝高解析度攝影機,讓系統在列車載客行駛時取得鋼軌扣件的即時影像,並傳送到車上的邊緣電腦,以便針對鋼軌扣件的毀損狀況進行影像處理和物件辨識。

透過此解決方案,不僅減少人為介入,更降低了接觸風險。除了軌道扣件檢測,還可搭配Moxa運作於-40-70℃寬溫範圍的低功耗鐵路電腦系列,執行經過訓練的AI推論模型,藉由將人工肉眼檢查改成營運時段即時AI視覺檢查,使運輸系統的運作效率獲得大幅提升,而維護成本也顯著下降。

隨著5G帶來大頻寬、低延遲和海量連接等優勢,賦予AIoT更多應用潛能,可望為軌道交通催生更多預警性和預測性應用,包括防撞預警/輔助決策、輔助駕駛/智慧排程、營運優化等功能進展。

智慧監診系統守護設備與工安

智慧監診系統以感測器收集機台運轉資訊,並建立AI模型,提供設備機台的早期預警功能。(圖片來源:Chimes AI)

石化業無預警停機造成的影響不僅是生產損失,亦可能衍生工安環保問題。傳統的設備定期保養策略,隨著技術發展製程設備相對複雜且專業,且每位保養人員負責設備機種與廠牌繁多,已無法符合保養作業需求。

詠鋐智能(Chimes AI)與台灣石化業龍頭台塑企業攜手合作,開發設備智慧監診系統,以感測器收集機台運轉資訊,並結合專家知識、修繕履歷建立AI模型,已實踐設備極早期預警功能,在設備進入劣化狀態之際,即可提前發出預警,以降低非預期停機維修的損失。

過往,設備劣化的AI預警模型表現衰退時,需要委託專業AI單位重新訓練模型,重新建立一個模型需要花費數個月的時間。但透過Chimes AI研發的AI建模與管理平台Tukey,由於其友善的操作介面,模型再訓練的工作可由各保養廠維修專員自行執行,在短短三個月之內已建置並上線400多個模型,大幅縮短模型開發的時間。

據Chimes AI表示,Tukey平台不僅協助客戶在設備維護、工安環保上的應用,未來還將著眼於節水省電、減碳降耗等ESG議題的應用。目前,這一平台已導入台灣20家工廠,並提升了5%的設備有效運轉率,中國廠區的15家工廠也正如火如荼導入中。

主動式防災系統把關中央廚房安全

主動式智慧防災系統施作完成之廚房。(圖片來源:Apacer)

如果能針對潛在災害提供分析與預警,不僅有助於避免觸發意外事件、人員撤離連帶讓產線停止運轉甚至引發新聞關注,還能免於造成龐大損失。台灣一家製造廠的中央廚房由於多用明火或大功率電熱爐具,還曾有灶台烹煮中而廚師擅自離開的狀況,易於引發如乾燒、油鍋著火、瓦斯洩露等火災隱憂。

宇瞻科技(Apacer Technology)智慧物聯團隊為此製造廠的中央廚房等場域佈建了「主動式智慧防災系統」,不僅偵測與通報異常,還能自動斷電、關瓦斯,截斷火災發生與蔓延的主要因子,讓場域維持基本運作。儘管「廚房人員是否在場」是重要關鍵,但宇瞻科技在評估技術的過程中也發現其他限制,如監視器受限於管理人員,無法持續監控使效果受限,影像辨識成本大幅增加,而紅外線感測則會因油煙及高溫造成誤判。

微波感測器不受溫濕度、光、熱、油煙、噪音、電磁等環境因素干擾,同時可調整設備靈敏度,只針對動火操作區域進行感測,故成為主要選擇。該系統能自動偵測管制區內是否有人,當人離開卻未關閉爐火,則會在LINE群組與管理網站同步警報;如超過時間仍無人及時處理,即會透過監控盤自動停止瓦斯供應並斷電大型電熱設備。

微波感測器可監控人員是否在場。

所有控制訊號回歸於此控制盤,資訊收集後自動判斷是否需斷電或瓦斯。

由於此系統成功阻絕多次潛在火災,為業主確保「產線稼動」,成效超乎客戶預期,已從單一廠區試點採用擴展至全台逾十座廠區全面導入。而除了核心的防災訴求,此系統備有多種方案能依設備與場域需求彈性選用,包含馬達預警診斷、設備溫度追蹤、排煙系統、管路流量壓力監測以及電力與能源控管等,能廣泛應用於廚房、廠房、機房、大樓等。

藍牙標籤為建築業升級資產追蹤應用

基於低功耗藍牙模組的資產追蹤解決方案透過藍牙標籤提供智慧無線技術,協助建築業者有效管理其資產。(圖片來源:Silicon Labs)

為了協助建築業者精確追蹤資產,提高整個工地的生產率,全球車隊管理方案供應商Trackunit採用芯科科技(Silicon Labs)的低功耗藍牙(BLE)模組開發資產追蹤解決方案,透過藍牙標籤提供智慧無線技術,協助全球建築業者有效管理其資產和工具,以提高生產率並降低維護成本。

Trackunit Kin資產追蹤方案使用易於部署、緊湊的自供電藍牙標籤,透過其安全、開放、基於Iris雲端平台連接以追蹤整個網站的庫存,彌合大型機器和小型配件之間的差距。該資產追蹤方案讓用戶在大型建築工地定位小型資產以提高生產率和削減成本,從而避免導致專案進度延遲和預算超支。此外,它還收集其追蹤資產的全面資料,讓使用者監控和評估哪些設備未得到充份利用或需要重新配置。

Silicon Labs以藍牙5.2 SoC為核心的低功耗藍牙模組能在Kin標籤和Iris平台之間實現安全且無線的通訊,滿足以電池供電的藍牙產品要求,同時提升能源效率。

智慧工廠方案協助電子製造業數位化轉型

電子製造業智慧工廠解決方案提供OT層、邊緣層到IT層的一站式整合服務,協助客戶實現自動化、數位化以及智慧化。(圖片來源:Delta)

由於同為製造業且客戶領域遍佈廣,台達電子(Delta Electronics)觀察到在其最熟悉的電子製造業中有許多舊工廠的既有生產設備缺乏與管理系統之間有效串接,導致設備資訊收集困難,許多新廠也面臨不知如何貫通兩者等問題。

為了協助客戶克服資訊「孤島」的痛點,台達的「電子製造業智慧工廠解決方案」透過邊緣層的DIAAuto設備自動化整合控制平台與DIAWorks生產製造管理平台,將智慧設備與產線設計串聯到上層系統,幫助客戶收集設備資訊、管理製造營運;經由對照各節點的參數、品質與良率,持續最佳化製程,改善過往僅憑經驗判斷造成的誤差。此外,管理者也可經由生產監控戰情中心及智慧廠務監控系統快速提煉有用資訊幫助決策。

這套電子製造業智慧工廠解決方案協助客戶一站實現自動化、數位化,以至智慧化,一般而言,若通訊與資訊規範明確,從系統導入到測試上線僅需時3個月,系統上線後可幫助生產端提升設備稼動率、降低停機時間,並在營運端減少人工作業;同時,結合電子製造的豐碩經驗,台達並提供客戶專業諮詢服務,加速電子組裝、光電等產業客戶智慧升級。

隨著智慧製造趨勢發展,人工智慧(AI)與大數據分析也將成為製造業佈局的重點。對此,台達期望在此技術基礎上,提供可透過預測分析與機器學習的升級方案,協助客戶提升整體競爭力。

智慧光學檢測方案實現廠房AI民主化

智慧光學檢測解決方案精準辨識生產過程中出現的瑕疵。(圖片來源:Seagate)

為了推動智慧化工廠,希捷科技(Seagate Technology)提供「集中化分析的光學檢測」(Optical Inspection with Centralized Analysis;OPICA)解決方案,可支援工廠邊緣分析,為大量的AI分析提供基礎。

這種深度學習專用的無程式碼應用可辨識生產過程中的瑕疵,並防止此瑕疵落入下游產線。預防瑕疵的專家可以拍攝製程和設備的照片並對其進行標記,再使用無程式碼軟體來訓練模型以辨識損壞狀況,分散式知識導向更輕鬆地擴充。

OPICA檢測解決方案由Docker容器、Kubernetes容器調度、RabbitMQ資料傳遞、Edgeline伺服器、人為監督(Human-in-the-loop)模型管理儀表板和高速Seagate儲存裝置等可擴展且模組化的資料工程技術構成,每天可處理高達300萬次多類別深度學習推論。利用隨插即用的GPU和伺服器等運算資源,還能輕鬆擴充以每日處理超過1,200萬張影像。

該方案由於具備三項特色而實現「廠房AI民主化」:利用AI「增強」人類勞動力,而非「取代」——調升廠房操作人員至更高階的職位,而非離開公司。無程式碼的神經網路訓練與驗證解決方案,即使非程式設計師也能使用。此外,該方案匯集了工程師、資料科學家與電腦科學家等具備各種技能的專家共同發展。

此外,該方案提供高達3倍的投資報酬率(ROI),應用的檢測精度提升至少20%,只需要7台自動化機器,即可完成150名操作人員每天以手動顯微鏡檢查數百萬個零件的工作。

僅需7台自動化機器即可完成150名操作人員每天手動檢查的工作,投資報酬率高達3倍。(圖片來源:Seagate)

自動化連續製程導入生物反應器實驗室

基於拉曼光譜的自動化連續製程加速生物反應器測定實驗。(圖片來源:Rightek)

因應人力與物料等成本上升的挑戰,生物反應監測亟需自動化連續製程的新方法。一家生物科技業者由於面對生物反應曠日廢時的挑戰,加上反應中的活體細胞易受環境以及培養基的影響,不但需要人員排班定時量測反應器內的環境條件,同時生物反應必須使用培養基與量測所需的試劑與藥劑,長期累積也是驚人的開銷。

在協助此客戶開發過程中,利泓科技(Rightek)採用連續式拉曼光譜(Raman Spectra)技術,透過統計多張拉曼光譜的數據,與客戶既有分析方法取得的反應器內各項參數數值,建立光譜與數值之間的相關性,並以後續的批次進行驗證,確認拉曼光譜能預測客戶所關注的相關參數,完成第一步的預測模型建立。

接著,透過OPC的架橋連結光譜儀的控制軟體以及生物反應器的控制單元,實際運行生物反應,整體循環為拉曼光譜儀持續監控培養基的濃度,並經由server/client方式持續傳送數值到反應器控制單元,在低於客戶所設定的閥值時,反應器控制單元會即時補充培養基,使反應器內的培養基濃度維持在特定的水平,避免生物反應失敗。前後總共耗費近半年的時間,最終成功導入自動化流程。

基於拉曼光譜儀分析速度快的優勢,讓實驗室人員更密切地取得相關實驗參數,在反應器內參數即將達到臨界值時,由光譜控制軟體與反應器控制單元之間持續溝通,即時做出相關的調整,除了減少人員的工時成本,其次則避免反應物料不必要的消耗,最終歸功於更穩定的反應,讓品質維持一定的水準,以提升整體經濟效益。

工業自動化系統加速物流中心升級轉型

以軟體為中心的解決方案突破硬體架構限制,為物流中心提供靈活性與擴充性。(圖片來源:Schneider Electric)

隨著物流中心的貨物量日益龐大、品項分類愈趨繁雜,加上持續高度競爭的物流產業壓力,如何提升貨物處理效率、提前預警、降低非計畫性停機時間,同時確保準確性並持續降低成本?

施耐德電機(Schneider Electric)以其於中國上海的智慧物流中心為例表示,由於廠區內使用各種不同的系統軟體,缺少整合式儀表板讓管理者掌握廠內營運狀況;再加上軟硬體升級時發生程式相容性的問題,使得升級過程曠日廢時。

施耐德電機為此導入其以軟體為中心的工業自動化系統EcoStruxure Automation Expert,連接和整合各品牌的軟硬體以及不同子系統,讓所有元件以模組化的形式整合在同一生產線,以一致性、可擴充且高效能的規劃並協助改善營運流程。這套靈活的系統還能整合IT與OT軟體,讓客戶輕鬆整合高階IT應用程式、工具和技術,提升營運效率,擴充和升級更便利也更節省成本。

該系統並改善智慧物流中心的倉儲控制系統,包括自動分揀設備、廠區內的輸送帶系統,取代原有的老舊軟體,也從傳統的PLC控制模式升級。實際建置完成後,讓物流中心運作的智慧化與自動化實現最佳化,配送品質和倉儲準確率高達99.99%,整體營運效率也提升30%,並因而大幅縮短員工的工作時間。系統中提供視覺化功能,有效地協助物流中心將機器故障排除能力提升4倍。

這套以軟體為中心的解決方案打破傳統硬體控制架構的限制,提供更多的靈活性以及未來的可擴充性,適用於智慧物流倉儲業、食品業、包裝系統設備商、汙水處理廠等產業。

智慧染整產業示範場域推動數位轉型

叡揚的工業物聯網解決方案協助推動染整產業智慧轉型。(圖片來源:GSS)

台灣染整廠約80%以上為代工模式,面臨少量多樣的客製化生產競爭模式,目前僅靠管理維持競爭力,設備自動化雖有一定程度,但智機化程度不足,染色參數半數以人工紀錄調整,不利於長期發展。

經濟部工業局為此自107年推動「智慧染整產業示範」計畫,於紡織產業綜合研究所雲林分部建構包含軟硬體的染整示範場域系統,整合上中下游聯盟廠商的完整服務,以及共享一站式智慧染整設備與染整技術整廠輸出創新服務。

叡揚資訊(GSS)在此合作開發過程中運用相關AI模型與技術,包括資料前處理過程、資料探勘手法、降維及特徵選取技術、機器學習演算法、製程與品質最佳化方法、Tensorflow運算環境等技術方法,透過遠距離製程數據連線計畫之示範廠域相關生產設備,運用雲端智慧運算提供預測與建議,以達到染程最佳化及最佳染料配比。

此研發計畫可發展出的技術包括染布生產知識、IoT Bus & NoETL、IOE整合資料庫、化驗室到大貨生產預測技術、色彩空間演算、配比最佳化、製程最佳化;將該相關的技術運用到紡織所雲林分部並建構相關的服務,打造一個作為台灣染布研發基地,並據此成為新技術示範場域,進一步推廣至海內外染整工廠。

智慧染整計畫架構。(圖片來源:GSS)

本文同步刊登於EDN Taiwan 2022年5月號雜誌

加入LINE@,最新消息一手掌握!

發表評論