工业大数据的价值，体现物联网与服互联网融合

工业4.0借助在生产制造各环节的数据，应用资讯技术实现工厂的「人机料法环测」之间的联结；透过标准化及可视化的管理思维，将生产及管理资讯的全面融合，通过智慧设计、智慧制造建构形成的智慧工厂。在这边所谈的智慧化是在连结与控制(link & control)的基础上，由物联网的传感器大量采集生产资讯，将资讯透由网路汇集到云端运算中心，资讯管理系统进行大数据分析、挖掘、从而制定出正确决策。进而提升生产的灵活性及资源的利用率，使客户与企业伙伴之间的紧密关联度更加密切，提升工业生产的商业价值。

这几年，随着互联网、物联网、云计算等资讯、通信技术发展的突飞猛进，资料量的快速增加也成了许多行业必须共同面对的艰难与挑战，并且带来宝贵发展机会。制造技术的进步和现代化管理理念的普及，制造业的发展会越来越依赖资讯技术，是没有一刻可以停止。

直到今天，制造业的价值链、供应链、制造业产品的生命周期，都涉及到非常多的资讯。同时制造企业的资料也呈现出爆炸性增长，随着智慧制造的应用推广，越来越多的制造企业开始重视工业大数据的价值，围绕产品创新研发、生产线监测与预警、设备故障诊断与维护、供应链优化管理、品质监测预测等方面开展应用。

工业大数据所记录的资讯非常多元，从产品、设备、生产、管理到服务的形成过程，每一个段落与资讯都值得去深度挖掘，充满商业机会与发展乐趣。

图 1：服务互联网与物联网融合

一、五大系统互联互通

在1980年有了个人电脑开始，就是所谓的第三次工业革命──资讯化时代。电脑逐渐在行业普及，运用于管理企业的财务、文件作业软体一一应运而生。经过了三十多年，成就了各种行业解决方案的系统，其中包含了【管理企业资源的ERP】、【管理物料仓储的WMS】、【管理工单执行的MES】、【管理项目、设计及编程的PLM】、【管理设备自动化的AMS】等五大系统，这些系统至今已经普及至大多数的模具与成型工厂，但通常它们在企业中运行是各自独立运作，没有关联。我们称之为「信息孤岛」。

互联互通，这是模具与成型企业在迈向Ｔ零量产数据传递的神经网路，「信息孤岛」是必须去攻克的第一道课题，如图1、图2。

　图2：PLM-ERP-WMS-MES-AMS 五大系统互联互通矩阵图

工业4.0的概念创造了诸多的新创意与新技术，许多如前所述的技术或系统元素是过去积累的成果，持续深化。而智慧工厂与工业4.0核心在哪里？不是在技术，而是将过去的成果与元素「整合与融合」的思维。大数据是工业4.0时代的重要特征。这是为什么在各国工业4.0的规划中都提到大数据的重要性，而大数据应用在工业行业兴起是由下列主观因素所决定的：

1.产品开发的多样性、制造流程的精细化发展与商业运营条件的多元变化，变得越来越复杂，依靠传统方法、经验及分析已经无法满足快速反应与同步协作的需求。

2.电脑辅助设计与制造系统(CAD/CAM)的普及，加上通讯技术、传感器技术的发展，获取即时资讯的成本大幅降低。

3.工业物联网所需之半导体、处理器、嵌入式系统及云端运算等技术，高速发展，大大提升实体设备与虚拟模拟的运算能力，提供即时处理大数据的充分条件。

4.有了上述因素，设备在半自动与全自动的作业过程中，其作业行为与控制器产生大量有价值的资讯。而这些资讯必须充分挖掘与利用的技术与思维，在企业领导及管理阶层已经具备了。

这些正是我们在现今环境可以获取之工业大数据的来源，大数据环境又如何形成、建构与利用呢？工业4.0基础特征在于互联互通的高度融合，包括了系统与系统、系统与人、系统与设备、人与设备、供应链等万物互联；高度融合包含了系统在纵向、横向的二维交流。这些目标能将设备资料、过程资料、环境资料、公司资料、商务资料与上下游供应链资料等等在统一的平台环境中流通，这些资料将原本孤立的系统相互关联，使设备之间可以通信与交流，也使生产过程资讯变得更加透明化与即时性。从大数据的意义，有几项特征：

1.「量，Volume」数据：非结构化资料的超大规模和成长速度。例如，数控铣床加工的CNC程式。

2.「速度，Velocity」数据：即时分析而非批量式分析，资料的产生与撷取频繁。例如，射出机的成型周期(CT,Cycle Time)。

3.「多样性，Variety」数据：大数据的异构与多样。例如，产品与模具估算。

4.「真实性，Veracity」数据：资料收集和提炼过程中发生资料品质污染所导致的「虚假」资讯。例如模流分析过程，是否正确选取材料与设定成型工艺？！

大数据在上述四个特征的精准化过程，代表资讯化与自动化发展到一定程度的现象。而透过大数据分析使得以往不可见影响因素和资讯变得可见性(Visibility)，再透过大数据分析所得到的资讯可以被转换成价值(Value)，代表了产业对于大数据所追求的目的与意义，可能比刻意追求和制造大数据的环境更为重要。如此，大数据从设备制造端向使用者服务端，完全覆盖人、机、料、法、环、测之工厂管理六根本元素，提升企业经营效益，创造有利价值的转型。对于大数据在当前工业环境中的价值，能够体现如下几个方面：

1.使原本隐形的问题，透过对资讯的挖掘变得显性，进而使以往不可见的风险，能够被避免。

2.将大数据与先进分析工具相互结合，实现产品的智慧化升级，利用资料撷取产生的资讯为各客户提供生命周期的增值服务。

3.利用资料寻找客户价值的缺口，开拓新的商业模式。

二、预测与准确是工业4.0与工业大数据发展的唯一机会

制造业中，有很多无法量化甚至无法知晓的不确定性，使得决策者对其资产的有效运作和使用情况无法形成合理的判断和结论。这些不确定性存在于工厂的内部与外部。内部的不确定性因素包含加工过程的精度缺失造成的品质变化，以及由于磨损和衰退累积造成的故障，这包含了设备、模具、刀具或油品耗材等。由于不一致的作业，系统意外停机、生产资源浪费、瑕疵品与重工事件所引起生产周期变化，导致在生产计划与调度上出现困难。与此同时，外部不确定因素所产生的阻碍通常显现在产品开发到供应链的环节上，包含不可靠的下游产能、原材料或零件运输、数量和品质的不可预测性；市场和客户的需求波动；由于生产和使用过程中缺乏对产品状态的准确评估而导致不完整的产品与模具设计；随机保修和更换的要求等等。

「在每一个领域,问题都会以可见性和不可见性二种形态出现」

对于可见的问题，通常利用最佳做法和标准工作组成的工具来处理。对于一个不可见（潜在）的对策，企业可以与设备或软体供应商合作，从内部解决问题的实践中运用新知识和新技术，整合至设备和管理流程作为服务增值改进；对于不可见的问题尽量做到避免，使用先进的预测分析方法在故障早期阶段发现并避免问题等。利用预测工具和技术将展现出更多的新价值与机会，这些机会都将利用未知的知识所形成的新资讯。

工业4.0所需要的就是可以提供透明度的工具、技术来拆解和量化不确定的能力，从而可以客观地估计企业的设计与制造能力。为了实现工厂透明化，制造业需要大量投入预测生产的转型。这总体革新需要使用先进的预测工具和方法，实现把工厂不断产生的资料有系统地处理成为有用的资讯，这些资讯可以帮助解释不确定性，从而使得设计规划者、资产管理者和过程监管者可以做出更「知情」与「精确」的决策。

在制造业中积极采用「物联网」的思维，为预测生产奠定了智慧感测网路和智慧制造的基础。在不同的细分市场利用预测工具越来越普遍，智慧制造与智慧设计所形成的智慧工厂所涉及的故障预防及失效推断表现得更加主动，不仅避免灾难性的失败与机器损坏，更可以提升企业可持续性经营的效益。

三、从智慧制造的视⻆：

可预测制造业的概念由李杰教授在2005年提出。他是以对监控机器设备的资料获取为起点的，透过合适的传感器装置，将各种信号如振动、压力等的撷取，加上与设备开放的通信协定如 MTConnect 和 OPC 的控制信号；所有的资料被汇总在一起，就构成所谓的「大数据」。资讯转化机制由平台、预测分析方法和视觉工具几个组件构成。演算法分为四部分：信号处理和特征撷取 、健康评估、性能预测和故障诊断；透过视觉化工具，健康资讯都可以用雷达图、故障图、风险分析及健康衰退曲线等形式表现。预测制造系统为设备和系统提供「自动察觉」的能力，为用户提供更大的透明度，最终避免生产力、效率和安全性的潜在问题。

预测制造系统为用户提供透明化资讯，如实际健康状况、设备的表现或衰退的轨迹、设备或任何元件什么时候失效及怎样失效。一个精心设计开发的预测式制造系统具有以下优势：

1.提升运营效率,当知晓设备何时失效时，生产和维修主管能够审慎地安排相关活动，从而大大地提高设备的可用性和正常运行时间。

2.提高产品品质,衰退模式和几乎实时的设备、模具状态与过程式控制结合起来，以达到在设备或系统随着时间变化，产品品质保持不变。

3.降低成本,透过了解生产设备的实际状况，维护工作可以在更合适的条件与环境来实施，换言之，不是在故障发生后更换损坏的零组件或过早更换。这也被称为即时维护或零部件寿命管理。

随着制造业要求管理即时化与透明化，工厂管理以精准资讯传递为基础，实现工厂范围内设备效率的最大化。基于对设备的可预测能力，以实践即时维护管理，进而降低管理成本。最后的设备情况与生产资讯回馈至设计部门而形成闭回路的数据生命周期循环，更新智慧制造之管理决策与制造品质

四、从智慧设计的视⻆：

高分子材料（塑胶）经过加热熔胶，透过螺杆压力的输送进入模腔后，树脂在流道及模腔内产生不同的流速及固化，加上高分子是非牛顿流体、分子链及粘弹性等等变化的行为，这些树脂加工特征的研究称之高分子流变学。塑胶是非牛顿流体，剪切应力与剪切应变率不是线性关系，所以剪切应变的变化时，黏度并不是恒定不变的，因此当射出时候，调整螺杆转速和射速都可能会影响到最终塑胶熔体的粘度，造成模具缩水率、产品变形及尺寸不稳定等等的波动。

模具与成型行业追求高精度成型工艺的预测发展，我们必须谈到张荣语教授对于射出成型模流分析的发展与理念。电脑辅助工程分析(CAE,Computer Aided Engineering)是应用计算机CAD几何模型之物理的技术，可以让设计者进行模拟方式以研究产品在射出过程的高分子变化的行为与状态，对产品或模具进一步改良或者找出最佳化设计。有效地应用CAE能够在建立产品原型之前或之后发挥功能：

1.协助设计变更(design revision)

2.协助排除困难(trouble shooting)

3.累积知识经验，系统化整理know-how及建立设计准则(designcriteria)。

高分子射出成型之模流分析系应用质量守恒、动量守恒、能量守恒方程式，配合高分子材料的流变理论和数值求解法所建立的一套描述塑胶射出成型之热熔历程、填充、保压行为模式，经由人性化介面显示，以获知塑胶在模穴内的速度、应力、压力温度等参数之分布。塑件冷却、凝固以及翘曲变形的行为，并且进一步探讨成型及模具设计参数等关系。模流分析可以精准协助工程师一窥塑胶成品设计、模具设计、及成型条件的奥秘，帮助年轻工程师迅速累积经验，协助资深工程师找出可能被忽略的因素。应用模流分析技术：

1.可以缩短试模时间；

2.节省开模成本和资源；

3.改善产品品质及缩短上市准备周期；

4.降低量产之不良率。

高分子材料模流分析在三十多年的发展，已经有了卓越的具体成效，相当程度地协助模具与成型行业获得完整的解决方案。其所需的专业知识包括有：

1.材料特性：高分子材料（塑胶）之材料科学与物理性质。

2.设计规范：产品设计和模具设计、模具材料及材料供应商之设计准则。

3.成型机数据与成型条件：塑胶或高分子加工知识及现场作业实务等。

模流分析进一步结合工业4.0之虚实整合技术，提供精准之未卜先知能力。除了射出机本身功能，还整合了光学级超高精度模具，可耐高压高温的先进压力，以及温度感测器，经过优化设计后，几乎可以零模温差进行模温控制，最重要的是，能与Moldex3D®模拟系统全盘整合，如图3。

图3：模具成型之工业 4.0 之虚实整合技术

智慧设计与制造环境之整合─iSLM (intelligent simulationlife-cycle management)系统技术，可以将材料数据、机台控制参数、模具设计，与模拟分析结果结合，在射出前就精确计算出射压与温度变化，预估收缩翘曲率，达到对产品品质未卜先知的境界，并能将实射结果反馈回软体，进行修正计算，提高模拟精度。经过这样的整合，更可将模拟优化后的成型条件回馈射出机。智慧设计与制造的虚实整合技术，从产品与模具设计开始，在数据上做到虚实物件（软体与硬件）的完全整合，让制造业有了高精度预测工程的协助下，迈向未来工业4.0新的阶段。

这项技术不仅提升我们在成型品的品质与数据准确性，其资料可以用来作为改善射出成型机、模温机或其周边设备的性能。配合机械性能实验测试，这些由生产现场所获取的大量数据，更可以作为材料研发与配方调整之用，为产品材料之应用发展，创造出无限的空间。

文章来源：【书籍推荐】智慧工厂白皮书，解锁模具产业新契机！（作者：陈震聪）