|
以工業4.0為核心的智能制造，已經成為目前全球制造業者共同發展的方向。有別于一般消費性市場需求，在工業生產制造領域的發展上，不僅有強調以工業應用為主的工業人工智能，在數據數據的搜集上，自然也有所謂的工業大數據。做為工業人工智能的基礎，怎樣獲取正確的工業大數據，也關系著制造業轉型升級的成敗。 除了與一般大數據以強調數量(Volume)、速度(Velocity)、多樣性(Variety)，及真實性(Veracity)的“4V要素”之外，工業大數據還特別強調所謂的可見性(Visibility)及價值(Value)。對于大數據及工業大數據之間的差異，一般認為，數據的數量、獲取的速度/頻率、數據的多樣性與真實性，是制造業在導入數字化與自動化之后，會自然演化出現的數據。但對于工業4.0或制造制造，要從設備制造端向使用者服務端的轉型而言，可見性及價值，則代表了對工業大數據所追求的目的與意義。 不過數字轉型及產業升級的風潮，很多制造業者在著手進行往智能制造轉型的過程中，是伴隨著數字化與自動化同步進行，由于數字化與自動化之后，機臺設備可以快速的產生大量數據，業者如果沒有完整個規劃或從事階段性的建設，很容易在初期就走錯方向。 相關業者表示，一般的商業大數據可以在累積大量數據數據后，再固定或周期性的進行數據的處理與分析；但是智能制造要能創造價值，最佳的方式則是必須要將相關的工業大數據，就近的在機臺設備端，進行實時的分析處理，并且執行反饋。同時，也需要將這些實時處理分析的結果進行視覺化的展示。 據enCE技術文件編制所了解，業者表示，工業大數據與一般商業大數據的一項重要差異，就在于對于精準度的要求。對一般商業場域中應用的大數據及人工智能而言，準確率能達到90%左右，就已經將驚人，因為對消費者的年齡判別失準，或是推播了錯誤的廣告，一般并不會造成太大的影響；不過，如果應用在工業生產領域，工業大數據結合工業人工智能被要求的準確度，可能是需要到99.9%甚至更高的準確率，因為一旦工業生產制造上的數據出現誤差，對于產品后續生產各方面，都將帶來難以估計的損失。 也因為工業大數據需要就近進行高速而精準的分析與處理，因此，在智能制造風潮崛起之際，連帶掀起了對邊緣運算架構的需求。相關業者指出，就近在機臺設備端收集的工業大數據，先將必須優先處理反饋的部分進行分析處理，不僅可以達到快速反應的目的，同時也可以將數據量有效的縮減，對之后傳輸、儲存等部分也都會相對較為有利。 就制造業轉型智能制造，相關業者認為，從現場的數據采集規劃開始、邊緣運算架構的搭建，一直到完整解決方案的提供，如果沒有工業大數據支撐，結果可能會有極大的差異。當然，相關業者不否認，智能制造的規模若再進一步的發展后，工業大數據的范圍一方面將持續擴大，但同時對于數據來源則將持續細化，即便如此，工業大數據在智能制造轉型上扮演的角色越來越重要。 
|
