智慧製造2019.04.25

邊緣運算是算什麼?

飛飛

物聯網 雲端服務 創新

在物聯網的架構下,資料來自四面八方,而正是如此多源流資料蒐集,提升資料的即時性、有效性、精緻度,以至而後運算的準確性;避免現今所倚賴人工輸入、個別軟體匯出分析結果,再由人工綜合判讀的諸多不足。

邊緣與雲所構成的運算架構體系,即是針對物聯網多源資料流,以分工合作方式完成資料庫建構、統計分析,並待未來人工智慧技術更臻成熟之時,進階提供更深度的智慧決策建議與選項功能。因此,在眼下邁入 5G 通訊商用化階段初始,運算體系的建立將是日後躍進人工智慧的根基,尤其是歷史性資料庫各種相關數據及實務演算累計經驗值。及早建構,不僅是資料庫越強大,也更能儘早優化製造流程,去蕪存菁並自我修正,形塑出最核心價值及市場定位,早一步卡位 5G 產業新生態

 

Smart Factory 為例,邊緣運算的主要功能在肩負 OT 資料流蒐集與相關即時性運算;其中兩大資料流來源:感測器、機械工控系統,前者具備現場資料蒐集,後者則具低延遲性優先的特性。譬如:以往環境感測與機械工控的資料整合,需透過人工輸入後報表輸出,再經人工判定後修正機器設定。邊緣運算則能即時整合兩大資料流,可將現場環境因素的感測數值,直接匯入系統進行邊緣運算;並經此判定後,直接透過控制器變更機械狀態或作動。不僅是有益於環境值敏感度高的產線,如:生鮮食品、化學加工品等,高效率降低不良品,對於精密儀器,或是注重環境因素的工具機更是有利於降低其故障率。

此外,影像辨識亦通常納入邊緣運算。影像辨識同為低延遲性優先考量的演算需求,以便在影像入鏡當下的短促時間內即時正確辨識。而影像辨識用於工廠環境可加強人員安全,像是:禁區警示、移動機件近身警示等;或者可應用於產線上,異物/人員入侵即刻停止作動中的機械動作,避免損壞機械/造成人身事故。不只如此,影像辨識也可用於穿戴式裝置,協助即時顯影 3D 維度量測,無論是品質管理、產線作業等都能提供即時資訊,實現即時品管、提高產線流暢性。影像辨識還可應用於產線上機械協作之間,像是:影像辨識產品定位有異時,即時停止如打印、鑽孔、填料等作業,並發出警訊;或通訊對應機台,自動啟動機械調整功能,就是可優化產線流程管理的應用。

預測性維護也適用於邊緣運算。現場每日累計的環境值、機械實際啟動次數或作動次數、如地震等外部因素測值、噪音震動測值等異常因素匯入 IoT 閘道器後,經綜合各項實測指數再透過歸納分析等進行相關運算,協助判定。如此,設備維護、零件更換都將不再只靠通用性建議值或記憶性經驗,而足以依據個別工廠環境、實務作業期間環境等實際情況, 基於更豐富的資料來源,取得更精準的預測結果,有效減少產線的干擾因素。

 

以感測數據、影像辨識形塑製造現場實境,再經邊緣運算後自動協作機台作業,可輔助 OT 現場控管人員更輕鬆維護產線流暢性。自動化資料流程不只可自動蒐集資料,還可針對現場環境變動、異常狀況,自動控管產線作業及機台作動,達到更實時又精準的機台協作,並能自動紀錄作業日誌。重複性、特定條件相關判定交給邊緣運算,讓 OT 控管人員專注於創新現場管理好主意。

 

延伸討論

智慧製造

Robot 與 自駕車 的距離

飛飛
無論是 Smart Factory、Smart City,亦或是自駕車直到最吸睛的 Robot,物聯網應用始終圍繞三大要角:感測器、物件、通訊。在此之中, Robot 與 自駕車 兩者都以擬人化為核心概念,也都具可移動的特性,使其挑戰更大於固定場域的物聯系統,那麼 Robot 與 自駕車 的物聯系統考量及運作,是否意味著大為相同?還是有所不同呢?
智慧製造

穿上機器人,你也能秒變鋼鐵人!

飛飛
看機器人走跳開門搬東西很神奇,把自己變機器人更過癮。穿戴式裝置成為近年大熱門,尤其是像體能手錶、生理測量器材等,大幅改善醫療體驗、輔助健身訓練,確實讓消費大眾感受到科技帶來的生活品質提升。然而,不只是手錶智慧感測,穿戴式機器人正讓鋼鐵人走出電影、走進你我生活。
智慧製造

關於 SDN 與 幾個 Open 來 Open去一起建構 Smart IT 的那些事

飛飛
Software Defined Network 軟體定義網路,聽來很酷。這麼說來,網路可以丟掉實體設備?可以說是,也可以說不是。在全面轉向物聯網型態之中,資料流的節點將不再限於過往封閉式資訊系統,而走向更為開放式資料流(或可從越多新名詞採用 Open 相關名稱可見端倪),那麼這也意謂著處理資料流交換的網路體系將面臨更多挑戰,特別是像 IIoT 裡所必須連結各式各樣工控系統、同時處理類比與數位的感測訊號及各種不同人機介面的應用程式系統層面。