边缘物联网

边缘物联网

稳态物联网表

稳态物联网

AI

AI

Services

AIoT 智慧工业物联网

技术理念|AIoT 智慧工业物联网

藉由各式感测器,即时搜集设备数据并进行分析,结合 AI 训练演算法,有效预测设备可能的发生故障时机点,帮助使用者执行最精准的决策。

为什麽需要工业物联网? 导入理由

机器设备不会说话,要了解机器设备的状况,透过接收数据与发送并与其他设备进行沟通,甚至是需要控制机器节省人力等,这其中的媒介就是透过工业物联网。简而言之,工业物联网是机器与使用者双方交互沟通的方式。

在工业领域中,工业物联网已经相当普及,举凡厂区环境相关应用的物理式数据量测:智慧电表、温控、湿度、产线安排、库存管理等等。机台讯号的相关应用监测:产线检测计数、机台异常log、各式内建感测器等,动态边缘运算讯号的机械手臂、冲压领域设备、自动焊接等各种应用。工业物联网主要专注于机器对机器通讯、蒐集生产过程的大数据以及最后透过边缘运算、机器学习、AI人工智慧等分析过程,期望让机器达到具有自我感知、学习、决策、执行、适应的能力。其过程最终达到产线运作自动化,提高製程效率和可靠性、工厂管理与控制的最佳化。工业物联网的普及推动了智慧製造,也决定了厂区转型智慧工厂是否成功的重要关键。

目前常见的物联网通讯环境有乙太网路 (ethernet)、Wi-Fi、3G、4G、Bluetooth、ZigBee、 RFID、NFC 等。

节省人力

节省人力

了解设备

了解设备

工厂管理

工厂管理

优化製程

优化製程

决策控制

决策控制

产业转型

产业转型

特点说明
固德的工业物联网?

透过监测与传输方式,依照得到的数据分析将 IIoT 工业物联网分为两大类:动态边缘物理式机台数据的 Edge IIoT 及稳态物理式、机台讯号的 IIoT 。

Edge IIoT - 动态边缘讯号加工运算:

透过加工运算传输动态讯号组合而成边缘物联网,相较于一般物联网,其运算加工比一般的物联网传输系统的分散式架构还要複杂许多,并不只是单单对接讯号数据、过滤讯号而已。其目的在于将物理量透过边缘运算,转为实际需要监测的项目。例如:当撷取温度数值讯号时,实际上使用者想看到的是温差、温度下降的速率等。边缘讯号加工运算是指将巨量的数据简化,再经由特殊演算法AI、机器学习等技术,转换后变成使用者真正想看到且看得懂的结果,并可以藉由此结果设定门槛阀值,进一步优化设备或产线。

Edge IIoT - 边缘物联网:

不只是搜集大量数据,而是透过我们的特殊演算法,将大量複杂的讯号化繁为简,系统免去使用者繁杂的设定步骤,使用者也不再需要透过二次运算才能获得想要的数据,我们只呈现您所需要看的数据。

无线转子监测系统
无线转子监测系统

解决佈线问题,无线LoRa搭配 AI 线上监测。

IIoT - 稳态物理式/机台讯号分类传输:

处理稳态物理式讯号,如:温度、湿度、压力等,或是机台讯号撷取,如:机台计数、感测器、异常纪录log等。并支援多项种类讯号,如:0-5V, 0-10V, 4-20mA, modbus RTU等。是利用感测器蒐集机器物理式数据讯号,将讯号撷取分析、分类后显示于监测系统或人机界面,处理方式较为单纯。

IIoT 稳态工业物联网

各式可能会影响设备品质、产品製程、产品品质,甚至是工安的各项环境因子,利用对应的感测器进行监测,并依据感度不同或是区域不同的条件下,以最简化的方式呈现,弹性新增的架构,也适用于各中小企业、建置中的厂区,并为使用者规划最适合的环境物联网。

环境因子工业物联网
环境因子工业物联网

帮助避免因为环境因子导致製程不良或设备异常。

EDGE IIoT 边缘物联网 特色介绍
监测边缘设备最佳工具 EDGE IIoT

自动化产线设备诸多种类,每种设备、监测项目不同,就需要透过不同感测器或是方式进行监测。虽然精密设备都有内建各项数值监测,例:温度、压力等。但实际上这些数值对于使用者来说常常还需要经由工程师捞数据比对数值做判断,相当耗费人力跟时间。对于各类繁杂庞大的数据,可以透过 EDGE IIoT边缘物联网 进行监测,帮助工程师能够空出双手作更好、更精准的决策。对于自动化、半导体厂区一直以来最担心的网路资安问题,EDGE IIoT 能够就区域网路做传输储存,本地端主机运算,无需上传云端运算,进而避免资安问题。

什麽是边缘运算?
客製化监测

客製化监测
依照监测项目

自订门槛值

自订门槛值
可加入人为经验

本地端运算

本地端运算
资安问题免烦恼

无上限架构

无上限架构
无限扩增监测点

重要数据

重要数据
只看你想看的

异常发警报

异常发警报
mail、line发报

动态边缘讯号加工运算的Edge IIoT

边缘运算 韧体级搭配晶片/ 系统级搭配IPC 掌控机械动态

将物理量透过边缘运算,转为实际需要监测的项目
如:温度+时间因子 → 降温 / 升温速率(撷取温度数值讯号时,想看到的是温差)
压力+时间因子 → 降压 / 升压速率(撷取压力数值讯号时,想看到的是降压速率)
机台振动讯号 → 『作动时』振动讯号 → 『作特定动作』振动讯号 (有动作时、特定动作时才收讯号)
位移讯号 x N → 水平度 / 倾角(撷取位移讯号时,想看到的是倾斜角度)

目的:
1. 将物理量透过边缘运算,转为实际需要监测项目
2. 将实际需要监测的数据,自行管理设定门槛管理
3. 提取动态(原始资料)特徵值以供优化设备产线

重要数据
韧体级边缘运算 EDGE IIoT 应用案例
搭配晶片掌握机械动态:应用于监测晶圆手臂动作品质

半导体厂製程技术相当複杂且精密,晶圆Wafer价值高,小小的设备动作异常,就可能造成大量的废品、刮片等严重损失。因此在所有製程中设备皆需要保持一定的稳定度及可靠性。藉由 EDGE IIoT 边缘物联网 监测重要製程设备、掌握设备状态,来确保产线稳定,才能有效掌握各製程的品质。

搭配晶片掌握机械动态:应用于监测晶圆手臂动作品质
搭配晶片掌握机械动态:应用于监测晶圆手臂动作品质
搭配晶片掌握机械动态:应用于监测设备伺服马达电流品质

伺服马达是设备的核心关键,高可靠度的电源电流通常会加入短路或过载保护机制,但是重要设备的马达对于製程中,往往无法停机,因此利用EDGE IIoT 边缘物联网 透过监测电流数值来判断马达负载量是否过大,并且使用者可订立门槛值,在异常时即时发送告警,以便及时作最佳决策。

搭配晶片掌握机械动态:应用于监测设备伺服马达电流品质
搭配晶片掌握机械动态:应用于监测设备伺服马达电流品质
系统级边缘运算 EDGE IIoT 应用案例
搭配 IPC 掌控机械动态:应用于长时间监测转子设备品质

厂房内有大量各式厂牌及不同的转子马达设备分布于厂房四週各处,当遇到支援重要设备的转子设备异常可能就会造成产线的停滞或不良品的产生。利用EDGE IIoT 边缘物联网 ,为不同厂区及形态的转子设备作统一监测。量测转子机械非转动部位的振动量测讯号,来评鑑监测转子健康状况,以达到预知保养、提前维护、避免无预警停机的状况发生。搭配 IMS-PR 马达转子巡检分析仪 建立巡检地图,切确掌握转子设备健康状况。

搭配 IPC 掌控机械动态:应用于长时间监测转子设备品质
搭配 IPC 掌控机械动态:应用于长时间监测转子设备品质
搭配 IPC 掌控机械动态:应用于週期性生产设备品质监测

对于深切影响产线的重要週期性设备,可根据各式重複性动作机台,例如:机械手臂、冲压机台等各种週期性生产设备作各别监测,并将数据于 EDGE IIoT 边缘物联网 画面统一显示,建立小型战情室。能够有效帮助产线提升 AIOT 智能化竞争、维持产能、产品品质缺陷防禦、提升良率等等。详细分析可以交给 VMS®-ML 机器学习智能监控系统 进行监测。

搭配 IPC 掌控机械动态:应用于週期性生产设备品质监测
搭配 IPC 掌控机械动态:应用于週期性生产设备品质监测
IIoT 稳态物联网 特色介绍
监测环境 稳态数据 的最佳工具 IIoT

环境对于设备的影响,需要长期监测观察,而厂房自动化设备已所费不赀,使用者往往希望能够从其他地方节省预算,又盼能达到同样效率的解决方法。固德开发的 IIoT 工业物联网能够有效提升量测效率,使用者可即时发现与纠正问题,更可藉此省下时间与金钱,节省成本预算。

IIoT与设备预知保养
自由度更高

自由度更高
适用各式感测器

自订门槛值

自订门槛值
可加入人为经验

无线式传输

无线式传输
降低大量线材费

无上限架构

无上限架构
无限扩增监测点

符合各尺寸

符合各尺寸
适用于各式萤幕

异常发警报

异常发警报
mail、line发报

监测稳态物理/机台讯号 的 IIoT

在自动化科技发展中,感测器也持续进行优化与更新,越来越多整合进阶运算技术的感测器不断推陈出新,提供厂房更进阶的量测方法。固德将针对不同厂区的长时间运作设备及所需要监测数值的功能,规划完整量测流程。因应环境设备需求搭配不同型态的感测器,并依据厂区需求规划传送资料方式至厂区主机,可即时发送警报,完整监控厂区稳态系统。

物理式:温度、湿度、压力、Particle、光检测、压力、光度计、水检测、液位、静电等。
机台讯号:计数、感测器、异常纪录、log、加速度、动作检测、方位、磁性、电流、电压等。
目的:藉由感测器收取数值回来后,分类数据,让使用者可设定门槛管理。

重要特点:
1. 边缘node即解析并传送物理量(不要送回系统才处理)
2. 不断线设计(双重保护断线机制)
3. 断线/警示
4. 弹性扩充监测点位
5. 支援多种类讯号:0-5V, 0-10V, 4-20mA, modbus RTU, modbus TCP, I²C(Inter-Integrated Circuit), RS485…

温度

温度

湿度

湿度

压力

压力

光度计

光度计

光检测

光检测

水检测

水检测

液位

液位

加速度

加速度

动作检测

动作检测

柔性

柔性

行为

行为

脉冲计数

脉冲计数

磁力

磁力

电阻

电阻

交流电流

交流电流

电流

电流

电压

电压

粒子

粒子

工业安全 IIoT 应用案例

工业厂房一再宣导工业安全,但仍然常常会有很多不足的地方。而人员的安全是最重要的问题,厂房除了需要使用良好的工具及适当的安全设备,若是能以自动化监测系统适时发出警示提醒,更能降低工安事故发生的可能性。工业安全与环境监控密不可分,统一检查标准及建立巡检保养流程,进而达到厂区安全性提升、降低相关设备异常的非预期风险。

厂房安全管理必须要做到智慧化,主要着重于系统性、即时性、可靠度。而 IIoT 工业物联网可搭载不同感测器,接收多种感测数据并将监测画面可视化。透过灯号做异常判断与警示,达到即时了解、远端监测同时纪录数据的目的。

对于厂房环境即时侦测到异常即刻发送警示,在第一时间以最直观式的方式提醒作业人员,可有效避免发生工安危险。应用于需要长期监测的系统设备上,能即时了解设备状态与趋势图查看等,让维修保养人员预测、排程保养时间并可适时发现环境与设备的问题并节省人力的使用。

漏液无线监测系统

漏液无线监测系统针对厂房漏液室环境变因,搭配完整客製化设计流程及各种感测器、蜂鸣器,可即时监测并传送警示,让使用者可于第一时间来实施修补措施,于工业安全应用上可即时避免工安意外的发生并得到实时安全检测。

漏液无线监测系统
製程影响 IIoT 应用案例

製造过程中,IIoT 可以提供即时数据监控,让运营者随时掌握製程状态。这有助于即时调整操作,确保製程稳定,并在发生问题时迅速做出反应。IIoT 不仅收集製程数据,还能将其进行深度分析,找出潜在问题和优化机会。通过机器学习和人工智能技术,可以预测製程趋势,优化生产流程,提高产能和质量。

环境微尘监测系统

对于部份产品製程中,空气中的微尘 Particle 浓度,将会深切影响产品品质,例如:半导体製造,其製程中微尘附着在晶片上将干扰电子元件的运作。因此在无尘室中,微尘的浓度也至关重要。

环境因子监测物联网
环境微尘监测系统
设备电力监测系统

无人车于厂区扮演运送重要物料的角色,若长时间处于低电量或无电力的状态的话,可能导致物料供应中断或延迟,造成製程停滞,厂区营运效率下降,增加人力及时间成本。

设备电力监测系统
环境永续 IIoT 应用案例

应用工业物联网 (IIoT) 于 ESG(环境、社会、公司治理)永续环境领域,有助于企业实现更可持续的环境目标和业务运营。IIoT 技术为企业提供了更多机会来实现环境永续发展目标,同时也可以改进企业的运营效率和成本效益。然而,应用 IIoT 技术时需要谨慎处理数据隐私和安全问题,确保数据的保密性和完整性。

智慧电能管理系统

企业要落实 ESG 的首要步骤,大多先由电能管理上下手。智慧电能管理系统可帮助厂区管理设备的尖峰、离峰、半尖峰用电量,甚至是碳排放的计算,有效帮助企业快速实行ESG计画。

智慧电能管理系统
智慧电能管理系统
智慧能源管理系统

智慧能源管理系统是遵循 ISO50001 能源管理规范,精细化管理、降低成本增加效益,满足政府节能减碳规定,实施于厂区年节能率约达 3~5%。

智慧能源管理解决方案
智慧能源管理系统
AI Optimize 优化流程
ISO规范+ AI 预测

针对连续性转子设备监测系统,此 AI预测模型是以最初设定的 Rule Base 管理原则优化的,整合传统 ISO10816/20816 的管理原则以及馀命预测 (RUL) 的元素设计,数据的清洗以及标记分类是全自动化的,使用者只需要一开始选择转动设备对应的规格以及想要预测的时间即可。

1. 设备风险分层管理
设备依照不同重要程度,进行分层管理,使用不同监测方式,如:巡检、线上监测等。

1. 设备风险分层管理

2. ISO 转子规范及自订门槛
简单套用专家规范系统以颜色区分转子品质分类,或由人为经验设定门槛进行管理。

2. ISO 转子规范及自订门槛

3. 特徵值搜集累积趋势
根据频谱提供可能的异常诊断。并将特徵值累积,综合VRMS振动讯号数据,透过AI 演算交叉比对。

3. 特徵值搜集累积趋势

4. AI 预测衰退趋势
Rule Base 管理原则,根据内建规格训练监测模型, AI预测进行预测设备老化衰退程度。

4. AI 预测衰退趋势
机器学习 + AI 训练

针对週期性设备监测系统,底层权重来源是透过搜集大量的特徵值纪录数据、大量好坏机械性数据累积,依据机械种类特性,透过AI训练引擎得到各特徵值,再依照设备运行情况下的重要程度比例,建立最佳化权重分配,归一化为分数配比。进而后续AI训练,预测可能发生的异常点,掌握机况。

1. 讯号追踪、识别、撷取目标讯号
系统依据正确製程建立规范并自动追踪识别讯号。撷取目标,进行追踪。

1. 讯号追踪、识别、撷取目标讯号

2. 模型判分、清洗特徵值、在线监测
为设备动作进行检测判分,蒐集数据经由清洗提取特徵,进行线上监测。

2. 模型判分、清洗特徵值、在线监测

3. 特徵值趋势、趋势管理
各式特徵值累积后,根据趋势提早了解机械老化的状况,进行二次门槛趋势管理。

3. 特徵值趋势、趋势管理

4. AI 再训练、场域监测优化
可藉由后续AI训练,预测可能发生的异常点,掌握机况,持续监测优化。

4. AI 再训练、场域监测优化