邊緣運算結合可視化設計 將成嵌入式製造趨勢
- 林稼弘
-
AI在2017年聚焦了全球科技產業的目光，與過去兩次的發展不同，這次的AI以垂直應用為重心，深入包括醫療、交通、零售、製造等不同領域，而此一路線與物聯網相同，因此兩者迅速整合，成為未來智慧應用系統的運作核心架構，在今年初的CES上，AI與IoT結合的人工智慧物聯網(AIoT)就成為展會主軸，不過AIoT要順利落實，目前仍有許多問題需要克服，第一層設備端的數據量處理就是其一。
研華IoT.SENSE Consulting Service資深經理呂文成就指出，物聯網的架構運作是由第一線的感測網路擷取數據，再透過通訊技術，將資料傳送至上層雲端平台分析，不過在部分領域，此一運作模式將會出現效率不足的問題。他以製造業為例，製造現場的物聯網系統需要在各設備上裝設感測器用以收集設備運作狀態及生產數據，但部分生產設備對於運作與控制的即時性要求非常高，在高即時性狀況下，製造設備所產生的感測數據量非常大，而且這些數據如果都必須傳回雲端平台，經雲端分析處理後再傳回，一來一往的時間耗費會過久，不符製造系統需求，因此對於工業物聯網系統無法採取集中式運算設計時，近年來興起的邊緣運算(Edge Computing)會是更佳選擇。
邊緣運算是讓終端設備具有一定的運算能力，設備所產生像是即時性需求較高、不須後端系統運算的特定數據，都交由前端設備運算，前端設備運算過後的結果，會依當初設定將資訊分流傳送，僅需即時運算、即時控制的數據，傳送到前端設備指示操作，需要進行儲存、再分析者，則傳送到後端平台，這種邊緣運算的做法，不但兼顧了即時性與效能，同時也可降低雲端平台的運算負擔。
可視化一次掌握所有狀態
呂文成表示，邊緣運算雖是工業物聯網未來的重要設計，不過目前仍有執行難度，除了新廠可一次到位外，智慧製造系統在現有工廠的導入必須循序漸進，不可能立即汰換掉所有設備，而現有工廠的舊型設備，未必配置有感測器，更不用說伺服器，因此要做到邊緣運算，這些伺服器必須另外安裝，然而製造現場所處的環境嚴苛，加上生產設備的穩定度訴求相當高，採用一般伺服器故障停擺的風險過大，因此呂文成建議採用工規產品。
呂文成以研華在工業物聯網邊緣運算領域的產品為例指出，研華邊緣智能服務器Edge Intelligence Server(EIS)軟硬體整合解決方案預載研華WISE-PaaS/EdgeSense軟體服務，提供客戶進行資料上傳至雲端的途徑，以及加速達成初步智能化的應用。未來也預計規劃推出Equipment to Intelligence Solution Ready Platform(E2I SRP)設備聯網與預防保養解決方案，除了可將各式設備連網並提供智能化服務外，客戶更可將設備中各項有意義的感測數據在E2I裝置中進行分析處理後，上傳到指定的雲服務器上存儲，客戶可以在任何地點透過電腦或各式行動裝置檢視設備健康狀況並提前做預防保養，及開發各項智能化雲端服務。
呂文成指出，可視化是智慧工廠的重要概念之一，因此研華的邊緣智能服務器也設計了HMI(人機介面)，透過HMI，系統管理者將可看到生產線的所有訊息，而數據傳上雲端平台後，更可將各廠區的數據彙整成儀表板，打造出戰情室，讓上層管理者可以一次掌握所有廠區狀態。
對智慧工廠而言，邊緣運算與可視化都是未來系統的必要設計之一，因此在建置設備時，呂文成建議選擇具有經驗的設備供應商，透過供應商的經驗，除可減少系統導入時間，更可降低風險，讓智慧製造系統快速且穩定的上線。
