邊緣裝置串流分析 助企業擺脫非預期失效的千萬損失

SAS業務支援部大中華區資深顧問盧延年表示，許多製造業者都擁有高單價、高附價值的生產設備，一旦出現非預期性停機將釀成巨大損失；若藉助邊緣設備串流分析，可望即時察覺異常癥候，及早做應變處置。

眾所皆知，機台設備一向是製造業倚重的生財利器，以半導體業前段的晶圓代工或DRAM廠而論，產線上經常可見要價數千萬、甚至上億的昂費機台，萬一哪天突然失效停機，不僅可能釀成慘重的原物料報廢損失，甚至讓公司無法如期達交，恐為日後營運發展增添變數。

因此如何讓業者透過即時監控、資料蒐集，結合後端分析應用，以期在設備發生非預期異狀前，及早發出預警，好讓業者有充裕時間進行應變，無疑是重大課題，於是帶動人工智慧(AI)、物聯網(IoT)成為製造型企業群起簇擁之熱門標的。賽仕電腦(SAS)業務支援部大中華區資深顧問盧延年說，儘管製造業界追求預防維護的立意甚佳，但就現階段而論，不少工廠的執行狀況並不如預期。

盧延年點出問題癥結，企業普遍借重生產過程的數據，例如溫度、壓力、流量、電壓、電流等等數值型資料做為預測基礎，無奈準確度不見得高；換言之單靠這些素材，不足以協助企業擺脫設備非預期失效的危機。

如何提高預測精準度？企業須回歸基本面，務實看待機台設備產生的數據，是否還有過去忽略的加值運用空間；企業不難發現，機器除了提供前述數值型資料，也會產出以文字及數字為基礎的日誌(Log)檔案，而失效偵測與分類系統(FDC)僅採用數值型資料、不採納Log，殊不知這些從未被善加利用的大量Log，著實埋藏著魔鬼細節，對於預知機台設備即將失效，有一定作用。

盧延年重申，Log屬於文字型數據，箇中蘊含一些以往未被人察覺的細微癥兆。他舉例說，某企業用以監控生產設備的伺服器，被賦予資料收集、即時監控的重任，其包含了AP Server、Database Server，及與前端機台整合的Server，並結合Watchdog第三方監控程式，其中任一環節出狀況，恐導致廠區幾百台生產設備頓失監控，重要性不言可喻；有天監控伺服器發出異常告警，但此時已停止運轉，代表已經構成傷害，用戶大驚之餘，要求設備商儘速檢討原因並提出改進建議。

從日誌檔挖掘細微癥兆，掌握設備失效前兆

事實上，前述意外早在Log當中顯現端倪；經Log顯示，先前AP Server與Database Server的連線過程已有斷斷續續的異狀，當時AP Server即曾執行Retry，只是未達預設上限次數，故未啟動中止運作的自我保護機制，如今則因Retry次數超標而停機；假使用戶能及早運用SAS的串流分析技術，結合自然語言處理方式，持續對Log執行即時分析，早在數天或數小時前，就有機會力挽狂瀾。

著眼於此，SAS以串流分析平台為基礎，協助製造業解析文字型數據資訊、建立模型，藉此打造有效的早期預警機制；未來亦會將圖像、影像等其他非結構資料一併納入分析，據以發揮更大功效，例如半導體公司在HDP或CVD製程時，當腔體內離子氣體反應有些微色澤異常反應，如發生微電弧效應時，便可透過影像辨識結合串流分析，立即發出警訊。

盧延年指出，SAS平台全方位支援多重演算法與機器學習技術，可望藉由AI邊緣運算完成串流分析，不僅協助製造業實現設備故障預警，亦可做為瑕疵分類、產品品質監測分析之用。例如經營軌道交通運輸設備的大廠GE Transportation，便與SAS合作，善用連線火車頭上內建的串流邊緣分析能力，即時分析感測器數據，確保GE火車頭恆常保持安全與高效率的運行狀態。