藉由連網工廠方案與生態系 AWS與夥伴共同實現全方位的可視性

產品即服務(Product-as-a-Service；PaaS)、連網產品以及永續性的強調已然成為前製造業的趨勢，除此之外，還有兩個值得注意的趨勢就是「資料成為賦能者」(或推動者，Enabler)，以及「數位化執行製造」。面對這樣的趨勢，AWS特別闡述了為什麼自身適合製造業的4大理由：(1)AWS誕生於亞馬遜(Amazon)複雜的自動化與工廠營運；(2)AWS具備當前最全面性與最複雜的先進雲端服務與可行功能；(3)AWS顧客能充分利用適用於最具機敏性需求組織的安全防護機制；(4)全球性大規模可擴展性的AWS能降低風險。

製造業的資料飛輪(Data Flywheel)效應涉及了從工廠到產品再到產品與流程設計(PPD)的大循環飛輪優化設計，而工廠本身必須做好從品質、上線時間(Uptime)到產品，再到良率(Yield)之資料循環的飛輪優化，在改善工廠營運的同時便能提升產品的品質。對於產品本身，必須發揮從改善到顧客滿意度、忠誠度，再到生命週期管理所產生的產品效能與使用資料優化的飛輪效應，進而改善了PPD設計。在PPD中，廠商也可透過從新生產系統(NPS)到換線換模(Changeover)，到較低的換線換模，再到研發之優化而導致有效的PPD設計，進而改善了工廠營運。

AWS強調指出，當前已進入到資料帶動製造轉型的時代，透過對工業資料價值始終如一的完美運用，著實為製造業帶來顯著效益，包括能夠降低產品開發成本高達50%，能降低營成本達到25%，而毛利率增加了1/3，總之，數位轉型已對成本、安全、品質乃至產品配送等所有層面帶來了顯著的正面衝擊。既然資料扮演了重要的角色，如何將現有鎖定資料加以釋放便成為重要課題，但當前存在許多問題，例如有長達10到15年的IIoT資料從未被分析過，而且多半鎖定在本地端SCADA工控系統的歷史記錄中。對此，AWS提出的解決方案，會先從資料擷取、揭露與可視化等基本作業著手。接著建立開放資料儲存以處理特定商業問題。最後，全面開啟從分析、優化到預測的AI/機器學習(ML)之旅。

想落實這趟機器學習之旅將會面臨許多挑戰，包括大量的裝置(如PLC可程式邏輯控制器、SCADA及RTU遠端終端機)與大量的協定，以及OT從應用程式整併至裝置中是無法擴展的；缺乏單一真實資料來源；與OT間的不一致界接；類似輸出的系統，以及可擴展性上的挑戰。連網工廠(Connected Factory)能提升企業級，乃至部門級與工廠級的可視性，因為它可以將機器資與品質資料擷取至AWS上；能將資料儲存在時間序列最佳化的資料儲存中；為你的設備與流程，進行指定效能評量標準的資產建模；為設備即時與歷史資料進行可視化；部署能對工廠輸出及產品品質最佳化，產資使用率最大化並識別出設備維護問題的ML/AI應用。AWS提供全面性的連網工廠解決方案架構與工業機台連線(IMC)架構，並打造連網工廠合作夥伴生態系。