自動化設備的感知技術應用與價值

科智企業股份有限公司總經理顏均泰。

科智企業(ServTech)股份有限公司總經理顏均泰先生，以「自動化設備的感知技術應用與價值，其實就是大數據！！」為主題，分享其公司在物聯網時代所扮演的角色，來說明大數據在工廠端應用的實例。他認為IoT不僅應用在一般消費者端，也應用在製造商端，而工廠管理問題百年來沒有變過，只是解決方案的改變，讓問題看起來越來越複雜，實際上，其解法原則是一樣的。而現在有了大數據的協助，讓許多問題都可以更容易找到答案！

感知技術的價值  其實就是大數據

顏均泰表示，工廠端一直走向自動化，從硬體到軟體，到整個公司的整合，都有長足的進步；而近幾年開始提到的工業4.0，無非就是將工業自動化推動到下一個階段，從電腦的層次升級到資訊共享的層次，將每個節點開始串接起來，並能互相溝通，以解決工廠更多問題。

他分享其客戶在工廠所發生的問題案例，如拖班問題，還有晚班永遠比早班的績效和品質還差。常理判斷的問題點在於「人」可能有偷懶的問題。傳統作法認為可以安裝Camera來監視工作狀態，而科智認為解法應從數據著手，找出操作機器必須實做的標準操作的步驟，並檢視其記錄檔；若有少按到的按鈕或步驟，就可以發現問題點。

以Tesla(特斯拉)電動車為例，先前有發生車子失控衝撞店面，車主怪煞車失靈，結果Tesla調出Log檔證明車主根本沒踩煞車，這表示數據紀錄的重要性。

Tesla整台車有各式各樣的數據紀錄，能忠實記錄所開過道路的完整路況；當下次車子又開到某一不平整路段時，Tesla就可自動升高汽車底盤，改善汽車操控。Tesla大量應用數據來解決問題，而傳統車廠則是增加更多感應器，反而增加了機電系統的複雜度。

顏均泰進一步釐清問題，在汽車加裝多種感測器，這個僅叫做「汽車數據化」，而Tesla的車子則是「數據化交通工具」，所以根本是兩種不同的市場。再加上Tesla已將其應用到的各種專利卡死，傳統車廠根本打不進那塊市場，遑論與Tesla對抗。因此，原則上不是IoT的問題，而是數據的問題，也就是大量數據的應用而已。

數據因需求而大  因需求而豐富

將車子加入多種感測器後，是否能解決塞車問題？答案是否定的。而大數據會因不同的需求而發揮不同的價值。他以「台北等公車」手機App為例，其採集所有公車站的進站時間資訊，以解決公車族等候公車的問題(Big for Requirement)。當然這個資訊對不在台北生活、工作的南部民眾來說，就沒有用，因為App需求與對象不同。

那麼此App對開車族有用嗎？其實是有用的，因為已經有公車進站時間資訊，而公車兩站距離的資訊也可抓得到，只要算出進站時間差，就能得知公車是否塞車，進而提供給開車族在市區是否塞車的即時資訊(Rich for Requirements)。此外，該數據搭配台北市公車管理處的管理工具，就能對公車司機做績效管理。這就是一種現有數據，發揮了3種族群應用的實例。

針對需求來撈數據  才能將問題迎刃而解

Data的Big與Rich，是取決於整個解決IoT Solution的重要關鍵點。當感測點沒那麼多的時候，就必須善用大數據的統計分析，來解決各式問題。因此，重點不在如何為設備加裝各種功能，而是問題點是什麼、我想要什麼樣的資料。將問題點出來，資料才有意義。對雲端來說，儲存只是基本功能，資訊分享才是其價值所在，IoT的精神在於採集資訊儲存至雲端，並分享出去。而真正決勝的關鍵，在於這個「雲」是否能提供好的服務。

科智的製造大數據平台(Servolution)，具備ServAgent、ServCloud、ServBox等整體解決方案。其ServBox支援各種品牌自動化機台的資訊採集，而ServAgent提供AppWare市集，將IoT的各式數據採集與分析需求，做成多種App來讓客戶來下載，以便找到問題的答案。而ServCloud就是提供製造大數據平台，串連製造業的ServBox在資料的採集、轉換、連接，並將資料與服務透過ServAgent的各式App來提供內容、定製化需求與辨識等服務給客戶。

科智提供關鍵製程資料的應用服務解決方案，透過蒐集到的整廠資訊，以及研發製造最佳化分析技術，來協助設備加工廠提高稼動率，提升供應鏈管理的彈性，帶動製造業服務化模式的創新。從科智在客戶稼動率提升實績達到3%？22%不等，便可得知其核心產品價值。