MAGAZINE
刊物內容

回列表

SKF 建構邁向智慧工業4.0的道路

摘要"

數位科技的日新月異,特別是各界持續關注與討論的大數據分析( Big Data Analytics)、AI(人工智慧)、雲端計算( Cloud Computing )、ML( Machinelearning;機器學習)及DL(Deep Learning;深度學習)等技術的顯著發展,也讓工業4.0的發展圖像愈形清晰。毫無疑問的,想要在激烈的商業環境中繼續生存下去,數位轉型可以說是唯一的出路。面對一波波來勢洶洶的數位衝擊,數位轉型已經愈來愈不是一個「要不要做」的選擇題,而是一個「要如何做」的當務之急。
「運用既有且成熟的技術與產品,例如資通訊技術,狀況監測與智慧感測器,來進一步推升工業數位化,即可對現行的生產作業帶來顯著的效益。透過對於數位化的積極擁抱,SKF不僅強化其核心產品與服務,更進一步協助客戶充分發揮其轉動設備效能」,SKF Taiwan 總經理張峻榮表示。至於如何展開所謂的工業數位化?張峻榮總經理認為:「釐清“3D”這項概念,並透過 “4C”的步驟來展開,就可以建立一幅清晰的圖像」。

關鍵詞:工業4.0、SKF、大數據分析、AI人工智慧、雲端計算、、機器學習、深度學習、線上監測系統、雲端服務、精密軸承

 

所謂的“3D”,其意涵為:
數據化 (Digitization):將傳統的類比資料轉換成可用數位方式存取的資訊。例如:將舊相片翻拍成電子影像檔。
數位化(Digitalization):充分運用數字化的資訊來簡化作業流程。例如:使用記憶卡存取的數位相機拍照。
數位轉型(Digital Transformation):
透過數字化資料與數位化資訊的整合,來發展出新型態的商業應用。例如:臉書以及其他社群網站即是提供人們上傳照片加上註解的平台之「數位轉型」案例。
而 ”4C  ”的步驟,則是結合以硬體技術為主的連結與感測,加上以軟體智能為主的分析與診斷。分別為:
Connect ( 連結 ):運用資通訊等技術,將生產設備連結到規劃的系統與網絡當中。
 Collect ( 收集 ):運用感測器等技術,將生產資訊數據化,並儲存在相關的資料伺服器當中。
 Correlate ( 關聯 ):透過由大數據所建立的模型來進行分析與診斷,來產生智能訊息。
 Collaborate ( 協作 ):依據所收到的智能訊息來進行決策,並協調相關系統,資源與功能進行調整並進行追蹤。
隨著工業數位化的展開,接下來的關鍵將在於收集具有價值的大數據與分析能力。SKF投注在遠端設備監控領域,已有將近20年的時間,更有將近100 萬個軸承連接到SKF的雲端系統,這樣的資源與經驗,給SKF帶來相關於轉動設備的豐厚知識,並以此建立強大的分析能力,讓其具備有偵測轉動設備失效的早期預警能力,也對關鍵產品與系統設計要件,有更深入的了解。

 

 


做為推動工業4.0先行者,SKF在工業數位化的發展上,不僅早已建置一個可以讓管理者與操作人員都可以透過行動裝置去收集或解讀數據的視覺化資料平台 「Enlight」,當然也可以連接到轉動設備效能服務中心 (SKF REP center),在SKF各技術領域專家的分析協助之下,獲取對設備狀況的進一步了解,以採取適當的措施,甚至反饋到設計階段,做為產品改善的參考。而這些轉動設備狀況監控技術,例如:振動分析、油品分析、紅外線熱影像、聲頻信號與電流分析等,正是SKF用以建立轉動設備的運轉模型所需的重要基礎。 於此,SKF運用工業物聯網的另一項核心技術,機器學習( Machinelearning),建立具備預兆能力並以設備運作狀況為基礎的保養策略,更架構成一個持續改善迴圈。而機器學習( Machinelearning)的關鍵,除了須擁有豐富的設備資產知識,就在於下面兩項技術的結合:
透過狀況監控,了解設備運轉的現況。例如:異常偵測。
透過預兆功能,了解設備還能再運轉多久,也就是結合「風險機率預測」與「設備劣化預測」來進行「剩餘壽命預測」。
在以機器學習( Machinelearning)為核心的架構底下,SKF也能夠透過與電腦化維護管理系統(CMMS)的連結,依據系統所提供的「剩餘壽命」,展開採購程序,除了確保關鍵零件的即時取得,也能避免不必要的庫存成本並確保營運資金的活用。最後,如何將「事件為導向的管理經驗,同時納入決策當中」更是持續強化設備資產知識與數據資料的重要關鍵。
SKF在工業數位化所取得的進展,也讓其為客戶服務的方式產生重大轉變。儘管提供硬體的交易模式仍然很重要,但它將開始被更多以運轉性能做為基礎的合約所取代,如SKF 和一家礦業公司已達成了為期五年的「Rotation for Life / 終生運轉」合約,確保其在合約期間的營運效率。而這項合作,在執行不久之後,SKF即成功協助該客戶避免一場足以造成長達36小時無預期停機的事件,除了避免超過百萬瑞典幣的停機損失,也避免損害到其他相關的重要設備。另外,SKF 也跟亞洲一家大型水泥廠簽訂同樣以運轉性能做為基礎的合約,包括機器學習( Machinelearning)與關鍵零件的庫存管理。此外,SKF在鐵道方面的監控領域中,已獲得16家公司的青睞,另外有18家公司正進行洽談。

SKF 台灣在工業4.0 參與的現況
中部地區是精密機械產業發展的重心,著眼於此,SKF 台灣在10餘年前即整合SKF在亞洲,特別是日本在工具機主軸的經驗與技能,成立主軸技術服務中心。做為一個深耕本土的全球在地化企業,SKF也積極參與台灣邁向工業4.0的願景,並協助推動智慧機械的發展。智慧機械是台灣發展工業4.0的基礎,然而並非所有的機械設備都已具備智慧化的功能,因此將舊機具導入連網控制與智慧感測也同樣重要。因此,SKF不僅積極導入公司各種資源與服務,更針對工業數位化的展開,提供各種服務諮詢與應用產品。其中包括:智慧主軸、感測器、SKF iMx8 線上監測系統、SKF雲端服務等。此外,SKF更在台灣成立了遠端設備診斷服務中心 (RDC),不僅提供即時的設備健康狀況資訊服務,也提供遠端資料存取與趨勢分析報告。SKF台灣在工具機產業的優勢在於:
SKF為世界級精密軸承製造商且持續不斷地參與新世代工具機主軸的設計和驗證。
SKF服務部門具有世界級的維護服務、主軸維修和軸承翻修的實務經驗,已及來自各種主軸的大數據資料庫。
針對重要的轉動設備,SKF目前已是主要的監測解決方案供應商。
SKF iMx8 線上監測系統主要針對轉機運轉狀況診斷而設計研發出來。
目前公司正與國內幾家大型的工具機廠商合作,先從達成連網通訊的可視化控制為主,並達成稼動率管理和資料儲存管理的功能,再朝向整合所有的生產資訊,達成設備與產能的優化,並進一步做到預測與診斷的功能,最後才是結合人工智慧AI的階段。
為因應少量多樣與日益增加的客製化需求,在智慧工業4.0階段已不再採用傳統的資訊流,它將轉變成一種從接單到出貨都智慧化運作的一種生產方式。因此,在智慧工業4.0階段的發展重心也會轉變成是軟體與服務平台的建立,尤其是資料的分析與應用,例如結合企業資源計劃(ERP)和製造執行系統(MES),以及雲端平台的導入。在進入智慧機械或者工業4.0的時代後,也同時從「資訊決勝負」的「資訊科技IT時代」進入到「資料決勝負」的「資料科技DT時代」,數據的分析與資料的使用將是競爭關鍵所在,一旦所收集的資料一致性不足,或者原始的產品精度未能符合規範,對於後續的應用與分析都會造成影響,甚至無法作為參考。

 


最後,根據美國PwC顧問公司的研究顯示,高階主管的參與及支持,不僅對數位轉型的成敗會造成重大的影響,對於至關重要的跨部門整合與合作,也扮演著極為重要的角色。因為,數位化意味著核心事業的根本轉型,其中包括製造、物流、供應鏈、營運,以及後勤等跨部門的共同協作與整合,這將是科技之外所不能輕忽的。

READ MORE BACK TO LIST