邊緣智慧——提高生產力並降低成本

隨著工廠致力提高生產力和降低營運成本，對能夠增強邊緣智慧的新技術需求也不斷成長。您可能會好奇，「邊緣是什麼意思？」，ADI對「邊緣」的定義，是機器與現實世界融合或互動之處！

在工廠自動化領域，增強邊緣智慧表示減少工廠在一年內損失的生產力。 造成此一問題的最大原因是工廠停機時間，或者生產線停工，導致公司虧損。事實上，根據麥肯錫在2018年10月發表一篇有關「數位化可超越預測性維護提升可靠性」的文章，每年工廠生產線的停工時間平均為800小時，或每週平均15小時。這為公司的收入和利潤帶來了明顯影響。舉個例子，當工廠停止生產時，汽車製造商每分鐘將損失近22000美元。 這表示每小時損失130萬美元，或每週損失近2000萬美元。 增強邊緣智慧為生產線帶來積極影響，使生產力提高10%，維護成本節省20%。因此，在工廠環境中，增強邊緣智能透過預防成本高昂的生產線停工，能夠使生產線保持正常運行。

雖然很明顯，增強邊緣智慧可提高生產力並降低營運成本，但真正的問題是「增強邊緣智慧需要什麼」？

需要全新的思維方式！

作為半導體供應商，我們需要交付支援智慧感測器和執行器、支援軟體可配置IO並提供進階診斷功能的解決方案。下面我們來看一下4個關鍵要素的重要性，以及其在增強邊緣智慧方面提供的重要功能。

感測器無處不在！在我們的日常生活中，感測器應用十分普遍。在製造環境中，所有製成品都需要一系列感測器協同工作，以協助機器檢測物體，確定與物體的距離，配置物體的顏色和組成，以及監控物體或液體的溫度和壓力。

偵錯新感測器以替換受損的感測器，或改裝設備以便製造不同的產品，這需要耗費大量人力，並且由於生產力損失，將造成很大的成本負擔。派遣技術人員到生產廠房更換感測器，然後重新校準到正確的製造參數，這些操作成本會影響工廠的輸送量。如果工廠裡的每個感測器均進行相同的維護等級，所有生產線的最大一筆費用就是更換或重新配置感測器。

IO Link是一項激動人心的新技術，能夠讓生產廠房的機器均實現智慧感測。該新技術可協助實現彈性製造，進而改善工廠輸送量，提高營運效率。IO-Link技術透過提供與感測器的雙向資訊交換，將傳統的數位或類比感測器轉換為智慧感測器。該技術提高了遠端偵錯感測器的智慧和功能水準，並且透過隨時調整感測器參數，能夠即時作出反應。現在，工廠自動化機械具備全新的智慧水準，能夠根據遍佈生產廠房的感測器網路的運作情況和狀態，動態回應即時運作條件。透過利用智慧感測器網路提供的大量端對端資訊，工廠可創建其生產廠房的映射，進而為總體人工智慧監控解決方案提供更好的即時資訊，以便能夠快速識別製造瓶頸、故障點，並提供優化整個生產廠房的全新思路，進而提升營運效率。

透過使用協定棧和IO設備描述(IODD)檔的通用物理介面，IO-Link技術支援感測器互換，從而簡化偵錯過程，提高工廠輸送量。如此，技術人員就能夠快速偵錯感測器，進而減少工廠停機時間，允許隨時重新配置生產線。

隨著企業體認到使用通用介面的好處，即壓力、近距離和溫度等各個感測器隨插即用，更換起來非常簡單，IO Link感測器的採用率不斷加速提高。ResearchAndMarkets表示，IO-Link市場持續發展，預計到2023年，將從2018年的30億美元成長到120億美元，CAGR達33.56%。

很明顯，IO Link技術是催生一系列全新智慧感測器的推動因素，除此之外，IO-Link還可以透過IO Link Hub解決方案為邊緣賦予智慧。如此全新的IO Link Hub提供一種簡單的方法，能夠增加類比和數位IO擴展通道，並整合電磁閥和馬達驅動器等智慧執行器。

IO Link Hub透過簡單的方式來擴展所需的通道類型和數量，以支援意外的生產線重新配置。這些IO擴展中心解決方案充分利用IO Link技術的所有優勢，並簡化了增加數位和類比IO埠的任務。 這些新型產品允許透過IO Link Hub偵錯感測器，進而減少工廠停機時間。在 Omron的NXR系列IO Link集線器 產品系列中可以看到這些解決方案的示例，該產品系列聲稱能夠使設定和偵錯時間減少90%。

利用軟體可配置數位和類比IO解決方案，自動化工程師和技術人員可輕鬆遠端偵錯通用IO埠。這些新型軟體媲美可配置的數位和類比IO產品可與IO Link提供的優勢，不僅簡化了工廠的佈線工作，還可彈性將任何數位或類比IO感測器或執行器實體連接至任何未分配的數位和類比IO埠。此項軟體可配置技術可提升成本效益和生產廠房的通道密度。

更高級別的診斷功能不斷提供更豐富的資料集，以改善基於邊緣的即時決策，從而提高生產廠房的生產力和營運完整性。根據MarketsandMarkets在2019年1月發表的一份名為「製造市場的人工智慧」的報告，預計到2025年，這些製造領域強大的人工智慧演算法平台的收入將從2018年的10億美元增加至超過170億美元，或CAGR接近50%。在這段時間裡，由於為建置智慧工廠所做的快速投資，機器學習預計將是人工智慧領域成長率最高的部分。這一成長背後的推動力源自IIoT支援設備網路產生的大量運作狀況和狀態資訊、提供預測性分析的演算法、監控產品品質以及評估機器狀態和運作狀況的機器視覺攝影機。

在IC級別，將會監控、收集越來越多的資訊，並透過SPI匯流排與微處理器進行通訊。這些IC數據封包的數量繼續成倍增加，因為其攜帶關鍵資訊，如設備的溫度狀態、過壓、過流、開路檢測、短路檢測、溫度過高警告、熱關斷和CRC。現在，如果我們後退一步，在生產廠房的各種設備中大幅增加能夠提供診斷資訊的半導體晶片數量，那麼很明顯，就可以實現生產廠房的診斷映射，以預測、識別和診斷生產線故障。

有一點是明確的，透過如此「全新思維方式」，智慧工廠可利用這些新功能來提高輸送量和生產力。隨著這些新技術不斷成熟，下一代人工智慧演算法利用這些解決方案所產生的更高品質即時資料將會產生更高效益。因此，這些具有自我意識的新機器將自動建置人工智慧產生的解決方案，使生產線保持正常運行，直到需要技術人員維修或保養。這個具有自我意識的機器時代，將激發工業自動化領域的「下一個大事件」。