基礎知識：IoT、IIoT、AIoT 以及這些技術是工業自動化未來的原因

隨著物聯網 (IoT) 的普及速度加快，帶動人工智慧 (AI) 和機器學習 (ML) 等更先進技術的發展。「IoT」這個詞的含意甚至逐漸演變，並延伸至工業物聯網 (IIoT)、智聯網 (AIoT) 及重量級物聯網¹中。

以工業部署為例，IIoT 提供的連接能力和智慧，可帶來生產力、效率以及其他經濟效益。不過，除了有支援 IIoT 的新設備以外，目前仍有大量「笨拙」(傳統) 的基礎設施和機器。

為了不讓這些設備遭到技術創新邊緣化，本文將向設施經理展示如何使用 Molex、TE Connectivity、STMicroelectronics、Delta 及 Weidmuller 的解決方案，將傳統設備融入 IIoT 的時代以及這麼做的原因。

術語定義

「物聯網」一詞首創於 1999 年，是英國科技先鋒 Kevin Ashton，在 Procter & Gamble (P&G) 公司的一次簡報時提出。他用「物聯網」形容一種系統，在這個系統中，網際網路經由無所不在的感測器連接至實體世界。此後不久，物聯網一詞及其縮寫 IoT 即傳遍大街小巷。

IoT：「物聯網」(IoT) 這個詞的意思，已隨著時間逐漸演變。在目前廣為接受的定義下，物聯網是「一個由運算裝置、機械和數位機器、物件、動物或人，相互關聯而成的系統，而這些構成項目都有其唯一識別碼，並能透過網路傳輸資料，沒有一定需要進行人與人或人與電腦之間的互動。」「IoT 裝置」則是指任何能從遠處監測和／或控制的獨立式連網裝置。根據 Statistica 的資料，IoT 裝置的全球安裝數量，估計 2020 年大約將達到 300 億個，2025 年則大約為 750 億個。

IIoT 和 AIoT：工業物聯網 (IIoT) 係指與製造和能源管理等電腦工業應用聯網在一起的互連感測器、儀器以及其他裝置。此連接能力可促成資料的蒐集、交換與分析，更有潛力可進一步促進生產力和效率，以及其他經濟效益。IIoT 是分散式控制系統 (DCS) 的演進成果，可使用雲端運算對流程控制進行改善及最佳化，達到更高的自動化程度。現行的 IIoT 受到許多技術的支援，例如網路安全、雲端運算、邊緣運算、行動技術、機器對機器技術、3D 列印、先進機器人、大數據、IoT、RFID 技術以及認知運算等。

AIoT 係指透過 AI 技術增強 IoT 裝置和基礎設施。AI 可透過機器學習 (ML) 和認知能力來增強 IoT。

工業覺醒與重量級物聯網

Gartner 在 2017 年的一份預測指出，2018 年全球在 IoT 上的支出預計達到 7725 億美元。同時，根據 IDC 的資料，2018 年全球消費者在 IoT 上的支出約為 620 億美元。相比之下，製造業支出為 1890 億美元，超過運輸業 (850 億美元) 與公用事業 (730 億美元) 的總和。此外，Bain & Company 預測，到 2020 年，IIoT 應用將產生超過 3000 億美元的收益，是消費性 IoT 細分市場 (1500 億美元) 的兩倍。

「重工業」是指涉及某一個或多個特性的產業，例如大型與重型產品、大型與重型設備和設施 (如重型設備、大型機床、大型建築物及大規模基礎設施)，或是複雜或大量的製程。

在 IoT 出現以前，使用馬達、發電機和重型機械的工業系統，大多未連線並且獨立運作。但是，如果能連接網際網路，成為 IoT 的一部分，則可在效率、生產力和可靠性方面取得巨大優勢。這些優勢包括遠端監控、故障偵測及預防性維護等能力。這說明了為何新的工業設備都直接搭載大量的感測器和通訊功能。

但問題是，目前仍有大量「笨拙」(傳統) 的基礎設施和機械。據估計，光是在美國，這種設備的價值就高達 6.8 兆美元。您可以選擇保持原狀，以巨額成本將現有設備替換成現代化的同等設備，也可以選擇使用現代化的感測器、控制和通訊系統來增強現有的設備，讓這些設備跟上時代的步伐。

美國創投公司 Kleiner Perkins，將使用 IIoT 與 AIoT 功能增強工業系統的作法，稱為「工業覺醒」。Kleiner Perkins 在 2015 年發表的《工業覺醒：重量級物聯網》(The Industrial Awakening: The Internet of Heavier Things) 一文中引述世界經濟論壇的一份報告，指出到 2030 年，這個「工業覺醒」浪潮有望在全球產生 14.2 兆美元的輸出。

使用 IIoT 與 AIoT 功能增強傳統設備

電動馬達是全球最耗電的產品。耗電量約佔工業耗電量 2/3，約佔全球耗電量 50%。也就是說，每兩座發電廠 (或其他電力來源) 中就有一座只用於驅動馬達。

問題是，一般工業馬達的效率大約只有 88% (商用馬達可能低更多)。但這個效率可藉助合適的感測器和控制系統得到極大程度的改進。

對工業企業來說，最大的風險之一便是設備因意外故障而停機。預測性維護是減輕此問題的方法之一，此方法使用感測器來監測設備，並利用 IIoT 和 AIoT 功能，來偵測任何偏離正常操作的作業，並預測可能的故障模式與時段 (例如「此機器的第二個轉子，目前的工作效率為 95%，每日降低 0.9%，估計 6 天後會發生嚴重故障，誤差為 +/- 1 天」)。

之所以使用 IIoT 和 AIoT 功能，是因為這些功能在模式偵測、從歷史資料擷取趨勢以及推斷潛在故障方面，遠比人類有效率。

人們發現，在面對大量數字資料時，很難偵測模式和識別異常，但資料若以圖形呈現，則會容易很多。

例如，在圖 1 所呈現的數字資料中，人們就算有辦法偵測和識別問題，難度也是很高的。反之，如圖 2 所示，如果以圖形方式呈現相同的資料，人們會立即發現異常。

圖 1：人們發現，在面對大量的數字資料時，很難偵測模式和識別異常。(圖片來源：Stephen Bates 簡報中的「 經過整理供公開展示的 IoT 系統常規測量值」)

圖 2：人們發現，若以圖形形式呈現資料，則很容易偵測模式和識別異常。(圖片來源：Stephen Bates 簡報中的「 經過整理供公開展示的 IoT 系統常規測量值」)

重點是，無論以何種方式呈現資料，IIoT 和 AIoT 系統都能偵測模式並識別異常。此外，當多個可能分散於全球不同地點的相同系統都受到監測時，IIoT 和 AIoT 系統就能從全體系統中學習，並使用其中一個系統所獲得的知識，來預測另一個系統的問題。

這當中的關鍵在於感測器 (以及處理和連接性等...)

增強傳統工業設備的第一步是增添感測器。感測器的類型非常多，而每種感測器又有非常多種選項。感測器可以測量的屬性包括但不限於：

感測器類型／選項有好幾萬種組合。例如，Molex 的 Contrinex 120254 系列光電感測器，以及 TE Connectivity Measurement Specialties 的 M3041-000006-250PG 排氣式壓力傳感器 (圖 3)。M3041-000006-250PG 屬於 TE Connectivity 的 Microfused 產品線，適合量測液壓或氣壓，甚至可用於難以量測的介質，如受污染的水、蒸汽以及輕度腐蝕性液體。

圖 3：M3041-000006-250PG 壓力傳感器適合量測液壓或氣壓，甚至可用於難以量測的介質，如受污染的水、蒸汽以及輕度腐蝕性液體。(圖片來源：TE Connectivity)

市面上有許多感測器開發套件和評估板，例如 IoT Studio 平台、STEVAL-STLCS02V1 SensorTile、STEVAL-MKSBOX1V1 SensorTile.box 開發套件以及 X-NUCLEO-IKS01A3 動作 MEMS 評估板，全都來自 STMicroelectronics。

X-NUCLEO-IKS01A3 動作 MEMS 及環境感測器評估板系統相容於 Arduino UNO R3 連接器佈局 (圖 4)。此產品具有 LSM6DSO 三軸加速計和三軸陀螺儀、LIS2MDL 三軸磁力計、LIS2DW12 三軸加速計、HTS221 濕度和溫度感測器、LPS22HH 壓力感測器和 STTS751 溫度感測器。

圖 4：X-NUCLEO-IKS01A3 動作 MEMS 及環境感測器評估板系統相容於 Arduino UNO R3 連接器。(圖片來源：STMicroelectronics)

除了感測器之外，還需要對本機資料進行調整、處理和控制。這些任務可使用可編程邏輯控制器 (PLC) 執行，例如 Delta Industrial Automation 的 AS 系列緊湊型模組化中階 PLC (圖 5)。

AS 系列是專為各種自動化設備而設計的高效能多用途控制器。其採用 Delta 自行開發的 32 位元 CPU 架構系統單晶片 (SoC)，可將執行速度提高到每毫秒 40 k 步序，最高可支援 32 個擴充模組或最多 1024 個輸入／輸出。

圖 5：Delta 的 AC 系列緊湊型模組化中階 PLC，最高可支援每毫秒 40 k 步序的執行速度和最多 1,025 個輸入／輸出。(圖片來源：Delta Industrial Automation)

在此同時，進階的 AIoT 型分析將在霧端和雲端進行，這就需要聯網和通訊，例如 Weidmuller Group 的全套工業乙太網路連接解決方案。

結論

隨著 IoT 的普及速度加快，以及機器學習 (ML) 和人工智慧 (AI) 的加入，設施經理需要設法對傳統的工業設備進行現代化改造，以提高生產力和效率。

幸運的是，有多家廠商提供現成的解決方案，能夠為傳統系統添加智慧能力和連接性，使其成為 IIoT 革命的一部分。

參考資料

1. The Industrial Awakening: The Internet of Heavier Things, Kleiner Perkins, 2015