作者：DIGITIMES編輯部

以傳統工廠的裝置故障診斷而論，主要借重資深的裝置維修管理人員，仰賴他們發現問題、或裝置出現問題再排修，基本上算是被動補救的做法；只因一旦裝置故障導致產線停擺，讓企業蒙受可觀損失，即便後續修復速度再快，也消弭不了這筆損失。

著眼於此，不少企業規劃建置裝置診斷雲端平臺系統，期望讓管理人員對所有裝置運作狀態瞭如指掌，在故障前夕儘速進行必要處置、遏阻問題發生，此外借由分析歷史資料對裝置執行狀態檢測，以延長裝置使用壽命。某國際知名的鋼鐵企業正是案例之一，有感於產線上的裝置位於惡劣環境，異常狀況變化大。於是啟動裝置監診雲端化專案，希冀利用雲端平臺、大資料分析等技術彈性面對多變的異常狀況，以提升生產及管理效率。

該鋼鐵企業審慎評估，認為研華提供的方案涵蓋邊緣端到雲端，內容相對完整，且擁有一定彈性空間，便於該公司日後執行二次開發，將自身服務能量疊加於系統，加上研華負責技術支援的WP。SENSE（WISE-PaaS Solution Enabling Services）團隊、對系統的掌握度甚高，因而擇定研華的解決方案，藉此建構裝置監診私有云端平臺示範線。

具體來說，該鋼鐵企業設定的目標共有五項，一是建立標準化資料上傳機制，提升資料存取多元與相容性；二是規劃機器學習標準作業流程，提高裝置診斷正確性；三是匯入視覺化儀表板，提高資料解讀性；四是匯入邊緣智慧運算技術，提高警報實時性；五是匯入模組化軟硬體架構，提高系統的可擴充性。

立足WISE-PaaS，完美整合裝置監診管理、AI模型生命週期管理機制

基於上述目標，該鋼鐵企業在裝置監診私有云中規劃三個子架構，其中“邊緣智慧”以研華 Smart Machine Box（SMB）為核心，兼負資料獲取、地端運算處理等任務，而SMB由工業計算機MIC-7500搭載8通道高精確度的PCIE-1802組合而成。其次“IaaS”則奠基於研華的WISE-STACK-300私有云系統。

至於最關鍵的“PaaS”部分，構築在研華WISE-PaaS/EnSaaS物聯網雲平臺服務上，而此鋼鐵企業也一舉搭配啟用多項服務，包括透過WISE-PaaS/Dashboard來建立儀表板，因應現場操作人員、資料建模人員、系統維運人員等不同族群，提供不同的視覺化介面；利用WebAccess/SCADA與WISE-PaaS/EdgeSense集中管理地端與邊緣端裝置，並在異常事故發生時主動推播告警；藉由WISE-PaaS/APM建立裝置模板與管理配置，可快速增強至多條不同的產線或廠區上，針對每臺裝置、每條產線及每個廠區設定事件告警邏輯與報表邏輯；透過WISE-PaaS/AFS做線上AI模型開發、訓練，並以AFS推論引擎（Inference Engine）將模型部署到 Edge 端裝置；另啟用WISE-PaaS/OTA，滿足遠端軟體更新管理需求。

經由邊緣智慧、IaaS、PaaS聯袂運作，最終形成狀態檢測、預防維護、訊號串流顯示、警報推播等功能，一人工智慧加值的裝置診斷雲端解決方案。據悉，本次專案系以涵蓋數百臺裝置的冷軋工廠為起點，Phase 0先匯入1臺裝置，驗證WISE-PaaS可否確實發揮監控效果；到了Phase 1，則擴及300個測點，以驗證系統擴充性，假使驗證成功，後續複製速度就會很快。

此鋼鐵企業與研華合作下，現已完成前述專案程序，下一步將從300個測點擴充至至其他上下游產線，發揮系統高擴容彈性。

值得一提，這次專案深具“共創”效應，一方面協助該鋼鐵企業打造自主可控的裝置監診系統，另一方面研華也藉由此鋼鐵企業的需求反饋，連帶為WISE-PaaS加入許多實用功能，例如將WISE-PaaS/SaaS Composer（3D流程視覺化）的畫面重新整理速度從秒級提升為毫秒級，或新增支援RESTful API以利將警示資訊傳送到內部郵件系統，此外將原本的排隊式訓練改為併發式訓練，以Multi-task方式提高大量模型的訓練效率。

透過此AI裝置監診雲端平臺，資料採集至WISE-STACK私有云端平臺後，進行雲端裝置管理配置、AI模型的開發、部署與推論，以及後續裝置運維，裝置維護人員可實時監控裝置狀況，減少因裝置故障造成產線停機，提升裝置使用的壽命，推進自動化遠端診斷程式及預防維護的功能。