Skip to main content

為何 SCADA 不適合智慧工廠

工業物聯網 (IIoT) 的主要目標是把企業分析數據運用到營運資料上,但卻面臨一個問題:工業資料一般是非結構化且時間導向的資料,而企業環境則是結構嚴謹並以規則為導向。

當營運技術 (OT) 資料傳送到 IT 系統時,可能會因為此一根本性差異而遺失情境脈絡和語義資訊。

為了避免失去這類重要資訊,智慧工廠需要能彌合 IT 與 OT 環境差異的資料架構。不過,先行分析現有資料模型的缺點,將有助於避免發生相同的錯誤。

分析範例:SCADA 的挫敗

在傳統工業網路中,SCADA 系統是 OT 與 IT 系統之間的連接橋樑(圖 1)。由 OT 裝置產生的資料往北向流動到 SCADA 系統,然後再從該處流動至企業系統。

圖 1. 傳統工業網路架構利用監督控制與資料擷取 (SCADA) 系統來連接 OT 與 IT 環境。(資料來源:Atomiton, Inc.

因為這些 SCADA 網路是由控制系統往上饋送資料,它們一般倚賴由流向帶動或由事件帶動的資料架構。相反的,企業系統以結構嚴謹的資訊模型為基礎,而這些模型是由人員和各項程序所控管。

這樣的差異產生了雙重資料架構,一邊是非結構化的機器資料,另一邊則是結構嚴謹的系統(圖 2)。當 OT 資料傳送到結構化的業務系統時,諸如位置、時間和順序一類中繼資料可能不會傳輸過去。

圖 2. SCADA 造成了雙重資料架構,因為他們無法把企業資訊模型套用到時間序列的營運技術 (OT) 資料上。(資料來源:Atomiton, Inc.

比如工業水箱的溫度資料。回報的數值代表水箱溫度或內含液體的溫度?此一重要的中繼資料應保留供日後分析使用。

若無法準確掌握某個資料點的情境脈絡,可能會嚴重影響資料點的實用性。可惜要把所有這些資訊保留在業務程序系統內,對系統的開發者和使用者而言均是無比複雜的事情。

因此,資料的價值在基礎架構內傳輸的過程中有所減損。在這樣的架構下,分析人員必須搜尋或推斷資料集的情境脈絡,而這使得串流資料的價值益發減損,因為這些資料會過時。

簡言之,SCADA 系統做為智慧工廠的基礎,表現差強人意。試圖利用這些網路作為工業物聯網實作的骨幹,本質上就是試圖用舊的解決方案解決新的問題,但是舊的解決方案從一開始便效率不彰。

讓工業物聯網資料分析策略發揮效率的四個步驟

要避免過去實作發生的問題,基礎架構的架構設計師必須把 IT 系統的結構和關係與以時間和位置為主的工業資產串流和流向合併起來。

只要使用把兩種資料環境的特色抽象化的數位模型即可做到。數位模型是實體系統的軟體表示式,而且使用指定層級的邏輯連結工業物聯網分析架構的各層(圖 3)。

圖 3.  數位模型是實體系統的軟體表示式,協助保留在工業物聯網資料分析架構的各層之間重要的情境脈絡相關資料。(資料來源:Atomiton, Inc.

在投入開發並部署這些模型之前,資料架構設計師必須定義一項考量到四種不同向量的分析策略:

  • 資料剖析是指全面徹底理解系統內產生的所有資料。接著必須根據每一個資料路徑的可能長期用途將資料分類。
  • 資料處理是指理解資料特性,以及如何使用能夠保留語義價值的格式存放。需要一種橫跨系統所有層次的通用分類,以便定義整個基礎架構之間的資料關係和營運路線,讓資料保有最大的價值。
  • 資料儲存需要關於資料的使用方式、使用頻率以及使用多長時間及類似問題的知識。盡可能把最小量的資料儲存在最靠近資料來源的地方,同時要讓資料可以追溯原始來源。
  • 資料分析處理如何將分析結果運用到營運和業務實務上。瞭解這些向量以後,基礎架構便能盡可能用最高效率運用可用的處理和儲存資源,讓分析數據可以散佈到整個端點至雲端的架構中,並在串流資料及離線資料中即時執行。

一旦解決這些問題,數位模型可以套用分層邏輯和已定義的資料政策,將工業資料結構化以利企業系統使用,同時保有語義價值。

整個系統的資料具有真正的互通性亦能促進更高程度的自動化,因為巨量資料就包含在資料閉環中,可用於後續分析、學習、預測與最佳化(圖 4)。

圖 4. 數位分析模型促成了巨量資料的閉環,協助自動化分析、學習、預測與最佳化的程序。(資料來源:Atomiton, Inc.

智慧農業的分析策略

此策略在實務上的一個範例就是 Atomiton, Inc. 與 Intel® 合作開發的農業使用案例。 Atomiton 的 TQL System 是一個物聯網應用平台,包含一個物聯網程式設計語言 (Thing Query Language)、一個分散式容器和服務集 (TQLEngine) 以及一個稱為 TQLStudio 的整合式開發環境。

Atomiton 堆疊的每個部分合力建立一個統一的應用程式框架,將工業資產及其行為與運算資源連接起來,同時轉譯資料以供人員和物件運用。Intel® 物聯網閘道技術在這個拓撲中佔有了 SCADA 系統的角色,再加上 64 位元作業系統支援的優勢,讓雲端平台的資料傳輸更順暢。

圖 5 所示,農業部署可以利用此一架構來改善資料管理、分析與監控。它為智慧農業的實務做好了準備,讓農夫可慢慢為農田和作物建立模型,然後實施各種政策或臨界值,以利提高產量、最佳化資源使用率等等。

圖 5. 以 Atomiton TQL System 與 Intel® 物聯網閘道技術一類技術為基礎的數位模型,協助農夫擷取出高價值的物聯網分析數據。(資料來源:Atomiton, Inc.

利用數位化跨越工業物聯網資料分析的斷層

雖然上述多著重於改變企業系統解讀端點資料的方法,但是不應該忽略工業資料數位化對於企業系統本身的架構亦有重大影響。

前文所述的數位模型將會越來越普遍,並更深入分析部署處理和儲存資源的地點。這樣也會同時促使企業系統架構進化,在未來短短幾年內便會有全然不同的面貌。

清楚知道要付出哪些努力才能跨越工業物聯網資料分析的斷層之後,便是時候將基礎架構做好準備,迎向眼前的躍進。

作者簡介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis