Skip to main content

AI • 物聯網 • 網路邊緣

Bosch 數位孿生產業:推動工業 AI

帶有藍色擴增實境可視化機器人臂的概念工業生產線.

製造商、能源公司和其他依賴重型設備的企業各個使出渾身解數,為的就是保持昂貴的機器正常運作。許多企業希望利用物聯網和預測性 AI 分析來預防問題,避免引發更嚴重的後果。

但將 AI 分析應用於工業設備並非易事。大型企業在全球各地工廠運行的機器上,裝有數千個以各種不同格式快速產生效能資料的感測器。光是收集這些資料就令人頭痛,而且資料往往充斥著錯誤、遺漏和不一致。預測型分析模型需要可靠的資料才能產生良好的成果。如果資料錯誤、不完整或傳輸過慢,模型可能會發生故障,導致高額的停機損失。

現代數位孿生解決方案能克服這些問題,迅速清理和驗證機器資料後,接著進行 AI 分析。數位孿生可以為公司提供準確的儀表板副本,說明各地的機器運作情況,並且發送警報,協助在問題失控前將其解決。

善用機器資料進行 AI 預測性維護

工業數位孿生需要多種技術精準協同合作。為了協助製造業客戶預測機器行為,德國工程技術公司 Bosch GmbH 開始研發數位孿生解決方案,利用在工業機械領域的專業知識,打造 AI 演算法來識別壓力、溫度、震動等重要指標的顯著偏差。

但 Bosch 數位孿生產業意識到,他們需要協助才能開發解決方案的另一個關鍵部分,也就是整理公司大量的機器感測器資料,並為 AI 使用做好準備。在客戶的推薦下,Bosch 找到了專攻資料工程和物聯網解決方案的公司 Prescient Devices, Inc.

Prescient Devices 執行長 Andy Wang 表示:「資料品質對 AI 有決定性的影響,資料品質不好,AI 的結果也會跟著遭殃。」

眾所皆知工業資料難以管理,部分原因是大量的機器和感測器增加了出錯的可能性。感測器可能會中斷連線或意外關閉,或者網路有斷線的風險,造成資訊缺失,使 AI 演算法對運作情況產生錯誤判斷。另外,故障的感測器有時還會傳送重複資料。

Wang 表示:「要確保資料的品質,這些問題就要解決。而且一定要趕快處理,因為這些龐大的資料集都遵守不同的通訊協定,傳輸的速度又快。Prescient 的平台能支援非常高速的資料傳輸率。我們可以收集、清理然後格式化客戶的高速感測器資料,然後準時交給 Bosch,滿足他們的上市時間需求。」

兩間公司持續精進這項整合至 Bosch Digital Twin IAPM(整合式資產效能管理系統)的解決方案。許多產業的公司利用這項解決方案來監控 Bosch 和其他製造商的機器。即時獲得準確的資料使工業企業在潛在問題發生前就先行阻止。

Wang 談到:「資料可能會告訴你某個小型機器元件老化而且運作不良。那你就可以花 1,000 美元做更換來解決問題。」如果無法事先掌握這些資訊,損壞的零件可能會引發一連串的故障。

例如,如果有元件燒壞,就有可能損害下一個元件,再進一步對更大的元件造成毀損。最終,整台引擎都有可能受損。一台價值百萬美元的機器如果發生故障,修理成本可能會高達數千甚至數百萬美元。

更糟糕的是,出現瑕疵的機器有導致整條生產線停擺的風險,造成工廠巨大的時間和金錢損失。Wang 表示:「如果機器意外故障,可能要幾天才能修好。但有了預測性 AI 分析,管理人員就可以在預定的維護期間進行修理,這樣生產線就不會停工。」

實施製造業數位孿生

企業可以透過購買包含感測器、內部部署工業電腦和感測器主機的入門套件來取得 Bosch Digital Twin IAPM,將感測器資料傳輸到電腦處理,然後再傳送至 Bosch 雲端進行 AI 分析。

Prescient 的軟體安裝在搭載 Intel 技術的電腦上,自動辨識不同的感測器類型,並快速清理和驗證接收到的資料。可靠又生命週期長的處理器是 Intel 的招牌,這兩項特點對設備位於偏遠地區的企業來說是關鍵價值。

Wang 分享到:「譬如說,Bosch 有一個石油和天然氣管道公司的客戶,他們的電腦部署在很難到的地方。技術人員要提前幾個禮拜申請進入許可,還要預約時間。」

Digital Twin IAPM 還能協助企業減少傳送到雲端的資料量,只傳輸被視為有用的資訊。如此一來可以減輕雲端資料擷取的負擔,並且節省成本。

對於不願意使用雲端的企業來說,更新版本的解決方案盒裝 Bosch IAPM Digital Twin 就像在邊緣的資料中心。這項解決方案在內部執行 Bosch AI 模型,利用包含 Intel CPU 和 GPU 處理器的高效電腦來進行進階 AI 分析。

Wang 表示:「很多企業因為安全和隱私的考量,不願意把資料傳到雲端,而且直接在廠房執行 AI 也比較省成本。這個解決方案越來越受世界各地客戶的歡迎。」

Prescient 的軟體也能為 AI 支援機器的建置商節省資金和時間。Wang 談到:「大部分的資料科學家只用 20% 的時間建置和操作 AI 模型。剩下的 80% 都花在準備要輸入模型的資料。我們的技術可以快速準備資料,加快 AI 解決方案的生產速度。」

利用工業 AI 改善營運

無論是在雲端還是廠內運作,工業數位孿生都能創造永久性的機器效能紀錄。透過分析這些資訊,公司可以根據瞬息萬變的情況調整機器設定並進行其他更動,將流程最佳化。歷史資料也能協助預測設備與維修支出,以及在選擇供應商和服務供應商時做出明智的決策。Wang 認為,這些功能可以為公司帶來重要的競爭優勢。

Wang 表示:「我預測在不久的將來,每個有大量昂貴實體資產的公司都會用數位孿生解決方案。」

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。