智慧製造帶來數據治理挑戰　新興技術對應三大痛點

受疫情、地緣政治動盪衝擊及淨零碳排時程迫近等因素影響，製造業對導入遠距生產、自動化管理的智慧化需求日漸增加，對供應鏈上下游訊息掌握度的要求，也逐漸提升。有些製造業者主動擁抱，然有些業者也被迫調整營運策略，例如疫情造成的封城、人員居家隔離、異地工作普及等狀況，導致遠距管理、遠距生產需求增加，使得企業必須更快速掌握、整合不同設備及不同生產流程的關鍵訊息及數據。 為此，製造業者除加速設備連網化、雲端化布局，全球也有近四分之一業者開始進行工廠不同功能區域、設備、生產部門的即時數據擷取與串聯，以提供遠距監控與整合決策所需。 另一方面，戰爭、斷航、貿易保護帶來的產業聚落重組等外部事件，也讓企業供應鏈的穩定性備受挑戰。企業要達成準確的零件交期、物流、庫存控管，就必須充分掌握、整合上下游業者的相關數據，以作即時性的綜整判斷。同時，各國政府及各大品牌商也開始要求製造業(及其供應鏈)進行碳減量、碳盤查，迫使企業必須加速掌握供應鏈上下游的碳排關鍵數據。 數據治理面臨三大痛點 全球有超過七成業者有意願與供應鏈上下游業者(如原料供應商、庫存端)進行數據共享，而到2024年，則將有四成業者完成數據共享。然而，在數據做為企業重要資產的觀念逐漸普及，多數企業也更加重視自身數據價值，而因害怕高價值、機敏數據外流至競業手中，影響數據共享意願。另外，資料隱私法規以及跨國數據共享限制，也使企業必須在數據共享的好處，與數據流通的限制間，尋覓新的折衷方案。 進一步檢視單一製造業者的生產環節，就會發現無論內部營運、外部合作，皆與數據處理息息相關。「人、機、料、法、環」的各個環節都涉及數據生產、數據擷取、數據儲存、數據應用、數據整合、數據交換與加值。在「數據即資產」的智慧製造觀念下，數據治理逐漸成為企業轉型為智慧製造的重中之重。 想要發揮數據的最大價值，製造業必須充分掌握即時、關鍵的內外部數據流。然而，多數業者亦面對不同環節數據應用的痛點及挑戰。以設備端數據來說，目前雖已有不少製造現場進行初步數位化、智慧化(如AOI視覺檢測、IoT感測器布建)，然而智慧化設備多為單點導入建置，各生產設備間系統孤立，數據無法互通，難以進行整合串聯應用與分析，此為第一個痛點。 第二個痛點則是企業內的不同部門(例如研發、倉儲、製造)、不同生產流程，大多使用不同管理系統，系統間數據格式往往難以進行串聯，而形成資料孤島情形，僅能提供固定部門取用方式，無法進行交叉分析，致使企業無法進行如預測性維護、產線效率最佳化、或發現跨部門資料的隱藏關聯價值等整合性應用。 第三個痛點，基於近年製造業者逐漸意識到「數據」乃是企業重要資產，在企業間的數據共享上，往往呈現互信不足，不願進行真實、即時的數據交換的情形。而缺乏透明、安全的數據共享架構，害怕數據隱私外流，以及國際間數據管制法規趨嚴等因素，皆是影響企業數據交換意願的主要原因。 綜上所述，製造業者面臨的數據治理痛點，主要為「對內數據流通性不足」，以及「對外數據共享安全性不夠」。針對這些痛點，以下將分析三種新興的數據治理技術，即數據發布服務、數據湖以及聯邦學習數據治理架構與技術，分別解決設備間數據串流、跨部門數據整合，以及跨企業數據共享的數據治理問題。 跨設備數據串流：數據發布服務 在製造場域中，同一廠區內的機械手臂、送料帶、AMR、感測器等，皆有各自廠牌封閉的作業系統與數據格式，若要進行數據統合，需藉由製造執行系統，或利用統一的標準、框架或協定(例如物聯網的MQTT數據協定)，進行數據串聯。 然而，目前主要的系統或框架，皆無法進行設備數據間的即時串聯與自動協作，而多用於事後分析。資料即時串聯不易，跟許多工業設備不斷產生即時且龐大的數據量有關。例如類比機台產生的連續波形數據，就是一種極端龐大的資料，而且這類資料的規模，甚至大到讓批次數據儲存都變得不切實際。此外，事後批次分析也無法滿足諸如故障預警、預測性維護等需求，導致整廠自動化程度有所不足。 為此，作為設備數據即時交換、設備協作解決方案之一的數據交換框架，DDS(Distributed...