工業物聯網 (IIoT) 與 Elastic Stack – 上
工業物聯網 (IIoT) 使製造業能從成千上萬個感測器與裝置中獲取資料。連接這些資料對監控生產程序以進行後續的分析非常重要。
然而，其中的挑戰是基於預測分析與廠房安全所需的資料收集和標準化。
即使是小型的製造商，也時常依賴數百台機器及感測器運作多間廠房，它們能在幾毫秒內產生數 TB 的資料，但資料卻不會被儲存及分析，因此顯得毫無價值。
「透過 Elastic，您可以收集、強化及分析 IIoT 數據，也能讓主管對整個生產過程更加瞭解。」- Marco De Luca, Principal Solution Architect
能大規模收集這些資訊將是重要的差異化因素，Elastic 優化了生產過程，從而提升效率與產品品質。
除了上述困境，製造業者通常至少還會面臨下列任一挑戰：
- 即使是新興製造公司，也會有一些封存許久的舊機器，而機器的生命週期為 10 到 20 年。如何將這些舊設備融入現代分析平台是公司需解決的難題。
- 對機器設備有全盤的了解是維護預測和維運的基石，因為不同的裝置使用不同技術進行通信，連網方式也不同。
- 許多專有的解決方案彼此互不相通。該如何從這些系統中獲取資料並連結到他台機器？
- 有些製造業已在考慮如何建立資料平台以監控所有新舊系統。但該如何利用這些數據，無論是基於營運/維護，還是為了建立額外/新的商業案件或服務
資料收集與分析對懂得箇中之道的公司有許多好處，除了能優化生產過程與提升產品品質，它們還能做到更多事情。
一個精心設計的監控解決方案，加上預測性維護，能大幅降低成本。感應器資料能顯示一個設備的狀況或產品品質。此外，它也減少資源的消耗。MM Karton 已藉由減少 20% 的原料消耗量證明了這點。
為您的 IIoT 資料分析奠定基礎
為了能充分利用異質資料 (heterogeneous data)，您需將其儲存在一個單獨的環境中，並能隨需求擴展。Elasticsearch 就是上述情形的最佳選擇。Elasticsearch 不僅能大規模儲存資料，也能用機器學習分析資料，且可以按您喜好將資料視覺化。
一旦可以收集到每個工廠的相關資料，想像一下全面的監控能如何提升工廠的生產效率。將各種資料儲存在 Elasticsearch 中，並用 Canvas 將多個組裝廠的資料在單一視窗呈現，就如同製作一頁連接動態資料的簡報一樣簡單。
對於不同裝配廠有全局概觀的確很好，但您也會想深入了解每個廠房機器的性能。 此外，您也需要結合每個供應商的資料模型，並確認相關性。
詳細的 IIoT 與 Elastic Stack 應用案例請參考：工業物聯網 (IIoT) 與 Elastic Stack – 下
