6. Industry Evolution
Industry 2.0
Electrification
開始進行大量組裝的生產製造產
線,並且引入電力系統作為動力
來源
Industry 1.0
Mechanization
生產開始邁入機械化,並引入蒸
汽機與水力作為生產動力來源
Industry 3.0
Automation
邁入了生產自動化,也導入電子
化資訊系統,與電腦化。開始了
自動化生產
Industry 3.5
Globalization
更有效的資源管理,生產逐步朝
向低成本經濟。,此時,也是一
種4.0與3.0混合策略
Industry 4.0
Digitalization
運用物聯網、大數據的資料分析
和AI…等技術,改善自動化,更
好的協同合作與即時性資訊,範
圍從生產擴展到全公司
Industry 5.0
Personalization
已經是未來的新趨勢,人與機器
之間的高効交互與協作,最終目
的是創造能為客戶製造其個性化
商品
6
7. Technology is Enabling Industry 4.0
九大技術的產生
• Big Data and Analytics
• Autonomous Robots
• Simulation
• Horizontal and Vertical System
• Integration
• IoT
• Cybersecurity
• The Cloud
• Additive Manufacturing
• Augmented Reality
7
23. Deep Learning & Machine
Learning的模型訓練
在工業4.0布局雲端的類別
What Type on the Cloud
不會因為任何外在因素而導致
生產中斷
針對機台蒐集的資訊與相關聯
資料,需要長期儲存,和即時
數據分析與數據關聯性分析 可以跟核心系統脫鉤或是不需
要做即時資料交換溝通的系統
不直接影響生產
AI Training
巨量資料分析
核心系統低相依
23
27. Collect Data to Visualize Data
M2C
Process #1
Collect Date
針對每台設備蒐集設備製程參
數、設備感測參數、設備生產
狀態資訊…等可被輸出的資訊
Process #2
Deliver Data
資料內容作第一手分析與處理,
並且確認資料是要派送到雲端
或是地端,甚至是即時發送訊
息到用戶端
Process #3
Storage Data
資料都會先儲存在地端和雲端,
但是,地端保存時間不會太長,
超過時間會被移除
Process #4
Analysis Data
分析存放雲端的大量資料,或
是針對資料進行ML分析,甚至
是AI建模
Process #5
Visualize Data
視覺化呈現雲端存放資料,並
且找出商業價值或是問題點
27
28. 1
2
3
4
5
6
快速實踐端到雲
Collect Data
IoT Hub & IoT Edge
M2C Bridge
Azure Stream Analytics
Azure Data Lake & Azure Blob
Azure Data Factory
Azure SQL Database Service
Azure Function
28
42. Real-time insights to drive operational intelligence and transformation
Azure Time Series Insights42
PaaS的IoT分析服務
可用來收集、處理、儲存、分析及查詢高度內容相關且已進行時間序列最佳化的 IoT 資
料。 時間序列深入解析適用於特定資料探索及營運分析