由於COVID-19疫情反覆，製造業正同時面臨缺料缺工、薪資上揚、產品交期縮短、市場需求難預期等前所未見的挑戰，傳統上控制生產成本的措施已達極限，唯有運用產線數據結合領域知識進行深度分析，才能突破品質與生產力瓶頸以提高獲利能力。
也因此，隨著物聯網、機器學習與人工智慧應用興起，以數據驅動企業數位轉型的浪潮席捲全球，台灣製造業也積極尋思如何邁向數位化，引進智慧物聯網（AIoT）重新塑造價值，以解決產品良率、稼動率難以提升的困境，進而支援研發創新，在競爭激烈的國際市場中搶占先機。
然而要達成此要求，便需尋求完整擁有資料蒐集、機器學習演算模型、預測性分析等關鍵技術的專業供應商。以TIBCO為例，其TIBCO Data Virtualization（資料虛擬化）單一平台，不僅可輔助IT/OT場域彙整各式資料來源建構數據中台，TIBCO Spotfire分析工具讓運算數據得以視覺化圖表呈現，資料科學家亦可藉由其TIBCO Data Science與TIBCO Streaming技術，快速建立機器學習演算模型，以有效地釐清根本原因、增進預測分析能力，協助製造業逐步實踐智慧化戰略目標。
綜觀全球製造業，不論是傳統製造或高科技製造，數位化過程中遭遇的首要瓶頸大多在於資訊蒐集。TIBCO（台灣堤巴克軟體）大中華區解決方案資深顧問于正之指出，主因是製造業的資訊系統一旦上線運行，汰換難度相當高，至今多數場域仍存在老舊設備，根本難以銜接現代化資訊系統的技術。
TIBCO在中介軟體、資料管理與預測分析領域，擁有利基市場，以整合性方案來看，著手開展數位轉型的產業，凡涉及應用系統之間的整合，大多會採用TIBCO技術實作。以TIBCO長期合作夥伴Western Digital（WD）為例，在市場上為人熟知的是硬碟技術，實際上半導體技術也相當擅長，在數位轉型各個階段即多方面採用TIBCO所提供的數據管理與數據分析等技術實作各類半導體場域之智慧製造方案。
于正之進一步說明在轉型的第一階段，所謂的靜態資料蒐集，指的是各式獨立運行的應用系統後端資料庫。製造業較特殊之處是IT與OT職責分界相當明確，IT部門負責ERP（企業資源規畫）、MES（製造執行系統）、製造場域儀表板等應用系統，較偏重於商業決策應用類型。靜態資料蒐集較著重於IT管轄範圍，當產線開始運行後，必須仰賴不同功能的應用系統輔助，重要的數據皆各自存放於後端資料庫，必須先建構數據中台予以彙整，讓異質應用系統存放的資料得以進行串聯，消彌資訊的落差以發揮綜效。
至於動態資料則專屬於OT，為製造場域即時產生的數據，或稱之為串流資料（TIBCO Streaming Data），源自設備機台與感知器產生的數據，經過數據中台蒐集、彙整後才有能力精準地分析與開發創新。
數據中台實作彙整各種不同來源檔案類型的技術，市場上較常見的是藉由資料倉儲（Data Warehouse），把資料複製並存放到集中儲存位置，資料虛擬化技術則改以介接到異質資料庫取得結構（Schema），在平台上以抽象方式重組資料。當前端應用服務呼叫存取時，觸發資料虛擬化平台結構，即時地向後端異質資料庫查詢取得，予以重組後呈現。如此一來，不僅大幅降低資料倉儲維運與儲存成本，更關鍵的是掌握即時數據，解決資料倉儲只能採取批次方式執行同步導致資訊落差的問題，對於製造業邁向智慧化過程，可說扮演不可或缺的角色。
實際上，資料虛擬化技術並非新發明，但過去應用場景卻不多見，于正之觀察，製造行業資料來源管道多半為來自機台，與金融、電信等相比較為單純，但時至今日製造業製程越趨複雜，對執行與產能效率越來越要求建構一個高效率的數據服務中台已成趨勢。TIBCO Data Virtualization持續發展至今已累計三百多個Adapter，可涵蓋靜態資料與TIBCO Streaming Data，亦納入近幾年熱門的Apache Kafka，讓異質資料庫得以彙整，透過TIBCO加速運算，供前端應用服務呼叫存取。此外，內建執行時期最佳化、數據快取預載、清洗、安全管控等機制，用以提升整體運行效能。
資料倉儲存在的主要目的是為了滿足稽核與分析需求。早期較多是因應法規遵循，特別是金融業，機敏資料須保存七年的規範，因而導入部署資料倉儲系統善加保存。其次是大數據興起後，保存的歷史資料，可用於建立分析模型。儘管多年來業界亦試圖運用資料倉儲系統解決企業IT資料孤島問題，始終未能達到實質效益，但如今透過TIBCO Data Virtualization讓既有資料倉儲增添虛擬層，正可達到整合的目的。
「資料倉儲在現代化應用系統環境仍有其必要性，得持續仰賴ETL工具輔助，至於資料虛擬化則為進階模式，並非用以取代資料倉儲。」于正之說。兩者最大差異是TIBCO Data Virtualization採取In-memory運行存取後端資料庫指令，不保存資料。以敏捷性來看，資料倉儲可能以星期為單位，批次執行異質資料庫的彙整，虛擬化技術則可縮短到分鐘為單位，依據前端營運服務需求讓數據重新組合，藉此補足ETL欠缺的敏捷性，彼此之間相輔相成。
借助資料虛擬平台所建構之數據中台蒐集與整理大數據完備後，第二階段資料分析亦已導入部署TIBCO Spotfire與TIBCO Data Science方案，讓IT/OT運用易於上手的工具，先進行特徵工程分析資料內容型態與特徵，為自家場域建立專屬的演算規則、機器學習模型。
于正之指出，對半導體製造業來說，分析的目的首要是提高生產力、降低錯誤率，進而提升產品良率，鞏固市場競爭力。半導體製程良率低，代表成本高，因此資料分析的第一要務，即著重於提升良率，其次是增加OT場域工作流程的可視性。另一方面，產線的即時數據亦可轉換為儀表板或商業報表呈現，讓高階管理層掌握現場狀態，以便準確地制定決策。
數位轉型發展到第三階段，就是將演算模型實際部署到生產線。于正之舉例，透過資料分析發現，機台遭遇到特殊狀況會發生當機，或者溫度感知器偵測發現過熱持續超過10秒將影響產品良率，諸如此類的指標，在第三階段必須達到即時性偵測。TIBCO Streaming串流分析工具，便可基於演算模型輔助增進處方式分析，讓現場工程師在事情發生前先行排除，確保良率品質。
如今的WD已進一步實現先進製程控制（APC）、虛實整合系統（CPS），更重要的是實踐數位雙生（Digital Twin）應用。于正之說明，數位雙生本就屬於虛實整合的其中一項應用場景，WD現階段已可即時蒐集自每個晶圓製造機台物聯網裝置的數據，在系統中模擬機台運行，藉此實作虛擬量測（Virtual Metrology），只要導入生產機台即時監控的各類指標，即可產出量測數據，用以取代傳統實際抽檢程序，大幅降低破壞性檢測的成本。正在轉型路上的製造業，可借鏡先行者的經驗，以資料驅動逐步邁向智慧製造願景。
立即獲取『 』電子書，請即刻點選：https://reurl.cc/Npv419
立即獲取『 』電子書，請即刻點選：https://reurl.cc/Ddz41E