工業數位轉型（Industrial Digital Transformation, Industrial DX）可說是這幾年影響各個工業領域最重要的事，特別是疫情帶來的衝擊，企業開始加速數位轉型的投入。但在開始規劃你的工業數位轉型前，你知道什麼是工業資料（OT Data）嗎？

讓我們想像一下，假如你擁有一家工廠，能將有毒氣體轉化為有機肥料，但製作過程中，些微的溫度變化，都會影響活性劑的中和效果，影響產能。過去只能仰賴員工在現場巡檢調整，但這個方式仍無法讓你在溫度有變化時即時反應，因此你希望能先預知接下來六小時的溫度變化，才有足夠的時間調整機器溫度，以維持最佳的中和效果。這時你會需要幾種資料：設備運行的資料、控制器的資料、現場溫度的資料與氣象預測資料，而這些資料就是所謂的工業資料（OT Data）。

透過採集工業資料，再結合資料分析擬定策略，才能進一步創造商業智慧，因此工業數位轉型的過程，其實就是不斷加值工業資料的過程，Moxa 從過去 30 年連接工業資料的經驗中發現，這段加值的過程正讓工業資料產生大規模的質變與量變，導致資料傳輸技術愈趨專業與複雜。不僅是資料的收集、整理、標籤、安全模式、或對時傳送等指令，都被切分成更細微和精密的步驟，對應大量資料的湧入，傳送技術與速度也開始了時代的大躍進。工業資料傳輸已經成為一套融合領域專有技術與最新技術能力的新專業。我們可以肯定的說，「工業通訊」已經不再是我們以往認知的單純樣貌，甚至，它主宰了數位轉型是能否成功的重要關鍵。以下是幾種轉變中的工業資料：

工業資料的目的從「監控」變為「優化」：

過去，工業資料擷取出來的目的相當單純主要用於監視與控制（monitoring and control) 自動化系統是否仍穩定運作，例如：監視工廠內的工具機是運行還是停滯，或是控制輸油管每分鐘流量以符合市場油價，可以說是只專注在「當前事件」的監控。但在工業數位轉型趨動下，取得工業資料的目的不再只是滿足此時此刻對監控的要求，更重要的是整合各種工業資料，以進行分析並找到影響系統運行效能的關鍵困素，甚至創造新的商機。在我們的觀察中，早幾年就開始數位轉型的工業客戶並不少，因此已開始創造新的商模，以某領先的電力系統整合商為例，該公司啟動大量記錄氫能源電池中甲醇的歷史用量之後，利用數據分析推估未來用量，因此為特殊需求客戶發展出新的收費方案，將原本一次性購買的交易模式，轉變為每月依使用量，按月收費的機器即服務（Machine-as-a-Service），為自己與客戶開創雙贏的新交易模式。

工業資料的條件從「單一數值」到擁有「背景資訊」的數值：

當工業資料不再只是做為監控產線是否正常運行，也進一步作為分析的基礎時，IT/OT 的界線變得模糊，過往只需要確保資料在工業場域的穩定性（Reliability），後來則需進一步保證資料產出的品質（Quality），而後者也成為目前工業數位轉型最大的障礙之一。例如：工業設備的生命週期通常很長，產出可作為分析的資料若不是不完整就是格式不一，如果這些資料直接送到電腦分析，IT 人員就需要做額外的資料清理與轉換。最糟的情況是，產出的資料無法判別，而成為無用的資料。舉例來說，工業資料輸出顯示「5」，但在沒有任何標示下，不會知道它背後所代表的是「機器轉速為 5」，而這之類的現象並不少見。解決方案之一為，將此類無法被電腦辦別的工業資料，在送到電腦分析前，透過資料傳輸設備內建的程序作資料預先處理，就可將資料轉為 IT 需求的格式，並給予工業資料文本（Context），賦予該資料完整的意義。也可以說，將工業資料變成「分析可用化」，是工業資料革命起始的重要步驟。

工業資料需求的質變與量變 - 來源與種類變得「更多元」：

傳統的控制系統，其實已經依賴許多工業資料在運作，單純的資料像是水槽閘門位置、每日產油量等，顯示運行狀態的資訊，也有複雜一點的資料，例如生產配方或工序。然而，工業數位轉型需要更多元的資料，以再生能源市場為例，為了快速清除在太陽能板上的遮蔽物或污漬，以提高產電效率。除了監控變電器的發電量，還要加裝多支感測器，來取得溫度濕度等環境數值，加上無人機的影像資料，一併送給到管理中心透過 AI 分析，得知受污染太陽能板的準確位置，讓管理階層做即時且精準的維修調度。利用更多元的工業資料分析來減少傳統資本支出，大力提升生產效率。

工業資料的即時性從「線性控制」變為「循環反饋」

傳統的自動化系統非常強調控制的即時性，而過去被擷取的工業資料則通常是為了顯示在線性控制過程中的其中一個狀態。當這個過程結束了，工業資料的任務通常也就結束。工業數位轉型也強調即時性，但這個即時性是對「工業資料更新/分析/反饋」。藉由新的大數據資料處理技術、更快的網路，以及工業電腦運算能力的成熟，OT 資料能不間斷地流向 IT 系統進行分析，而分析的結果又能立即反饋到 OT 設備的運作，進行即時優化與調整。以我們的客戶 KPMG 服務的中小型製造商為例，為了減少不良品重工造成的人力與物力的浪費，該公司透過採集震動、溫度、轉速、電流等更多工業資料之後，上傳到 AI（人工智慧）平台進行分析，就能在發現某機台的刀具電流頻率過高時（象徵該刀具已磨損），提前更換刀具，以確保所有產品都有高品質的產出。

工業資料只會更多不會更少

工業 3.0 的時代，一個大型的自動化系統（如煉油廠的 DCS 分散式控制系統）就已經做到每秒能處理處理成百上千筆的資料。然而，這些資料僅用於設備運行時做判讀，一但運行結束，判讀資料的任務也就結束。然而，數位轉型的甜美在於，若能取得大量的資料來做模擬與分析，可以快速提升即時營運效率之外，還能管控營運風險。以台灣的鐵道公司為例，為了因應疫情的需要，協助旅客避開人潮較多的車廂，該公司在列車上加裝測量車廂載重的壓力感測器，並在列車進站前，連同車廂內影像一起回傳給行控中心，讓行控中心收到所有車廂的擁擠度資訊，依據需要，將即將進站的列車狀況推播到月台螢幕上，或通知月台管理人員協助疏散人潮至其他車廂。

工業資料安全性可升級為企業與國家安全

工業資料雖然並不是以隱私為收集標的，但許多工業資料代表關鍵基礎設施（如水廠電廠的設備監控），或是關鍵製造設施（如煉油廠、半導體工廠）中的重要營運信息。若這些資料不正確或被惡意竄改，其帶來的損失無可計量。以 2021 年二月在美國發生的資安事件為例，駭客僅利用過期的 Windows 版本和不良的網路資安措施，就從遠端進入了公共水處理廠的 SCADA 系統，準備以不正確的資訊，將水中的氫氧化鈉含量提高到可能會危害人體的範圍，幸好現場作業人員即時發現異常並處理。隨著愈來愈多的網路攻擊發生，工業案場有可能成為惡意攻擊的目標，進而造成巨大災難，這也顯示工業資料所在的網路安全有其嚴重性與必要性。

在過去，神秘又不為人所注意的工業資料因為數位轉型有了巨大的革命性轉變，直接催化了 IT/OT 無論在場域上、知識上、營運上、防禦上，甚至人員心態的融合，我們將在近期更加深入探討更多工業資料革命下的影響與變革。