「工業數位轉型」本質上就是要打破企業 IT（Information Technology）與 OT（Operational Technology）的藩籬， 將 OT 的設備運作的行為數位化（Physical behavior to Digital data），再用 IT 的技術進行分析（Digital data to Digital Insight）。最後，利用分析的結果協助 OT 端與 IT 端合作提升整體系統成效（Digital insight to Physical optimization），例如工廠生產單位的 MES 系統與業務端的 CRM 系統做資料整合，以期望供貨時間縮短、產能增加、成本下降等等目標。但近期做的 4.0 成熟度調查（Industrie 4.0 Maturity Index in Industry）就發現[1]，96% 的企業仍在數位轉型的起步階段，只有 4% 的企業自認為已經到了資料可視化或是可分析的階段。顯見大部份企業在轉型之路上並不順遂。從過去的經驗，我們發現工業要做數位轉型之初，看似容易，執行起來卻是最複雜的，就是 OT 資料取得的階段。
三個陷阱，提高了你的「OT 資料取得」困難度
- 看不見的環境陷阱：想像一下 OT Data 可能來自沙漠中攝式 40-50 度的鑽油井旁、長年在冰天雪地中綿延數百公里長的輸油管系統中、高速移動與振動的火車運輸系統上、化學燃油槽旁、或是高壓變電站的電力開關櫃（Switch Gear）系統內。種種的高低溫、震動、空氣中的化學物質、電磁輻射等環境干擾，很容易讓 OT 資料採集的電子設備故障，導致資料時有時無的不穩定現像，更糟的情況是取得了不準確的 OT 資料，這些狀況都會導致後端分析的誤判。而且陷阱常常藏在很小的細節中，實際案例包括，智慧工廠內的大型自動倉儲系統在啟動的瞬間會帶來強大的電磁干擾，讓安裝在附近的網路設備發生異常，而網路通訊的不穩定，即使只是一秒鐘的斷線，也會導致計算入庫產品的數量不準確，影響整批貨物的生產流程。
- 難以意料的設計陷阱：OT 的設備從感測器、控制器到控制軟體都有共同的特點，就是追求高度的工業應用專業化，可以說工業設備即以產業應用為設計導向。比如說，用在油井的控制器或感測器，就與電力監控的設備不同。但若想了解油井控制與能耗使用的關聯，就必需採集不同專用設備的運作資料。這時就會發現每個設備都支援自己才讀得懂的控制與採集語言。然而，將多元多種的異質設備進行交互運行分析，是工業數位轉型中很重要的一環，因而要取得更多種的設備資料，就得先建構出能與不同設備對話的能力，而這個需求大幅提高了分析多元 OT 資料的困難度，也直接提升了成本。
- 資料本身的身分陷阱：OT 設備或系統產生的資料，通常只有原始資料（RAW Data），而不會提供該資料的重要特徵描述（contexture）。例如，PLC 控制器會不斷的收集位於不同位置的溫度感測器的資料，做為監控的判斷。舉例來說，若溫度高於 45 度，就會打開風扇降溫。但在收集資料時，若直接由控制器取得原始 OT 資料（如 45），這個 45 對 IT 的資料分析師來說，還缺少對資料重要特徵（contexture）：例如，該資料是屬於那裏的設備？資料採集的時間？資料的單位…等等。沒有這些特徵的原始資訊，該資料對數據分析師只是沒有意義的一個值（Value）。將這些原始資料加上可辨認的標籤，成了收集 OT 資料的要點。這部分因為牽涉到 IT 端的使用習慣，因此需由具備 IT 能力的 OT 設備廠商強加研發才能做到。另外，如果資料量過大，數據分析師在將收集來的各種資料，依統一格式放入資料庫（Database）時，就會被龐大的工作量壓垮，所幸現在有資料轉換處理技術來幫忙。
強化 OT 資料取得的能力，提高 IT/OT 融合的速度
工業數位轉型的啟動核心即是 OT 資料，因此，在開始工業數位轉型的專案前，要記得盤點各種取得 OT 資料的方法、有多少不同種類的 OT 資料、如何將原始資料轉成 IT 資料庫需要的特徵與格式轉換。避開這 3 個隱藏的陷阱，並依企業的需求提早強化自身的 OT 資料取得能力。這樣的話必能有效的加快 IT/OT 融合的速度，踏出扎實地工業數位轉型的第一步。