物聯網與工業4.0情境分析
TRANSCRIPT
物聯網與工業4.0情境分析
Kenny Huang, Ph.D. 黃勝雄博士
Executive Council Member, APNIC
亞太網路資訊中心董事[email protected]
2015 Dec
網際網路演化進程
2
Wave 1 : WWW~350M PCs annually
Wave 2 : Mobile/Cloud2.3B annually
Wave 3 : Internet of Things50B by 2020*
Connecting PCs Connecting People Connecting Everything
Source : Harvard University
3
Internet of Things (IoT) 是實體物件(Things)所形成的網路，物件包含電子晶片, 軟體, 感應器與網路介面，IoT物件與工廠, 或營運商或其他IoT物件透過資料交換服務而產生價值。IoT物件即是一台電腦系統，它具有唯一可識別性，與現有網際網路相容。
Source : Internet of Things, Wikipedia
“在物聯網的世界，即便是牛都將連接到網路”
Source : The Economist 2010
IoT預期數量與市場規模
4
Category 2014 2015 2016 2020
Consumer 2,277 3,023 4,024 13,509
Business: Cross-Industry
632 815 1,092 4,408
Business: Vertical-Specific
898 1,065 1,276 2,880
Grand Total 3,807 4,902 6,392 20,797
Category 2014 2015 2016 2020
Consumer 257 416 546 1,534
Business: Cross-Industry
115 155 201 566
Business: Vertical-Specific
567 612 667 911
Grand Total 939 1,183 1,414 3,010
Internet of Things Units Installed Base by Category (Millions of Units)
Internet of Things Endpoint Spending by Category (Billions of Dollars)
Source : Gartner, Nov 2015
IoT主要應用與預測
5
企業端的物聯網應用中，跨產業的包含連網燈泡、冷暖氣之空調（HVAC）以及建築管理系統等，這些物聯網裝置的目的是為了節省成本，而垂直產業的裝置則是指特殊專屬之物聯網裝置，包含醫院手術室裡的專用設備，或是貨船的追蹤裝置等。
在2016年之前，垂直專用的物聯網裝置是企業應用中最大的類別，但是隨著通用或跨產業之物聯網裝置用量不斷增加，使得整體情況會出現轉變。預估到了2020年，跨產業的物聯網裝置數量就成為主導企業應用物聯網的關鍵。
以支出金額來看，垂直專用的物聯網裝置仍舊於2020年之前都會勝過跨產業的物聯網裝置。
Source : Gartner, Nov 2015;
6
Example of Model-based Technique : Kalman Filter
7
Probabilistic Models: In sensor data cleaning, inferring sensor values is perhaps the most import task, since systems can then detect and clean dirty sensor values by comparing raw sensor values with the corresponding inferred sensor values.The Kalman filter is perhaps on of the most common probabilistic models to compute inferred values corresponding to raw sensor values.
IoT案例: 空氣清淨機連接網路
8
啟動
關閉Internet
失敗設計
空氣清淨機連接網路生活經驗
9
沙塵暴通知
x
耗材訂購
維持乾淨安全的居家環境- 連接生活經驗 connecting experience
IoT 成熟度模式
10
Source : Harvard i-lab
M1:商品連網 M2:企業優化 M3:商業移轉 M4:網路效應
現有機器初期新增IoT功能[M1]
11
開/關滿/空 開/關 冷/熱
壓力流速 位置 啟動/控制
案例: 餐廳燃油槽供應模式
12
油槽需要不定期檢查油量人工臆測油量未來需求，預先訂購燃油
油車需預先安排配送時程與配送路線
整體運作缺乏效率
Source: Harvard i-lab
燃油槽新增IoT功能[M1]
13
[滿/空]槽偵測 [流速]監測透過網路[收集資料]
流速監測 滿/空槽偵測 資料收集
IoT前後台系統整合[M1]
14
資料集中監控使用量分析預測交付模型
DataCtrl
產出: 時間, 地點, 數量, 價格
管理資訊系統MIS
產出: 時間, 地點, 數量, 價格, 車輛, 路線
決策支援系統DSS
依系統複雜程度導入人工智慧或大數據工具協助資料處理與判斷
[M1]
[M2]
企業優化[M2]
15
供應鏈優化SCM確保油品可用度提升客戶滿意度降低成本提升利潤
企業優化案例[M2]
• 連鎖餐廳400間分店，使用5000公升燃油槽
• 之前
– 油槽剩10%即請油品公司加油，最多僅能再加90%油
– 餐廳需支付油品公司滿槽(100%)燃油費
– 每間分店每年超收燃油費30萬元
• 之後
– 更換為IoT機械閥與IoT流量監控設備
– 精確計算油車需到達時間，油槽完全用光時再加滿油
– 400間分店x原超收費30萬=全年節省1億2千萬元
16
商業模式移轉 [M3]
17
需求不明確而購買超額油品
FaaSFuel as a Service
網路效應 [M4]
18
燃油供給與需求可以預測
工業4.0
19
Industry 4.0（工業4.0）包括Factory 4.0（工廠4.0）、Cyber Security （資訊安全）、Big Data （大數據）、Logistics 4.0 （物流4.0）、Mass Customization （大量客製化）、Internet of Things （物聯網）。Factory 4.0（工廠4.0）又涵蓋、Robot（機器人）、Autonomous Vehicle（無人車）、3D Printing/Additive Manufacturing（3D列印）、Advanced Manufacturing System （先進製造系統）、 Sensors （感測器）、Nanotechnology/Advanced Materials （奈米與先進材料）
Source: 科技政策研究與資訊中心
創新技術組合
Source: Roland Berger, 2015;科技政策研究與資訊中心
工業4.0 面貌
20
Source: Roland Berger, 2015
工業4.0 論述分析
21
滑坡謬誤(Slippery slope fallacy)
使用連串的因果推論，誇大了每個環節的因果強度，而得到不合理的結論。
預測創新科技往往高估它們的價值。依據科技預測產生的商業決策將導致非常高的風險。David Wheeler. “Toward more realistic forecasts for high-tech products”
網際網路對經濟的影響遠不及傳真機Paul Krugman. American economist
最終結論(工業4.0)依賴若干未經驗證的情境上(IoT, Big Data, 3D Printing..)
商業模式與營運模式不匹配
22
Total Product Life Cycle and Birth to Death Expenditures
1000 Ideas 100 Trials 10 Products 1 Success +
Sales Curve
Patent Filed
Licensees Profits
Sought
Idea
0 +
Reduction
to Practice
Shutdown Costs
Total Expenditure/Profit Curve
Pilot Plant
Marketing Starts
新創公司Startup
高失敗率
創新想法與變更Pivot
工業/工廠Manufacturer
低失敗率
成熟技術與固定製程
IoT / Big Data
商業模式 營運模式 績效統計
商業模式 營運模式 績效統計
IoT導入情境構面
23
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT系統及應用程式
管理資訊系統?MIS
決策支援系統?DSS
人工智慧或大數據技術
IoT 感應器
IoT醫療系統
IoT工業自動化系統
相容性/資訊安全?
相容性/資訊安全?
需求構面
資訊技術構面
技術標準構面技術標準構面
資訊安全構面
人權構面
財務構面(投資報酬率) 社會經濟構面(公共利益)
法律構面
資訊安全構面
網路普及構面:通訊成本
24
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT系統及應用程式
管理資訊系統?MIS
決策支援系統?DSS
人工智慧或大數據技術
IoT Data Plane IoT Control Plane
Data Plane Abstraction1 遞送信息封包
Control Plane Abstraction1 Control Plane 並沒有一致的抽象概念2 使用需求差異: MIS, DSS, ESS 等3 不同需求，使IoT系統客製化開發增加成本4 應用程式開發成本遠高於IoT網路成本
Data Plane 可能具有同質性, Control Plane 不具備同質性. 形成異質不相容的IoT網路系統
IoT孤島模式
25
IoT IoT IoT IoT IoT
IoT系統
IoT IoT IoT IoT IoT
IoT系統
IoT IoT IoT IoT IoT
IoT系統
IoT IoT IoT IoT IoT
IoT系統
incompatible
x
x x
x
xx
incompatible
IoT系統端若為封閉系統，市場零碎降低整體價值 技術不相容，導入成本提升 涉及隱私，限縮資訊收集範圍 技術供應商模式已存在，服務供應商模式仍待驗證 IoT產品購買者與IoT服務供應商對資訊所有權認知不一致
回歸M2M模式
26