工業物聯網

然而，許多研究都顯示，人的記憶其實很不可靠，建立在記憶之上的經驗自然也是如此。因此，在企業數位轉型逐步落實的過程中，資料決策與經驗決策之間的衝突，必然會頻繁上演。機器收集到的資料跟分析，也不一定完全可靠，特別是在很多數位轉型只做半套的公司中，資料的信度跟效度，會是一個很大的問題。 因此，對於正在推動數位轉型的製造業而言，事實上也不宜太過相信機器給出的資料分析結果，除非對資料收集、分析的方法論，以及許多執行層面的問題有極高的信心。 而這個情況勢必會讓資料決策跟經驗決策的衝突，變成一個更難解的問題。 資料採集/分析可靠嗎？　先問執行與方法論 一般來說，拜感測技術進步之賜，現在用資料採集設備取得的資料，都有相當高的可信度。但對製造業應用而言，因為感測器通常是安裝在遠比感測器要大上幾十倍的機台設備上，因此，感測器裝在何處？如何安裝等技術細節問題，都可能會影響到感測器取得的數值。 此外，就像機台某些零件在持續運作的過程中，會有飄移、老化等問題，感測器本身其實也會有飄移跟老化現象，特別是在某些極端嚴苛環境或特殊應用領域，感測器有時本身就是一種近似耗材的設備，需要定期細心維護保養。 因此，當製造業的數位轉型計畫執行到一定階段，開始有資料收集、分析能力之後，管理者最該嚴格檢視的是這些感測器資料的信度與效度。如果感測器得到的資料本身就有信度跟效度問題，就不用談更進階的資料決策了。 除了與感測器有關的問題外，有時機台參數的設定，也是隱藏魔鬼的細節。有些機台會不斷把生產過程中記錄下來的參數儲存起來，以建立生產履歷。然而，有些工站的操作員為了追求帳面上的良率數字好看，或是盡可能減少停機維護的時間，提高生產績效，會把製程參數的容許範圍設定稍微放大，其結果就是產出品的公差範圍會跟著變大。但由於容許值設定被調整過了，因此設備錄得的資料，表面上看起來是一切正常的。 如果後站對來料公差的容許值夠大，或是後站的加工程序不會讓公差進一步擴大，這通常還不成問題。但如果後站本身對來料公差的容許值很低，或是加工程序會進一步擴大公差，其結果就是半成品在經過幾道製程步驟後，不良率會突然竄升。這對於仰賴資料做決策的生產人員來說，會是一個很棘手的問題，因為產品加工的良率突然下滑，原因不是發生在良率突然降低的工站，而是前面幾站就已經有問題了。 通常，產線作業員不應該有這麼大的操作權限，可以調整這類參數設定。但有設備業者表示，把機台管理權限下放給作業員，是很多製造業者都會做的事情。因為若把管理權限設得太嚴謹，甚至中央統一控管，則機台發生任何問題都要靠產線領班或產線工程師處理，這些管理者會疲於奔命，產線運作也會不順暢。 這也衍生出一個問題，為了追求生產效率，每個產線一定都有標準作業流程(SOP)，但當企業開始推動數位轉型時，已經建立的SOP很可能是有問題的，必須重新進行梳理跟檢視。PCB大廠臻鼎的董事長沈慶芳就曾說，該公司的智慧工廠發展策略分成集合、整合跟融合三個階段。 在集合階段，最重要的工作就是對現有作業進行梳理，確定SOP是沒問題的，然後才是開始導入自動化、模組化生產，並引入精密控制、視覺整合等技術。把集合工作做好後，進入整合階段，才開始建構IT系統，導入生產追溯、品質追溯、資訊串聯、工程改善等機制，技術方面則開始推動設備連接化及產品輸送智慧化等技術。 到最後的融合階段，臻鼎才開始聚焦在解決運作痛點，追求生產品質提升、智能生產排程，並導入EDA跟大數據分析、AI、機器學習等技術。 從臻鼎分享的經驗來看，對於剛開始導入資料決策模式的製造業者來說，應該反覆追問的問題有二：一、產線設備所收集到的資料可靠嗎？二、分析人員有足夠的能力，從資料的表象中看出真實問題所在嗎？ 在半導體產業，特別是在前段晶圓製程，因為自動化跟機聯網已經導入多年，加上產品製造過程中，對於任何參數飄移或公差的變化都非常敏感，因此晶圓廠跟設備業者都已經發展出一整套用來確保資料品質的方法論，並落實在設備的日常操作跟管理上。但對於其他製造業來說，要一步做到這個水準，可能是相當困難的。因為這不只是技術問題，也是管理政策跟組織文化的問題。 數位轉型需與組織文化再造連動 在數位轉型推動初期，企業管理者最需要關注的，是資料品質跟資料分析能力的問題。高品質的資料是產出高品質分析結果的必要條件，但光有高品質資料是不夠的，還要有具備領域知識的資料科學家來分析，才能產出高品質的分析結果，進而做為管理階層決策的參考依據。 旺宏電子早在1991年就開始發展自家的sNOVA系統，在那個人工智慧還只是學術理論的年代，為何旺宏就開始投入開發自己的數據分析平台？旺宏資深處長涂凱文給出了答案：為了把工程師腦袋裡面的Know-how用資料分析的手段保存起來。 旺宏的主力產品雖然是唯讀記憶體(ROM)、NOR快閃記憶體等利基型產品，但同樣會受到記憶體產業景氣循環的影響。在記憶體產業景氣不佳的時候，很難開出有競爭力的薪資留才。因此，旺宏的管理層思考出一套做法，想藉由資料分析把工程師腦中的知識固化成資訊系統，歷經二十多年的累積演變，才成為旺宏今天引以為傲的sNOVA平台。 在sNOVA逐步發展的過程中，一開始公司內部確實有懷疑，因為當時大數據分析的概念還沒出現，人工智慧更只是學術研究的題目。很多人都會懷疑，真的能靠資料分析來維持半導體廠的營運嗎？ 但在旺宏管理層的堅持跟主導下，旺宏的資訊部門開始一步步推動，從最基本的布建感測器、進行資料蒐集開始，到後來建立起廠務、製程控制、設備機台壽命等各式各樣的統計模型，並據此預測廠務設備調度需求、晶圓瑕疵趨勢、機台故障預兆診斷等，證明模型準確度高於人基於經驗法則的判斷後，現在公司的大小管理階層都已經養成靠統計資料做決策的習慣。 涂凱文回憶說，這一路走來有許多不足為外人道的故事，例如一開始在做機台改造，布建感測器的時候，因為IT團隊懂統計、數據分析跟寫軟體，不是半導體製造專家，根本不知道要收集哪些資料，就算收集到，資料品質常常也很差。如果不是製程團隊、廠務團隊的協助，幫IT團隊畫重點，sNOVA是不會成功的。 另一方面，在確定資料品質可靠之後，IT團隊如果只停留在資料可視化，沒有進一步發展出輔助決策系統，這樣的IT團隊只會製造問題，而不是解決問題。旺宏sNOVA平台現在每天會記錄超過40億筆資料，產出數十萬張圖表，如果沒有靠機器系統幫忙過濾，聚焦在異常徵兆或現象上，完全靠工程師人力判讀，絕對會變成災難，並引發公司內其他部門的不滿。如果不做資料過濾、不做分析預測、不做決策輔助系統，那不如不要做智慧製造。 旺宏的成功故事，對其他有意發展智慧製造的製造業者，至少可以帶來四個啟示： 一、由上而下的充分授權跟支持，讓IT團隊可以好好做事。 二、現場團隊必須跟IT團隊緊密配合，才能幫助IT團隊把系統建置好。 三、IT團隊必須要發展出決策輔助系統，並證明系統判斷的準確率高於人基於經驗的判斷。 四、使用者必須養成基於資料做決策的習慣跟文化，否則空有系統也沒用。 第三點跟第四點是許多製造業者在推動數位轉型時很容易落入的陷阱。如果IT團隊只做資料可視化，沒有進一步將資料梳理成可以決策輔助的資訊，這種數位轉型只是半成品，對企業營運的幫助有限，甚至反而會製造組織內的衝突。另一方面，如果決策輔助系統已經到位，但管理者仍未建立依照資料做決定的習慣，決策輔助系統的建置自然失去意義。 管理者的責任：善用KPI工具 企業要成功推動數位轉型，建立起資料決策的企業文化，最重要的其實不是技術。事實上，智慧製造或數位轉型，除了數位雙胞胎(Digital Twins)的建置涉及到複雜且授權費用不低的專業模擬軟體外，絕大多數台灣製造業目前正在推動的數位轉型，所使用的工具跟技術都是很成熟的，有些甚至還已經是開放原始碼的免費軟體。 舉例來說，很多產線設備上都有人機介面(HMI)設備，作業員每天上班的工作內容，就是進行重複的資料輸入操作。但這種重複輸入的工作，早已可用按鍵精靈這種隨手可得的免費軟體來處理，只是工程師可能要會撰寫腳本。 因此，在探討技術問題之前，企業管理者必須先釐清自家公司的數位轉型目標究竟為何，推動過程中如何創造有利的「人和」條件，讓公司裡的各個部門都願意通力合作，完成必要的系統建置。最後才是談技術相關的問題。創造人和是數位轉型裡最艱鉅的挑戰，因為數位轉型通常都是為了提升企業經營效率、導入自動化，而這對員工來說，是很有威脅性的--飯碗可能會因為自動化而不保。 至於對中階管理者來說，從主觀決策轉向資料決策，某種程度上意味著自己過去累積的經驗將變得沒有價值，儘管事實上並非如此。沒有人的智慧，不會產生人工智慧，但害怕自己被取代，是職場人的生物本能。因此，管理者必須設法排除這些非理性因素對數位轉型的干擾。 還有一種情況是製造業在進行數位轉型時常出現的問題：KPI目標的矛盾。對製造主管來說，產能利用率跟生產效率是最重要的績效指標，但在建置決策輔助系統時，除非是新建廠房，否則幾乎無可避免地會涉及機台停機改造、布建工業物聯網等基礎建設的施作。此外，IT團隊不是製造領域的專家，要讓IT團隊理解製造現場的狀況，影響生產良率跟機台健康狀況的關鍵指標為何，現場的專家團隊必然要提供額外指導，這也會影響其工作。 如果要讓IT團隊跟其他現場專家團隊合作無間，在進行數位轉型的過程中，企業管理者必然要調整現場團隊的KPI設定，讓這些專家得以暫時放下效率至上的思維，把心力跟資源放在跟IT團隊合作上。如果KPI設定不調整，對現場狀況完全不懂的IT人，會是製造專家團隊的包袱。

ToF飛時測距 ADI ToF技術採用脈衝型雷射，可以大幅降低功耗，搭配CCD感測器，畫素達640×480 VGA等級影像解析度及精準度，安馳科技資深技術應用工程經理吳明宗表示，在製造現場，ADI的ToF是感測6公尺以內的範圍，可以應用在自動導引車(AGV)或帶有手臂的智慧移動機器人(IMR)，ADI ToF解析度是CMOS ToF的四倍，其深度資料可有效地增加影像辨識度，室內採用850奈米(nm)波長雷射，室外應用為避免陽光吸收，採用940奈米波長雷射。 在應用部分，ToF電子圍籬能建置安全防護Virtual Wall，以ADI的ADDI9033搭配ToF感測元件，提升產線作業人員與機器手臂協同作業的安全性，吳明宗提到，IMR或AGV則可以使用機器視覺，協助其空間辨識或避障；汽車應用以駕駛監控與手勢辨識兩類為主，在夜晚低光源的環境下還是可以進行影像辨識，甚至可以清楚辨識駕駛的表情。 應用於商業空間的3D人流統計時，則可利用影像技術分辨身高，有效分辨進出人流，並計算總量。傳統自動門採用紅外線反射原理，讓動物也可以自由進出一般商場，造成管理上的困擾，使用ADI ToF 3D立體影像感測時，可以辨識區分空間中人與物體的相對位置距離遠近，有效摒除非人類進入商場。 BMS電池管理 另外在電池管理(Battery Management System, BMS)部分，吳明宗指出，ADI BMS產品最大的優勢便在於鋰電池的管理精度，無論面對什麼環境，都能把精度誤差控制在非常小的範圍內，且可以保持十年不變。也能在同樣電池容量下提高電動汽車的整體續航里程。因為ADI BMS產品內建了Buried Zener Reference技術，能夠為測量系統提供高精確度。 LTC6813是一款多節電池堆棧監視器，該元件可測量多達18個串聯電池單元，總測量誤差小於2.2mV。電池測量範圍為0V~5V，使LTC6813適用於大多數電池化學成分，所有18個單元都可以在290μs內測量，多個LTC6813元件可以串聯連接，同時監測電池、高電壓電池串。也可以直接由電池組或隔離電源供電。該監視器包括每個單元的被動平衡，每個單元具有單獨的PWM工作週期控制。其他功能包括板載5V穩壓器，9個通用I/O線和睡眠模式，其中電流消耗降至6μA。LTC6813適用於電動/混合動力汽車，電池備份系統和高功率電池系統。 無線工業聯網模組IIoT RF Module ADI無線工業聯網模組IIoT RF Module可延伸更多感測器，吳明宗解釋，該模組兩端協定是由IEEE 802.15.4作為溝通，模組可選擇2.4GHz，其優勢在於具有高傳輸速率。ADI IIoT Module為低功耗，待機時間約可達到數年之久，且可依客戶需求搭配多種的感測器，可達到99.999%可靠度，抗干擾能力強。工廠可監測溫度、濕度或有毒氣體等。 雖然增加這些裝置，可能提高了硬體建置成本，但後續所產生的效益可能會遠遠超過傳統的方式。例如在工廠廣泛布點後，能夠減少監控人員巡點或手動檢測、紀錄的耗時，因此在人員配置上可大幅提升工作效益，並且在系統收集資料的同時，上傳雲端，直接與後台做聯結提供大數據分析，不需再額外花費人力，蒐集、紀錄、上傳等。 深度學習智慧監控 AI機器學習無處不在，賽靈思專注於深度壓縮技術，安馳科技技術應用工程部經理吳文忠說，利用Zynq-7000 SoC和Zynq UltraScale...

也因為要做的工作實在太多，對於以中小企業型態為主，資源相對有限的台灣製造業而言，要畢其功於一役，可說是不可能的任務。因此，大多數台灣製造業者都必須針對自身的營運需求，排出數位轉型計畫的導入優先順序，然後才能一步步落實，達成數位轉型目標。這也意味著企業主事者有責任為自己的公司排出最佳化的「轉型課表」，因為只有管理高層才有綜觀全局的資源跟能力，而且國際大廠推出的解決方案「套餐」，未必真的符合自家公司的需求。 換言之，企業主必須先盤點現有產線的狀況，找出瓶頸所在，然後評估相關改善的投資成本與回收時間。通常，產線最大的瓶頸所在，也就是最需要優先改善的項目，但考量到相關投資的費用、人力投入成本與回收時間，該項目就未必是當下最需要優先執行的項目。反之，有些回收很快的改善項目，未必能解決當下產線所遭遇的問題，例如能源管理與節能相關的改善，通常無助於解決生產瓶頸的問題，但卻能在成本撙節上帶來很明顯的效果。 緊抓KPI與ROI 由關鍵績效指標(KPI)與投資報酬率(ROI)這兩個I所組成的矩陣，是企業主在制定數位轉型課表時，非常有效的輔助思考工具。KPI與產線本身的改良有直接關係，通常是指個別改善項目所能帶來的量化效益，例如整體設備效率(OEE)的提升、生產效率的提升或設備維護成本的降低；ROI則是個別改善項目所需投入成本的回收時間，一般來說是以年為單位來衡量，回收時間越短越好。 圖1是由KPI與ROI所組成的座標系，第一象限是改善的量化效益高，投資回收期短，最適合優先進行的項目，第二象限則是改善量化效益高，但投資金額巨大，或是回收時間長的改善項目。第三象限則是產線改善效益不明顯，投資回收期也長的項目，通常企業主會避免在數位轉型的初始階段就進行這類型的改善計畫，第四象限則是產線改善效益不明顯，但可以很快回收的改善項目。 圖1　KPI與ROI座標系 對企業主來說，落在第一象限跟第四象限的數位轉型工作項目，通常是比較容易排在高優先事項的投資，因為其所帶來的經濟效益巨大，風險也低。第二象限則屬於「攻堅型」的數位轉型項目，這類項目雖然能帶來不錯的改善效益，但因為投資的回收期長，通常也意味著更大的營運風險。 之所以用相對籠統的方式概述，主要是因為對個別企業而言，即便是類似的改善項目，KPI跟ROI也可能有很大的落差。舉例來說，能源管理方案投資的ROI好壞，就跟個別企業的能源使用狀況有密切關係。 對耗電量大、電力需求波動卻相對小的連續製程產業，例如鋼鐵、石化來說，投資能源管理方案最大的好處大概只有找出不必要的能源浪費，省下一些費用；但對於耗電量中等，電力需求波動幅度卻很大的一般組裝製造業來說，導入能源管理不只是省電費，還有可能衍生出虛擬電廠這類新業務，把節能變成可以創造現金流的生意。如果是耗電量本來就不大的小工廠，在節能方面進行投資，ROI就會變得不那麼吸引人。 工業物聯網/資料可視化必須優先推動 雖然數位轉型的專案項目能帶來多大效果，絕大多數都得看個別廠商的情況而定，但由於數位轉型的終極目標之一，是實現由資料驅動的數位決策，因此跟取得資料、分析資料有關的基礎建設，可說是製造業追求數位轉型的過程中，無法迴避的基礎建設。 據工業電腦大廠研華針對其客戶群所進行的效益分析，很多製造業只要完成工業物聯網建置，並加上資料可視化工具，就能讓OEE提高20%。而且，沒有工業物聯網提供的資料，加上可視化工具對資料進行初步爬梳，數位轉型根本無從推動。因此，這兩項相輔相成的投資，實為製造業展開數位轉型的原點。 事實上，許多大廠正在帶頭推動的「關燈工廠」、「AI輔助決策系統」等專案項目，對中小企業來說都還太過遙遠。如果中小企業沒有先釐清自身的真正需求，把底層需要的基礎建設做好，貿然導入無人工廠或AI系統，恐怕會是一場災難。 無人工廠是工業自動化的極致，但自動化跟製造業數位轉型不宜直接畫上等號。而且，現有的自動化技術還是比較適合少樣多量、大規模生產的運作型態，對多數講求靈活接單、彈性生產的中小型製造業者來說並不適合。即便是研華、凌華、新漢等營收已有相當規模，又是智慧製造解決方案重要供應商，對工業4.0、數位轉型理解較深的業者，其產線也沒打算朝無人工廠邁進。相反的，這些工業電腦業者的計畫，是藉由導入各種智慧化技術，讓員工的人均產值得以向上翻升。 至於AI輔助決策系統，則是數位轉型成功的結果，而不是數位轉型成功的原因。撇開強化學習(Reinforcement Learning)、生成對抗網路(GAN)等還在發展中的機器學習(ML)模式不談，目前比較成熟的機器學習技術，仍是監督式學習(Supervised Learning)。這種機器學習模式需使用大量經過標籤的資料集進行訓練，方可得出相對準確的推論模型。如果沒有資料，空有機器學習所需的軟硬體，也無用武之地。 正如同台灣清大清華講座教授簡禎富在其《工業3.5--台灣企業邁向智慧製造與數位決策的戰略》一書中所提及，未來的製造業面貌，是在自動化的基礎上，結合人工智慧、大數據、雲端、物聯網等快速應用的科技，精進至彈性決策、聰明生產的智慧製造……台灣當務之急，特別是中小企業，應該發展「工業3.5」，作為目前的「工業3.0」和未來的「工業4.0」之間的混合策略。工業3.5的概念，就像人和智慧機器合作，配合數位決策大腦的鋼鐵人。 完全用機器或AI取代人的投資項目，對大多數台灣的中小企業來說，其實是落在ROI與KPI座標系第三象限的項目，除了需要大量投資之外，現階段所能取得的效益其實也有限。混和了人與智慧機器的工業3.5，才能讓中小型製造業穩健地朝數位轉型的目標邁進。 當心路徑依存陷阱 中小企業主事者在為自家公司制定數位轉型計畫時，除了要隨時緊抓KPI與ROI之外，還必須為日後的發展路徑做好準備，以免在不同階段完成的轉型項目，最後在進行整合時，出現難以相容甚至彼此衝突的棘手狀況。簡言之，計畫制定者就像下一盤大棋的棋手，必須具備設想三到五手後棋盤上的局勢，並預先做好對應的安排。 要培養這個能力，首先必須要具備路徑依存的概念。事實上，就像下棋一樣，決策者每做出一個決定，同時也會限制未來能選擇的發展路徑，這就是所謂的路徑依存。 用比較容易理解的情況來解釋，當某家製造業者選擇某種網路技術來搭建廠區的工業物聯網時，日後新增的節點設備就必須要支援同一種網路技術，不然新舊設備可能會出現難以相容的問題，除非是刻意要打造多個網路，並且讓不同網路保持獨立運作狀態。 同樣的，當業者選定了某一個雲端平台後，就會被該平台的應用生態系綁死，除非不同平台之間有規劃完善的轉換機制，否則要把原本建立在某一平台上的應用搬遷到另一個平台上，會是一個大工程。 雖然目前各家解決方案供應商都高舉開放大旗，但開放跟封閉是相對的觀念。過去工業設備跟相關軟體解決方案產業是極度封閉的，許多大廠牌都有自己的資料傳輸、控制命令協定，只能跟自家的其他產品互通。現在的情況則稍有轉變，從單一品牌通包變成各品牌彼此結盟，共建生態圈。 跟完全只能用單一品牌業者的情況相比，現在的情況當然是比過去開放，但這所謂的開放，其實也只存在於同一陣營或產業聯盟間，跨陣營的互通還是會很容易出現問題。 展望未來，工業領域的設備跟軟體供應商，除了少數特殊情況，將越來越難用自有標準綁客戶，因為整個產業的趨勢是越來越開放。對製造業者來說，此一趨勢固然是有利的，但製造業者還是需要對技術的路徑依存問題提高警覺，畢竟新舊設備不相容，在強調萬物互聯的物聯網時代，會造成更嚴重的問題。 當然，只要市場存在跨廠牌/跨陣營設備整合的需求，自然就會有對應的供給出現，這也是實務上很少有製造業者會整條生產線採用同一品牌設備的原因。協定轉譯、機台改造等軟硬體解決方案，都已經行之有年，也是用戶得以避免被供應商綁死的巧門鎖在。 另一方面，雲端運算是製造業數位轉型中新出現的元素，很多製造業者對此並不熟悉，因此在選擇服務供應商時，常會忽略了服務供應商轉換的隱形成本。雲端平台其實也是一個個生態系彼此競爭的市場，有些服務供應商為了挖對手的牆角，會提供對應的轉換工具，降低用戶平台轉換的成本。但不同的雲平台終究有不同的生態系統，有些應用或工具就專屬於某一平台。 當用戶還停留在資料可視化階段的時候，不同平台之間還看不太出差異，但如果用戶要發展更進階的資料分析工具，或是尋找現成可用的第三方應用時，就會有很明顯的感受。這也是為何Google的雲端服務幾乎橫掃個人用戶市場，但在工業雲上的能見度跟市占率，會遠不如微軟(Microsoft)、亞馬遜(Amazon)等其他雲端服務供應商的原因。 企業運作不能脫離基層　現場人員意見不可少 雖然數位轉型必須要由上而下推動，且主事者的意志跟計畫品質良窳攸關整間公司數位轉型的成敗，但有意推動數位轉型的企業管理高層，除了要時時刻刻從KPI與ROI兩個面向來思考問題，並小心避開路徑依存陷阱之外，也必須懂得聆聽第一線人員的聲音，方能避免錯誤的決策。 第一線人員不僅是設備的直接使用者，同時也是最熟悉製造流程中諸多細節的人。如果製造業的數位轉型計畫完全是由管理層由上而下推動，基層人員的想法或建言沒有納入，會很容易出現盲點。由下而上跟由上而下兩條路線同等重要。由上而下的推動，重點在讓全體員工了解企業數位轉型的大方向要怎麼走；由下而上的推動，則是要為了抓緊細節，避免企業的數位轉型計畫不接地氣。 也因為第一線人員的參與，對企業數位轉型的成敗十分關鍵，如何讓公司從上到下都了解數位轉型的真實面貌，進而為組織轉型做出貢獻，是非常重要的。 資料透明化是實現數位轉型必要的基礎建設，但資料透明不是人人都喜歡的事情。資料透明意味著企業的管理階層可以清楚掌握製造現場的狀況，甚至做到即時管理，這對基層員工來說是有壓力的。舉個最簡單的例子，沒有人希望自己上班時的一舉一動都被老闆盯著看。 另一方面，做產線主管的人，在資料透明化之後，自己的管理思維也得跟著改變。看到蜂擁而來的即時資料，其實管理者也不輕鬆。因為有資料，當中階主管的人會比過去更容易落入微觀管理(Micro Management)的陷阱。製造業固然是非常講求工作紀律的產業，但如果主管不分大小事都要介入，結果肯定是吃力不討好。 總結來說，企業要進行工業4.0或數位轉型，不只是導入工業物聯網或是把資料傳到雲端去做大數據分析就好。技術面的問題容易解決，組織文化跟管理風格的問題比較難解。因此，如果企業內部已經有資料驅動的文化跟機制，只是資料的取得還沒有那麼自動化，推動工業4.0會比較單純。但如果企業本身還沒有建立起重視文件記錄跟用資料做決策的文化與運作機制，導入工業4.0就會牽涉到組織文化的變動，這才是真正的挑戰所在。

施耐德電機(Schneider Electric)發布適用於工業物聯網(IIoT)的全新可程式邏輯控制器Modicon M262，以直覺、可擴展且可靠的方式整合工業4.0環境，包括機器對設備、機器對人、機器對機器、機器對工廠，乃至於機器直連雲端等。Modicon M262配備兩組隨插即用的獨立乙太網路端口，並內嵌網路安全功能及加密協定，提供直連雲端的能力及數位服務，是智慧機器時代強而有力的新解決方案，適合半導體以及高度加密、高效率的機械製造商使用，施耐德電機預計於2019年下半年正式將Modicon M262導入台灣市場。 Modicon M262控制器的優點有，多達5個獨立乙太網路，以及受保護的直連雲端能力，可輕易整合到有OPC UA、PackML、SQL等開放協定的廠房，或者有MQTT、JSON、HTTPs請求(API)的雲端。Modicon M262控制器提供的4軸到16軸同步控制，可將週期縮短至1毫秒，獨立於通訊任務的處理速度使其能夠在3奈秒內便完成1個指令，可滿足對性能更為嚴苛的應用需求。Modicon M262控制器可簡化機器架構及現場匯流排線路，搭配Machine Assistant，不需使用軟體也能探索、調試及診斷設備。Medicon M262控制器能滿足邏輯應用需求，也可以當做運動控制器，帶有編碼器及接觸探針之孔。安全性可以模組化或是內嵌的方式安裝。在「優化」及「效能」I/O系統的選擇上，EcoStruxure Machine Expert更可讓Modicon M262控制器在EtherNet/IP和/或SERCOSIII中提供多用途架構。透過內建的安全解決方案，Modicon M262控制器符合最新的SIL3網路安全規範，並提供加密通信、分離網路、Achilles認證及其他網路安全功能。 Modicon M262控制器適用於工業物聯網，不需要閘道器即可人性化地與雲端相連，讓機械代工廠(OEMs)能夠在講求效能的應用設計與機器調試提高盈利能力並節省時間。施耐德電機物聯網與數位轉型執行副總裁Cyril Perducat表示，僅靠聯網設備並不足以完成真正的數位轉型，還必須建立人與機器間的緊密生態系，並實現端到端流程的最佳化。 Modicon M262控制器是施耐德電機物聯網平台架構EcoStruxureTM Machine不可或缺的一部份，能夠讓智慧機械發揮強大功能，幫助機械製造商與機械代工廠成功創新，大幅提高生產力並透過嶄新的商機獲得額外收益，在現今的數位化浪潮中奪得先機。 此外，Modicon M262控制器可輕鬆連接到為機械製造商準備的數位解決方案EcoStruxure Machine Advisor機械雲，從而獲得對機器前所未有的洞察力。機械代工廠可透過EcoStruxure Machine Advisor進行資產管理與預測性維護服務，進而增加終端使用者服務收入的可能性。

Moxa宣布加入開放發明網路(Open Invention Network, OIN)，這是史上最大的專利互不侵犯社群。Moxa是邊緣到雲端工業互連解決方案和工業物聯網(IIoT)環境運算領域的領導廠商，致力於研發開放原始碼軟體(OSS)，以推動先進工業網路通訊應用的發展。 OIN執行長Keith Bergelt表示，正如物聯網可望為消費者帶來新的產品和服務，工業物聯網也將顛覆工業生產的風貌。現在絕大部份的物聯網和工業物聯網平台皆內嵌Linux，這些裝置產生的海量資料，由Hadoop等OSS解決方案處理，並在搭載Linux的x86伺服器上運作。由此可見，物聯網及其主要創新，皆高度仰賴開放原始碼。我們很感謝Moxa加入OIN，在支援Linux及相關開放原始碼技術的專利互不侵犯方面，發揮了示範作用。 Moxa技術長Peter Kohlschmidt表示，工業物聯網正重塑工業的發展潛能，以提升生產力、強化營運效率，並擴充消費者的選擇。我們認為Linux和其他開放原始碼計劃，是工業物聯網很重要的發展動力。工業物聯網可以連接並管理廣泛分散在各行各業的感測器和設備，同時還能有效計算工業大數據，未來遠景可期。Moxa開發了創新型工業級Linux發行版本，以協助客戶完成這些操作。我們加入OIN，就是要證明我們建立可互通的工業級開放原始碼平台的決心，以實現安全、可靠且永續的運作，並公開宣示專利互不侵犯。 OIN社群針對核心Linux及相關開放原始碼技術，實踐專利互不侵犯原則，並基於不收取權利金的原則，交互授權Linux系統專利。OIN所擁有的專利同樣免收權利金，直接授權給所有同意不向Linux系統行使其專利權的組織使用。

隨著工業物聯網(IIoT)時代來臨，將設備資料與雲端連結已經成為現代工廠的一大課題。智慧工廠已成趨勢，將設備連網不僅能提升設備產能、效能，同時又能兼顧工廠環境與資料安全。 MOXA市場開發副理林昌翰指出工廠自動化目前的三大挑戰，由於工廠內有太多不同廠牌、種類的設備，該如何整合各種設備，如何收集資料、監控設備是第一個問題；第二個則是不同資料的截取。例如工具機台的廠商過去是跟飛機引擎商買設備，現在卻是買里程數，所以資產設備是屬於製造商而不是業者，因此要裝很多感測器在設備上進行管理監測，但如果將設備賣到全球，要如何管理監測也是一大挑戰；最後則是越來越多的邊緣設備應該如何管理。 林昌翰進一步說明，過去的工廠設備都是連到中控中心，但是AI大數據時代，所有設備都要收集資訊，因此需要大量感測器。目前常見廠商用可程式控制器(Programming Logical Controller, PLC)收集資料，但這會出現幾個問題，用PLC來截取資料可能會造成過大的負擔，因為資料量太大。在上傳資料到雲端時如果要做邊緣運算甚至上傳到公有雲，都須要耗費很多精力，因此MOXA認為要把資料擷取到雲端，應該讓設備做該做的事。 比方說，串列轉換器要連網時可以使用串列設備連網伺服器，另外若是複數感測器要連網，則可使用支援雲端技術的IIoT控制器。林昌翰表示，未來MOXA的設備都會支援雲端，可以快速布建模組化設計，易於進行故障排除。而這樣做的好處就是可以直接進行邊緣運算，不用把所有資料都上傳雲端，先進行前端處置，讓設備連網更有效率。另外，為解決太多不同通訊協定閘道器(Protocol Gateway)，不同設備間彼此溝通的問題，MOXA推出支援各種通訊協定的控制器，先解決操作技術(OT)的問題，才能討論資料上雲端的問題。 林昌翰解釋，至於工廠自動化的第二個挑戰，業者將設備賣到國外要如何監控？早期的做法是用VPN，但使用VPN就需要IT(資訊技術)部門的同意，針對此問題，可以利用雲端技術，在設備銷售時就搭配可遠端連接的閘道器(Remote Connect Gateway)，業者可以提供一個USB給廠商，設備發生問題時再進行連接，此時業者就可以從遠端處理經過加密的資料。這樣的做法就可以彈性地使用，並能大量部署。 最後一個問題則是如何有效管理大量部署的邊緣裝置，林昌翰指出可以利用雲端技術的IIoT閘道器，並增加智慧功能，先在前端進行初步資訊處理，再上傳至雲端。MOXA提供了小巧、強固的解決方案能夠大量部署在裝置上，舉例來說，可以設置在工具機台中，偵測震動、溫度、濕度和電壓電流，收集到足夠資訊後，進行產能和預防保養的預測。妥善運用IoT技術，就能進行全面的統整分析，未來更有機會做到用大數據的方式更準確地預測每一個機台能為廠商賺多少錢、何時可以結算ERP做教調的動作等，讓工廠更智慧、更加安全有效率。 MOXA市場開發副理林昌翰表示，AI大數據時代，升級智慧工廠首要任務就是讓設備資訊上雲。  

大聯大控股宣佈，旗下世平集團即將推出以恩智浦半導體(NXP)MK64為基礎可連接大樹雲(BTC)之工業物聯網雲端平台方案。 工業以及智慧製造目前已經成為各國的重要發展領域。工業4.0也注重吸引中小企業參與，力圖使中小企業成為新一代智慧化生產技術的使用者和受益者，同時也成為先進生產技術的創造者和供應者。大樹雲-BTC(Big Tree Cloud)是世平集團打造的智慧、安全、開放的雲端平台，是企業專屬的工業物聯網，針對廣大的中小型用戶所推出的工業物聯網雲端方案。大樹雲-BTC可以直接導入工廠自動化，無須撰寫程式以及搭建雲端，使用者只要購買裝置開發板，就可以透過世平集團提供的大樹雲服務免費連上雲端。 大樹雲-BTC工業物聯網方案包括裝置端、PC端、和手機端的完整解決方案，其中裝置端BTC DVK-MK64採用恩智浦半導體 Kinetis K64F微控制器(Cortex M4@120 MHz)。BTC DVK採用微控制面板和感應面板分開設計，使用Arduino介面連接，微控制面板支援Ethernet，CAN-Bus；感應面板支援 UV Sensor、Light Sensor、H&T Sensor、DC Motor、RGB Light，滿足使用者各種產品需求。 此產品可將裝置狀態上傳至雲端並儲存起來，可以透過手機監控裝置。在PC端可以把儲存在大樹雲-BTC上的原始資料直接匯出(Excel format)，在手機端則可以監督、控制裝置；可以新增、刪除裝置。

製造工廠慢慢變成儀測和連網環境，以IIoT為認知製造的核心元件，轉型成網路實體系統(圖1)。由嵌入實體資產中的IIoT 裝置和感應器提供有關這些系統功能的資料。資料經過分析後，企業便能更加瞭解其製造作業，帶來新的商機及營運機會。 圖1　IIoT技術是推動智慧化製造的基石。 電子業力求加強網路安全 製造作業是電子業價值鏈中最昂貴的部分之一。雖然IIoT能提供洞察見解，但是暴露於潛在網路攻擊和多方面損害的風險仍會增加。攻擊者會趁機利用每一端點當作新的未授權入侵點，無論是由網路駭客、競爭對手、從事企業間諜活動的國家/地區，還是心懷不滿的員工所致，一旦受到攻擊，損失就會以迅雷不及掩耳的速度排山倒海而來，風險可能包括設備故障、關鍵資料遺失以及公司聲譽受損，甚至人身傷害或失去性命。 IIoT技術可以大大提高營運效率，但是如果沒有好好保護，還是會暴露潛在的新攻擊面並成為資安目標。每台新機器一連接到其他IIoT裝置就會變成「系統的一份子」。像5G這類技術擴充，提供了攜帶大量資料所需的基礎架構，就有可能增加IIoT技術的使用率。 不過，這也會擴大攻擊面。從高價值資產或服務、雲端中的關鍵工作負載、網路實體系統中的程序控制子系統，再到關鍵業務和營運資料等等，幾乎任何事物都有可能變成攻擊弱點。想想看一家電子製造商使用安全儀表系統(SIS)控制器，從工業設備讀取資料來協助確認機器是否運作正常。若這些系統遭到入侵，有可能會造成實體損壞並中斷作業進行。事實上，2017年12月Triton/Trisis惡意軟體曾被用來對付大型電氣公司Triconex/Tricon安全系統韌體中的零時差漏洞。這導致緊急保護系統出現故障(圖2)，不僅會損失資產，網路本身也會面臨風險。   圖2　對工業控制系統(ICS)的攻擊。 組織所需的功能不僅要保護資產和網路，還要保護整個IIoT生態系統。而在發生資料外洩時快速有效應變的能力也是同樣重要。各行各業都必須設法因應變本加厲的IIoT威脅。 為了能更瞭解IIoT安全風險和影響，IBM商業價值研究院(IBV)與Oxford Economics合作訪問700名高階主管。他們分別代表了18個國家/地區700家的能源和工業公司，其中269家是電子業，這些公司都在工廠實施了IIoT。 即時設備監控和預測性維護就是兩種最普遍的應用，分別占65%和58%(圖3)。機器和程序自動化也是常見的應用，分別有45%和43%的比例在使用IIoT技術來自動化執行機器和工作流程。 圖3　IIoT技術在電子工廠和裝配線中的五大應用。 電子公司意識到網路安全風險，並設法相應地管理其安全支出(圖4)，但是他們卻不甚清楚IIoT網路安全對於保護今後業務免於IIoT威脅所必備的綜合能力(技能、控制、實務和保護等技術)。 圖4　IIoT網路安全風險對照安全支出因素。 公司在迅速採用新技術時，若沒有優先考慮適當的網路安全保護措施，就會讓自己陷入重大風險： 1.暴露機密資料：受訪高層主管將此評為風險最高，68%已強烈意識到敏感或機密資料(例如客戶和員工資料、供應商/合作夥伴智慧財產與合約)暴露，對公司成長影響甚鉅，例如損失收入、投資、率先上市的優勢，以及在競爭對手或仿冒者夾攻下流失業績。 2.企業聲譽受損和喪失大眾信心：根據60%高階主管表示，安全資料外洩對電子公司形象和聲譽造成的打擊，影響甚鉅，包括品牌的信用和信賴喪失，企業和客戶關係也會遭到無法挽回的傷害。 3.蓄意破壞導致生產中斷：45%受訪高層主管表示，此類風險可能會大幅造成實體設備受損，致使工廠從業人員受傷。網路攻擊者可能會入侵公司工業系統並操縱網路基礎架構，這樣一來，入侵就能竄改機器軟體程式或監督控制與資料蒐集系統(SCADA)。 4.智慧財產(IP)遭竊：智慧財產是未來成長的關鍵。像是工程計畫和專屬製造程序等商業機密都是競爭優勢的來源。有40%電子公司認為智慧財產(IP)遭竊可能會對未來成長造成影響，一次小小的入侵就會讓產品設計智慧財產(IP)陷入風險。 5.違反法規要求：「一般資料保護規範(GDPR)」於2018年5月生效，加上治理產品與生產程序的環境法，增加了法規暴露和風險。38%受訪高層主管非常擔心違反規定造成的潛在影響，例如可能導致巨額罰款的違規行為。雖然GDPR會保障個人資料，但也需要注重實際營運政策，例如排放、能源使用、可回收性和資產/廢棄物處置。 從支出角度來看，61%受訪電子業表示，他們主要是為了保護機密資料才會花錢設置IIoT網路安全機制，超過50%受訪者主要也是為了減少安全事件、事故和資料外洩才這麼做。 確保工業聯網安全　早期領導者率先動作 調查發現有一群早期領導者已經採取措施在保護IIoT環境。所謂早期領導者是指各行各業中受訪的公司，包括電子業。受訪的700家公司中有76家屬於早期領導者，其中36家都是電子公司，此一族群係依照以下三項指標評比為表現一流的前25%企業。 雖然早期領導者離真正保護環境還有一段距離，但是他們確實比其他公司更精準地掌握了IIoT部署和連網工業控制系統(ICS)的安全需求。47%受訪者制定了正式的網路安全計畫，以便建立、管理及更新所需的 IIoT 網路安全工具、程序和技能，而其他電子公司僅占13%(圖5)。   圖5　瞭解IIoT網路安全和採用正式的網路安全計畫。 早期領導者在業務和作業流程中整合IIoT網路安全方面也表現出更高的成熟度，有99%不僅僅只是投資該領域(圖6)。有20%的早期領導者已優化了IIoT網路安全功能並看到了效益，其他電子公司則占6%。早期領導者各自使用網路安全解決方案來保護資料和裝置，並使用自動化與認知技術來偵測和回應以下三個領域的安全威脅(圖7)，分別為保護整個IIoT生態系統的資料、在整個生命週期保護裝置，使安全系統保持最新狀態，以及運用自動化與認知智慧增強偵測和回應。 圖6　IIoT網路安全整合成熟度。   圖7　早期領導者各自差異。 在保護整個IIoT生態系統的資料方面，電子供應鏈共享大量機密資料和智慧財產，如果遭到暴露或是遭竊，那麼公司、供應鏈及合作夥伴的未來事業都會陷入風險。值得注意的是，33%的早期領導者與14%的其他電子公司已領先實施特定的網路安全解決方案。 而在整個生命週期保護裝置，使安全系統保持最新狀態方面，未受保護的感應器和裝置會使營運技術(IT-OT)IIoT的網路遭到攻擊，對實體和財務造成不堪設想的後果。37%的早期領導者已領先保護他們的IIoT裝置，其他電子公司則占23%。 至於運用自動化與認知智慧增強偵測和回應，則是因應保護和預防無法解決所有問題，請備好系統以偵測資料外洩並減輕損害。傳統偵測系統可以解決已知的攻擊和威脅傳染媒介與漏洞。而人工智慧(AI)、機器學習和進階行為分析等認知能力，則有助於因應未來可能出現和遭到利用的「未知狀況」。28%的早期領導者已領先實施這些綜合實務，其他電子公司則占19%。 運用九大基本實務降低安全風險 早期領導者應用了風險型和規範型的安全方法，著重於九大特定實務(圖8)。   圖8　早期領導者採用各自不同的安全實務。 保護IIoT生態系統資料 電子公司最大的IIoT相關風險就是機密資料暴露。事實上，電子工業發生的各種IIoT 網路安全事故中，包括疑似、未遂和成功入侵等，資料洩漏排名第一，占總數的26%。以下做法有助於解決類似事件。 1.實施IIoT裝置使用者隱私控制：如果使用資料能鏈結到裝置，就可以推斷出有關公司生產和流程機密的資訊。為了解決這個問題，公司應該實施控管措施，讓使用者指定裝置資料的儲存方式，以及與第三方使用和共享資料的方式。在其他情況下，類似的策略也很重要，例如變更擁有權。 2.實施驗證使用者的IIoT鑑別：有兩倍之多的早期領導者(30%對15%)已領先採用這種做法。鑑別IIoT裝置身分的能力非常重要，特別是經常無人看管的IIoT機器對機器(M2M)情境。 3.定義明確的服務水準合約(SLA)以確保安全和隱私：有三倍之多的早期領導者(28%對10%)以這種方式監控和執行安全要求。為了對抗內部攻擊並防止資訊遭到盜用或外洩，就要實施資料存取控管。清楚掌握誰有權存取機密功能或資料，並密切監控和審核這些授權使用者的行為。 時時更新安全系統　 有23%的受訪者表示，電子IIoT部署中最易受攻擊的部分就是平台，而22%受訪者則表示是裝置和感應器。解決此點主要挑戰的四種做法包括： 1.庫存授權和未授權軟體：務必控管驅動IIoT元件的軟體版本、審查與版本相關的威脅並建立安全基準線。這些措施應該還要加上深入瞭解端點的作用與通訊對象。每個端點都要建檔、加到資產庫存中並進行監控。 2.部署內建診斷功能的IIoT裝置：早期領導者都有實施偵測裝置，能發現因元件故障或篡改企圖而引起的故障。IIoT端點經常要在惡劣的環境中運作，且長時間無人為操作。雖然端點的安全和隱私至關重要，但是卻不常在軟硬體中增設加密安全功能。 3.自動掃描連網裝置：持續評估和補救弱點的做法非常重要，但是主動掃描漏洞對ICS網路通訊不利，還會進一步影響產品和系統可用性。如果自動掃描不適用，也可以改用被動監控工具。 4.部署安全強化的裝置硬體與韌體：更換裝置通常成本高昂，而且新版裝置還可能不適用於提升的安全性。公司應該持續執行協調性修補和更新，雖然所要更新的裝置通常每天整天都在執行，還是要克服這種本質上的挑戰。這對不少製造時缺乏安全性的舊版設備尤其重要。 運用自動化與認知智慧增強偵測和回應 保護和預防無法解決所有問題，即使是安全開發和部署的系統也不能保證絕對受到保護。攻擊者不斷會伺機滲透系統，因此必須採用自動化機制來偵測和補救資料外洩。 據44%受訪高階主管表示，保護電子IIoT部署安全的最大挑戰，就是缺乏高技能的網路安全資源。電子公司可以實施AI驅動的自動化調查程序來減少以人工方式偵測威脅。若要有系統地為自訂警示訂定威脅的優先順序，可以定義機密資料與資產、網路分段和雲端服務。採用AI威脅偵測和補救措施共有兩種做法： 1.應用進階行為分析來偵測資料外洩並做出回應：有兩倍之多的早期領導者都在使用機器學習的行為分析。他們能應用企業級 AI支援的威脅偵測，找出異常的使用者活動，並排定風險的優先順序。早期領導者也已領先採用機器學習，自動執行正常行為的調適性模型、追蹤這種正常行為，並標記可能示意有新威脅的異常活動。 2.實施AI技術即時監控安全並做出回應：若能應用資料驅動技術，從外部和內部來源建立即時饋送的威脅情報，就能更快偵測出威脅並進行補救。 綜上所述，IIoT需要融合IT和OT這種能監控和控制實體環境的系統，但是過程相當複雜，且有一定的風險。不過IIoT技術務必要好好保護，否則其直接的營運和財務效益，可能會以整個生態系統的未來為代價。

台灣工業電腦大廠研華2018年繳出亮麗的營運成績，受惠於工業物聯創造的新需求與全球市場擴張，該公司連續二年(2017-2018年)營收成長率達到兩位數(以美元計算)。但由於中美貿易戰等國際因素影響，2019年上半的營運不確定性增加。為此，研華一方面將進行更廣泛的市場布局，分散風險，另一方面也會持續投資WISE-PaaS平台，藉由軟體來替硬體產品創造更多附加價值，也提升公司產品的獲利空間。 研華技術長楊瑞祥博士指出，在物聯網普及的過程中，軟體平台扮演不可或缺的角色。在2019~2020年，研華WISE-PaaS平台將進入全球市場品牌普及與開展階段，並期待在2021年達成全球1000家以上之WISE-PaaS 軟體平台加盟客戶及伙伴之目標；在某些特定領域，如智能工廠、能源與環保、智能醫院與智慧城市，研華將策略投資IoT集成商夥伴，扮演軟硬整合平台供應商，以加速進入物聯網第三波的成長。 在未來，研華將持續投資與推廣WISE-PaaS IoT軟體平台，使其成為硬體價值之延伸，利用「分享」與「普及」向全世界各領域的IoT系統集成商推廣，同時研華將整合內外部資源，持續強化加值WISE-PaaS平台，期待將工業物聯網真正落實應用於各個產業。藉由軟體平台提升硬體價值，研華期待整體利潤率能回復至2016年之前的水準並能長期維持。 研華Embedded-IoT(EIoT)總經理張家豪表示，作為研華板卡與模塊之核心單位，重點將放在研發資源整合與高附加價值design-in services之延伸服務，優化整體產品組合。另外，2019年2月之後Advantech Technologies Japan(ATJ)加入經營，故ATJ與研華之資源整合與日本區域發展也將是2019年之重點。 研華Industrial-IoT(IIoT)總經理蔡淑妍則認為，IIoT之營運重點在擴大產品應用市場與深耕區域市場。短期來看，可能會受到中國區需求減弱的影響；但工廠與基礎建設的技術升級腳步無法回頭，長期成長仍樂觀。2019年可視為調整與加強產品力的一年。 美國自2017年下半年開始即恢復成長動能，2018全年營收成長13%，達到4.45億美元。研華美國總經理牛文中表示，因研華為提供design-in services之廠商，故所有的投資與耕耘均需要2~3年的時間發酵。以研華目前的規模，在美國市場還有很大的成長空間；未來的發展，將在北美新增多個銷售據點，含加拿大多倫多、芝加哥、德州、東岸，以及墨西哥。

新唐科技於12個城市 (台南、台北、台中、成都、廈門、廣州、深圳、杭州、上海、北京、南京、武漢)舉辦「2019 新唐科技工業物聯網與智慧家庭暨新產品發表會」。 今年新唐科技強勢發表百顆新型號產品，以8051、Cortex-M0/M4/M23到ARM9為核心的最新系列微控制器，包含MS51、ML51、M031、M251、NUC029、M2351、NUC980等系列，從8位元到32位元微控制器、系統頻率24 MHz到300 MHz、Flash 8K到512K Bytes、封裝從10 pin到216 pin、以平台系列產品為主軸，涵蓋低功耗、5V工規級、USB、加密及高安全等級產品網、支持不同系列軟體、封裝腳位高度兼容，讓客戶從選型開發到升級更便利。 另外提供完整的開發系統，包含多元軟體開發環境、開發工具、評估板、燒錄工具、視覺化圖形軟體開發與量產工具。藉由本次研討會展示新唐從產品、開發、除錯到量產所提供之一站式加值服務。 現場也展出採用新唐最新微控制器的四大應用：工業控制、低功耗應用、物聯網安全與智慧家電。工業控制包含工廠自動化遠端數據採集與監控環境、智慧數字辨識系統與互動式圖形人機介面；低功耗應用包含電子鎖、電子標籤；物聯網安全展示身分認證USB FIDO Key、指紋辨識安全物聯網門鎖；智慧家電包含無線溫度檢測破壁機、互動式電源管理器。針對IoT應用，新唐方案支援多種RTOS，包含 Mbed OS、Amazon FreeRTOS、AliOS Things 與豐富的物聯網通訊協議，易於建構高安全性且具有雲端連結能力的物聯網應用開發平台。 工廠自動化遠端數據採集與監控環境採用以ARM9為核心的NuMicro NUC980系列微控制器，高達300 MHz的運算速度，內置加解密加速器與乙太網控制器，加上Wi-Fi/4G LTE/NB-IoT模組，可用於監控工廠機器設備，以實現遠端自動化控制。 DALI-2燈光控制方案採用以Arm Cortex-M0為核心的NuMicro NDA102微控制器，該方案使用基於數位定址燈控介面(DALI)技術制定的DALI-2協定，利用新唐自建的DALI-2程式庫二次開發出各式DALI-2裝置。