本次会议讨论了工业4.0和Azure的战略解决方案，强调了从传统工业转向数字化的必要性和挑战。文中介绍了九大技术、边缘计算的必要性以及如何将核心系统迁移到云端。最终，强调了数据整合的重要性，并需要从企业痛点出发，利用Azure的服务来提升运营效率。

1. 探索 .NET 新世界
.NET Conf

2. Edward Kuo
Kingston IT Manager| Microsoft Regional Director | Microsoft Azure MVP

3. Nice to meet you!Thank you for coming today!
Hi! Let’s begin now!
在Study4 .NET Conf的最後一場，分享微軟在智慧工廠的技術布局外，也分享如何
在工業4.0議題搭配Azure的策略與解決方案之第一階段的架構設計。
3

4. Industry 4.0

5. Industry 1.0  Industry 4.0
當今世界已經經歷四次不同的工業革命

6. Industry Evolution
Industry 2.0
Electrification
開始進行大量組裝的生產製造產
線，並且引入電力系統作為動力
來源
Industry 1.0
Mechanization
生產開始邁入機械化，並引入蒸
汽機與水力作為生產動力來源
Industry 3.0
Automation
邁入了生產自動化，也導入電子
化資訊系統，與電腦化。開始了
自動化生產
Industry 3.5
Globalization
更有效的資源管理，生產逐步朝
向低成本經濟。，此時，也是一
種4.0與3.0混合策略
Industry 4.0
Digitalization
運用物聯網、大數據的資料分析
和AI…等技術，改善自動化，更
好的協同合作與即時性資訊，範
圍從生產擴展到全公司
Industry 5.0
Personalization
已經是未來的新趨勢，人與機器
之間的高効交互與協作，最終目
的是創造能為客戶製造其個性化
商品
6

7. Technology is Enabling Industry 4.0
九大技術的產生
• Big Data and Analytics
• Autonomous Robots
• Simulation
• Horizontal and Vertical System
• Integration
• IoT
• Cybersecurity
• The Cloud
• Additive Manufacturing
• Augmented Reality
7

8. 早期，架構設計大都採用分層式的集中控制與管理，實踐自動化管理並收集工廠數據。
現今，製造業面臨了新挑戰，就是必須開始存儲、處理和分析大量的即時數據。 因此，雲端解決方
案將會是奠定這方面的基礎

9. For Edge
Edge Solution
雲的解決方案雖然是強而有力，但是，依舊很多問題不可
能單靠雲端就能解決問題，絕大多數問題仍然必須回到地
端或是Device解決，因此，邊緣(邊際)計算將是不可或缺的
要素
9

10. 可以預先處理、合併和過濾數
據。或是處理平行處理其他流
程
Why to need edge?
避免網際網絡延遲的影響。
影醒或是降低生產設備的動能
擴展多台機器或設備，並將它
們與雲端連接，並作為與雲端
連線的標準 確保設備安全並降低資訊安全
風險
Speed
Versatility
Scale
Security
10

11. Microsoft’s Factory of the
Future

12. 未來工廠的概念
From Microsoft

13. 技術驅動智慧工廠形成
From Microsoft

14. 數位化製造的生態系
From Microsoft

15. 建置未來工廠的概念架構
From Microsoft

16. 高科技數位工廠的價值鏈
將轉型的力量從品牌轉移到客戶，將傳統決策方式轉移到數位化分析

17. 工業4.0最終目標是多樣性資料的整合循環
萬物互聯，再回到萬物，達成資料生態系

18. A Real- Story

19. About a real industry 4.0 architecture case
這是一個正在起步的真實案例架構

20. 這真的是可能嗎?
Move Your System to Cloud
原廠或是解決方案商常會慫恿大家東西全部放到雲端建置
事實上大概只有新創的製造業或是開始就是規劃雲端架構的企業才有機會。不然，製造業要把自家
系統從現有狀態下都遷移到雲端，大概需要無比大的勇氣或是更高的犧牲成本才可能
20

21. 企業最重要的核心系統，企業
內系統大都是相依它建置
若不考慮資安與成本
Difficult Key Point
製造廠最重要執行系統，必須
能在不延遲、不斷線賦予生產
製造責任
網路延遲或是網路斷線，會影
響日常維運與生產 如果核心系統不上雲，周遭高
度相依性的系統也不太可能上
雲
MES
ERP
Latency
Satellite
21

22. 除了觀念外，事實上製造業要上雲是艱辛的
Cloud Coverage22
MES沒上雲
MES是工廠核心，基本上所有製造廠，並不會直接把MES放上雲。即使要放雲端，
也必須重新設計與擷取能上雲的模組
ERP沒上雲
ERP是企業營運的核心系統，也是公司管理和生存的命脈。非製造的ERP或許容易
遷移到雲，但是，製造業並不容易，也是必須分模組
MES沒上雲、ERP沒上雲
MES與ERP兩者是密切相關，且兩者都若沒有上雲，有絕大部分相依系統是不可能
搬移上雲。即時要搬移到雲，花費的人力與成本是相當大且風險極高。

23. Deep Learning & Machine
Learning的模型訓練
在工業4.0布局雲端的類別
What Type on the Cloud
不會因為任何外在因素而導致
生產中斷
針對機台蒐集的資訊與相關聯
資料，需要長期儲存，和即時
數據分析與數據關聯性分析 可以跟核心系統脫鉤或是不需
要做即時資料交換溝通的系統
不直接影響生產
AI Training
巨量資料分析
核心系統低相依
23

24. 雲端對工業4.0解決資料儲存與分析處理問題
On-Premise Host, Edge & Cloud 將是不再如此界線分明

25. 非必要不使用IaaS作為架構設計第一考量
PaaS First
Build & Config Easily
快速建置所需要的服務，或是可
以快速試錯，找出最佳解決方案，
Scale
Auto scale & Quick scale 可因
應資訊量大小變化，快速且自動
化的調整乘載量，順應產線需求
Focus Data Analysis
能有更多時間與心力專注於商業
分析或是專注於商業或創新需求
Integration Solution
簡單且輕易整合各種服務架構，
也可以因應市場變化，能快速組
合因應需求
Cost
降低維護成本與人力開發成本，
目前在我們直接參與人員只有
2~4位且非全職負責。
Monitor Health
本身具由監控機制，可以隨時監
控確保服務穩定正常，且有儀表
板了解服務健康狀況
25

26. 開始的第一步，建置M2C的資料流架構
在不影響原有地端現行系統架構與流程，採用”Sidecar”模式

27. Collect Data to Visualize Data
M2C
Process #1
Collect Date
針對每台設備蒐集設備製程參
數、設備感測參數、設備生產
狀態資訊…等可被輸出的資訊
Process #2
Deliver Data
資料內容作第一手分析與處理，
並且確認資料是要派送到雲端
或是地端，甚至是即時發送訊
息到用戶端
Process #3
Storage Data
資料都會先儲存在地端和雲端，
但是，地端保存時間不會太長，
超過時間會被移除
Process #4
Analysis Data
分析存放雲端的大量資料，或
是針對資料進行ML分析，甚至
是AI建模
Process #5
Visualize Data
視覺化呈現雲端存放資料，並
且找出商業價值或是問題點
27

28. 1
2
3
4
5
6
快速實踐端到雲
Collect Data
IoT Hub & IoT Edge
M2C Bridge
Azure Stream Analytics
Azure Data Lake & Azure Blob
Azure Data Factory
Azure SQL Database Service
Azure Function
28

29. 視覺化呈現
Visualize Data29
多樣性數據化分析及商業智慧
資訊呈現，即時串流資訊呈現
簡單的資料呈現、輸入資料或
是統計資料
具有時間序資料呈現趨勢圖、
熱點圖…等
具有產業特性的視覺化，依舊
是自行開發是最省時與力

30. Edge Architecture

31. Cloud Architecture

32. IoT SDK , IoT Edge, IoT Hub
IoT Solution
IoT Hub & IoT Edge
• IoT Hub與IoT Edge結合，進行雙向溝通，支援 HTTP,
AMQP & MQTT，雙向溝通需使用AMQP & MQTT協定
• 基於資安考量，我們不採用雙向溝通並僅透過HTTPS作
為訊息傳遞管道
• 每一次訊息最大只能有256K，超過此大小必須自己分割
封包
• IoT Edge是Container Base，如果不做雙向溝通，也可
以只要使用IoT SDK
• 那樣透過HTTPClient Class是否可以?
32

33. IoT Send / Receive Message33

34. 串流資料處理與分派中心
Azure Stream Analytics
Data Streams
• ASA是一種即時分析和復雜的資料或事件處理引擎，能
同時分析和處理來自多個源的大量快速流數據。 可以在
從許多輸入源（包括設備,傳感器,外部參考資料…等）中
提取的資訊並找出事件的相關性
• 可以隨時停掉服務修改資料邏輯性，但在一定時間內資
料仍然會被保存於服務內，不會遺失
• SU% Utilization需特別注意，超過90%，則將會有遺失
資料風險或是服務被停掉風險
34

35. Fresh for Our Usage

36. 輕量、內建AI的資料解決方案
Azure SQL Database Edge36

37. Azure SQL Database Edge37

38. Azure SQL Database Edge38
現狀
• 目前仍在預覽階段，僅有Linux Container，無Windows Container
• 不支援LCOW的版本
• Windows host 必須是1903以上

39. Demo
Azure SQL Database Edge

40. 用瀏覽器就可以RDP VM的服務
Azure Bastion
Azure Bastion
• 限制虛擬機器 IP 的公開暴露風險
• 減少企業內部對外開啟RDP Port的風險
• 這是一個PaaS服務
• 已經GA，並在六個Regions可以使用
40

41. Demo
What’s Azure Bastion

42. Real-time insights to drive operational intelligence and transformation
Azure Time Series Insights42
PaaS的IoT分析服務
可用來收集、處理、儲存、分析及查詢高度內容相關且已進行時間序列最佳化的 IoT 資
料。 時間序列深入解析適用於特定資料探索及營運分析

43. Demo
What’s Azure Time Series Insights

44. Summary

45. 資料蒐集最困難的環節是甚麼?
各個Device拋出的資料格式、頻率、動作以及內容樣式不盡相同

46. Industry 4.0 is …
整合思維
如何整合資料四面八方資料，並且能在大量資料萃取出重要資訊，協助公司從製造
到營運間循環與決策
從痛點出發
必須了解痛點，先分析企業存在什麼問題需要解決，才去考慮要怎樣使用那些技術。
以Azure的服務超過150個，如果不能從痛點出發，則會無法正確使用這些服務，進
而只是浪費成本
物聯網是最難的
設備聯網看似簡單，卻是最困難，這部分我們人力成本比建置雲端環境花費還大。
大多市售解決方案都是Stand，實際M2E(Edge)，卻是最複雜且最難解決的一塊
46

47. 設備與裝置種類非常多
透過.NET Core 可以輕鬆跨平台執行你的系統

48. Azure 還有很多服務與工具可以使用
但是，是否能符合你自己場景，是需要思考與驗證

49. 最後一根稻草…

50. 資料絕對不能擺雲端!!
上雲安全嗎?

51. Thank you! 
Any questions?
That’s all!
Blog: https://medium.com/ek-technology
E-mail: Jaigi.kuo@gmail.com
FB: https://www.facebook.com/jaigi.kuo