ในการทำ Industrial IoT หรือ Data Analytics ปัญหาที่ใหญ่ที่สุดไม่ใช่การขาดแคลนข้อมูล แต่คือ "โครงสร้างข้อมูลที่ยุ่งเหยิง" บทความนี้จะแนะนำเทคนิคการจัดโครงสร้าง Tag ใน PLC เพื่อให้ระบบ Analytics นำไปใช้งานได้ทันทีโดยไม่ต้องเสียเวลาทำ Data Cleanup
ทำไมต้องวางโครงสร้าง Tag ใหม่?
หากคุณตั้งชื่อ Tag แบบสะเปะสะปะ เช่น Temp1, M01_Stat ระบบ Analytics จะไม่รู้เลยว่าข้อมูลนั้นมาจากเครื่องจักรไหน หรือเป็นข้อมูลประเภทใด การทำ Standardized Tag Naming จึงเป็นหัวใจสำคัญ
1. การใช้โครงสร้างแบบ Hierarchy (ISA-95)
แนะนำให้จัดกลุ่มข้อมูลตามลำดับชั้นของโรงงาน เพื่อให้ง่ายต่อการคัดกรอง (Filtering) ในโปรแกรม Dashboard เช่น:
Site_Area_Line_Machine_Property
ตัวอย่าง: BKK_Packaging_Line01_Cutter_Speed
2. การทำ UDTs (User-Defined Data Types)
แทนที่จะสร้าง Tag แยกกัน ให้ใช้ UDT เพื่อรวมคุณสมบัติที่เกี่ยวข้องไว้ด้วยกัน ซึ่งเทคนิคนี้ช่วยให้ระบบ Analytics เข้าใจความสัมพันธ์ของข้อมูลได้ดีขึ้น (Contextualization)
3. Metadata และ Engineering Units
อย่าลืมระบุหน่วย (Units) และขอบเขตข้อมูล (Scaling) ไว้ในโครงสร้าง Tag หรือ Documentation เพราะระบบ AI/ML จำเป็นต้องทราบสเกลของข้อมูลที่ถูกต้องในการคำนวณ
สรุป
การจัดโครงสร้าง Tag PLC ที่ดีช่วยลดเวลาในการทำ Data Preparation ได้ถึง 70% และทำให้การขยายระบบ (Scalability) ในอนาคตทำได้ง่ายขึ้นมาก
PLC, Data Analytics, Smart Factory, IIoT
