崑山科技大學
智慧機器人工程學系
碩士論文
基於邊緣運算技術
於智慧工廠即時決策之研究
Research of Smart Factory Real-Time
Decision-Making Based on Edge Computing
研究生：李家鋐
Student：Jia-Hong Li
指導教授：王建仁
指導教授：陳國泰
Advisor：Chien-Jen Wang,
Advisor：Kuo-Tay Chen
Department of Intelligent Robotics Engineering
Kun Shan University
Tainan, Taiwan, R.O.C.
Thesis for Master of Science
June 2023
中華民國 112 年 6 月
基於邊緣運算技術
於智慧工廠即時決策之研究
學生姓名：李家鋐*
指導教授：王建仁**、陳國泰***
*
崑山科技大學智慧機器人工程研究所 研究生
崑山科技大學智慧機器人工程研究所 副教授
***
崑山科技大學智慧機器人工程研究所 副教授
**
摘 要
本研究的目的是探討在智慧工廠即時決策中應用邊緣運算技術，並
提出三個實現智慧工廠相關問題，分別為全面感測、可靠傳輸和智慧決
策；全面感測利用多種數據樣本的收集，包括溫度、振動值、轉矩和零
件消耗率等，獲取設備狀態資訊。可靠傳輸確保數據的準確傳輸和即時
回饋，避免數據傳輸中的延遲和丟失。智慧決策則利用數據決策分析，
實現智慧化的維護決策，預測潛在的設備故障。
在研究系統設計與成果方面，首先建立邊緣運算架構，結合 IT 系
統與 OT 設備，運用邊緣運算技術，將部分運算、分析過程轉移到生產
設備附近，從而實現智慧工廠數據的即時處理和分析，其次佈署感測模
組，分為有線通訊：設備幾乎有內建感測模組透過程式將數據抓出來，
無線通訊：利用 LoRa 振動感測器來收集馬達振動異常值，最後設計
Modbus TCP 以程式方式替舊型設備實現 Modbus 通訊，解決僅有 I/O
功能傳輸的舊型設備的通訊問題。
本研究以邊緣運算技術為基礎，提出全面感測、可靠傳輸和智慧決
策等策略，提高智慧工廠的維護效率和生產效益，為未來智慧工廠的發
展做出貢獻。
關鍵詞：全面感測、可靠傳輸、智慧決策、邊緣運算、預測性維護
i
Research of Smart Factory Real-Time
Decision-Making Based on Edge Computing
Student : Jia-Hong Li* Advisor : Chien-Jen Wang **
Kuo-Tay Chen***
*
Graduate School of Intelligent Robotics Engineering, Kun Shan University
Associate professor of Intelligent Robotics Engineering, Kun Shan University
***
Associate professor of Intelligent Robotics Engineering, Kun Shan University
**
Abstract
The purpose of this study is to investigate the application of edge computing
technology in real-time decision-making in smart factories, and to address three
key issues in achieving smart factories: comprehensive sensing, reliable
transmission, and intelligent decision-making. Comprehensive sensing involves
collecting data samples from various sources, including temperature, vibration,
torque, and part consumption, to obtain equipment status information. Reliable
transmission ensures accurate data transmission and timely feedback, avoiding
delays and losses in data transmission. Intelligent decision-making utilizes datadriven decision analysis to achieve intelligent maintenance decision-making and
predict potential equipment failures.
In terms of system design and outcomes, we first establish an edge computing
architecture that combines IT systems with OT devices and leverages edge
computing technology to move part of the computation and analysis processes
closer to production equipment, enabling real-time processing and analysis of data
in smart factories. Secondly, we deploy sensing modules, which can be categorized
into wired communication, where data is extracted through programmatic access
to the built-in sensing modules of devices, and wireless communication, where
LoRa vibration sensors are used to collect abnormal vibration values of motors.
Finally, we design Modbus TCP using programmatic approaches to enable
Modbus communication for legacy devices that only have I/O functionality,
addressing communication challenges associated with such devices.
This study is based on edge computing technology and proposes strategies
such as comprehensive sensing, reliable transmission, and intelligent decisionmaking to enhance maintenance efficiency and production effectiveness in smart
factories, contributing to the future development of smart factories.
Keywords: comprehensive sensing, reliable transmission, intelligent decision-making, edge computing,
predictive maintenance.
ii
致 謝
轉眼間，碩士班生活即將步入尾聲，特別感謝指導教授王建仁教授、
陳國泰教授，在撰寫論文及實驗期間，給予許多幫助、啟發，讓我的研
究實驗與論文能夠順利完成。當遇到問題時，教授們都總是會提供專業
知識、正確的思維，讓我可以思考去完成研究，再加上我的個性問題，
教授們不斷忍受我的任性來指導我寫論文，使得本論文能夠更加完善。
感謝系上所有授課的老師，將自己的學術研究、專業技能傳給我們，
並講述許多碩士求學的經驗，讓我知道如何去找研究文獻，更加增進自
己專業知識。
碩士研究期間，感謝實驗室的碩士班同學朱耀華、薛亦廷在修課與
研究上互相討論及切磋，在各自忙碌之餘提供許多的協助，都各自提醒
許多事項，避免錯失重要權益與時程，如行事曆般提醒，能夠在碩士兩
年期間互相幫助與成長；以及大二、大三學弟協助處理實驗室內大小事
務，能讓我們碩二學長們全心全力的去完成研究。
最後感謝我的家人，在我碩士期間不斷給予我鼓勵，成為我的後盾，
讓我在這兩年能夠專心做學術研究，順利完成碩士學業。
李家鋐謹誌于
崑山科技大學智慧機器人工程系中華民國 112 年 6 月
iii
目 錄
頁數
摘 要 ............................................................................................................ i
Abstract ......................................................................................................... ii
致 謝 ..........................................................................................................iii
目 錄 .......................................................................................................... iv
表 目 錄 ...................................................................................................... vi
圖 目 錄 ..................................................................................................... vii
緒論 .......................................................................................... 1
第一章
第一節
研究背景 ........................................................................... 1
第二節
研究動機 ........................................................................... 2
一、
全面感測 ........................................................................... 2
二、
可靠傳輸 ........................................................................... 3
三、
智慧決策 ........................................................................... 5
論文架構 ........................................................................... 6
第三節
文獻探討 .................................................................................. 7
第二章
第一節
預測性維護在智慧工廠中的應用 ................................... 7
第二節
智慧工廠通訊協定的選擇與實施策略 ........................... 8
一、
OPC UA ............................................................................. 8
二、
Modbus ............................................................................ 10
三、
MQTT .............................................................................. 12
四、
LoRaWAN ....................................................................... 13
第三節
一、
邊緣運算在智慧工廠的應用 ......................................... 15
邊緣運算的基本概念 ..................................................... 15
iv
二、
研究系統設計與成果 ............................................................ 19
第三章
系統架構規劃 ................................................................. 19
第一節
一、
系統架構 ......................................................................... 19
二、
感測模組佈署 ................................................................. 21
三、
Modbus TCP 程式設計 ................................................... 28
Edge Cross 部署 .............................................................. 36
第二節
第四章
邊緣運算平台（Edge Cross） ....................................... 17
一、
數據擷取 ......................................................................... 36
二、
智慧決策 ......................................................................... 40
結論 ........................................................................................ 42
參 考 文 獻 ............................................................................................... 45
v
表 目 錄
表格 2-1
頁數
Modbus TCP 與 RTU .............................................................. 10
表格 2-2
Modbus 暫存器說明 .............................................................. 11
表格 2-3
雲端運算和邊緣運算比較 ..................................................... 16
表格 2-4
EdgeCross 常見支援種類 ....................................................... 18
表格 3-1
Modbus TCP 錯誤碼 ............................................................... 29
表格 3-2
機械手臂指令說明 ................................................................. 37
vi
圖 目 錄
頁數
圖 1-1 全球物聯網規模趨勢圖 ............................................................... 1
圖 1-2 設備維護........................................................................................ 2
圖 1-3 傳統與邊緣網路架構 ................................................................... 3
圖 1-4 自動化通訊協定 ........................................................................... 4
圖 1-5 複雜的網路連接 ........................................................................... 4
圖 1-6 整合通訊協定................................................................................ 5
圖 1-7 論文架構圖.................................................................................... 6
圖 2-1 認識 OPC ....................................................................................... 9
圖 2-2 Modbus 架構 .............................................................................. 10
圖 2-3 MQTT 架構 ................................................................................. 12
圖 2-4 LoRaWAN 架構........................................................................... 13
圖 2-5 LoRaWAN 架構說明 .................................................................. 14
圖 2-6 傳統運算與邊緣運算架構 ......................................................... 15
圖 2-7 EdgeCross 架構 ........................................................................... 17
圖 2-8 EdgeCross 內部結構 ................................................................... 18
圖 3-1 實驗架構...................................................................................... 20
圖 3-2 感測模組佈署方式 ..................................................................... 21
圖 3-3 振動標準 ISO-10816................................................................... 22
圖 3-4 研華 WISE-6610 LoRa 閘道器 ................................................. 24
圖 3-5 第三方 LoRa 閘道器................................................................... 24
圖 3-6 TTN LoRa 服務器(架構) ............................................................ 25
圖 3-7 TTN LoraWan 服務器(閘道器、感測器註冊) .......................... 25
vii
圖 3-8 TTN/TTS 數據解析 .................................................................... 26
圖 3-9 MQTT 數據傳送 ......................................................................... 26
圖 3-10
Node-Red 數據轉換 .................................................................. 27
圖 3-11 Modbus TCP 錯誤碼流程 ......................................................... 29
圖 3-12 ModbusTCP 傳輸設定 .............................................................. 30
圖 3-13 Modbus TCP 數據格式 ............................................................. 30
圖 3-14 MBAP Header 數據格式........................................................... 31
圖 3-15 MBAP Header 程式解說........................................................... 32
圖 3-16 Master 端請求一個寄存器 ....................................................... 32
圖 3-17 PDU 數據格式........................................................................... 33
圖 3-18 功能碼03讀取保存暫存器 ....................................................... 34
圖 3-19 功能碼03讀取保存暫存器流程 ............................................... 34
圖 3-20
OPC UA 伺服器收集 ................................................................ 36
圖 3-21
OPC UA 通訊協定轉換 ........................................................... 36
圖 3-22 自動化設備................................................................................ 37
圖 3-23 方塊圖解說................................................................................ 38
圖 3-24 MQTT 採集數據流程 ............................................................... 39
圖 3-25 決策方法架構............................................................................ 40
圖 3-26 相似波形識別(資料來源：三菱ＭaiLab 官網) ...................... 41
圖 4-1 即時決策系統架構 ..................................................................... 42
圖 4-2 設備和感測器的實時數據 ......................................................... 43
viii
第一章 緒論
資訊技術（Information Technology，簡稱 IT）和營運技術（Operational Technology，
簡稱 OT）的融合已成為現代企業實現數位轉型的重要趨勢[1]。IT 系統和 OT 設備
的融合可以提升企業的生產效率和競爭力，並實現更高層次的智慧化。
第一節
研究背景
隨著工業的迅速發展，智慧工廠是現代製造業的一個重要發展方向，它結合了
先進的通訊技術、物聯網(IoT)、大數據分析等技術，實現生產過程的自動化。
根據 IoT Analytics 最近發布的《2022年春季 IoT 現況》報告指出，物聯網(IoT)
裝置的數量持續成長(圖1-1)，像是智慧居家設備、工業物聯網設備等[2]。在2020年
IoT 裝置首度超越非 IoT 裝置(如手機、筆記型電腦、桌上型電腦等)，使 IoT 裝置
成為全球聯網裝置使用率最高。也預估2025年 IoT 裝置的使用數量，將會占全球物
聯網裝置約270億台(約70.2%)[2] 。
隨著 IoT 裝置的數量成長，在傳統的集中式計算模式已無法滿足智慧工廠的
需求，造成數據傳輸和處理延遲方面存在限制，為了克服這些限制，學者提出邊緣
運算技術，將運算資源與數據處理能力移至接近數據源的邊緣節點，例如工廠設
備、感測器及控制系統等。於是本研究將尋找邊緣運算在智慧工廠中的應用，並提
出有效的演算法和架構，解決智慧工廠的即時決策、可靠傳輸需求，有助於提升智
慧工廠的生產效率。
圖 1-1 全球物聯網規模趨勢圖
(資料來源：IoT Analytics State of IoT - Spring 2022、本研究繪製)
1
第二節
研究動機
智慧工廠是現代製造業的重要趨勢，目標在於提高生產效率。智慧工廠的基礎
在於物聯網技術，但要實現智慧工廠我認為有三個主要問題需要解決，三個主要問
題分別是全面感測、可靠傳輸、智慧決策。下文會詳細說明這些問題。
一、
全面感測
全面感測在智慧工廠中扮演著重要的角色，隨著物聯網和邊緣運算技術的發
展，製造設備能夠透過感測器採集大量數據，讓這些數據能夠反映設備的運行狀
態、性能和效率等關鍵訊息。透過數據分析，智慧工廠不僅可以實現即時監測、預
測維護和智慧決策，也能提高設備的可用性和生產效率。
設備維護是一個必須嚴謹處理的問題，以往傳統工廠的設備維護，幾乎是依靠
人力去做定期檢修保養(如圖1-2)，但可能會因疏忽或設備磨損等因素，在生產過程
中發生故障，影響到生產營運。
若導入預測性維護（Predictive maintenance）
，可透過感測器檢測設備的溫度、
壓力、振動、電流等設備參數，將這些數據傳輸到中央系統或邊緣節點進行分析。
透過監測設備的實際運行情況，智慧工廠可以即時檢測到設備故障、異常或劣化情
況，從而及早進行維修和調整，避免設備失效並減少停機時間。
在邊緣運算技術的設備維護中，除了可靠傳輸與智慧決策的問題需要考慮，更
需要搭配設備感測技術，可以將數據在設備端進行處理，能夠快速地識別和分析設
備的異常狀態，從而減少人為干預和維護成本實現對設備的即時維護。這樣一來，
智慧工廠就能夠更加高效地運作，並且維護成本也會得到降低。
圖 1-2 設備維護
(資料來源：預防性維護和周期性檢修到底有什麼不同？
https://kknews.cc/news/vzbpx22.html)
2
二、
可靠傳輸
在智慧工廠中，可靠傳輸是實現即時決策和數據傳輸的關鍵因素。隨著智慧工
廠的設備與系統數量及複雜性不斷增加，大量的數據需要在設備之間、與中央系統
之間進行高效的傳輸和共享。因此，解決可靠傳輸的問題，對於確保智慧工廠的順
利運行和即時決策的實現至關重要。
近年來，智慧工廠的應用越來越廣泛，透過資料收集與分析來實現工廠的自動
化、智慧化。智慧工廠中涉及到大量的數據傳輸，尤其在進行即時決策時，需要快
速且可靠地傳輸數據，像若從廠房傳送出龐大資料，將數據全部發送至 IT 端的話
(如圖1-3)，會產生出非必要的資料，造成多餘的處理與延遲，反應 OT 端的數據會
有所遲緩。因此，網路傳輸速度問題成為了可靠傳輸中必須解決的關鍵問題之一。
圖 1-3 傳統與邊緣網路架構
(資料來源：基於 Qualcomm APQ8053實現邊緣運算(Edge Computing) https://www.wpgdadatong.com/tw/blog/detail/40223&utm_source=wpgddt&utm_medium=share&utm_c
ontent=blog_40223、本研究繪製)
為了解決網路傳輸速度問題，學者提出邊緣運算技術的研究。將邊緣運算裝置
放在靠近數據源頭的裝置上(如圖1-3)，如智慧感測器、工業設備等，能夠減少了數
據的傳輸量，提高反應設備的處理速度，同時也降低了網路延遲和擁塞的風險，也
能夠減少雲端的負荷量。
3
隨著 IoT 裝置的數量成長且實現智慧工廠，未來感測器使用率會越來越多，但
這些感測器的通訊協定幾乎有不同的通訊協定(如圖1-4)，它們的介面差異會造成
複雜網路連接(如圖1-5)無法更有效率地傳遞數據，也使通訊協定問題也成為了可
靠傳輸中必須解決的關鍵問題之二。
圖 1-4 自動化通訊協定
(資料來源：自動化通訊協定列表-維基百科
https://zh.m.wikipedia.org/zhtw/%E8%87%AA%E5%8B%95%E5%8C%96%E9%80%9A%E8%A8%8A
%E5%8D%94%E5%AE%9A%E5%88%97%E8%A1%A8)
圖 1-5 複雜的網路連接
(資料來源：簡化 IIoT 連線 [https://www.moxa.com/tw])
邊緣運算的應用可以有效地解決通訊協定問題，能夠結合各式各樣的工業設
備、感測器通訊協定(如圖1-6)，減少了數據傳輸的複雜性，提高了數據處理速度，
能夠加以實現自動化的生產。進一步提高通訊協定的效率和可靠性，同時也為工廠
的智慧化轉型提供強而有力的支持。
4
圖 1-6 整合通訊協定
(資料來源：簡化 IIoT 連線 [https://www.moxa.com/tw])
在邊緣運算的應用中，邊緣設備扮演了重要角色，能夠處理多項基本的數據計
算和分析。必須選用適當的通訊協定與自動化設備進行通訊，使相關結果能夠快速
且有效地傳送至遠端伺服器進行進一步的分析，同時也能夠更快速地取得分析結
果，進而實現工廠生產更智慧、更高效的目標。
綜上所述，可靠傳輸對智慧工廠的影響不容忽視。邊緣運算的應用能夠有效地
解決網路傳輸及通訊協定問題，實現智慧工廠的自動化生產，提高工廠的效率和可
靠性。
三、
智慧決策
智慧決策在智慧工廠中扮演核心角色，依賴於 AI（人工智慧）的能力。AI 能
夠提供準確的數據分析和預測，提升智慧工廠的效率。但 AI 需要大量的數據支持
才能獲得正確的結果，由於本研究所採集的設備數據尚不足，因此將智慧決策放置
在未來的研究中。目前的重點是解決全面感測和可靠傳輸的問題，以確保有足夠的
數據基礎來支持智慧決策的進一步發展。
5
第三節
論文架構
本論文基於邊緣運算技術在智慧工廠中的應用。第一章介紹研究背景、研究動
機和預期貢獻，並提供論文架構。第二章探討邊緣運算在智慧工廠中的應用和智慧
工廠通訊協定的選擇與實施策略，包括 OPC UA、Modbus、MQTT 和 LoRaWAN，
並且藉由 I-P-F Curve 來說明設備感測與維護對於智慧工廠重要性。第三章詳述研
究系統設計與成果，包括系統架構規劃和 Edge Cross 部署。第四章提出研究結論
與未來研究建議。本論文架構如圖1-7所示。
圖 1-7 論文架構圖
(資料來源：本研究繪製)
6
第二章 文獻探討
邊緣運算是近年來新興的運算技術，對智慧工廠的發展具有重要意義，它可以
實現數據處理和分析、故障檢測和預測維護、資源優化、即時決策與自主控制等方
面的應用。可以促進智慧工廠的持續發展，實現更高效率、智慧與可持續的製造環
境。本章節分為三節，首先講述預測性維護在智慧工廠中的應用，其次講述智慧工
廠通訊協定的選擇與實施策略，最後講述邊緣運算在智慧工廠的應用。
第一節
預測性維護在智慧工廠中的應用
在工業 4.0 的核心概念中，智慧工廠目標實現高效率生產、自動化的製造環
境，因此設備的可靠性和正常運行至關重要，為了實現這目標，使預測性維護
（Predictive maintenance）應運而生[3]，透過感測器提前檢測與預測設備故障，能夠
減少停機時間、降低維修成本。
1.
預測性維護的概述
預測性維護是一種基於數據分析、預測模型的維護策略，利用大數據分
析、機器學習和數據模型等技術，透過對設備數據的監測和分析，識別潛在故
障，以確定在設備發生故障前的成本效益最優的維護時機[3]。
2.
預測性維護方法
預測性維護方法多種[3]，常用的方法如下：
A.
超音波分析：監測設備所產生的超音波訊號，並分析這些訊號的頻
率、振幅、相位等特徵，對於複雜設備和機械系統，例如軸承、齒輪、
風扇等部件的健康狀態監測和故障檢測，超音波分析可以用於檢測
到早期的設備異常，如磨損、摩擦，並即時進行維修或更換。
B.
振動分析：監測設備的振動特徵，檢測並分析潛在的故障信號，振動
分析可以用於檢測軸承磨損、不平衡和負載過重等問題。
C.
油品分析：對機械設備中的油進行化學分析，檢測潛在的故障和污染
物，並提前進行維護。
D.
熱像儀檢測：利用熱像儀技術對設備進行熱量分析，檢測熱點和過熱
現象，以預測故障。
7
3.
預測性維護在智慧工廠中的應用
預 測 性 維 護 在 智 慧 工 廠 中 扮 演 著 關 鍵 角 色 ， 根 據 《 Learn Oil Analysis.
learnoilanalysis[3]》文獻表示，指出使用感測器可以提高設備的可用性[3]，透過連續
監測和分析設備數據，預測潛在故障並提前進行維護，從而避免計畫外停機時間，
降低生產損失。在文獻中可知預測性維護可以優化維護計畫，了解設備的運行狀態
和健康狀況，合理分配資源，減少停機時間，來提高生產效率，還可以提前檢測和
識別設備故障，適時進行維修或更換關鍵部件，避免故障擴大和進一步損壞其他設
備，節省維修成本。最後還可以增強安全性，透過監測和分析設備的運行狀態，可
以即時發現潛在的安全風險和故障，並採取適當的措施保護工廠的安全和員工的
健康。
第二節
智慧工廠通訊協定的選擇與實施策略
在智慧工廠中，通訊協定的選擇和實施是實現順暢運作和高效生產的關鍵因
素。不同的通訊協定具有不同的特性和適用範圍，因此在設計智慧工廠系統時需要
仔細評估和選擇適合的通訊協定。本研究實驗所採用四種通訊協定分別為 OPC UA、
Modbus TCP、MQTT 和 LoRaWAN，針對智慧工廠中的應用和選擇進行探討，將
在下文討論。
一、
OPC UA
OPC UA 是工業4.0中討論性最高的標準工業自動化通訊協定，讓符合 OPC 標
準的自動 化設備 [4] ，能夠讓數 據採集、數據模型化以及營運技術(Operational
Technology,簡稱 OT)與資訊技術(Information Technology,簡稱 IT)之間的通訊更佳安
全、可靠及實現即時性。
OPC UA 五大優勢：
A.
能夠在任何作業系統上運行（Android、Linux、Windows、Mac 等）。
B.
數據模型的建置和維護更加方便。
C.
通訊範圍廣泛。
D.
能夠使用開源碼進行開發。
E.
有標準的安全模型。
8
OPC UA 定義程式控制與工廠自動化所需要的物件、介面及方法，目的是為了
提高不同設備的共同作業能力，在早期工廠都會遇到常見的問題：就是設備通訊，
光是 PLC 就有不同廠牌(三菱、歐姆龍、松下、西門子等等)，讓使用者被迫只從單
一廠商來取得解決方案；有了 OPC UA 通訊協定簡化傳輸過程，與不同種類的設
備連接(如圖2-1)，讓軟體可透過 OPC UA 讀寫各種硬體資料，來監控設備狀態。
圖 2-1 認識 OPC
(資料來源：6分鐘認識 OPC ! 6 minute understand OPC !
https://modbus.tw/6%E5%88%86%E9%90%98%E8%AA%8D%E8%AD%98opc-6-minute-understand-opc/)
OPC UA 是一種應用程式介面，可以讓使用者使用一致性的方式存取各種不同
型態和來源的資料，包括現場設備的資料。這樣的做法可以減少硬體設計者、軟體
合作廠商、SCADA 以及 HMI 廠商在建立和整合設備管理介面上所需要的心力。
9
二、
Modbus
Modbus 是由 Modicon 公司所開發的通訊協定，該公司在1979年被施耐德電機
(Schneider Automation)公司併購為某一個部門[5]。Modbus 是目前工業界常用的通
訊之一，架構(如圖2-2)是由主端(Master )與從端(Slave)所組成，主端(Master)發出消
息要求給從端(Slave)，從端(Slave)接收到根據主端(Master)要求回傳數據。
圖 2-2
Modbus 架構
Modbus 最常用的通訊方式分為兩種通訊格式(表格2-1)：Modbus RTU、Modbus
TCP。
I.
Modbus RTU：
應用在串列傳輸(Serial Port)方式上，實體傳輸介面有 RS232、RS485。使用二
進制方式進行數據傳遞與交換，Modbus RTU 在資料結尾中，必須加入 CRC 碼(循
環冗餘校正)來驗證傳輸數據的正確性。
II.
Modbus TCP(是本研究實驗，所使用的通訊格式)：
使用乙太網路通訊方式，利用 TCP/IP 協定進行數據傳輸，Modbus RTU 在資
料結尾中，不須加入 CRC 碼(循環冗餘校正)來驗證傳輸數據的正確性。
Modbus 數據傳輸時資料格式如下表，主要分為 IP 位址(Address)、功能碼
Function Code、暫存器起始位址(Start register Address)、資料內容(Data)、檢查碼
(CRC)。
表格 2-1
Modbus TCP 與 RTU
Address Function Code
8bit
8bit
Address Function Code
8bit
8bit
Modbus RTU
Start register Address Data CRC
N/A
N*8bit 16bit
Modbus TCP
Start register Address Data CRC
16bit
N*8bit N/A
10
在 Modbus 通訊協定中是根據功能碼來定義資料型態(表格2-2)，規範中的功能
碼種類多達二十幾種，其中資料形型態最為常用的分別是數位輸出、數位輸入、類
比輸出、類比輸入。由於 Modbus 通訊協定發展很早、格式簡單，因此現今多數工
業感測器、電力感測器，都是採用 Modbus 通訊協定。
表格 2-2
Modbus 暫存器說明
暫存器類型
變數類型
型態
Coil
0x
bit
(線圈)
Discrete Input
1x
bit
(離散輸入)
Input Registers
3x
16bit Word
(輸入暫存器)
Hold Registers
4x
16bit Word
(輸出暫存器)
變數類型
讀/寫
通訊功能碼
讀取
01
單個線圈寫入
05
多個線圈寫入
15
1x
讀取
02
3x
讀取
04
讀取
03
單一變數寫入
06
多一變數寫入
16
0x
4x
11
讀/寫
數值範圍
唯讀
0~1
讀/寫
0~1
唯讀
-32768~32767
讀/寫
-32768~32767
功能說明
Coil Status
讀取線圈狀態
Coil Value
寫入單個線圈值
Coil Value
寫入多個線圈值
Descrete Input Status
讀取離散輸入狀態
Input Register
讀取輸入暫存器
Holding Register
讀取保存暫存器
Holding Register Value
寫入單個保存暫存器值
Holding Register Value
寫入多個保存暫存器值
三、
MQTT
信息隊列遙測傳輸(Message Queuing Telemetry Transpor, MQTT)是為了提供
人造衛星與石油監測之間輕量且可靠的通訊協定[6]，於1999年由 IBM 公司所發表，
後來在2014年經由 OASIS 批准為國際 ISO 標準。MQTT 協定設計精簡且輕量，解
決網路頻寬限制的網路裝置或者硬體效能不佳的 IoT 裝置。
MQTT 是使用發布/訂閱的模式，架構主要分為三種：發佈者、訂閱者及訊息
代理(如圖2-3)，發布者將感測器數據傳遞至伺服器，而訂閱者讀取到由發布者所傳
遞的數據，每個感測器所傳遞的數據，都必須命名屬於自己的名稱，如圖的主題 A、
B、C；接下來訂閱者如要讀取感測器的數據，必須訂閱相同名稱，才能讀取到感
測器的數據。
圖 2-3 MQTT 架構
(資料來源：https://www.potatomedia.co/post/1d68f686-2129-4832-a63a-1b92d6add4ac)
服務品質(Quality of Service)是確保關鍵應用程式效能，利用特定機制或傳輸
優先順序來控制數據流量，就能改善資源管理、提升使用者體驗、大幅減少網路的
延遲。MQTT 使用三種服務品質，分別為 QoS0、QoS1、QoS2[7]，說明如下：
I.
QoS0[7]：
最多一次傳送，只負責傳送，傳送過後就不管資料的傳送情況。
II.
QoS1[7]：
至少一次傳送，確認資料交付，傳送過後會確認是否收到，沒收到會再重覆傳
一次。
III. QoS2[7]：
正好傳送一次，保證資料交付成功，雙方會進行至少兩次請求/響應。
12
四、
LoRaWAN
LoRaWAN（Long Range Wide Area Network）是一種適用於長距離、低功耗的
無線通訊協定，用於物聯網應用。它具有遠距離通訊和低功耗的特點，適用於智慧
工廠中分佈式設備和感測器的連接，是本研究中採用做為振動感測器訊息傳遞的
無線通訊協定。
LoRaWAN 網路架構(如圖2-4)，是由應用伺服器(Application Server)、網路伺
服器(Network Server)、閘道器(Gateway)及終端節點(End Node)等四個部分所組成
[8]
。分別說明如下：
I.
應用伺服器(Application Server)：
從終端節點收發數據並控制終端節點的狀態。
II.
網路伺服器(Network Server)：
可以連接到多個閘道器，從多個閘道器收集資料、過濾重複訊息，決定該
從哪個終端節點訊息做出回應。
III. 閘道器(Gateway)：
終端節點與網路伺服器之間的橋樑。終端節點利用 LoRaWAN 連接到閘
道器，而閘道器利用 TCP/IP 連接到網路伺服器。
IV. 終端節點(End Node)：
用於收集感測器資料以及發送/接收資料。
圖 2-4
LoRaWAN 架構
13
LoRaWAN 通訊協定的架構圖主要分為幾層(如圖2-5)，
I.
Application(綠色)：
主要是由用戶依照自己的需求來進行開發。
II.
LoRa MAC(藍色)：
LoRaWAN 主要分為三種傳輸方式：Class A、Class B、Class C[9]。
Class A：最基本 Class、也最省電，當 end node 達成條件後觸發送出訊號，成
功發送一段時間後便進入休眠狀態，觸發時間不一定。但在休眠狀態時，server
端無法找到 class A 的 end node。
Class B：觸發時間是固定的，他會在固定時間點發送數據，會先檢查是否有數
據進來，沒有的話就進入睡眠。
Class C：則是會一直接收指令，不進入休眠狀態。
III. LoRa Modulation(橘色)：
使用 SX127X 或 SX126X 晶片來實現 LoRa 無線通訊。
IV. Regional ISM band(灰色)：
因為 LoRa 是無線通訊，數據傳輸是依靠無線電波，如果無線電波的訊號如果
不統一標準，無線電就會非常混亂。所以國際電信聯盟(ITU)就規劃世界各國
地區不同的無線電頻段，比如台灣是開放 AS920~925MHz 給物聯網使用，歐
洲868/433MHZ、美國915MHZ。
圖 2-5
LoRaWAN 架構說明
14
第三節
邊緣運算在智慧工廠的應用
隨著全球製造業的快速發展，智慧工廠的概念越來越受到關注。智慧工廠透過
數位孿生技術和自動化流程提高生產效率、品質和靈活性。在快速變化的製造環境
中做出即時決策仍然是一個具有挑戰性的問題，傳統的集中式運算模式(雲端模式)
無法有效處理大量的即時數據，且延遲過高，這對於智慧工廠的順利運作和即時決
策至關重要，為了解決這些問題，使邊緣運算應運而生。
一、
邊緣運算的基本概念
邊緣運算（Edge-Computing）是一種分散式運算架構，其主要推動原因是因為
雲端運算逼近極限，單純的增加網路頻寬或提升程式運算能力已無法滿足需求，無
法快速處理設備數據並實現即時使用或監控。邊緣運算可以透過位於網路邊緣的
節點，更接近終端裝置，提高數據運算速度和傳輸速度，實現即時分析決策和回應
速度，減輕網路傳遞延遲。在傳統的「雲端 - 終端」(如圖2-6左)架構，若 OT 設備
在短時間產生龐大數據送往至雲端設備，會因為網路頻寬因素造成反應遲緩，無法
達到即時決策需求；因此學者提出「雲端 - 邊緣運算 - 終端」(如圖2-6右)的新興
運算架構[10]，在雲端與設備中間加入邊緣運算裝置，拉近設備距離有效地解決網
路傳輸問題，也在萬物互聯時代將扮演先進的改革者角色，成為智慧網路架構的重
要組成部分。
圖 2-6
傳統運算與邊緣運算架構
(資料來源：基於 Qualcomm APQ8053實現邊緣運算(Edge Computing) –
https://www.wpgdadatong.com/tw/blog/detail/40223&utm_source=wpgddt&utm_medium=share&utm_content=blog_40223)
15
雲端運算雖然擁有強大運算及儲存功能，但略為不足的是網路傳輸速率，若以
(圖2-6左)傳統雲端架構，在終端設備傳輸資料到雲端資料中心進行數據處理[11]，
相較於邊緣運算而言會更為耗時。若僅依靠雲端運算要實現萬物聯網規模的數據，
傳輸量將會花費大量成本，而雲端也會不勝負荷。再來是企業資料若上傳到雲端也
會擔心是否會資料外漏或遺失、雲端供應商內部員工盜取等等未知的風險。
在邊緣運算中也擁有降低延遲以及分擔龐大數據量的優勢，將儲存、處理與分
析的功能，從雲端移置到雲端與設備中間(圖2-6右)，可拉近與數據產生的位置，能
夠提高網路傳遞速度並減少延遲，有助於加快系統回應速度；再來網路可靠性更
高，因為使用雲端運算是用外部網路進行傳輸，一次能傳遞的數據有限，若今天網
路連線品質不佳，會造成雲端連線中斷，而邊緣運算則是用公司內網進行傳遞數
據，不會因連線品質不佳而造成斷網；最後是安全性提高，網路傳輸是用公司內網
的方式進行傳輸，協助提高資料安全。
雲端運算和邊緣運算是兩種不同的計算模式，在架構、資源配置、數據處理位
置和應用場景等方面有所不同。下表2-3將比較雲端運算和邊緣運算幾個關鍵點：
表格 2-3
雲端運算和邊緣運算比較
架構
服務
說明
邊緣運算
分散式運算方式
雲端運算
集中式運算方式
服務
資源配置
說明
邊緣運算
將計算和儲存資源移至接近設備數據源的邊緣設備，如感測器、智
慧設備等。可以減少數據的傳輸延遲，提高數據處理的效率。
雲端運算
通常使用大型的遠程數據中心來提供計算和儲存資源。所有的數據
處理、分析都在雲端進行，並由雲端提供商(Microsoft、Amazon、
Google)負責資源的配置和管理。
16
數據處理位置
說明
服務
邊緣運算
將數據在接近設備數據源的邊緣設備上進行處理。這樣可以減少數
據的傳輸量和延遲，提高實時性和反應速度。
雲端運算
將數據集中處理，所有的數據都傳輸到雲端進行分析和處理。這種
方式適合處理大量數據、複雜的分析算法和深度學習等需求。
應用場景
說明
服務
邊緣運算
適合處理需要低延遲、即時反饋和本地控制的應用，如智慧城市、工
業自動化、智慧交通等。它可以在數據生成的地方即時處理和分析
數據，減少對雲端的依賴。
雲端運算
適合處理需要大量計算資源和存儲空間的應用，如大數據分析、人
工智慧、機器學習等。它可以提供高度可擴展性和彈性，適應不同規
模和需求的應用場景。
二、
邊緣運算平台（Edge Cross）
工業物聯網(簡稱 IIoT)不斷的持續成長，導致部分功能與性能都必須採用專用
的邊緣運算平台環境，來加強 IIoT 持續成長的需求。因此由三菱公司領銜提倡的
e-F@ctory 聯盟，推出邊緣運算的開放平台 Edge Cross，Edge Cross 平台(如圖2-7)
正在成為強大有力的架構需求，該平台可以使資訊技術(Information Technology,簡
稱 IT)和營運技術(Operational Technology,簡稱 OT)進行融合，利用合適的通訊協定
將自動化設備及感測器串起來，使 Edge Cross 能夠為收集到的數據進行上傳給 IT
或回授給 OT，並能提供數據建模、建置人機介面及邊緣分析等工具。
圖 2-7 EdgeCross 架構
(資料來源：EdgeCross 官網 https://www.edgecross.org/ch/)
17
Edge Cross 平台主要是解決邊緣運算的核心功能需求。以工業型電腦（IPC）
為基礎架構，可以將整個 OT 環境中進行資料收集，無論廠商或網路種類如何。在
生產設備附近能進行即時分析，提供給設備即時的現場回應。儲存的資料也能讓設
備維護人員和 IT 人員可以讀取數據，提供給世界各國企業操作之用。Edge Cross
也提供支援 IT 廠商主導的軟體能夠在 OT 環境中執行，並支援邊緣運算所需的大
量數據資料庫。透過 Edge Cross 平台在整個結構中進行無縫合作，以實現智慧化、
自動化。IT 系統不僅能夠進入 OT 領域，解決營運改進問題，而且還能進入雲端常
駐供應鏈和工程活動[12]。
Edge Cross 平台是一個套裝軟體，選擇適合的工業型電腦進行安裝(如圖2-8)，
裝載四種軟體(IT 閘道、數據收集器、邊緣應用程式及 EdgeCross 基本軟體)，就能
夠構建出邊緣運算的方案。表格2-4有針對四種軟體可支援種類進行整理，
表格 2-4
圖 2-8
EdgeCross 常見支援種類
EdgeCross 內部結構
名稱
EdgeCross
基本軟體
IT 閘道
支援種類
工業電腦只要是 Windows 系統的電腦都能支援
Edge Cross 內建 OPC UA、MQTT 通訊協定，無須額外購買。
需額外購買。
數據收集器
常見的通訊協定有 SLMP、CC-Link、OPC UA、Modbus、
EtherCAT、MQTT。
邊緣應用程式 三菱 Mailab、iQ Edgecross 實時數據分析儀，C#
18
第三章 研究系統設計與成果
本章節針對上文所提出的三個研究問題：全面感測、可靠傳輸、智慧決策，設
計出基於邊緣運算和智慧工廠即時決策的架構，該架構說明如何部署邊緣運算平
台（Edge Cross）
、通訊協定整合及感測模組運用為主軸。透過基於邊緣運算和智慧
工廠即時決策的架構，能夠更好地實現智慧化、自動化，提高生產效率與品質，同
時也減少設備故障和損失的風險。本章節共分為二節將對其進行介紹，首先講述本
研究「系統架構規劃」，最後講述「Edge Cross 部署」。
第一節
一、
系統架構規劃
系統架構
所使用的設備是取自本系上的工業機器人實驗室，包括力覺、倉儲系統等機械
手臂、輸送帶等設備，感測器主要採用研華科技 WISE-2410震動感測器。主要收集
的資料為從機械手臂及輸送帶周邊零件的伺服馬達數據，包括溫度、轉矩、震動等
相關系統數據，透過 Edge Cross 進行資料收集、分析與回饋。
本論文的系統架構設計(如圖3-1)所示，分為三個層面：IT、Edge-computing 及
OT。本論文的研究方向主要在於邊緣運算、通訊協定整合、感測器以及機械手臂
的零件維護。IT 端的研究則由本實驗室的另一位組員負責，在邊緣運算整理好數
據並將其傳送至 IT 端，以利用 FlexSim 實現數位孿生。因此，在本章節中不會討
論 IT 端。
19
圖 3-1 為實驗架構，主要由 OPC UA 伺服器將設備通訊協定（如 Modbus TCP、
MQTT）轉換成 OPC UA，以實現數據的統一性。將數據送往至 Edge Cross 進行數
據分析和過濾，並使用邊緣應用程式進行決策分析，分析結果即時回傳至設備，同
時可以透過 IT 閘道 OPC UA 通訊協定將數據傳送至 IT 系統進行進一步的數據分
析和處理。這樣的架構提供完整的解決方案，使得設備數據可以進行即時決策分
析，未來也可以利用雲端運算或仿真軟體進行更深入的分析和優化。
圖 3-1 實驗架構
(資料來源：本研究繪製)
20
二、
感測模組佈署
感測模組佈署方式分為有線、無線通訊(如圖3-2)：
A.
有線通訊：因為設備幾乎有內建感測器，可透過程式將數據抓出來，打包
成 Modbus 格式，透過控制器的 TCP/IP 功能，將數據送往閘道器轉成 OPC
UA 存至 OPC UA 伺服器。
B.
無線通訊：使用 LoRa 閘道器將感測器數據送往 LoRa 伺服器做數據處理
且經由 Node-Red 做通訊協定轉換成 MQTT，將數據送往至 OPC UA 伺服
器，下文將會詳細說明如何部署感測器。
1.
圖 3-2
感測模組佈署方式
振動感測器：
本研究所使用的感測器是研華科技 WISE-2410 LoRaWAN 振動感測器，使用
LoRa 收發器、三軸(X、Y、Z)加速度計和溫度傳感器。WISE-2410振動感測器採用
LoRaWAN 無線通訊，透過閘道器與網路伺服器進行數據傳輸，提供用戶使用。振
動感測器能夠計算更複雜的特徵值，如 VRMS、ARMS、峰值、峰度、波峰因數、
偏度和標準偏差值。
主要特徵為以下：
I.
LoRaWAN 無線傳輸。
II.
內置三軸加速度計和溫度感測器。
III. 可使用電池供電，無線方式進行數據傳輸。
IV. 支援第三方 Gateway。
V.
符合 ISO 10816-3 標準。
21
ISO 10816-3
振動標準
基座類型
速度
mm/s RMS
11
7.1
4.5
3.5
2.8
2.3
1.4
0.71
Group4
Group3
Group2
Group1
直接式
離心式設備
非直接式
離心式設備
中型機器
160mm ≤ H ≤ 315mm
大型機器
315mm ≤ H
剛性基座
柔性基座
剛性基座
柔性基座
剛性基座
D
D
D
C
C
B
B
A
D
D
C
B
B
B
A
A
D
D
C
B
B
B
A
A
柔性基座
15KW < P ≤ 300kW
額定功率 > 15kW
D
C
B
B
A
A
A
A
D
D
D
C
C
B
B
A
D
D
C
B
B
B
A
A
剛性基座
柔性基座
300KW < P < 50MW
D
D
C
B
B
B
A
A
D
C
B
B
A
A
A
A
運轉速度大於 600rpm 時，要在頻率範圍介於 10Hz 至 1000Hz 之間作量測
運轉速度介於 120 至 600rpm 量測的頻率範圍應介於 2Hz至 1000Hz 之間
A
B
良好
警告
C
D
危險
無法使用
圖 3-3 振動標準 ISO-10816
( 資料來源:馬達振動標準 ISO 10816-3
https://www.prowavegroup.com/h/DataDetail?key=013537177978&cont=294413 )
在前面提到振動模組是使用 ISO 10816標準(如圖3-3)，由於工廠大量使用動力
機械，運轉過程中會產生振動，在設備運轉過程中，會出現一些徵兆使設備振動值
增加，因此國際 ISO 有制定振動標準，來設定不同轉動設備可承受的振動值。
常使用的振動標準是 ISO-10816，ISO-10816源於 ISO 2372，國際 ISO 組織於
1995年將 ISO 2372及 ISO 3945合併並修訂產生[14]，當中分為 ISO10816-1、108162、10816-3，涵蓋15kW 到50MW 以上的轉動機械。針對馬達的瓦數、性質分為四
類，來定義該設備正常、警戒與危險的振動值。
ISO 10816定義振動測量的方法和參數，包括速度、位移和加速度等。提供不
同設備類型的振動限值，根據振動等級將設備分為幾個類別，從而判斷設備的運行
狀態和健康狀況，透過遵循 ISO 10816標準，可以有效監測和評估機械設備的振動
狀態，並採取必要的維護和修理措施，有助於減少設備故障和停機時間，提高設備
的可靠性與可用性。以下是一些更深入的說明：
22
A.
振動參數：
ISO 10816定義了幾個主要的振動參數，包括速度、位移和加速度。
這些參數用於測量設備在不同頻率範圍內的振動程度。通常使用加速度
作為最常見的振動參數，因為它能提供更全面的振動信息。
B.
振動等級：
ISO 10816將機械設備分為不同的振動等級，從 I 級到 III 級。每個等
級對應不同的振動限值和診斷標準。等級 I 代表較低的振動水平，而等級
III 代表較高的振動水平。將設備的振動水平與特定等級進行比較，可以
評估設備的健康狀況和可靠性。
C.
應用範圍：
ISO 10816適用於各種類型的機械設備，包括旋轉機械（如馬達、風
扇、泵等）
，不同的設備類型具有不同的振動特性和限值，因此 ISO 10816
針對每種類型的振動參數和限值。
D.
評估和維護：
定期進行振動測量和評估，以監測設備的振動狀態並及早發現潛在
的故障。如果設備的振動水平超出了指定的限值，則可能需要進一步的維
護和修理措施。這有助於預防設備故障、減少停機時間和提高生產效率。
23
2.
LoRaWAN 閘道器：
為了讓感測器部署具有靈活及彈性，採用無線傳輸的 LoRa 閘道器是最佳選
擇，是專為在惡劣或廣域的環境中，可以連接長距離，低成本，利用電池供電的無
線 LoRaWAN 感測器所設計。本研究是採用 Heltec HT-M01S LoRaWAN 閘道器，
透過 HT-M01S 將感測器數據送至 OPC UA 伺服器（泓格 UA5200）。
雖然 HT-M01S 無法像研華科技自家研發的 LoRaWan 閘道器 WISE-6610 一
樣，功能強大能夠將通訊協定轉換成 Modbus TCP(上圖 3-4)；此外在工廠必須考慮
到成本，像 WISE-6610 價格約為三萬元，而 HT-M01S 價格則為五千元。
因此使用 HT-M01S 搭配 The Things Network（TTN） LoraWan 服務器（下圖
3-5），利用 TTN 的 LoRaWan 轉 MQTT 通訊協定功能，將數據傳至 Node-RED 進
行解碼，能夠將數據藉由閘道器，完整送往至 OPC UA 伺服器（泓格 UA5200），
再轉成 OPC UA 存至 Edge Cross 平台。在後續文章會介紹 The Things Network
（TTN） LoraWan 網路服務器，以及如何將 LoRaWan 轉 MQTT 通訊協定上傳至
OPC UA 伺服器（泓格 UA5200）。
圖 3-4 研華 WISE-6610 LoRa 閘道器
( 資料來源：WISE-6610 LoRa 閘道器演示[https://www.advantech.com/zh-tw/products/23ed4776-16334901-a776-8532a23ea8b4/wise-6610-n500/mod_92749226-f17a-4984-940a-57db658a84de] )
圖 3-5 第三方 LoRa 閘道器
(資料來源：本研究繪製)
24
3.
TTN LoRa 服務器：
The Things Network（TTN）是一個基於 LoRaWAN 的全球協作物聯網生態系
統（如圖 3-6）
，發展全球性的開放式 IoT 網路基礎架構，為任何人提供免費且開
放的 IoT 網路連接。TTN 使用低功耗、長距離、開源的 LoRaWAN 網路，使裝置
可以在室內和室外遠距離通信，以實現智慧城市、智慧農業、工業物聯網和其他應
用。TTN 網路是由所謂的「閘道器」構成，這些閘道器是設置在不同地點的物理
設備，可收集 IoT 設備傳送的資料，並將其傳輸到 TTN 網路上。TTN 網路也提
供了一些管理和監控 IoT 設備的工具和平台，讓使用者更輕鬆地使用和管理自己
的 IoT 應用。
圖 3-6
TTN LoRa 服務器(架構)
在 TTN/TTS LoRa 服務器中，用戶可以註冊自己的閘道（Gateway）與感測器
（Applications）(如圖 3-7)，並將其連接到 TTN 網絡。閘道器用於接收來自
LoRaWAN 感測器的數據，並將其轉發到 TTN 的伺服器。用戶可以使用 TTN 提供
的開發工具和 API 來管理他們的設備和數據，並構建各種物聯網應用。
圖 3-7
TTN LoraWan 服務器(閘道器、感測器註冊)
25
4.
利用 Node-Red 讀取(解析)LoRa 服務器數據：
為什麼會將數據傳給 Node-Red 原因，是 TTN LoraWan 服務器有字數的限制，
而感測器的公版程式碼約為 5 萬字符(如圖 3-8)，無法使用 TTN/TTS 數據解析進行
編碼，直接傳至 OPC UA 伺服器，加上 LoRa 服務器有內建 MQTT 功能。
因此選擇 Node-Red 作為數據解析的平台，讓 LoRa 服務器透過 MQTT 將數據
送往至 Node-Red 做解析，解析完的數據再轉換成 MQTT 藉由閘道器傳至 OPC UA
伺服器(如圖 3-9)，再轉成 OPC UA 存至 Edge Cross 平台。
圖 3-8
TTN/TTS 數據解析
圖 3-9
MQTT 數據傳送
26
數據接收到 Node-Red 時，
1.
放置節點，訂閱 LoRa 服務器的 MQTT 伺服端，
2.
利用研華振動感測器公版 javascript 程式，將程式放置在函數節點(圖 3-10
中，WISE2410)進行數據解析。
3.
最 後 進 行 分 類 ， 分 類 成 溫 度 (TempHumi) 、 XYZ 軸 (Velocity RMS 、
Acceleration Peak、Acceleration RMS)等數據。
4.
最後放置 MQTT 節點將數據送往至 OPC UA 伺服器。
2
1
4
3
圖 3-10
Node-Red 數據轉換
27
三、
Modbus TCP 程式設計
Modbus TCP 通訊協定的數據編碼方式是使用二進制（Binary），數據以 0、1
的形式進行數據傳輸和解讀。Modbus TCP 支持多種不同的數據類型，包括 16 位
元的整數（有符號和無符號）
、32 位元的浮點數、字串等。將整數與浮點數數值轉
換為 16 進制表示。例如，16 位元的整數值為 0x1234。
使用 Modbus TCP 初衷原因，因本系機械手臂沒有購買 OPC UA 模組，但都
有內置 Modbus TCP，因此能輕易的與泓格 UA5200 進行連線。也考慮到部分 EPSON
機械手臂較舊的型號甚至沒支援 Modbus TCP，因此利用 RC7.0+軟體撰寫 Modbus
TCP 來解決這個問題，讓這些新舊型的機器可以透過 I/O、TCP/IP 網路，將數據經
由機械手臂打包成 Modbus TCP 封包，傳給 GateWay 並透過 OPC UA Server 進行
數據轉換。相較於其他工業通訊協定，Modbus 通訊協定相對簡單，易於實現和操
作。使用常見的網路技術進行數據傳輸，採用主-從架構進行通訊，使開發人員能
夠輕鬆理解及應用，並能夠快速開發與舊機器的通訊連接。
後續下文會介紹 Modbus TCP 的程式設計。
28
1.
Modbus TCP 異常代碼響應(圖 3-11)
當 Modbus TCP Slave 端請求失敗時，它將會回覆一個異常響應。異常響應的
功能碼將會在原本功能碼的基礎上加上 0x80，而後續的數據則是代表異常碼。
表格 3-1
Modbus TCP 錯誤碼
功能碼
異常碼
型態
16bit Word
0x80+請求功能碼
常見異常碼
01：不支持的功能碼，請求的功能碼僅適用於配置好
的功能碼，而未配置的不可實現。
02：非法數據地址，詢問中接收的資料地址是不可允
許的地址。
03：非法數據值，詢問中包括的值是不可允許的值。
例如：長度不正確。
圖 3-11
Modbus TCP 錯誤碼流程
29
2.
Modbus TCP 傳輸速度設定
數據傳遞是以每秒 0.01 秒進行傳輸一次。
圖 3-12
3.
ModbusTCP 傳輸設定
Modbus TCP 數據格式，以 03、06 當例子
I.
Modbus TCP 數據格式(如圖 3-13)：
MBAP Header、Function Code、DATA，這三部分合稱為 ADU 也就是應
用數據單元，在 ADU 中的 MBAP（Modbus Application Protocol）是 Modbus
TCP 專屬的內容。至於 PDU 則是由 Function Code、DATA 合稱為協議數
據單元，與 Modbus RTU、ASCII 數據格式相同。
圖 3-13
Modbus TCP 數據格式
30
II.
MBAP Header 數據格式，以功能碼 03 來做介紹：
圖 3-14
MBAP Header 數據格式
MBAP Header 的數據格式可以根據具體的 Modbus 實現和協議變體而有所不
同。它提供了在 Modbus 通信中進行數據封裝和路由所需的必要信息，以確保有效
和正確的通信。
MBAP Header 共四個部分(如圖 3-14)，分為 7 個 Byte，含意如下：
A.
Transaction ID（事務標識符）：2 個 Byte，用於唯一識別每個事務。在主
從設備之間的通信中，用於區分不同的請求和響應。
B.
Protocol ID（協議標識符）
：2 個 Byte，指定 Modbus 通訊協定，通常為 0。
C.
Unit ID（單元標識符）：1 個 Byte，用於識別通信中的 Modbus 從設備。
在主從設備之間的通信中，主機使用單元標識符來指定要通信的目標從
設備，如 Slave 端的 ID。
D.
Length（長度）
：2 個 Byte，指示 MBAP Header 之後的數據長度，包括 Unit
ID、Function Code 和 Data，
31
MBAP Header 程式說明(如圖 3-15)：
圖 3-15
MBAP Header 程式解說
第一行：利用 receiveData(11)來知道 Master 端所要使用的寄存器數量有多少
個。
第二行：當寄存器數量超過 256 時，會在 receiveData(10)進位。
第六行： 因為一個寄存器會使用到 2 個 Byre，必須乘於 2。
第七行：指示 MBAP Header(receiveData (5))之後的數據長度，預設為 3 Byte
指：Unit ID、Function Code 和 Data，再加上寄存器的數量。
如：當 Master 端請求一個寄存器(receiveData(11))時，
Slave 端則會回應，(sendData(5)=5)，如圖 3-16。
圖 3-16
Master 端請求一個寄存器
32
III. PDU 數據格式
PDU 數據格式根據具體的 Modbus 實現和通訊需求可能有所不同。它承載了
Modbus 通訊協定中不同功能碼及相關數據(如圖 3-17)，實現主從設備之間的數據
交換。
最後以功能碼 03 和 06 來做介紹，這兩組功能碼代表了 Modbus 協議中的不同
數據功能，能夠實現數據（I/O）的讀取和寫入等操作。選擇介紹這兩組功能碼因
素，是它們能夠涵蓋 Modbus 通訊協定中的所有功能碼。
圖 3-17
PDU 數據格式
33
[1]
功能碼 03 讀取保存暫存器，如圖 3-18
圖 3-18
功能碼03讀取保存暫存器
第一行：SendData(Slave 端)與 ReceiveData(Master 端)都宣告為 Function Code，能
夠使雙方清楚知道目前使用哪個功能碼。
第二行：呼叫主程式函數，將資料類型（如陣列變數、數據長度、寄存器數量）存
在主程式函數裡，讓主程式也能同步使用。
第三行：讓 SendData(Slave 端) 知道 Master 端所要使用的寄存器數量有多少個。
第五~十五行：
圖 3-19
功能碼03讀取保存暫存器流程
34
[2]
功能碼 06 寫入單個保存暫存器
第一行：呼叫主程式函數，將資料類型（如陣列變數、數據長度、寄存器數量）存
在主程式函數裡，讓主程式也能同步使用
第二~七行：是指要處理數值負號的問題，會使用 128 做判斷原因，是因為根據二
的補數方式去做推算。加上變數型態（short）
，負數只有最多只到-32768，
因此才會以 128 會判斷。
如：-2 會顯示 16 進制的 FF FE。
第三、四、六行：如同功能碼 03 一樣在處理進制的轉換。
35
第二節
一、
Edge Cross 部署
數據擷取
本節主要介紹如何使用 OPC UA 伺服器（泓格 UA5200）將數據收集並傳輸
至 Edge 端（Edge Cross）進行決策分析。由於 Edge 端（Edge Cross）僅能使用 OPC
UA 數據採集器，前面章節提到的各種通訊協定需要額外購買才能使用，但本系實
驗室已備妥 OPC UA 伺服器（泓格 UA5200），用來收集機械手臂數據經由
Modbus TCP 送出的訊息及振動感測器最終送出的 MQTT 數據，可以透過該機種
配置的閘道器轉換為 OPC UA 格式，再將數據傳輸至 Edge 端。
本研究所採集數據方式主要如下：
在此架構中，設備端使用 Modbus TCP、MQTT 協定將數據傳送至 OPC UA 伺
服器(如圖3-20)，該伺服器會進行數據轉換，將數據轉換為 OPC UA 格式，並將其
傳輸至 Edge Cross(如圖3-21)，做後續的決策分析。
圖 3-20
圖 3-21
OPC UA 伺服器收集
OPC UA 通訊協定轉換
36
其中使用 Modbus TCP 通訊協定傳輸的設備(圖3-22)主要包括 EPSON 機械手
臂和 OMRON 伺服馬達。EPSON 機械手臂控制器分為 RC700（六軸機械手臂）和
RC90（四軸機械手臂）
，均可使用內建的 Modbus TCP 進行數據傳輸。OMRON 伺
服馬達則需要透過 PLC 新增 Modbus TCP 方塊圖來進行數據傳輸。
A.
圖 3-22
自動化設備
主要採集機械手臂的數據為電池、皮帶、各軸馬達消耗率，表3-2為機械
手臂指令。
表格 3-2
機械手臂指令說明
指令
用途
控制器零件
HealthRateCtrlInfo
的消耗率
控制器零件
HealthCtrlInfo
剩餘月數
HealthRateRBInfo
HealthRBInfo
零件類別
HEALTH_CONTROLLER_TYPE_BATTERY
控制器電池
HEALTH_CONTROLLER_TYPE_BATTERY
控制器電池
HEALTH_ROBOT_TYPE_BATTERY
指定電池
機 械 手 臂 零 HEALTH_ROBOT_TYPE_BELT
件的消耗率。 指定皮帶
HEALTH_ROBOT_TYPE_MOTOR
指定馬達
HEALTH_ROBOT_TYPE_BATTERY
指定電池
機 械 手 臂 零 HEALTH_ROBOT_TYPE_BELT
指定皮帶
件剩餘月數
HEALTH_ROBOT_TYPE_MOTOR
指定馬達
37
B.
主要採集輸送帶的數據為馬達轉矩。
圖 3-23
方塊圖解說
呼叫乘法方塊圖將轉矩值乘於10，因為 Modbus 無法辦別浮點數，圖3-23所示。
新增變數”MC_Trq1*”，將算完的結果放在變數裡。
*MC_Axis000.Act.Trq：抓取馬達轉矩指令。
[1].
呼 叫 數 值 與 字 串 轉 換 方 塊 圖 ， 將 變 數 ”MC_Trq1” 放 進 IN ， 再 呼 叫
ModbusTCP 中的”MTCP_Registers[x*]”。
*x：代表 Holding Registers 暫存器的位置。
偵測馬達轉矩目的是目的是了解馬達運作中可能存在的問題或異常情況：
I.
運作效率：通過監測馬達轉矩，可以評估馬達的運作效率。當馬達承受過
大負載或存在損壞時，轉矩值可能偏高，這可能意味著效率下降或系統存
在問題。
II.
故障檢測：馬達轉矩的異常變化可能是故障的指示。例如，馬達內部的零
件損壞、軸承磨損或絕緣故障等都可能導致轉矩的異常變化。可以即早檢
測這些故障並進行維修或更換。
III. 負載平衡：馬達轉矩的監測用於確保負載平衡。在某些應用中，多個馬達
可能被用於驅動同一系統或負載。通過監測每個馬達的轉矩，可以確保之
間的負載分配均衡，避免馬達承受過大負載而導致故障或效能下降。
IV. 過載保護：過載是一個關鍵問題。監測馬達轉矩可以幫助檢測是否存在過
載情況，以便即時進行相應的保護措施，如停機或降低負載。
38
另一方面，使用 MQTT 通訊協定傳輸的設備為 Heltec HT-M01S（LoRa 網關）
，
其主要功能在於收集振動感測器（X、Y、Z 三軸）及溫度感測的數據，然後將其
傳輸至 The Things Network（TTN LoRa 伺服器）。透過 TTN LoRa 伺服器的數據解
析，解析後的數據會透過 MQTT 傳輸至 OPC UA 伺服器，以進行通訊協定的轉換，
流程如圖3-24所示。
圖 3-24
MQTT 採集數據流程
39
二、
智慧決策
決策方法架構（圖 3-25）是以以伺服馬達和機械手臂作為數據樣本進行建模
和分析。透過收集溫度、振動值、轉矩和機械手臂零件消耗等數據，使用 EdgeCross
和 MaiLab 進行數據收集、分析和回授。
決策方法架構的目的是建立一個可靠的決策系統，用於預測機械手臂和輸送
帶的維護需求。由於目前實驗數據的量還不足，尚無法驗證這個決策系統是否能夠
成為智慧工廠中的預測性維護決策系統。
因此，將決策方法架構放置在未來的研究中，進一步收集更多數據，並對決策
系統進行驗證，以確定其在智慧工廠中的實際應用價值。
圖 3-25
決策方法架構
邊緣運算分析軟體主要是以三菱 MaiLab，它提供了一系列機器學習工具和演
算法，可以用來訓練和部署模型。
以下是三菱 MaiLab 的使用方式：
I.
準備數據：將要用來訓練模型的數據準備好，並確保數據的格式正確。
II.
選擇演算法：在 MaiLab 中選擇適合的演算法來訓練模型。MaiLab 提供
了多種機器學習演算法，包括回歸、分類、聚類、降維等。
III. 訓練模型：使用選定的演算法訓練模型。MaiLab 提供了一個易於使用的
界面，使用者可以透過拖曳和點擊來完成模型訓練。
IV. 評估模型：訓練完成後，需要評估模型的性能。MaiLab 提供了多種評估
指標和可視化工具，以幫助使用者評估模型的性能。
40
V.
部署模型：在模型訓練和評估完成後，可以將模型部署到生產環境中。
MaiLab 支持多種模型部署方式，包括 REST API、批量預測、相似波形識
別模型等。本研究是採用相似波形識別模型。
VI. 調整模型：如果模型的性能不如預期，可以透過調整模型參數、選擇不同
的演算法等方式來改進模型的性能。
接著是分析方法，我們使用了「相似波形識別模型」
，用於辨識和比較時間序
列中相似的波形。相似波形指的是在時間序列中具有相似形狀的區域。我們的目標
是將時間序列分解成較小的子序列，再比較這些子序列的相似性，下文將介紹「相
似波形識別模型」。
「相似波形識別模型」常用於識別和比較波形數據相似度的模型，通常用於訊
號處理、圖像處理、聲音識別等領域，幫助判斷兩個或多個波形之間的相似程度。
從採集到設備數據中提取參考波形與波形寬度，將參考波形向右移動一個記
錄的距離且創建一小塊的部分波形。這些部分波形會在執行任務時被用來判斷和
檢查波形的相似程度，作為一個指標，其執行步驟如下：
[1]
獲取所選設備數據的波形。
[2]
分析一個週期的記錄數的 1/4 指定的記錄數的波形形狀，並進行學習。
[3]
對每個記錄重複執行[2]。
[4]
完成所選設備數據中所有部分波形的學習及相似波形識別模型的創建。
圖 3-26
相似波形識別(資料來源：三菱ＭaiLab 官網)
圖 3-26 三大部分，分述如下：
(1)
所選設備數據的波形
(2)
自動學習：一個週期的記錄數 1/4，自定義學習：單位波形寬度（記錄數）
(3)
部分波形群。
41
第四章 結論
本研究以邊緣運算技術為基礎，探討其在智慧工廠即時決策方面的應用。透過
資料收集、設備狀態分析以及決策模型的運用，本研究建立了一套可靠的即時決策
系統架構(如圖 4-1)，該架構利用邊緣設備、通訊協定、感測器和決策方法，針對
智慧工廠中資訊技術、運營技術和設備維護等挑戰，提供廠商在生產過程中即時取
得最佳決策。同時，透過機器學習技術，不斷優化系統效能，提高生產效率、降低
維護成本，實現智慧製造的目標。
在通訊協定方面，使用了 OPC UA、Modbus、MQTT、LoRaWAN 等廣泛使用
的通訊協定，結果發現 OPC UA 和 MQTT 適用於智慧工廠的數據實時傳輸，而
Modbus 和 LoRaWAN 則更適合低功耗和遠程應用。此外，我們評估了感測器的性
能，發現感測器的準確性和穩定性對於系統的可靠性和有效性十分重要。在實驗結
果方面，本研究透過對實際生產設備中的數據進行收集和分析，構建了一個可靠的
智慧工廠即時決策系統，並與傳統方法進行了對比，顯示出邊緣運算技術在提高生
產效率和降低維護成本方面的明顯優勢。
圖 4-1
即時決策系統架構
42
在設備監控方面，使用三菱 HMI(GT Designer 3)來製作監視設備狀態畫面，能
夠透過 HMI 知道設備狀態及零件消耗率(如圖 4-2)，讓維修人員可以即時了解設備
的狀態和零件消耗率，對於進行維修和保養工作非常有利。
圖 4-2
設備和感測器的實時數據
43
最後總結本研究的結果和分析，得出以下幾點結論：
1.
建立邊緣運算平台，結合 IT 系統與 OT 設備，並整合各家設備、感測器
所使用的通訊協定，解決可靠傳輸與全面感測問題。
2.
透過 EPSON 機械手臂軟體撰寫 Modbus TCP 程式，以程式方式替舊型機
器沒有支援任何常見的通訊協定，實現 Modbus TCP 通訊。。
3.
解決產品限制的問題，不需要購買價格高的 LoRa 閘道器。可以使用第三
方閘道器，建立自己的系統，將感測器數據傳輸至邊緣運算平台。這樣的
設計方式，使系統更具有靈活性和擴展性，並且降低成本、部署的複雜性。
本研究已經為智慧工廠所需的一切做好基礎工作，因此在未來的研究中，可以
進一步探討基於邊緣運算技術的即時決策在其他智慧工廠應用中的效果，再更深
入研究智慧決策實現預測性維護，以及結合雲端運算探索更加有效的決策模型和
演算法，提高決策的準確性和實用性。
44
參 考 文 獻
[1].
P. K. Garimella, "IT-OT Integration Challenges in Utilities," 2018 IEEE 3rd
International Conference on Computing, Communication and Security (ICCCS),
Kathmandu, Nepal, 2018, pp. 199-204, doi: 10.1109/CCCS.2018.8586807.
[2].
IoT Analytics. (2022). State of IoT - Spring 2022. Retrieved from https://IoTanalytics.com/product/state-of-IoT-spring-2022/
[3].
How much does predictive maintenance save you money?| Learn Oil Analysis.
learnoilanalysis.com. [2017-12-03]
[4].
M B Mollah , M A K Azad , A Vasilakos. Security and privacy challengesin mobile
cloud computing : Survey and way ahead (C) //Journal of Network and Computer
Applications, 2017,84 : 38-54.
[5].
Edge computing White Paper. Pacific Northwest Nat. Lab Richland WA , 2013.
[6].
White paper of edge computing consortium(R). ECC Beijing 2016.
[7].
MQTT. In Wikipedia, The Free Encyclopedia., from https://zh.wikipedia.org/zhtw/MQTT.
[8].
Akamai Technologies. China CDN ( EB/OL). http //www.akamai .com/
us/en/cdn/ , 2016-12-03.
[9].
Grolinger K Higashino W A , Tiwari A , et al. Data management cloud
environments : NoSQL and NewSQL data stores (J). Journal Cloud Computing ,
2013 , 2 (1) : 1-24.
[10].
Idex GC (2018) Cisco global cloud index: forecast and methodology, 2016–2021.
Cisco, San Jose, CA, USA, White Paper C11-738085-02 邊緣運算基本概念[3]
[11].
W. Shi and S. Dustdar, "The Promise of Edge Computing," in Computer, vol. 49,
no. 5, pp. 78-81, May 2016, doi: 10.1109/MC.2016.145. 邊緣運算基本概念[4]
[12].
A Al-Fuqaha , M Guizani ·, M Mohammadi. Internet of Things : A survey on
enabling technologies protocols and applications ( C) //IEEE Commun. Surveys
Tuts , 2015,17 (4) : 2347-2376. 邊緣運算平台[5]
[13].
G. Josebeck and A. Gowtham, "Demystifying the P-F Curve & Augmenting
Machine Learning for Maintenance Optimization," 2022 Annual Reliability and
Maintainability Symposium (RAMS), Tucson, AZ, USA, 2022, pp. 1-5, doi:
10.1109/RAMS51457.2022.9893991.
45
[14].
馬達振動標準 ISO 10816-3. (n.d.).
https://www.prowavegroup.com/h/DataDetail?cont=294413&key=013537177978
[15].
E. Sisinni, A. Saifullah, S. Han, U. Jennehag and M. Gidlund, "Industrial Internet
of Things: Challenges, Opportunities, and Directions," in IEEE Transactions on
Industrial Informatics, vol. 14, no. 11, pp. 4724-4734, Nov. 2018, doi:
10.1109/TII.2018.2852491.
[16].
M. C. Shilenge and A. Telukdarie, "Optimization of Operational and Information
Technology Integration Towards Industry 4.0," 2022 IEEE 31st International
Symposium on Industrial Electronics (ISIE), Anchorage, AK, USA, 2022, pp.
1076-1081, doi: 10.1109/ISIE51582.2022.9831605.
[17].
張駿,祝鯤業,陸科進,問治國,周超,劉敬,吳敏(2019)。雲端深入你我身邊：新一
代邊緣運算技術直達。台北市：深智數位。
[18].
Idex GC (2018) Cisco global cloud index: forecast and methodology, 2016–2021.
Cisco, San Jose, CA, USA, White Paper C11-738085-02
[19].
W. Shi and S. Dustdar, "The Promise of Edge Computing," in Computer, vol. 49,
no. 5, pp. 78-81, May 2016, doi: 10.1109/MC.2016.145.
[20].
W. Yu et al., "A Survey on the Edge Computing for the Internet of Things," in
IEEE Access, vol. 6, pp. 6900-6919, 2018, doi: 10.1109/ACCESS.2017.2778504
[21].
N Abbas Zhang Y A Taherkordi , et al. Mobile edge computing : A survey(C)
//IEEE Internet Things J. 2018 , 5 (1): 450-465.
[22].
R Buyya , C S Yeo , S Venugopal , et al. Cloud computing and emerging IT
platforms : Vision , hype , and reality for delivering computing as the 5th utility
( C ) //Future Generat. Comput. Syst. 2009 , 25 (6) : 599-616
[23].
Chanta, P. (n.d.). Edgecross 協會解決 IIoT 功能架構的邊緣整合.
https://www.edgecross.org/ja/datadownload/pdf/Edgecross_Consortium_WP(TW).pdf
[24].
M B Mollah , M A K Azad , A Vasilakos. Security and privacy challengesin mobile
cloud computing : Survey and way ahead (C) //Journal of Network and Computer
Applications, 2017,84 : 38-54.
46