工业数字转型 (Industrial Digital Transformation, Industrial DX) 可说是这几年影响各个工业领域最重要的事，特别是疫情带来的冲击，企业开始加速数字转型的投入。但在开始规划你的工业数字转型前，你知道什么是工业数据（OT Data）吗？
让我们想象一下，假如你拥有一家工厂，能将有毒气体转化为有机肥料，但制作过程中，些微的温度变化，都会影响活性剂的中和效果，影响产能。过去只能仰赖员工在现场巡检调整，但这个方式仍无法让你在温度有变化时实时反应，因此你希望能先预知接下来六小时的温度变化，才有足够的时间调整机器温度，以维持最佳的中和效果。这时你会需要几种数据：设备运行的数据、控制器的数据、现场温度的数据与气象预测数据，而这些数据就是所谓的工业数据（OT Data）。
透过采集工业数据，再结合数据分析拟定策略，才能进一步创造商业智能，因此工业数字转型的过程，其实就是不断加值工业数据的过程，Moxa 从过去 30 年连接工业资料的经验中发现，这段加值的过程正让工业数据产生大规模的质变与量变，导致数据传输技术愈趋专业与复杂。不仅是数据的收集、整理、卷标、安全模式、或对时传送等指令，都被切分成更细微和精密的步骤，对应大量数据的涌入，传送技术与速度也开始了时代的大跃进。工业数据传输已经成为一套融合领域专有技术与最新技术能力的新专业。我们可以肯定的说，「工业通讯」已经不再是我们以往认知的单纯样貌，甚至，它主宰了数字转型是能否成功的重要关键。以下是几种转变中的工业数据：
工业数据的目的从「监控」变为「优化」：
过去，工业数据撷取出来的目的相当单纯主要用于监视与控制 (monitoring and control) 自动化系统是否仍稳定运作，例如：监视工厂内的工具机是运行还是停滞，或是控制输油管每分钟流量以符合市场油价，可以说是只专注在「当前事件」的监控。但在工业数字转型趋动下，取得工业数据的目的不再只是满足此时此刻对监控的要求，更重要的是整合各种工业数据，以进行分析并找到影响系统运行效能的关键困素，甚至创造新的商机。在我们的观察中，早几年就开始数字转型的工业客户并不少，因此已开始创造新的商模，以某领先的电力系统整合商为例，该公司启动大量记录氢能源电池中甲醇的历史用量之后，利用数据分析推估未来用量，因此为特殊需求客户发展出新的收费方案，将原本一次性购买的交易模式，转变为每月依使用量，按月收费的机器即服务 (Machine-as-a-Service)，为自己与客户开创双赢的新交易模式。
工业资料的条件从「单一数值」到拥有「背景信息」的数值：
当工业资料不再只是做为监控产线是否正常运行，也进一步作为分析的基础时，IT/OT 的界线变得模糊，过往只需要确保数据在工业场域的稳定性 (Reliability)，后来则需进一步保证数据产出的质量 (Quality)，而后者也成为目前工业数字转型最大的障碍之一。例如：工业设备的生命周期通常很长，产出可作为分析的数据若不是不完整就是格式不一，如果这些数据直接送到计算机分析，IT 人员就需要做额外的数据清理与转换。最糟的情况是，产出的数据无法判别，而成为无用的数据。举例来说，工业数据输出显示「5」，但在没有任何标示下，不会知道它背后所代表的是「机器转速为5」，而这之类的现象并不少见。解决方案之一为，将此类无法被计算机办别的工业数据，在送到计算机分析前，透过数据传输设备内建的程序作数据预先处理，就可将数据转为 IT 需求的格式，并给予工业数据文本(Context)，赋予该数据完整的意义。也可以说，将工业数据变成「分析可用化」，是工业数据革命起始的重要步骤。
工业数据需求的质变与量变—来源与种类变得「更多元」：
传统的控制系统，其实已经依赖许多工业数据在运作，单纯的资料像是水槽闸门位置、每日产油量等，显示运行状态的信息，也有复杂一点的数据，例如生产配方或工序。然而，工业数字转型需要更多元的数据，以再生能源市场为例，为了快速清除在太阳能板上的遮蔽物或污渍，以提高产电效率。除了监控变电器的发电量，还要加装多支传感器，来取得温度湿度等环境数值，加上无人机的影像数据，一并送给到管理中心透过 AI 分析，得知受污染太阳能板的准确位置，让管理阶层做实时且精准的维修调度。利用更多元的工业数据分析来减少传统资本支出，大力提升生产效率。
工业数据的实时性从「线性控制」变为「循环反馈」
传统的自动化系统非常强调控制的实时性，而过去被撷取的工业资料则通常是为了显示在线性控制过程中的其中一个状态。当这个过程结束了，工业数据的任务通常也就结束。工业数字转型也强调实时性，但这个实时性是对「工业数据更新/分析/反馈」。藉由新的大数据数据处理技术、更快的网络，以及工业计算机运算能力的成熟，OT 数据能不间断地流向IT系统进行分析，而分析的结果又能立即反馈到 OT 设备的运作，进行实时优化与调整。以我们的客户 KPMG 服务的中小型制造商为例，为了减少不良品重工造成的人力与物力的浪费，该公司透过采集震动、温度、转速、电流等更多工业数据之后，上传到 AI (人工智能) 平台进行分析，就能在发现某机台的刀具电流频率过高时 (象征该刀具已磨损)，提前更换刀具，以确保所有产品都有高质量的产出。
工业数据只会更多不会更少
工业 4.0 的时代，一个大型的自动化系统（如炼油厂的 DCS 分布式控制系统）就已经做到每秒能处理处理成百上千笔的数据。然而，这些数据仅用于设备运行时做判读，一但运行结束，判读数据的任务也就结束。然而，数字转型的甜美在于，若能取得大量的数据来做仿真与分析，可以快速提升实时营运效率之外，还能管控营运风险。以台湾的铁道公司为例，为了因应疫情的需要，协助旅客避开人潮较多的车厢，该公司在列车上加装测量车厢载重的压力传感器，并在列车进站前，连同车厢内影像一起回传给行控中心，让行控中心收到所有车厢的拥挤度信息，依据需要，将即将进站的列车状况推播到月台屏幕上，或通知月台管理人员协助疏散人潮至其他车厢。
工业数据安全性可升级为企业与国家安全
工业资料虽然并不是以隐私为收集目标，但许多工业资料代表关键基础设施（如水厂电厂的设备监控），或是关键制造设施（如炼油厂、半导体工厂）中的重要营运信息。若这些数据不正确或被恶意窜改，其带来的损失无可计量。以 2021 年二月在美国发生的资安事件为例，黑客仅利用过期的 Windows 版本和不良的网络资安措施，就从远程进入了公共水处理厂的 SCADA 系统，准备以不正确的信息，将水中的氢氧化钠含量提高到可能会危害人体的范围，幸好现场作业人员实时发现异常并处理。随着愈来愈多的网络攻击发生，工业案场有可能成为恶意攻击的目标，进而造成巨大灾难，这也显示工业数据所在的网络安全有其严重性与必要性。
在过去，神秘又不为人所注意的工业数据因为数字转型有了巨大的革命性转变，直接催化了 IT/OT 无论在场域上、知识上、营运上、防御上，甚至人员心态的融合，我们将在接下来的系列中探讨更多工业数据革命下的影响与变革。