RO 水處理系統與製藥 GMP 廠的 Modbus/HART 上雲整合：兩種截然不同的技術挑戰
水處理 RO 系統製藥 GMPAWS IoT 整合趨勢預警 × 稽核軌跡
RO 水處理系統與製藥 GMP 廠的 Modbus/HART 上雲整合：兩種截然不同的技術挑戰
不是每個產業上雲的技術難點都一樣。RO 逆滲透系統要處理的是「緩慢漂移的趨勢訊號」，製藥 GMP 廠要處理的是「不能有一絲缺口的稽核軌跡」。這篇文章拆解這兩種截然不同的資料型態，該怎麼設計對應的 AWS 架構。
為什麼這兩個產業值得獨立探討
在石化廠、冷鏈液冷、能源電表這三種常見場景中，異常判斷邏輯相對單純：數值超過閾值就觸發警報。但 RO 水處理與製藥 GMP 廠面對的是完全不同性質的資料問題。
- RO 系統：濾膜阻塞不是瞬間發生的，而是連續數天甚至數週的緩慢壓差爬升。單點閾值判斷抓不到「趨勢」，你需要的是斜率分析與預測。
- 製藥 GMP 廠：問題不在於數值本身，而在於「這個數值能不能通過稽核」。法規要求的是可追溯、不可竄改、完整保存的資料鏈，架構設計的重心從「即時反應」轉移到「資料完整性」。
理解這個差異，才能避免把同一套「閾值觸發警報」的邏輯，硬套在所有產業上——這正是許多 IoT 專案上線後發現「系統一直誤報」或「稽核過不了關」的根本原因。
RO 逆滲透系統：漸進式趨勢預警的技術挑戰
RO（Reverse Osmosis）逆滲透系統與各類過濾系統的核心監控指標是差壓（Differential Pressure）——濾膜或濾芯隨著使用時間增加會逐漸阻塞，進出口壓差會緩慢上升。這種訊號型態跟前三個案例（石化異常、液冷過熱、電力飄移）完全不同：它不是「突發事件」，而是「連續趨勢」。
案例：RO 系統濾膜壽命預測與按需更換
場景：某工廠 RO 逆滲透系統過去採「定期更換」濾芯策略（如每 3 個月），但實際上濾膜阻塞速度會因進水水質波動而不同，定期更換常導致「還能用卻被丟棄」或「還沒到期就已阻塞」兩種浪費。
架構：在濾膜前後端各裝一顆壓力傳送器，透過 Modbus RTU 傳輸至閘道器，以固定週期（如每 10 分鐘）上傳差壓值至 AWS Timestream 建立長期時序資料。透過 AWS Lambda 定期執行線性回歸，計算差壓上升斜率，當預測值顯示「將於 3-7 天內達到更換閾值」時觸發 SNS 通知，而非等到差壓實際超標才反應。
與閾值型監控的差異：閾值型監控只能告訴你「現在已經超標」，趨勢型監控能告訴你「還有幾天會超標」，讓維護團隊有時間排程更換，避免非計畫性停機。這類「按需維護」（Condition-Based Maintenance）策略已在無塵室 FFU 濾網管理等場景證實可將耗材成本下降 30-40%。
以下是雲端端執行趨勢預測的核心邏輯，用簡單線性回歸估算濾膜還剩幾天達到更換閾值：
import boto3, numpy as np
from datetime import datetime, timedelta
timestream = boto3.client("timestream-query")
sns = boto3.client("sns")
DP_ALARM_THRESHOLD = 1.8 # bar，濾膜建議更換差壓閾值
LOOKBACK_DAYS = 14
def fetch_recent_dp(device_id: str) -> list:
# 查詢過去 14 天的差壓歷史數據
query = f"""
SELECT time, measure_value::double
FROM "ro_plant"."differential_pressure"
WHERE deviceId = '{device_id}'
AND time > ago({LOOKBACK_DAYS}d)
ORDER BY time ASC
"""
result = timestream.query(QueryString=query)
return [(row["Time"], float(row["Value"])) for row in result["Rows"]]
def predict_days_to_threshold(readings: list) -> float:
# 線性回歸：時間 vs 差壓，估算還剩幾天達到閾值
x = np.array([i for i, _ in enumerate(readings)])
y = np.array([v for _, v in readings])
slope, intercept = np.polyfit(x, y, 1)
if slope <= 0:
return float("inf") # 差壓沒有上升趨勢
current_value = y[-1]
points_to_threshold = (DP_ALARM_THRESHOLD - current_value) / slope
return points_to_threshold * (LOOKBACK_DAYS / len(readings))
def handler(event, context):
for device_id in ["RO-DP-01", "RO-DP-02"]:
readings = fetch_recent_dp(device_id)
days_left = predict_days_to_threshold(readings)
if days_left <= 7:
sns.publish(
TopicArn="arn:aws:sns:ap-northeast-1:xxx:ro-maintenance",
Message=f"{device_id} 預估 {days_left:.1f} 天後達到更換閾值，建議排程更換濾芯"
)製藥 GMP 廠：稽核軌跡與資料完整性的技術挑戰
製藥廠導入 IoT 上雲，技術難點不在感測器精度，而在資料是否符合法規稽核要求。台灣藥物優良製造準則（PIC/S GMP）與美國 21 CFR Part 11 都對電子紀錄提出明確要求：資料須可追溯至國家計量標準、須留存完整記錄、電子記錄須具備防竄改機制。這代表雲端架構設計的優先順序，跟前面提到的即時反應型場景完全不同。
案例：無菌製劑產線潔淨室壓差與滅菌釜溫度的稽核級記錄
場景：製藥廠無菌製劑產線需要持續監控潔淨室正壓差（確保外部污染物不會進入）與滅菌釜溫度曲線（確保滅菌製程符合確效參數），這些數據不只是製程監控用途，更是每批藥品放行前必須提交的法規文件。
架構：差壓計與溫度傳送器透過 Modbus RTU 上傳至閘道器，資料進入 AWS IoT Core 後，同步寫入兩個目的地：Timestream 供即時儀表板查詢，以及 S3（啟用版本控制與 Object Lock）做長期不可竄改歸檔。每一筆寫入都搭配 CloudTrail 稽核紀錄，確保任何存取或嘗試修改都留下軌跡。批次放行時，QA 部門可直接從 S3 調閱該批次生產期間的完整溫溼度/壓差曲線，作為放行文件的一部分。
與趨勢預警的本質差異：RO 系統的重點是「预测未来」，GMP 廠的重點是「證明過去」——每一筆歷史數據都必須是完整、未經竄改、可追溯的，這對雲端架構的資料保存策略提出了與其他場景完全不同的要求。
以下是寫入不可竄改歸檔的核心邏輯，資料同時寫入 Timestream（供查詢）與 S3 Object Lock（供稽核）：
const AWS = require('aws-sdk');
const crypto = require('crypto');
const s3 = new AWS.S3();
const timestreamWrite = new AWS.TimestreamWrite();
exports.handler = async (event) => {
const { batchId, deviceId, value, unit, timestamp } = event;
// 1. 寫入 Timestream，供即時儀表板查詢
await timestreamWrite.writeRecords({
DatabaseName: 'gmp_cleanroom',
TableName: 'pressure_temperature',
Records: [{
Dimensions: [{ Name: 'deviceId', Value: deviceId }],
MeasureName: unit,
MeasureValue: String(value),
Time: String(timestamp)
}]
}).promise();
// 2. 產生資料雜湊值，確保後續可驗證未被竄改
const record = { batchId, deviceId, value, unit, timestamp };
const hash = crypto.createHash('sha256')
.update(JSON.stringify(record))
.digest('hex');
// 3. 寫入 S3，啟用 Object Lock 防止刪除或覆寫（符合稽核要求）
await s3.putObject({
Bucket: 'gmp-audit-archive',
Key: `batches/${batchId}/${deviceId}_${timestamp}.json`,
Body: JSON.stringify({ ...record, sha256: hash }),
ObjectLockMode: 'COMPLIANCE',
ObjectLockRetainUntilDate: new Date(Date.now() + 10 * 365 * 24 * 3600 * 1000) // 保留 10 年
}).promise();
return { status: 'archived', hash };
};兩種架構的核心差異對照
| 比較項目 | RO 水處理系統 | 製藥 GMP 廠 |
|---|---|---|
| 資料型態 | 連續緩慢變化的趨勢訊號 | 離散批次事件，須完整保存 |
| 核心運算邏輯 | 回歸分析、斜率預測 | 雜湊驗證、不可竄改儲存 |
| 主要 AWS 服務 | Timestream + Lambda（週期性運算） | S3 Object Lock + CloudTrail（稽核軌跡） |
| 資料保存期限 | 依維護排程需求，通常數月至一年 | 依法規要求，常見 5-10 年以上 |
| 異常定義 | 斜率超過預期速率 | 數值超出製程確效範圍（非統計異常） |
| 失敗代價 | 非計畫性停機、濾芯提早劣化 | 整批藥品報廢、稽核不通過、法規裁罰 |
技術 FAQ
Q1. RO 系統的差壓趨勢預測，多久的歷史資料才夠準？
視濾膜劣化速度而定，一般建議至少 7-14 天的連續資料才能建立可信的趨勢線，資料量太少容易被短期雜訊干擾導致誤判。若進水水質波動大（如季節性濁度變化），建議搭配更長的歷史窗口或加入水質參數作為輔助變數。
Q2. 為什麼不能直接用「差壓超過閾值」當作 RO 濾芯更換的判斷依據？
可以，但這只能做到「事後反應」，無法提前排程維護。純閾值判斷會導致差壓突然超標時才緊急處理，可能造成非計畫性停機；趨勢預測則能提前 3-7 天預知，讓維護團隊排入既定排班，降低對產線的衝擊。
Q3. GMP 稽核到底要求電子記錄具備哪些技術特性？
21 CFR Part 11 對電子記錄的核心要求包括：可追溯的稽核軌跡（誰在何時修改了什麼）、防竄改機制、電子簽章對應機制，以及系統驗證（確保軟體本身符合設計規格）。雲端架構常用 CloudTrail 記錄存取行為、S3 Object Lock 防止刪除修改，來滿足這些技術要求。
Q4. S3 Object Lock 的 COMPLIANCE 模式和 GOVERNANCE 模式有什麼差別？
COMPLIANCE 模式下，保留期限內沒有任何人（包含 root 帳號）可以刪除或覆寫物件，適合法規強制要求的稽核資料。GOVERNANCE 模式則允許具備特殊 IAM 權限的使用者在特定情況下覆寫鎖定，彈性較高但合規強度較低，一般法規稽核場景建議採用 COMPLIANCE 模式。
Q5. 製藥廠的資料如果需要出口到美國市場，架構上要多注意什麼？
需符合 21 CFR Part 11 電子記錄要求，除了資料完整性與可追溯性外，也要考慮資料是否需要因應美國當地法規做特定區域的儲存（Data Residency），實務上建議諮詢法規顧問確認出口市場的具體要求，架構設計才不會事後才發現需要大幅調整。
Q6. RO 系統的斜率預測會不會因為短暫的操作變動（如流量調整）而誤判？
會，這是趨勢預測最常見的干擾來源。實務上建議在計算斜率前先做資料清洗，排除已知的操作變動事件（如可搭配操作日誌做交叉比對），或採用更穩健的統計方法（如中位數回歸）降低單一異常值的影響。
Q7. 潔淨室壓差監控和一般 HVAC 壓差監控的技術要求有何不同？
一般 HVAC 壓差監控著重舒適度與能源效率，容許一定範圍的波動。潔淨室壓差監控則是污染控制的關鍵防線，需要持續維持在設計範圍內（如相鄰等級潔淨室間需維持正壓梯度），任何超出範圍的事件都可能構成 GMP 缺失，因此警報靈敏度與記錄完整性要求都遠高於一般 HVAC 場景。
Q8. 兩種場景的閘道器選型會不一樣嗎？
核心的 Modbus 讀取邏輯類似，差異主要在雲端服務組合與資料治理策略。RO 系統著重運算彈性（適合 Greengrass 跑自訂回歸邏輯），GMP 場景則更看重資料完整性與稽核合規功能，建議優先確認閘道器廠商是否有醫藥產業導入案例與相關驗證文件。
ATLANTIS 對應產品線
昶特有限公司（ATLANTIS）31 年工業儀錶製造經驗，針對水處理與製藥產業均有對應的壓力/溫度傳送器產品線，可直接搭配前述 Modbus/HART 上雲架構使用。
DPS-2.5SPD3 多功能壓力開關
陶瓷壓阻式與不鏽鋼316元件，全量程精度 0.5%，可選配 RS-485 數位輸出，適合 RO 系統差壓連續監測。
SLPTX系列 HART智能型液位傳送器
德國陶瓷電容壓力傳感器，三重防結露保護，測量膜片大面積接觸不易堵塞，適合水處理連續監控場景。
STT HART智能型溫度傳送器
支援遠端組態與診斷，適合製藥廠滅菌釜溫度曲線監控與確效參數記錄需求。
THT-S351系列 溫濕度傳送器
進口溫濕度感測元件，精度高、響應快，適用於潔淨室環境溫濕度稽核級監控。
需要為您的產業設計對應的監控架構？
不論是 RO 系統的趨勢預警，或是 GMP 廠的稽核級資料保存，告訴我們您的產業與法規需求，ATLANTIS 工程團隊協助您完成儀表選型與資料架構的對接確認。
豐富產品現貨・TAF 認可校正・材質證明書完整提供・24 小時緊急備品支援
業務一部 Ian：ian@atlantis.com.tw 業務二部 Nori：nori@atlantis.com.tw 電話：02-2820-3405