制造業大數據分析打造新一代智能工廠
時間: 2015-07-15 點擊:0 次
近年來,發展智能工廠成為全球制造業的顯學,隨著人力短缺、工資上漲、產品交期越來越短、市場需求變動大等問題出現,制造業正面臨新一波轉型挑戰。如何在控制生產成本的同時,還能提高生產力與效率,則是轉型的主要目的,也因此,從德國、美國到中國臺灣各個制造大國,無不積極推動工業4.0,希望能協助制造業者解決經營困境、提升競爭力,而大數據分析與優化(Manufacturing Analytic&Optimization;MAO)則成為發展工業4.0的基礎。
制造業大數據分析五大應用
深耕制造業多年的IBM,在大數據分析上提供的不只是產品,還有結合產業知識與豐富經驗的顧問服務,幫助制造業者做出正確有效率的大數據分析。
IBM商業分析部資深業務劉君彥指出,目前市面上有很多大數據分析的解決方案,但大多只能做到資料視覺化,也就是以圖表呈現分析結果,而IBMMAO可以根據制造業所面臨的問題,決定要做哪一種分析,例如預測或模擬,甚至整合財務或產銷端資訊,找出解決問題的方法,這在智能制造過程中是非常重要的事,因為企業往往擁有大數據,卻不知道該如何分析。
IBM全球企業咨詢服務事業群資深顧問李藝鋒進一步指出,目前,高科技制造業者面臨到的問題主要有三種,第一、未預期的物料問題或設備故障直接沖擊產能,以致耗損大量成本;第二、因制程穩定性問題造成產品良率下降,不但影響獲利更影響客戶滿意度;第三、制程世代轉換越來越快,如何加快量產速度,成為獲利的關鍵因素。因此,IBM根據制造業所面臨到的問題與產品生命周期,歸納出制造業大數據分析五大應用模式:
第一、物料品質監控。原物料品質不穩定其實有跡可循,然而傳統SPC監控要等到發生問題時才會做出警示,此時不僅己經影響產品品質,更不容易找出原因,而MAO則是主動分析趨勢變化,發現潛在問題即早做出預警,以便能及早解決(如:更換物料)維持產品品質。
第二、設備異常監控與預測。傳統SPC監控雖然也涵蓋設備參數,但有時設備仍然會發生問題,工程師也不知道設備發生問題該怎么處理最有效,MAO運用設備感測資料及維修日志,找出發生設備異常的模式,監控并預測未來故障機率,好讓工程師可以即時執行最適決策。
第三、零件生命周期預測。零件或耗材有其生命周期,制造業者多半根據供應商建議進行定期更換,卻忽略了生產及環境條件對耗損速度的影響,導致以下兩種情況經常發生,一是在太早更換零件,造成不必要的開銷,二是太晚更換零件,導致品質受影響。MAO根據生產及設備狀態資料、零件資訊,精準預測零件生命周期,在需要更換的最佳時機提出建議,幫助制造業者達到品質成本雙贏。
第四、制程監控提前警報。制造業的制程參數相當多且彼此會互相影響,若是因為制程參數偏移而影響產品品質,工程師只能單一站點逐步追查,相當耗費時間,而MAO的做法是建立產品品質預測模型,找到最佳的制程黃金區間,一旦發現制程參數偏移到區間外,便即時發出警報,讓工程師可以即時進行調整或其他決策。
第五、良率保固分析。對制造業者來說,產品良率過低或是出售后于保固期間內發生問題,不僅會增加成本,更直接影響企業形象與客戶滿意度。因此MAO結合生產設備、產品良率及維修保固相關資料,建立預測模型,以預測良率并降低保固成本。
李藝鋒認為,MAO對制造業的效益不只在于預測潛在風險,還能提出最佳決策建議,建立最佳化生產流程,從而降低營運成本、創造最大化獲利。