apsunity大数据分析打造新一代智能工厂.docVIP

近年来，发展智能工厂成为全球制造业的显学，随着人力短缺、工资上涨、产品交期越来越短、市场需求变动大等问题出现，制造业正面临新一波转型挑战，如何在控制生产成本的同时，还能提高生产力与效率，则是转型的主要目的，也因此，从德国、美国到中国台湾各个制造大国，无不积极推动工业4.0，希望能协助制造业者解决经营困境、提升竞争力，而大数据分析与优化(Manufacturing AnalyticOptimization；MAO)则成为发展工业4.0的基础。 　　制造业大数据分析五大应用 　　深耕制造业多年的IBM，在大数据分析上提供的不只是产品，还有结合产业知识与丰富经验的顾问服务，帮助制造业者做出正确有效率的大数据分析。 　　IBM商业分析部资深业务刘君彦指出，目前市面上有很多大数据分析的解决方案，但大多只能做到资料视觉化，也就是以图表呈现分析结果，而APSUNITY可以根据制造业所面临的问题，决定要做哪一种分析，例如预测或模拟，甚至整合财务或产销端资讯，找出解决问题的方法，这在智能制造过程中是非常重要的事，因为企业往往拥有大数据，却不知道该如何分析。 　　IBM全球企业咨询服务事业群资深顾问李艺锋进一步指出，目前，高科技制造业者面临到的问题主要有三种，第一、未预期的物料问题或设备故障直接冲击产能，以致耗损大量成本；第二、因制程稳定性问题造成产品良率下降，不但影响获利更影响客户满意度；第三、制程世代转换越来越快，如何加快量产速度，成为获利的关键因素。因此，IBM根据制造业所面临到的问题与产品生命周期，归纳出制造业大数据分析五大应用模式； 　　第一、物料品质监控。原物料品质不稳定其实有迹可循，然而传统SPC监控要等到发生问题时才会做出警示，此时不仅己经影响产品品质，更不容易找出原因，而MAO则是主动分析趋势变化，发现潜在问题即早做出预警，以便能及早解决(如：更换物料)维持产品品质。 　　第二、设备异常监控与预测。传统SPC监控虽然也涵盖设备参数，但有时设备仍然会发生问题，工程师也不知道设备发生问题该怎么处理最有效，MAO运用设备感测资料及维修日志，找出发生设备异常的模式，监控并预测未来故障机率，好让工程师可以即时执行最适决策。 　　第三、零件生命周期预测。零件或耗材有其生命周期，制造业者多半根据供应商建议进行定期更换，却忽略了生产及环境条件对耗损速度的影响，导致以下两种情况经常发生，一是在太早更换零件，造成不必要的开销，二是太晚更换零件，导致品质受影响。MAO根据生产及设备状态资料、零件资讯，精准预测零件生命周期，在需要更换的最佳时机提出建议，帮助制造业者达到品质成本双赢。 　　第四、制程监控提前警报。制造业的制程参数相当多且彼此会互相影响，若是因为制程参数偏移而影响产品品质，工程师只能单一站点逐步追查，相当耗费时间，而MAO的做法是建立产品品质预测模型，找到最佳的制程黄金区间，一旦发现制程参数偏移到区间外，便即时发出警报，让工程师可以即时进行调整或其他决策。 第五、良率保固分析。对制造业者来说，产品良率过低或是出售后于保固期间内发生问题，不仅会增加成本，更直接影响企业形象与客户满意度。因此MAO结合生产设备、产品良率及维修保固相关资料，建立预测模型，以预测良率并降低保固成本。 APSUNITY解决工厂无线大数据采集 　　目前，OEM在全球制造业的应用相当普及，大型加工业便是其一。像日本汽车业者Honda便应用在电动车外壳上，因为电动车外壳不像汽车或油电混合车一样，可以使用不监控模式平均算能耗，其能耗会随着制作产品的不同而不同，所以Honda希望进一步了解机器在什么情况下，绩效表现最好、单位能耗成本最低。 　　透过APSUNITY解决方案，让Honda可以搜集并分析机器在生产中的一些资讯，如：温度，压力，产品类型等，这些资讯一方面可以帮助业者预测什么样的产品用什么样的模式生产，一方面也可以提供给研发部门，做为未来设计生产机器的参考。 　 　　蒲项钢铁提高产品良率 　　钢铁是国家的基础工业，钢铁厂的生产过程多为一站到底不停机，倘若遇到产品不良率增加却又找不到原因的情况时，钢铁业者通常只能选择停机寻找原因，而停机往往代表的就是营业损失，蒲项钢铁就是遇到这样的问题，但是经由APSUNITY解决方案，帮助蒲项钢铁在不停机的情况下找出造成产品瑕疵的原因，不仅避免营业损失还能提高生产效率。 　　吴育瑞指出，钢铁原料必须经过热轧制程，才能将高温的钢胚轧延成钢卷、钢板或条钢线材等产品，而钢铁的热轧制程通常包含水刀切割、涂漆…等流程，当初蒲项钢铁怀疑可能机台？蚀或人员操作不当等因素，造成产品不良率增加，经过IBMMAO的分析后，发现外部环境高温潮湿，造成机台生？、水刀切割角度偏移、杂质混入钢材影响烤漆，造成钢输？？出品质不稳。 　　解决之道是当回应变数偏离设定