用大数据创造价值 实践智能生产与服务创新

东海大学工业工程与经营信息学系暨硕博研究所主任黄钦印认为,企业推动大数据分析之余,若能善用经营者、建厂者、老师傅等等专家基于某些事物所赋予的意义,将更有助于提升制造系统的完备性与安全性。

现今包括工业4.0、智能制造、数码转型等口号皆喊得震天价响,更有人主张资料就是新石油,足以开创极大产值。但在近期,东海大学工业工程与经营信息学系暨硕博研究所主任黄钦印听闻两个真实案例,认为人们需要针对大数据、智能生产乃至服务创新等课题,重新做一番省思。

案例之一,某工具机制造商的总经理感叹,因应趋势潮流开发机边计算机(Edge Computing),旨在帮助客户易于撷取机器内众多信息,岂料客户多不愿买单,认为提供这般服务本为理所当然。案例之二,某半导体公司副总问道,每天收集一堆资料,实在不知有没有用,直言好想丢弃。对此黄钦印解读,随著传感器、影像设备、卷标应用、AR/VR成本大降,导致资料收集更容易,值此时刻,资料收集行为背后的Why、Where、When、Which、How反倒变成问题。

具体来说,有意义的大数据应用,必须符合两种特征。首先必须创造客户价值,否则便会陷入上述工具机厂的机边计算机窘境,客户感受不到足够价值诱因,便无意花钱购买;符合此特征的成功实例不少,例如劳斯莱斯从卖飞机引擎,转而卖飞行时数与维护服务,藉由大量传感器不断收集各种运转数据,分析引擎正常与否,做为客户预防性检修的依据,便是让人津津乐道的个案。

其次必须为企业本身创造价值。譬如国内某齿轮制造大厂,运用产品自动化量测技术,成功打造智能产线,仅需少许人力介入,便能有效确保产品之稳定质量;此外国内某休闲食品、鲜食制造大厂,从便利商店持续收集消费者购买信息,借以形成生产、配销决策,连带消弭无效的产能并降低库存成本,亦是典型案例。

结合专家知识,迈向Knowledge Driven更高境界

黄钦印归纳企业可能运用的资料种类,包括设备与加工资料、制造运营资料(如MES)、商务交易资料、产品/服务资料,及客户使用资料。至于企业应用这些大数据的成熟度高低,可分为4个阶段,其中1.0意指纯粹收集资料,2.0指开始导入叙述统计,如企业透过统计制造管制,设定Go、No Go的门槛条件,依照黄钦印的观察,多数企业都落在2.0水平。

3.0、4.0皆为智能化层次,差别在于前者能自动产生选择方案,后者可进一步提供最适建议。但欲从2.0跨进3.0境界,难度并不低,甚至连许多知名日本大厂,都坦言尚在努力建构自主适应管理机制,类似这般智能系统能否真正成形,关键在于内部成员(包含设备、元件)必须智能化,可惜目前还未到达此一水平。

黄钦印提出另一个发人深省的观点。他说早期制造业的控制模式为「Signal Driven」,企业从自动化元件(例如传感器、致动器、控制器)取得讯号,做为开关某些设备或元件的依据。尔后从统计制程品管开始风行以降,直到今天皆是「Data Driven」时代,藉此满足系统诊断、故障排除、预知保养等目的,但欲进一步针对制造系统做出更绵密的监控,则力有未逮,只因资料是系统的产生物,系统未曾出现过的运行情境,就不会有资料,不足以成为企业的决策依据,换言之凡事都靠Data Driven,必定缓不济急。

展望今后,企业必须设法透过专家所获致的知识,结合Data Driven获得的知识,一并促成更高阶的「Knowledge Driven」发展环境,让人类发展出能与自己合作无间的软件伙伴。


  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 工业4.0 智能工厂 智能制造