AdvantechIOT
活动+
 

导入智能制造 投资报酬率可望超乎预期

  • DIGITIMES企划
综观工业4.0概念,生产设备的预防性维护堪称极为重要的一环,亦是提升产能的关键因素。Nikkei

近年来工业4.0热潮延烧全世界,久久未退流行,一向在全球高科技制造业居于重要地位的台湾,自然不会置身事外,已然起身簇拥这波浪潮。不可讳言,台湾制造业导入工业物联网、智能工厂乃至虚实集成系统,此刻多还在起步阶段,遥望工业4.0远大目标,确实仍有一段长路要走,然而环顾各类型制造商,距离此目标相对接近者,毫无疑问正是半导体产业。

事实上,半导体业迎向智能制造,拥有得天独厚的利基,所以动得比其它型态的制造商快上许多;若以半导体制程设备而论,众所皆知往往价格不菲,相形之下,推动智能自动化的成本支出犹如「小菜一碟」,绝对称得上是本小利大的好投资,当然值得卖力投入,如果真能做好资料管理、分析技巧与预测技术,进而明显改善机台效能及生产良率,便可望坐享极高的投资报酬率。

 点击图片放大观看

在工厂及产线安装传感器,借以收集生产现场的各种数据,可谓企业迈向工业4.0的重要起点。ABB

另值得一提的,若就台湾整体制造业迈向工业4.0、智能制造的观点,半导体产业在于智动化的突破,也往往深具带动效果,只因半导体制造商可望为同属制造领域的其它企业提供创新技术,驱使其它制造商将其生产设施转向智能化,让工业4.0的附加价值如同涟漪一般,有更多企业同蒙其惠。

唯有数码化,方能有效提升竞争力

世界知名的管理咨询公司麦肯锡,也曾透过专文,诠释半导体产业为何不得不加入工业4.0转型行列。该文指出,以晶圆厂为例,透过大数据分析来增进制程中自动化的比例、借以落实数码化转型,可望提高30%~50%劳动效率,并且减少机器耗损,在下次维修前可望提高10%~20%产量;如此一来,可能导致整体设备效率(OEE)平均增进10%~15%,产量提升1%~3%,连带使客诉因而减少30%~50%。

尽管不少晶圆厂一直以来都致力提振营运效能,已藉由精简组织、精简制程、减少耗费等等精实做法,展现了不小的作用,但与智能化、数码化的绩效相比,依然相形见绌;这也意谓著,倘若半导体公司只想靠传统套路来提升竞争力,纵有成效、亦十分有限,因此不得不拥抱工业4.0热潮的理由便在于此。

论及工业4.0的重要起手式,就是设法为机器赋予智能,具体来说即是在它们的身上装设传感器,借以收集数据,做为强化整体生产效率的依据,换句话说,在工厂不论发生好的结果、坏的结果,相关前因后果通通都具有高度的可视化,这点对于业者而言极其重要。

举例来说,以往衡量OEE,都仅看机器可用或不可用的绝对时间,但经常忽视因微小故障所酿成的停机事故,且对于伴随停机而衍生的生产损失估计,也往往取决于手动作业,以致评估的结果不甚精确;如今改采数码化做法,企业便可准确掌握机器运行状态,及每次停机所造成的生产损失,据此订定更为精准的生产决策,甚至进一步采取预防性维护措施,好让机器在完全损坏前,得以贡献极大化产值。

另一点也相当重要,意即每当出现良率问题,过去的做法,不外是主管与产线的员工做面谈,试图从中得知究竟是哪里个环节出了差错,但可想而知,这般做法难免有失精确;反观工业4.0的作业情境下,生产过程当中的每个环节皆可追踪,企业只须针对收集到的大量数据按图索骥,不需费时访谈任何一人,即可准确而快速地探知导致良率不佳的背后真因,接著对症下药,锁定这些不良症候着手优化,便可促使生产良率尽快回到正常的轨道上。

此外,从作业员触摸机器的时间长短,也能当做提升产线效率的依据。经由机器上的感测数据,假使发现作业员平均接触机器的时间,仅占整体工时的五成以下,即可合理推估,作业员处于等待、闲置的时间着实太长,等同于人力资源的浪费,企业一旦察觉这般情况,即可适时修正工业参数,将人机比率调整至更有效率的状态。

善用大数据,驱动产能与效率的升级

但即便设置感测节点,是企业迎向工业4.0、智能制造的敲门砖,但并不代表装了传感器,就是达到工业4.0的水平;甚至纵使做得再多,布建了大量的机械手臂,使得整个产线或工厂更加自动化,都还不能称之为工业4.0,充其量不过来到工业3.0罢了。企业若想更贴近工业4.0,至少得再往前多做一些事,以机械手臂为例,不能只让它们做简单的取放动作,而是要让手臂与手臂、手臂与生产设备,甚至手臂与人员之间能够顺利沟通与协作。

另一方面,某种程度上,「资料革命」绝对算是工业4.0个中重要意涵之一,布建大量传感器仅是手段,真正目的便是收集数据,无论是来自机台、物流、产线或制造执行现场的巨量资料,能否透过集中化机制善加管理、储存与分析,才是能否真正提高产能及效率的关键所在。以前述的几个工业4.0应用情境而论,不管是针对机台实施预防性维护、快速挖掘导致良率不彰的真因,抑或设法降低作业员等待时间,没有任何一个是完成感测数据的收集后,就会自然而然发生的,企业如何利用数据展开后续的作为,才是重点。

在去年(2017),某家极具指标性的半导体大厂,应智能机械推动办公室之邀,赴中部地区分享智能制造的导入经验,其间有不少值得借镜学习的重点,包括建立FabIoT,形成人、机、料、法、环的主动侦测与行动机制;善用开源技术自建私有云,可使开发团队享用共通平台,也顺势打造高度安全的原始码管控机制;同样采用开源技术,自主建立大数据分析平台,协助工程师推动大量的资料分析,以期加速开发作业。

此外,企业不妨集成物联网与大数据,透过批次离线分析方法来解决产线的疑难杂症;集成Domain Knowledge进行建模,以发挥实时监控、提前预测之功效,接著也藉由模型来控制生产参数;藉助机器学习技术,全自动优化生产控制的参数,大幅减少产在线的种种变因;再者可多利用自动影像辨识技术,展现优于人工的辨识实力,藉此强化质量管制(QC)。