科技产业报订阅
DForum 嵌入式论坛
 

运用大数据交叉比对制程关联性 可望找出产线隐形危机

设备智能监控可针对设备异常进行分析,但也可能关乎订单交期。DIGITIMES摄

对于台湾制造产业推动智能制造而言,现今市场早已不缺可进行生产数据采集与分析的解决方案,但随著数据量越来越庞大,单一分析工具恐无法迎合越来越复杂的应用需求。尤其业者所关注的生产质量波动必须考量包含人、机、料、法等多个层面的因素,各个环节可说是环环相扣,未来制造业所面临的问题,可能更将着重于如何将来自多种来源的资料进行交叉比对,透过整理资料之间的关联性发展出符合各产业特性需求的解决方案。

制造业凡是想要提升产质量量,无一不从人、机、料、法、环五大因素中找出原因并解决。在这些多重资料来源之间进行实时交叉比对有何重要性?资策会数码所组长余承叡指出,有些数据看似毫无问题,但真正影响的层面却可能不仅止于原始资料本身。

他举例,象是设备的智能监控,可针对设备异常进行分析,不过假使设备维持正常运行并无停机风险,但低迷的运行效率却有可能影响产能进而延缓订单交期。过去设备监控的数据与订单系统各自为政,倘若可将两方资料集成进行交叉比对,或许便可从异地资料中先找出隐性危机。

制程数据的交叉比对在提升接单报价的准确度上也可凸显其重要性。过去业者对客户进行报价无非是先斩后奏,但实际接单生产后才发现由于新品制造的零件复杂度增加提高加工难度,迫使时间与成本压力随之而来,不仅影响交期,到最后可能才发现是笔赔本生意,而这便是由于业务端与生产端的信息不连贯所致。

以制造业新品制造效能预测为例,由于机台制程中会产生许多变异因子,需从制程中所产生的大数据中,找出与制造效能之关联因子,如品项、材料、配方等,甚至包括机台设备的稳定度分析,藉由关联性预测不同因子组合的制造效能,提前预测新产品的可能产能状态,以掌握产量与生产时程,如此一来,便有助于掌握报价的准确度与订单交付时程。