善用数据科学方法论 数据应用成为制造业转型良药
- DIGITIMES企划
-
工业物联网(IIoT)被视为未来制造业的骨干网络，其整体运作是透过传感网络撷取设备数据，再往上传送至云端，累积为大数据后，再进行分析运算，制定出最佳化生产策略。不过对制造业者来说，大数据是极其陌生的专业，因此目前导入工业物联网的厂商，数据处理往往是最为棘手的一环。
对此成功大学资工系暨制造信息与系统研究所所长李家岩副教授指出，大数据在智能制造系统的应用逐渐加深，数据科学在此一领域的重要性已经浮现，透过数据科学的协助，制造业者将可让生产设备的数据衍生出更多价值，进而强化本身竞争力。
台湾制造业早期导入自动化，多半是为了节省人力，后期自动化技术快速进步，除了人力成本因素外，提升良率也成为重要目的，而过去要提升良率，主要是透过厂内人员的开会检讨，不过李家岩指出，现在自动化设备都会有一定生产记录，只要透过数据科学追溯记录，就可以找出系统中制程参数异常或效率不佳的环节，再经过改善调整，就可降低不良品的发生机率。
李家岩表示，在没有数据的状况下，过去制程设备的状态，多由现场人员以经验判断，然而经验一来难以传承，二来口述容易产生误解或误差，现在则可透过数据协助管理人员做决策。他以马达运作为例，马达是工厂的重要动力来源，一旦无预期停机，极有可能产生巨大损失，而过去的马达管控大多是定期维修，或是操作人员察觉到异常震动或异音后，紧急停机修复，而在有记录的状况下，管理者就可由数据判断，预测保养机台，让稼动率维持在高点。
除了降低不良品比例外，数据也可提升产线效率。受到消费性市场的变动影响，现在制造业从过去的少样多量生产，逐渐变成少量多样，当生产样式变多，产线的换线频率就增加。在数据的辅助下，管理者可以计算出最佳的产线组合与换线时间，让产能最大化，并维持产线平衡。李家岩表示，过去工厂的数据多为人员记录，不过人力有一定的出错或漏失机率，同时也无法判断精细复杂的异质数据，现在的IT系统则可补足这方面的缺点，让决策更精准。
在智能制造系统中，数据要产生，就必须要投入资金在机台上建置传感器，不过对中小企业，尤其是台湾中南部许多家庭工厂来说，无疑是一笔庞大支出，这类型业者的导入意愿往往偏低。对此李家岩认为，数据是提升生产线效率的重要依据，就算没有装设传感器，仍须以纸本或码表方式记录，毕竟有了记录才能踏出改善产线效能的第一步。
至于要收集的数据种类，应以先审视商业模式与生产流程(process)为首要工作，进行流程再造的整并与删除。李家岩指出，导入自动化的前提是产线精实化(lean)，否则在有差错、浪费的状况下导入自动化系统，产线原有的缺陷会被迅速放大，自动化生产浪费，造成反效果。
另外智能制造系统导入传感网络后，会因生产类型而有不同数量的异质数据，李家岩表示，由于现在一次性使用的产品增加，产在线单一产品的重复生产量并不多，因此目前多数传产产线针对某一特定产品别所收集到的常为小数据，而大、小两种数据的分析方法也各有不同。
大数据主要来自于大量且固定的产品制造，其使用方式是根据统计分配，透过模型的建立与预测，调整机台参数以协助制程诊断提升良率。至于小数据则虽不足以建立统计分配，不过可协助研发人员，透过实验设计田口方法以较少成本完成实验开发。
换言之，小数据可应用于产线的前端，让后续的生产更稳健(robust)与精准(precise)；大数据则是在产线后端，协助产线优化提升产品品质。李家岩最后表示，数据是智能制造系统成败的关键因素，能否妥善运用，也将成为未来市场竞争的关键所在。
2018年「智能工厂论坛」巡回终站即将于11月8日(四)假高雄君鸿国际酒店盛大举办，邀请到李家岩副教授分享更多数据科学与智能制造的精彩内容，活动完全免费，名额有限，欢迎立即报名以免向隅 : https://www.digitimes.com.tw/seminar/DForum_20181108/。
