近年來，發展智能工廠成為全球制造業的顯學，隨著人力短缺、工資上漲、產品交期越來越短、市場需求變動大等問題出現，制造業正面臨新一波轉型挑戰，如何在控制生產成本的同時，還能提高生產力與效率，則是轉型的主要目的，也因此，從德國、美國到中國臺灣各個制造大國，無不積極推動工業4.0，希望能協助制造業者解決經營困境、提升競爭力，而大數據分析與優化(Manufacturing Analytic & Optimization; MAO)則成為發展工業4.0的基礎。
制造業大數據分析五大應用
深耕制造業多年的IBM，在大數據分析上提供的不只是產品，還有結合產業知識與豐富經驗的顧問服務，幫助制造業者做出正確有效率的大數據分析。
IBM商業分析部資深業務劉君彥指出，目前市面上有很多大數據分析的解決方案，但大多只能做到資料視覺化，也就是以圖表呈現分析結果，而IBM MAO可以根據制造業所面臨的問題，決定要做哪一種分析，例如預測或模擬，甚至整合財務或產銷端資訊，找出解決問題的方法，這在智能制造過程中是非常重要的事，因為企業往往擁有大數據，卻不知道該如何分析。
IBM全球企業咨詢服務事業群資深顧問李藝鋒進一步指出，目前，高科技制造業者面臨到的問題主要有三種，第一、未預期的物料問題或設備故障直接沖擊產能，以致耗損大量成本;第二、因制程穩定性問題造成產品良率下降，不但影響獲利更影響客戶滿意度;第三、制程世代轉換越來越快，如何加快量產速度，成為獲利的關鍵因素。因此，IBM根據制造業所面臨到的問題與產品生命周期，歸納出制造業大數據分析五大應用模式;
第一、物料品質監控。原物料品質不穩定其實有跡可循，然而傳統SPC監控要等到發生問題時才會做出警示，此時不僅己經影響產品品質，更不容易找出原因，而MAO則是主動分析趨勢變化，發現潛在問題即早做出預警，以便能及早解決(如：更換物料)維持產品品質。
第二、設備異常監控與預測。傳統SPC監控雖然也涵蓋設備參數，但有時設備仍然會發生問題，工程師也不知道設備發生問題該怎么處理最有效，MAO運用設備感測資料及維修日志，找出發生設備異常的模式，監控并預測未來故障機率，好讓工程師可以即時執行最適決策。
第三、零件生命周期預測。零件或耗材有其生命周期，制造業者多半根據供應商建議進行定期更換，卻忽略了生產及環境條件對耗損速度的影響，導致以下兩種情況經常發生，一是在太早更換零件，造成不必要的開銷，二是太晚更換零件，導致品質受影響。MAO根據生產及設備狀態資料、零件資訊，精準預測零件生命周期，在需要更換的最佳時機提出建議，幫助制造業者達到品質成本雙贏。
第四、制程監控提前警報。制造業的制程參數相當多且彼此會互相影響，若是因為制程參數偏移而影響產品品質，工程師只能單一站點逐步追查，相當耗費時間，而MAO的做法是建立產品品質預測模型，找到最佳的制程黃金區間，一旦發現制程參數偏移到區間外，便即時發出警報，讓工程師可以即時進行調整或其他決策。
第五、良率保固分析。對制造業者來說，產品良率過低或是出售后于保固期間內發生問題，不僅會增加成本，更直接影響企業形象與客戶滿意度。因此MAO結合生產設備、產品良率及維修保固相關資料，建立預測模型，以預測良率并降低保固成本。
Honda改善電動車電池壽命
目前，IBM MAO在全球制造業的應用相當普及，汽車業便是其一。像日本汽車業者Honda便應用在電動車電池上，因為電動車不像汽車或油電混合車一樣，可以使用汽油做為動力來源，其唯一的動力就是電池，所以Honda希望進一步了解電池在什么情況下，績效表現最好、使用壽命最長。
透過IBM MAO解決方案，讓Honda可以搜集并分析車輛在行駛中的一些資訊，如：道路狀況、車主的開車行為、開車時的環境狀態等，這些資訊一方面可以幫助業者預測電池目前的壽命還剩下多長，以便即時提醒車主做更換，一方面也可以提供給研發部門，做為未來設計電池的參考。
BMW降低80%零件報廢率
德國汽車業者BMW則是應用大數據分析，在短短12周時間內降低80%的零件報廢率。一臺汽車需要的零件有很多種，其中一個是與引擎結合的引擎上蓋，過往，BMW要等到最終引擎組裝階段，將引擎上蓋組裝完成后才知道這個零件能否使用，如果不能使用就只好將整個引擎報廢。
而導入IBM MAO解決方案后，在引擎生產線上就可以做即時的監測與分析，倘若品管沒有問題則直接進到最后的組裝程序，但若零件品質不好且無法修補則直接報廢，或者零件品質不好但能經過其他方式修補，則于修補后再度進行品管測試，借此提高生產效率、降低報廢率。
蒲項鋼鐵提高產品良率
鋼鐵是國家的基礎工業，鋼鐵廠的生產過程多為一站到底不停機，倘若遇到產品不良率增加卻又找不到原因的情況時，鋼鐵業者通常只能選擇停機尋找原因，而停機往往代表的就是營業損失，蒲項鋼鐵就是遇到這樣的問題，但是經由IBM MAO解決方案，幫助蒲項鋼鐵在不停機的情況下找出造成產品瑕疵的原因，不僅避免營業損失還能提高生產效率。
吳育瑞指出，鋼鐵原料必須經過熱軋制程，才能將高溫的鋼胚軋延成鋼卷、鋼板或條鋼線材等產品，而鋼鐵的熱軋制程通常包含水刀切割、涂漆…等流程，當初蒲項鋼鐵懷疑可能機臺?蝕或人員操作不當等因素，造成產品不良率增加，經過IBM MAO的分析后，發現外部環境高溫潮濕，造成機臺生?、水刀切割角度偏移、雜質混入鋼材影響烤漆，造成鋼輸??出品質不穩。
解決之道是當回應變數偏離設定值的時候，IBM MAO將會自動提示工程師重新設定指定的關鍵參數，讓其回復到某一個水準。同時，為了確定關鍵的驅動因素，在成千上百個監測變數中，使用了決策樹建立簡潔的預測模型，并且使用回歸模型確定控制驅動因素的置換。
李藝鋒認為，MAO對制造業的效益不只在于預測潛在風險，還能提出最佳決策建議，建立最佳化生產流程，從而降低營運成本、創造最大化獲利。
京公網安備 11010502049343號