【儀表網(wǎng) 行業(yè)上下游】近年來，發(fā)展智能工廠成為制造業(yè)的顯學，隨著人力短缺、工資上漲、產(chǎn)品交期越來越短、市場需求變動大等問題出現(xiàn)，制造業(yè)正面臨新一波轉(zhuǎn)型挑戰(zhàn)。如何在控制生產(chǎn)成本的同時，還能提高生產(chǎn)力與效率，則是轉(zhuǎn)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(yè)4.0，希望能協(xié)助制造業(yè)者解決經(jīng)營困境、提升競爭力，而大數(shù)據(jù)分析與優(yōu)化(Manufacturing Analytic&Optimization；MAO)則成為發(fā)展工業(yè)4.0的基礎。
深耕制造業(yè)多年的IBM，在大數(shù)據(jù)分析上提供的不只是產(chǎn)品，還有結(jié)合產(chǎn)業(yè)知識與豐富經(jīng)驗的顧問服務，幫助制造業(yè)者做出正確有效率的大數(shù)據(jù)分析。
IBM商業(yè)分析部業(yè)務劉君彥指出，目前市面上有很多大數(shù)據(jù)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(xiàn)分析結(jié)果，而IBMMAO可以根據(jù)制造業(yè)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(chǎn)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(yè)往往擁有大數(shù)據(jù)，卻不知道該如何分析。
IBM企業(yè)咨詢服務事業(yè)群顧問李藝鋒進一步指出，目前，高科技制造業(yè)者面臨到的問題主要有三種，、未預期的物料問題或設備故障直接沖擊產(chǎn)能，以致耗損大量成本；第二、因制程穩(wěn)定性問題造成產(chǎn)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(zhuǎn)換越來越快，如何加快量產(chǎn)速度，成為獲利的關(guān)鍵因素。因此，IBM根據(jù)制造業(yè)所面臨到的問題與產(chǎn)品生命周期，歸納出制造業(yè)大數(shù)據(jù)分析五大應用模式：
、物料品質(zhì)監(jiān)控。原物料品質(zhì)不穩(wěn)定其實有跡可循，然而傳統(tǒng)SPC監(jiān)控要等到發(fā)生問題時才會做出警示，此時不僅己經(jīng)影響產(chǎn)品品質(zhì)，更不容易找出原因，而MAO則是主動分析趨勢變化，發(fā)現(xiàn)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(chǎn)品品質(zhì)。
第二、設備異常監(jiān)控與預測。傳統(tǒng)SPC監(jiān)控雖然也涵蓋設備參數(shù)，但有時設備仍然會發(fā)生問題，工程師也不知道設備發(fā)生問題該怎么處理有效，MAO運用設備感測資料及維修日志，找出發(fā)生設備異常的模式，監(jiān)控并預測未來故障機率，好讓工程師可以即時執(zhí)行適決策。
第三、零件生命周期預測。零件或耗材有其生命周期，制造業(yè)者多半根據(jù)供應商建議進行定期更換，卻忽略了生產(chǎn)及環(huán)境條件對耗損速度的影響，導致以下兩種情況經(jīng)常發(fā)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(zhì)受影響。MAO根據(jù)生產(chǎn)及設備狀態(tài)資料、零件資訊，預測零件生命周期，在需要更換的佳時機提出建議，幫助制造業(yè)者達到品質(zhì)成本雙贏。
第四、制程監(jiān)控提前警報。制造業(yè)的制程參數(shù)相當多且彼此會互相影響，若是因為制程參數(shù)偏移而影響產(chǎn)品品質(zhì)，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(chǎn)品品質(zhì)預測模型，找到佳的制程黃金區(qū)間，一旦發(fā)現(xiàn)制程參數(shù)偏移到區(qū)間外，便即時發(fā)出警報，讓工程師可以即時進行調(diào)整或其他決策。
第五、良率保固分析。對制造業(yè)者來說，產(chǎn)品良率過低或是出售后于保固期間內(nèi)發(fā)生問題，不僅會增加成本，更直接影響企業(yè)形象與客戶滿意度。因此MAO結(jié)合生產(chǎn)設備、產(chǎn)品良率及維修保固相關(guān)資料，建立預測模型，以預測良率并降低保固成本。
李藝鋒認為，MAO對制造業(yè)的效益不只在于預測潛在風險，還能提出佳決策建議，建立佳化生產(chǎn)流程，從而降低營運成本、創(chuàng)造大化獲利。
