為了提供更好的閱讀內容,我們使用cookies來改善使用者體驗,關於更多cookies資訊請閱讀我們的隱私權聲明
AdvantechIOT
活動+
 

導入智慧製造 投資報酬率可望超乎預期

  • DIGITIMES企劃
綜觀工業4.0概念,生產設備的預防性維護堪稱極為重要的一環,亦是提升產能的關鍵因素。Nikkei

近年來工業4.0熱潮延燒全世界,久久未退流行,一向在全球高科技製造業居於重要地位的台灣,自然不會置身事外,已然起身簇擁這波浪潮。不可諱言,台灣製造業導入工業物聯網、智慧工廠乃至虛實整合系統,此刻多還在起步階段,遙望工業4.0遠大目標,確實仍有一段長路要走,然而環顧各類型製造商,距離此目標相對接近者,毫無疑問正是半導體產業。

事實上,半導體業迎向智慧製造,擁有得天獨厚的利基,所以動得比其他型態的製造商快上許多;若以半導體製程設備而論,眾所皆知往往價格不菲,相形之下,推動智慧自動化的成本支出猶如「小菜一碟」,絕對稱得上是本小利大的好投資,當然值得賣力投入,如果真能做好資料管理、分析技巧與預測技術,進而明顯改善機台效能及生產良率,便可望坐享極高的投資報酬率。

 點擊圖片放大觀看

在工廠及產線安裝感測器,藉以收集生產現場的各種數據,可謂企業邁向工業4.0的重要起點。ABB

另值得一提的,若就台灣整體製造業邁向工業4.0、智慧製造的觀點,半導體產業在於智動化的突破,也往往深具帶動效果,只因半導體製造商可望為同屬製造領域的其他企業提供創新技術,驅使其他製造商將其生產設施轉向智慧化,讓工業4.0的附加價值如同漣漪一般,有更多企業同蒙其惠。

唯有數位化,方能有效提升競爭力

世界知名的管理諮詢公司麥肯錫,也曾透過專文,詮釋半導體產業為何不得不加入工業4.0轉型行列。該文指出,以晶圓廠為例,透過大數據分析來增進製程中自動化的比例、藉以落實數位化轉型,可望提高30%~50%勞動效率,並且減少機器耗損,在下次維修前可望提高10%~20%產量;如此一來,可能導致整體設備效率(OEE)平均增進10%~15%,產量提升1%~3%,連帶使客訴因而減少30%~50%。

儘管不少晶圓廠一直以來都致力提振營運效能,已藉由精簡組織、精簡製程、減少耗費等等精實做法,展現了不小的作用,但與智慧化、數位化的績效相比,依然相形見絀;這也意謂著,倘若半導體公司只想靠傳統套路來提升競爭力,縱有成效、亦十分有限,因此不得不擁抱工業4.0熱潮的理由便在於此。

論及工業4.0的重要起手式,就是設法為機器賦予智慧,具體來說即是在它們的身上裝設感測器,藉以收集數據,做為強化整體生產效率的依據,換句話說,在工廠不論發生好的結果、壞的結果,相關前因後果通通都具有高度的可視化,這點對於業者而言極其重要。

舉例來說,以往衡量OEE,都僅看機器可用或不可用的絕對時間,但經常忽視因微小故障所釀成的停機事故,且對於伴隨停機而衍生的生產損失估計,也往往取決於手動作業,以致評估的結果不甚精確;如今改採數位化做法,企業便可準確掌握機器運行狀態,及每次停機所造成的生產損失,據此訂定更為精準的生產決策,甚至進一步採取預防性維護措施,好讓機器在完全損壞前,得以貢獻極大化產值。

另一點也相當重要,意即每當出現良率問題,過去的做法,不外是主管與產線的員工做面談,試圖從中得知究竟是哪個環節出了差錯,但可想而知,這般做法難免有失精確;反觀工業4.0的作業情境下,生產過程當中的每個環節皆可追蹤,企業只須針對收集到的大量數據按圖索驥,不需費時訪談任何一人,即可準確而快速地探知導致良率不佳的背後真因,接著對症下藥,鎖定這些不良癥候著手優化,便可促使生產良率儘快回到正常的軌道上。

此外,從作業員觸摸機器的時間長短,也能當做提升產線效率的依據。經由機器上的感測數據,假使發現作業員平均接觸機器的時間,僅佔整體工時的五成以下,即可合理推估,作業員處於等待、閒置的時間著實太長,等同於人力資源的浪費,企業一旦察覺這般情況,即可適時修正工業參數,將人機比率調整至更有效率的狀態。

善用大數據,驅動產能與效率的升級

但即便設置感測節點,是企業迎向工業4.0、智慧製造的敲門磚,但並不代表裝了感測器,就是達到工業4.0的水準;甚至縱使做得再多,佈建了大量的機械手臂,使得整個產線或工廠更加自動化,都還不能稱之為工業4.0,充其量不過來到工業3.0罷了。企業若想更貼近工業4.0,至少得再往前多做一些事,以機械手臂為例,不能只讓它們做簡單的取放動作,而是要讓手臂與手臂、手臂與生產設備,甚至手臂與人員之間能夠順利溝通與協作。

另一方面,某種程度上,「資料革命」絕對算是工業4.0箇中重要意涵之一,佈建大量感測器僅是手段,真正目的便是收集數據,無論是來自機台、物流、產線或製造執行現場的巨量資料,能否透過集中化機制善加管理、儲存與分析,才是能否真正提高產能及效率的關鍵所在。以前述的幾個工業4.0應用情境而論,不管是針對機台實施預防性維護、快速挖掘導致良率不彰的真因,抑或設法降低作業員等待時間,沒有任何一個是完成感測數據的收集後,就會自然而然發生的,企業如何利用數據展開後續的作為,才是重點。

在去年(2017),某家極具指標性的半導體大廠,應智慧機械推動辦公室之邀,赴中部地區分享智慧製造的導入經驗,其間有不少值得借鏡學習的重點,包括建立FabIoT,形成人、機、料、法、環的主動偵測與行動機制;善用開源技術自建私有雲,可使開發團隊享用共通平台,也順勢打造高度安全的原始碼管控機制;同樣採用開源技術,自主建立大數據分析平台,協助工程師推動大量的資料分析,以期加速開發作業。

此外,企業不妨整合物聯網與大數據,透過批次離線分析方法來解決產線的疑難雜症;整合Domain Knowledge進行建模,以發揮即時監控、提前預測之功效,接著也藉由模型來控制生產參數;藉助機器學習技術,全自動優化生產控制的參數,大幅減少產線上的種種變因;再者可多利用自動影像辨識技術,展現優於人工的辨識實力,藉此強化品質管制(QC)。