SEMI
活動+
 

運用大數據交叉比對製程關聯性 可望找出產線隱形危機

設備智能監控可針對設備異常進行分析,但也可能關乎訂單交期。DIGITIMES攝

對於台灣製造產業推動智慧製造而言,現今市場早已不缺可進行生產數據採集與分析的解決方案,但隨著數據量越來越龐大,單一分析工具恐無法迎合越來越複雜的應用需求。尤其業者所關注的生產品質波動必須考量包含人、機、料、法等多個層面的因素,各個環節可說是環環相扣,未來製造業所面臨的問題,可能更將著重於如何將來自多種來源的資料進行交叉比對,透過整理資料之間的關聯性發展出符合各產業特性需求的解決方案。

製造業凡是想要提升產品質量,無一不從人、機、料、法、環五大因素中找出原因並解決。在這些多重資料來源之間進行即時交叉比對有何重要性?資策會數位所組長余承叡指出,有些數據看似毫無問題,但真正影響的層面卻可能不僅止於原始資料本身。

他舉例,像是設備的智能監控,可針對設備異常進行分析,不過假使設備維持正常運作並無停機風險,但低迷的運作效率卻有可能影響產能進而延緩訂單交期。過去設備監控的數據與訂單系統各自為政,倘若可將兩方資料整合進行交叉比對,或許便可從異地資料中先找出隱性危機。

製程數據的交叉比對在提升接單報價的準確度上也可凸顯其重要性。過去業者對客戶進行報價無非是先斬後奏,但實際接單生產後才發現由於新品製造的零件複雜度增加提高加工難度,迫使時間與成本壓力隨之而來,不僅影響交期,到最後可能才發現是筆賠本生意,而這便是由於業務端與生產端的資訊不連貫所致。

以製造業新品製造效能預測為例,由於機台製程中會產生許多變異因子,需從製程中所產生的大數據中,找出與製造效能之關聯因子,如品項、材料、配方等,甚至包括機台設備的穩定度分析,藉由關聯性預測不同因子組合的製造效能,提前預測新產品的可能產能狀態,以掌握產量與生產時程,如此一來,便有助於掌握報價的準確度與訂單交付時程。