制造業(yè)大數(shù)據(jù)分析打造新一代智能工廠_數(shù)據(jù)分析師考試

近年來(lái)，發(fā)展智能工廠成為全球制造業(yè)的顯學(xué)，隨著人力短缺、工資上漲、產(chǎn)品交期越來(lái)越短、市場(chǎng)需求變動(dòng)大等問(wèn)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(shí)，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(guó)、美國(guó)到中國(guó)臺(tái)灣各個(gè)制造大國(guó)，無(wú)不積極推動(dòng)工業(yè)4.0，希望能協(xié)助制造業(yè)者解決經(jīng)營(yíng)困境、提升競(jìng)爭(zhēng)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(chǔ)。

　　制造業(yè)大數(shù)據(jù)分析五大應(yīng)用

　　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(shí)與豐富經(jīng)驗(yàn)的顧問(wèn)服務(wù)，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)分析部資深業(yè)務(wù)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(jué)化，也就是以圖表呈現(xiàn)分析結(jié)果，而IBM MAO可以根據(jù)制造業(yè)所面臨的問(wèn)題，決定要做哪一種分析，例如預(yù)測(cè)或模擬，甚至整合財(cái)務(wù)或產(chǎn)銷端資訊，找出解決問(wèn)題的方法，這在智能制造過(guò)程中是非常重要的事，因?yàn)槠髽I(yè)往往擁有大數(shù)據(jù)，卻不知道該如何分析。

　　IBM全球企業(yè)咨詢服務(wù)事業(yè)群資深顧問(wèn)李藝鋒進(jìn)一步指出，目前，高科技制造業(yè)者面臨到的問(wèn)題主要有三種，第一、未預(yù)期的物料問(wèn)題或設(shè)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(wèn)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(lái)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(wèn)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(yīng)用模式;

　　第一、物料品質(zhì)監(jiān)控。原物料品質(zhì)不穩(wěn)定其實(shí)有跡可循，然而傳統(tǒng)SPC監(jiān)控要等到發(fā)生問(wèn)題時(shí)才會(huì)做出警示，此時(shí)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(dòng)分析趨勢(shì)變化，發(fā)現(xiàn)潛在問(wèn)題即早做出預(yù)警，以便能及早解決(如：更換物料)維持產(chǎn)品品質(zhì)。

　　第二、設(shè)備異常監(jiān)控與預(yù)測(cè)。傳統(tǒng)SPC監(jiān)控雖然也涵蓋設(shè)備參數(shù)，但有時(shí)設(shè)備仍然會(huì)發(fā)生問(wèn)題，工程師也不知道設(shè)備發(fā)生問(wèn)題該怎么處理最有效，MAO運(yùn)用設(shè)備感測(cè)資料及維修日志，找出發(fā)生設(shè)備異常的模式，監(jiān)控并預(yù)測(cè)未來(lái)故障機(jī)率，好讓工程師可以即時(shí)執(zhí)行最適決策。

　　第三、零件生命周期預(yù)測(cè)。零件或耗材有其生命周期，制造業(yè)者多半根據(jù)供應(yīng)商建議進(jìn)行定期更換，卻忽略了生產(chǎn)及環(huán)境條件對(duì)耗損速度的影響，導(dǎo)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(dǎo)致品質(zhì)受影響。MAO根據(jù)生產(chǎn)及設(shè)備狀態(tài)資料、零件資訊，精準(zhǔn)預(yù)測(cè)零件生命周期，在需要更換的最佳時(shí)機(jī)提出建議，幫助制造業(yè)者達(dá)到品質(zhì)成本雙贏。

　　第四、制程監(jiān)控提前警報(bào)。制造業(yè)的制程參數(shù)相當(dāng)多且彼此會(huì)互相影響，若是因?yàn)橹瞥虆?shù)偏移而影響產(chǎn)品品質(zhì)，工程師只能單一站點(diǎn)逐步追查，相當(dāng)耗費(fèi)時(shí)間，而MAO的做法是建立產(chǎn)品品質(zhì)預(yù)測(cè)模型，找到最佳的制程黃金區(qū)間，一旦發(fā)現(xiàn)制程參數(shù)偏移到區(qū)間外，便即時(shí)發(fā)出警報(bào)，讓工程師可以即時(shí)進(jìn)行調(diào)整或其他決策。

　　第五、良率保固分析。對(duì)制造業(yè)者來(lái)說(shuō)，產(chǎn)品良率過(guò)低或是出售后于保固期間內(nèi)發(fā)生問(wèn)題，不僅會(huì)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(shè)備、產(chǎn)品良率及維修保固相關(guān)資料，建立預(yù)測(cè)模型，以預(yù)測(cè)良率并降低保固成本。

　　Honda改善電動(dòng)車電池壽命

　　目前，IBM MAO在全球制造業(yè)的應(yīng)用相當(dāng)普及，汽車業(yè)便是其一。像日本汽車業(yè)者Honda便應(yīng)用在電動(dòng)車電池上，因?yàn)殡妱?dòng)車不像汽車或油電混合車一樣，可以使用汽油做為動(dòng)力來(lái)源，其唯一的動(dòng)力就是電池，所以Honda希望進(jìn)一步了解電池在什么情況下，績(jī)效表現(xiàn)最好、使用壽命最長(zhǎng)。

　　透過(guò)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(shí)的環(huán)境狀態(tài)等，這些資訊一方面可以幫助業(yè)者預(yù)測(cè)電池目前的壽命還剩下多長(zhǎng)，以便即時(shí)提醒車主做更換，一方面也可以提供給研發(fā)部門，做為未來(lái)設(shè)計(jì)電池的參考。

　　BMW降低80%零件報(bào)廢率

　　德國(guó)汽車業(yè)者BMW則是應(yīng)用大數(shù)據(jù)分析，在短短12周時(shí)間內(nèi)降低80%的零件報(bào)廢率。一臺(tái)汽車需要的零件有很多種，其中一個(gè)是與引擎結(jié)合的引擎上蓋，過(guò)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(gè)零件能否使用，如果不能使用就只好將整個(gè)引擎報(bào)廢。

　　而導(dǎo)入IBM MAO解決方案后，在引擎生產(chǎn)線上就可以做即時(shí)的監(jiān)測(cè)與分析，倘若品管沒(méi)有問(wèn)題則直接進(jìn)到最后的組裝程序，但若零件品質(zhì)不好且無(wú)法修補(bǔ)則直接報(bào)廢，或者零件品質(zhì)不好但能經(jīng)過(guò)其他方式修補(bǔ)，則于修補(bǔ)后再度進(jìn)行品管測(cè)試，借此提高生產(chǎn)效率、降低報(bào)廢率。

　　蒲項(xiàng)鋼鐵提高產(chǎn)品良率

　　鋼鐵是國(guó)家的基礎(chǔ)工業(yè)，鋼鐵廠的生產(chǎn)過(guò)程多為一站到底不停機(jī)，倘若遇到產(chǎn)品不良率增加卻又找不到原因的情況時(shí)，鋼鐵業(yè)者通常只能選擇停機(jī)尋找原因，而停機(jī)往往代表的就是營(yíng)業(yè)損失，蒲項(xiàng)鋼鐵就是遇到這樣的問(wèn)題，但是經(jīng)由IBM MAO解決方案，幫助蒲項(xiàng)鋼鐵在不停機(jī)的情況下找出造成產(chǎn)品瑕疵的原因，不僅避免營(yíng)業(yè)損失還能提高生產(chǎn)效率。

　　吳育瑞指出，鋼鐵原料必須經(jīng)過(guò)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(chǎn)品，而鋼鐵的熱軋制程通常包含水刀切割、涂漆…等流程，當(dāng)初蒲項(xiàng)鋼鐵懷疑可能機(jī)臺(tái)?蝕或人員操作不當(dāng)?shù)纫蛩兀斐僧a(chǎn)品不良率增加，經(jīng)過(guò)IBM MAO的分析后，發(fā)現(xiàn)外部環(huán)境高溫潮濕，造成機(jī)臺(tái)生?、水刀切割角度偏移、雜質(zhì)混入鋼材影響烤漆，造成鋼輸??出品質(zhì)不穩(wěn)。

　　解決之道是當(dāng)回應(yīng)變數(shù)偏離設(shè)定值的時(shí)候，IBM MAO將會(huì)自動(dòng)提示工程師重新設(shè)定指定的關(guān)鍵參數(shù)，讓其回復(fù)到某一個(gè)水準(zhǔn)。同時(shí)，為了確定關(guān)鍵的驅(qū)動(dòng)因素，在成千上百個(gè)監(jiān)測(cè)變數(shù)中，使用了決策樹建立簡(jiǎn)潔的預(yù)測(cè)模型，并且使用回歸模型確定控制驅(qū)動(dòng)因素的置換。

　　李藝鋒認(rèn)為，MAO對(duì)制造業(yè)的效益不只在于預(yù)測(cè)潛在風(fēng)險(xiǎn)，還能提出最佳決策建議，建立最佳化生產(chǎn)流程，從而降低營(yíng)運(yùn)成本、創(chuàng)造最大化獲利。