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，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(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)知識與豐富經(jīng)驗的顧問服務(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)所面臨的問題，決定要做哪一種分析，例如預(yù)測或模擬，甚至整合財務(wù)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全球企業(yè)咨詢服務(wù)事業(yè)群資深顧問李藝鋒進(jìn)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，第一、未預(yù)期的物料問題或設(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(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(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。傳統(tǒng)SPC監(jiān)控雖然也涵蓋設(shè)備參數(shù)，但有時設(shè)備仍然會發(fā)生問題，工程師也不知道設(shè)備發(fā)生問題該怎么處理最有效，MAO運用設(shè)備感測資料及維修日志，找出發(fā)生設(shè)備異常的模式，監(jiān)控并預(yù)測未來故障機(jī)率，好讓工程師可以即時執(zhí)行最適決策。

　　第三、零件生命周期預(yù)測。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)測零件生命周期，在需要更換的最佳時機(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。制造業(yè)的制程參數(shù)相當(dāng)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(dāng)耗費時間，而MAO的做法是建立產(chǎn)品品質(zhì)預(yù)測模型，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，便即時發(fā)出警報，讓工程師可以即時進(jìn)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(shè)備、產(chǎn)品良率及維修保固相關(guān)資料，建立預(yù)測模型，以預(yù)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(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(jìn)一步了解電池在什么情況下，績效表現(xiàn)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(huán)境狀態(tài)等，這些資訊一方面可以幫助業(yè)者預(yù)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(fā)部門，做為未來設(shè)計電池的參考。

　　BMW降低80%零件報廢率

　　德國汽車業(yè)者BMW則是應(yīng)用大數(shù)據(jù)分析，在短短12周時間內(nèi)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(jié)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(dǎo)入IBM MAO解決方案后，在引擎生產(chǎn)線上就可以做即時的監(jiān)測與分析，倘若品管沒有問題則直接進(jìn)到最后的組裝程序，但若零件品質(zhì)不好且無法修補(bǔ)則直接報廢，或者零件品質(zhì)不好但能經(jīng)過其他方式修補(bǔ)，則于修補(bǔ)后再度進(jìn)行品管測試，借此提高生產(chǎn)效率、降低報廢率。

　　蒲項鋼鐵提高產(chǎn)品良率

　　鋼鐵是國家的基礎(chǔ)工業(yè)，鋼鐵廠的生產(chǎn)過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，鋼鐵業(yè)者通常只能選擇停機(jī)尋找原因，而停機(jī)往往代表的就是營業(yè)損失，蒲項鋼鐵就是遇到這樣的問題，但是經(jīng)由IBM MAO解決方案，幫助蒲項鋼鐵在不停機(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)初蒲項鋼鐵懷疑可能機(jī)臺?蝕或人員操作不當(dāng)?shù)纫蛩?，造成產(chǎn)品不良率增加，經(jīng)過IBM MAO的分析后，發(fā)現(xiàn)外部環(huán)境高溫潮濕，造成機(jī)臺生?、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)定值的時候，IBM MAO將會自動提示工程師重新設(shè)定指定的關(guān)鍵參數(shù)，讓其回復(fù)到某一個水準(zhǔn)。同時，為了確定關(guān)鍵的驅(qū)動因素，在成千上百個監(jiān)測變數(shù)中，使用了決策樹建立簡潔的預(yù)測模型，并且使用回歸模型確定控制驅(qū)動因素的置換。

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