近年来,发展智慧工厂成为全球制造业的显学,随着人力短缺、工资上涨、产品交期越来越短、市场需求变动大等问题出现,制造业正面临新一波转型挑战,如何在控制生产成本的同时,还能提高生产力与效率,则是转型的主要目的,也因此,从德国、美国到台湾各个制造大国,无不积极推动工业4.0,希望能协助制造业者解决经营困境、提升竞争力,而大数据分析与优化(Manufacturing Analytic & Optimization; MAO)则成为发展工业4.0的基础。
制造业大数据分析五大应用
深耕制造业多年的IBM,在大数据分析上提供的不只是产品,还有结合产业知识与丰富经验的顾问服务,帮助制造业者做出正确有效率的大数据分析。
IBM 商业分析部资深业务刘君彦指出,目前市面上有很多大数据分析的解决方案,但大多只能做到资料视觉化,也就是以图表呈现分析结果,而IBM MAO 可以根据制造业所面临的问题,决定要做哪一种分析,例如预测或模拟,甚至整合财务或产销端资讯,找出解决问题的方法,这在智慧制造过程中是非常重要的事,因为企业往往拥有大数据,却不知道该如何分析。
IBM 全球企业咨询服务事业群资深顾问李艺锋进一步指出,目前,高科技制造业者面临到的问题主要有三种,第一、未预期的物料问题或设备故障直接冲击产能,以致耗损大量成本;第二、因制程稳定性问题造成产品良率下降,不但影响获利更影响客户满意度;第三、制程世代转换越来越快,如何加快量产速度,成为获利的关键因素。
因此,IBM 根据制造业所面临到的问题与产品生命周期,归纳出制造业大数据分析五大应用模式:
第一、物料品质监控。原物料品质不稳定其实有迹可循,然而传统SPC 监控要等到发生问题时才会做出警示,此时不仅己经影响产品品质,更不容易找出原因,而MAO 则是主动分析趋势变化,发现潜在问题即早做出预警,以便能及早解决(如:更换物料)维持产品品质。
第二、设备异常监控与预测。传统SPC 监控虽然也涵盖设备参数,但有时设备仍然会发生问题,工程师也不知道设备发生问题该怎么处理最有效,MAO 运用设备感测资料及维修日志,找出发生设备异常的模式,监控并预测未来故障机率,好让工程师可以即时执行最适决策。
第三、零件生命周期预测。零件或耗材有其生命周期,制造业者多半根据供应商建议进行定期更换,却忽略了生产及环境条件对耗损速度的影响,导致以下两种情况经常发生,一是在太早更换零件,造成不必要的开销,二是太晚更换零件,导致品质受影响。MAO 根据生产及设备状态资料、零件资讯,精准预测零件生命周期,在需要更换的最佳时机提出建议,帮助制造业者达到品质成本双赢。
第四、制程监控提前警报。制造业的制程参数相当多且彼此会互相影响,若是因为制程参数偏移而影响产品品质,工程师只能单一站点逐步追查,相当耗费时间,而MAO 的做法是建立产品品质预测模型,找到最佳的制程黄金区间,一旦发现制程参数偏移到区间外,便即时发出警报,让工程师可以即时进行调整或其他决策。
第五、良率保固分析。对制造业者来说,产品良率过低或是出售后于保固期间内发生问题,不仅会增加成本,更直接影响企业形象与客户满意度。因此MAO结合生产设备、产品良率及维修保固相关资料,建立预测模型,以预测良率并降低保固成本。
Honda 改善电动车电池寿命
目前,IBM MAO 在全球制造业的应用相当普及,汽车业便是其一。像日本汽车业者Honda 便应用在电动车电池上,因为电动车不像汽车或油电混合车一样,可以使用汽油做为动力来源,其唯一的动力就是电池,所以Honda 希望进一步了解电池在什么情况下,绩效表现最好、使用寿命最长。
透过IBM MAO 解决方案,让Honda 可以搜集并分析车辆在行驶中的一些资讯,如:道路状况、车主的开车行为、开车时的环境状态等,这些资讯一方面可以帮助业者预测电池目前的寿命还剩下多长,以便即时提醒车主做更换,一方面也可以提供给研发部门,做为未来设计电池的参考。
BMW 降低80%零件报废率
德国汽车业者BMW 则是应用大数据分析,在短短12周时间内降低80%的零件报废率。一台汽车需要的零件有很多种,其中一个是与引擎结合的引擎上盖,过往,BMW 要等到最终引擎组装阶段,将引擎上盖组装完成后才知道这个零件能否使用,如果不能使用就只好将整个引擎报废。
而导入IBM MAO 解决方案后,在引擎生产线上就可以做即时的监测与分析,倘若品管没有问题则直接进到最后的组装程序,但若零件品质不好且无法修补则直接报废,或者零件品质不好但能经过其他方式修补,则于修补后再度进行品管测试,借此提高生产效率、降低报废率。
蒲项钢铁提高产品良率
钢铁是国家的基础工业,钢铁厂的生产过程多为一站到底不停机,倘若遇到产品不良率增加却又找不到原因的情况时,钢铁业者通常只能选择停机寻找原因,而停机往往代表的就是营业损失,蒲项钢铁就是遇到这样的问题,但是经由IBM MAO 解决方案,帮助蒲项钢铁在不停机的情况下找出造成产品瑕疵的原因,不仅避免营业损失还能提高生产效率。
刘君彦指出,钢铁原料必须经过热轧制程,才能将高温的钢胚轧延成钢卷、钢板或条钢线材等产品,而钢铁的热轧制程通常包含水刀切割、涂漆…等流程,当初蒲项钢铁怀疑可能机台?蚀或人员操作不当等因素,造成产品不良率增加,经过IBM
MAO的分析后,发现外部环境高温潮湿,造成机台生锈、水刀切割角度偏移、杂质混入钢材影响烤漆,造成钢输出品质不稳。
解决之道是当回应变数偏离设定值的时候,IBM MAO 将会自动提示工程师重新设定指定的关键参数,让其回复到某一个水准。同时,为了确定关键的驱动因素,在成千上百个监测变数中,使用了决策树建立简洁的预测模型,并且使用回归模型确定控制驱动因素的置换。
李艺锋认为,MAO 对制造业的效益不只在于预测潜在风险,还能提出最佳决策建议,建立最佳化生产流程,从而降低营运成本、创造最大化获利。