互联网+、大数据,如何助力制造业?
工业物联网将实体资产与系统及人员衔接起来,让数据在工厂中自由流动,帮助企业提升生产效率,根据IDC预测,到2021年全球将有七成以上的制造企业使用数据来增强自动化和运营。正如数据已成为各个行业的驱动力一样,制造业的下一次进化也将通过数据和分析提高运营效率。制造企业将利用新的数据源,并以创新的方式运用这些信息,来实现更高效的产品开发、供应链和生产力。“数据驱动型组织获得客户的可能性会提高23倍,保留客户的可能性会提高6倍,盈利的可能性则会提高19倍”。
![](/images/hy10.png)
目前,制造业已开始采用实时数据流来改善运营模式。实时捕获的数据可对设备维护、需求波动以及供应链中断做出响应,从而提高生产效率并降低维护成本。为了充分把握实时数据流带来的商业机会,制造企业必须重新考虑他们的数据管理方法,把重点放在有效的数据运用上。这种由数据分析驱动的“互联制造”方法正助力传统制造业朝着更加高效的运营模式发展,从而为企业、股东和客户带来价值。 例如,有些企业利用实时监控来优化生产流程,并管理物流;有些企业则依据数据进行预测性维护,取代传统的严格按照时间表进行维护的方式;还有些企业利用计算机视觉等先进的分析工具,通过视觉图像和视频推送来改进品质控制。
![](/images/hy11.png)
通过运用数据和先进的分析方法,制造企业可以实现各种功能强大的应用,特别是以下五个方面:
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,此时不仅已经影响产品品质,更不容易找出原因,而MAO则是主动分析趋势变化,发现潜在问题及早做出预警,以便能及早解决(如:更换物料)维持产品品质。
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。
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。
![](/images/hy12.png)
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。
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。
![](/images/hy13.png)
所有这些基于数据的现代增强功能都在助力制造业变得更好,优化产量并简化实现过程。