化解製造業生產痛點第一步,資策會開發「製程大數據分析系統」

作者 | 發布日期 2018 年 11 月 16 日 18:14 | 分類 Big Data , 零組件 follow us in feedly

工業 4.0 口號呼喊已久,帶動製造業持續轉型,邁向智慧製造,相關軟硬體投資也持續增加。然而,要導入相關解決方案前,除了資金及高階技術人才的考量,生產的規模與模式也影響了投入智慧製造的需求方向與急迫性。資策會數位轉型研究所(數位所)觀察到了台灣多數廠商的痛點,在經濟部技術處科技專案的支持下,以製造業所重視的時間、績效、品質等三大指標,開發出「製程大數據即時分析系統」,觀測工廠機台群的產效表現。此套系統也榮獲 2018 年全球百大科技研發獎(R&D 100 Awards)的肯定。



以中小企業為主的台灣製造業,經過長久深厚的底蘊積累,產生了無數資料數據。但大多數企業至今仍欠缺自動匯集多重來源資料與即時分析的工具,無法即時掌握製程狀態,將經驗化為產值。

許多工廠內部的情況是數百至數千個生產機台長期運轉,往往得仰賴人工監控機台、查找低效肇因,不僅耗時耗力,且缺乏對整體產效、品質與瓶頸問題的通盤瞭解。因此許多廠商都期望透過導入新的解決方案,來達成智慧製造。

▲大多數企業至今仍欠缺自動匯集多重來源資料與即時分析的工具,無法即時掌握製程狀態,將經驗化為產值。

資策會所開發的「製程大數據即時分析系統」,透過事件驅動(event driven),利用分散式、容錯、連續即時串流分析(streaming analytics)處理多重來源的大量資料,能快速且精確地反應現有問題,甚至提供更預先性的決策指標,協助企業從製程大數據之中看到隱性危機,成功規避風險並強化產能。

開源軟體架構,系統應用更具彈性化

「製程大數據即時分析系統」主要分成三大模組,第一是「即時效率監控模組」。由於機台的運作效率不會永遠持續相同,而是有可能忽快忽慢,該模組便能在低效製造期間發揮警示功能,減少不良的狀況。第二個「穩態效率預測模組」,能夠即時計算出忽快忽慢的機台在製程穩定時的速率,相較於目前多數企業只能在事後觀看檢查,協助優化改進的效果將大為提升,若搭配第三方高級自動化機台,甚至能立刻調整速率。至於第三個「歷史製品特徵及穩態效率儲存庫模組」,則能夠以機器學習技術分析工廠內的機台、過去曾經接的訂單與製造過的產品資訊及離群值等等,來預測未曾處理過的新訂單完成進度。

此外,由於市售軟體多為固定功能套裝出售,且國外大廠的軟體通常價格昂貴,更不見得完全適用於實際產線,因此資策會選用 Hadoop HDFS、Apache Storm、R 語言等品質穩定、原始碼透明的開源軟體,善用其具備容錯性、超大儲存環境、平行運算等特性,能節省系統基本架構建置時間,針對實際製造業場域問題,扣合生產過程的實務面需求。換句話說,這是一款泛用性十足的系統,務求在導入時縮短評估、分析與實際投入的時間;同時降低客製化所帶來的技術門檻。

導入封測及製造產業助生產效率提升

目前「製程大數據即時分析系統」已導入半導體封裝測試、塑膠押出與電池組裝等產業。如全球規模最大的封裝業者導入此系統後,可即時分析黏晶機台資料,提升黏晶製程 3% 的效率,對 24 小時不停工的封測產業而言為顯著效益。資策會持續積極與資訊服務業者及系統整合商合作,借重其整合能力及市場觸角,針對各種製造業需求研擬解決方案,預計逐步推廣至化工、紡織、汽車及航太等領域,並與製造業者合作建立示範場域,吸引更多業者跟進,從中擴散數據分析效益,加速台灣製造業數位轉型。

展望未來,資策會擬定「智慧製造藍圖」,將應用數據分析及人工智慧技術,發展產線智慧調配解決方案。就好比為工廠建置數位大腦,輔助人員精準決策,可 24 小時維持最佳產能、效率和良率。更將偕同資訊服務業者及系統整合商,透過雲端服務,加快各類製造業者導入應用,促使台灣製造業從進料、生產到品質檢測全產線智慧化,形成高效率雙腦協作(人腦與 AI 相輔相成)的工作模式,在 2021 年前逐步邁向智慧/虛擬工廠的建置。

(首圖來源:資策會)