制造业大数据分析的五大应用介绍

1、制造业大数据分析的五大应用介绍近年来，发展智能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，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则成为发展工业的 基础。制造业大数据分析五大应用深耕制造业多年的天拓四方数网星， 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。目前市面上有很多大数据分析的解决方案，

2、 但大多只能做到资料视觉化，也 就是以图表呈现分析结果，而数网星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，这在智能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。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，旧M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、

3、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， 而数网星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， 数网星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

4、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。数网星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， 而数网星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。 因此数网星结合生产设备、 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。天拓四方数网星对