善用資料科學方法論 數據應用成為製造業轉型良藥
- DIGITIMES企劃
-
工業物聯網(IIoT)被視為未來製造業的骨幹網路，其整體運作是透過感測網路擷取設備數據，再往上傳送至雲端，累積為大數據後，再進行分析運算，制定出最佳化生產策略。不過對製造業者來說，大數據是極其陌生的專業，因此目前導入工業物聯網的廠商，數據處理往往是最為棘手的一環。
對此成功大學資工系暨製造資訊與系統研究所所長李家岩副教授指出，大數據在智慧製造系統的應用逐漸加深，資料科學在此一領域的重要性已經浮現，透過資料科學的協助，製造業者將可讓生產設備的數據衍生出更多價值，進而強化本身競爭力。
台灣製造業早期導入自動化，多半是為了節省人力，後期自動化技術快速進步，除了人力成本因素外，提升良率也成為重要目的，而過去要提升良率，主要是透過廠內人員的開會檢討，不過李家岩指出，現在自動化設備都會有一定生產記錄，只要透過資料科學追溯記錄，就可以找出系統中製程參數異常或效率不佳的環節，再經過改善調整，就可降低不良品的發生機率。
李家岩表示，在沒有數據的狀況下，過去製程設備的狀態，多由現場人員以經驗判斷，然而經驗一來難以傳承，二來口述容易產生誤解或誤差，現在則可透過數據協助管理人員做決策。他以馬達運作為例，馬達是工廠的重要動力來源，一旦無預期停機，極有可能產生巨大損失，而過去的馬達管控大多是定期維修，或是操作人員察覺到異常震動或異音後，緊急停機修復，而在有記錄的狀況下，管理者就可由數據判斷，預測保養機台，讓稼動率維持在高點。
除了降低不良品比例外，數據也可提升產線效率。受到消費性市場的變動影響，現在製造業從過去的少樣多量生產，逐漸變成少量多樣，當生產樣式變多，產線的換線頻率就增加。在數據的輔助下，管理者可以計算出最佳的產線組合與換線時間，讓產能最大化，並維持產線平衡。李家岩表示，過去工廠的數據多為人員記錄，不過人力有一定的出錯或漏失機率，同時也無法判斷精細複雜的異質數據，現在的IT系統則可補足這方面的缺點，讓決策更精準。
在智慧製造系統中，數據要產生，就必須要投入資金在機台上建置感測器，不過對中小企業，尤其是台灣中南部許多家庭工廠來說，無疑是一筆龐大支出，這類型業者的導入意願往往偏低。對此李家岩認為，數據是提升生產線效率的重要依據，就算沒有裝設感測器，仍須以紙本或碼錶方式記錄，畢竟有了記錄才能踏出改善產線效能的第一步。
至於要收集的資料種類，應以先審視商業模式與生產流程(process)為首要工作，進行流程再造的整併與刪除。李家岩指出，導入自動化的前提是產線精實化(lean)，否則在有差錯、浪費的狀況下導入自動化系統，產線原有的缺陷會被迅速放大，自動化生產浪費，造成反效果。
另外智慧製造系統導入感測網路後，會因生產類型而有不同數量的異質資料，李家岩表示，由於現在一次性使用的產品增加，產線上單一產品的重複生產量並不多，因此目前多數傳產產線針對某一特定產品別所收集到的常為小數據，而大、小兩種數據的分析方法也各有不同。
大數據主要來自於大量且固定的產品製造，其使用方式是根據統計分配，透過模型的建立與預測，調整機台參數以協助製程診斷提升良率。至於小數據則雖不足以建立統計分配，不過可協助研發人員，透過實驗設計田口方法以較少成本完成實驗開發。
換言之，小數據可應用於產線的前端，讓後續的生產更穩健(robust)與精準(precise)；大數據則是在產線後端，協助產線優化提升產品品質。李家岩最後表示，數據是智慧製造系統成敗的關鍵因素，能否妥善運用，也將成為未來市場競爭的關鍵所在。
2018年「智慧工廠論壇」巡迴終站即將於11月8日(四)假高雄君鴻國際酒店盛大舉辦，邀請到李家岩副教授分享更多資料科學與智慧製造的精彩內容，活動完全免費，名額有限，歡迎立即報名以免向隅 : https://www.digitimes.com.tw/seminar/DForum_20181108/。
