大世科資訊整合服務 助企業達到智慧製造目標 智慧應用 影音
藍牙
參數科技

大世科資訊整合服務 助企業達到智慧製造目標

  • DIGITIMES企劃

大同世界科技自動化系統部副處長 楊修銘
大同世界科技自動化系統部副處長 楊修銘

大同世界科技(以下簡稱「大世科」)自動化系統部副處長楊修銘表示,現今工廠製造系統普遍面臨的挑戰,其實相當多,舉凡「訂單何時交付?在何處生產?產出狀況為何?」、「如何管理物料,降低庫存與提高發料速度?」、「如何減少浪費?」、「如何確保品質以及品質改善策略?」、「如何跟蹤設備?模具的使用?」,及「產品召回時有何對策?」,皆是多數製造企業亟待解決的難題。

前述問題的解決之道,皆蘊含在工業4.0、智慧工廠的內涵之中。細究智慧工廠內容,箇中含括物聯網、虛擬工廠設計與自動化系統整合、大數據與雲端運算、智能設備?裝置與系統、機械人(手臂)等五大領域,必須充分整合五大領域的相關設備,才可望實現智慧工廠願景。

楊修銘指出,根據德國工業4.0報告,未來的智慧工廠,在每一個生產環節過程中,各項操作設備都具獨立自主能力,可自動化完成生產線操作,而不同設備之間皆可相互溝通,並即時監控周遭環境,隨時找到問題加以排除,甚至也具有更加靈活彈性的生產流程,故而可以因應不同客戶的不同產品製造需求。

展望今後,智慧工廠將不再製造統一的、毫無差別的產品,而是在同一流水線上,生產千萬種定制化產品;因此企業需以「智慧製造」為基底,結合資訊、技術與人工智慧等元素,藉以針對製造或商業流程中的每一環節,持續注入決策智慧因子,以工廠從業人員為例,便可透過「人機協同合作」,依據情境與前後相關的目標設定,調節與規劃智慧網路化的生產資源、生產步驟,如此一來,不僅能增進工廠的彈性,亦有助於減少產品成本、減少能源耗用。

智慧製造管理系統  撐起工業4.0骨幹

楊修銘說,若將智慧製造視為一座金字塔,則底層即為裝備與自動化機台設備、單元控制(Cell Control),皆是賴以撐持智慧製造的基座,唯有基座愈穩固,此後才能循序堆疊產線?廠務監控與資料收集(SCADA)、製造執行系統?電腦整合製造(MES/CIM)、ERP/PLM、SCM/CRM,一路攀登至最上層的可視化決策管理機制(BI)。

為了駕馭層層堆疊的複雜架構,有意邁進工業4.0的企業,實有必要建立智慧製造管理系統,而此系統亦須蘊含眾多特性,包括:1.利用互聯網使產品開發與訂單形成,都是與客戶快速有效協作後的成果;2.利用產品大數據模型PLM/CAD及影像技術支援前段,形成友善客戶訂制介面;3.整個生產管理多以小批量訂單(少量多樣)為基礎,訂單包含所有製造相關訊息;4.生產管理由下而上的自主投標方式,取代傳統由上而下的計畫;5.每個業務單元都包含自訂、自察覺、自組織、自管理等PDCA迴圈;6.充分利用大數據分析技術,所得結果可協助整體系統運作。

至於大世科所能提供的智慧製造解決方案,面向相當之廣。不管是攸關「智慧製造」的生產線自動化整合、SCADA、MES/CIM大數據應用、ERP/PLM、精益製造現場改善等等資訊整合服務項目,乃至於智慧化大數據分析及預測,以及奠基於機器學習的專家分析應用,都在供應範圍之列。

楊修銘指出,針對機台設備連線、整合及監控,大世科可協助企業推動機台設備的整合,包括不同設備供應商的整合、不同通訊方式的整合、生產線流動控制的整合、生產線控制介面的整合,以及與EDC/MES/CIM連接的介面整合及開發;對於有意邁進工業4.0的企業,上述整合步驟可謂關鍵,因為唯有善盡機台設備整合,扎穩根基後,才能進一步實現製程設備整合、智慧產線整合,接續鋪陳接下來的故事內容。

藉由大數據分析  滿足多重營運需求

緊接著,大世科能夠協助用戶建立SCADA。SCADA系統之設置目的,乃在於透過電腦的即時監控設備,提供系統設備執行整體的監視、控制、自動定時紀錄、列印及查詢,並提供設備即時運作狀態資訊;而用戶可進一步加值延伸,透過長期設備維護資料的建立,思索如何有效運用維護人力資源,同時提高設備維護品質及設備運轉效率。

此後階段,不管是MES、ERP的導入,乃至於促使兩者產生關聯,均為大世科擅長的項目。然而值得一提的獨特亮點,係在於奠基PI DB的大數據應用與分析;透過PI DB,企業可將製造過程產生的即時資料,有效收集在Historian歷史資料庫,一舉滿足分析、預測、回饋結果予MES/ERP系統等多重需求,藉以推動品質追蹤改善、設備維修保養預測、製造流程改善等功能應用。

當然,大數據應用與分析方向還有很多,包括QM即時品質監控及警示、FAS即時製程監控及報警,一路延伸至QA自動客製化生產管制報告、QA Web 品質能力報表系統,也都是製造企業普遍關注的重點,只因上述事項對於實現製程確效執行,實有顯著助益;除此之外,包含機台製程分析及控制系統、FDC(Fault Detection & Classification)異常狀況偵測與分類之整合,也都是對於製造企業頗具吸引力的應用情境。