您好,欢迎来到上海仪器仪表行业协会!

仪器仪表行业协会
搜索
搜索

宏观观点

资讯分类
/
/
/
挑战智能制造 要从“看不到的转型”下手

挑战智能制造 要从“看不到的转型”下手

  • 分类:近日焦点
  • 作者:
  • 来源:
  • 发布时间:2020-11-01 07:30
  • 访问量:

【概要描述】

挑战智能制造 要从“看不到的转型”下手

【概要描述】

  • 分类:近日焦点
  • 作者:
  • 来源:
  • 发布时间:2020-11-01 07:30
  • 访问量:
详情

挑战智能制造 要从“看不到的转型”下手

 

智能制造经过多年来的讨论和演进,目标已相当明确并且也是一可达到的愿景,道理容易理解,导入AI,然后做出超过人类的成果,但是用在智能制造的时候,好像缺少什么。AI要能成功,有三个主要的部分:算法、算力以及数据。前两者只要有足够的资本便容易取得,但数据这块却特别麻烦。

麻烦之处在于,本身搜集即是一个问题,以及对数据不了解。以现在的技术来说,语言和影像可以转换成数据,但是机台种类繁多,产生的特性和要求也都还不了解,又要怎么去分析?

转型要从数据下手

工厂要先数字化(数字转型),搜集好数据、了解数据,才真的有机会往智能制造走。

只搜集营运数据是不够的,设备、技术的数据,都应该要完整搜集。市场上其实已有很多供应商提供解决方案,但是有很大一部分做的是“看得到的数字转型”。例如,哪台机器有没有在加工、有没有料、有无亮灯等的提示。但真正需要的,应该是所谓“看不到的数字转型”,也就是机台里面的加工质量、效率、稳定性等,而非单纯检视有加工与没加工就好。

当然,掌控稼动率很好,但如果哪天稼动率低,业者却不知道究竟事出何因。所以未来是关键,搜集能掌握未来的资料,透过分析去知道原因,未来这些事就能在掌控之中。(注:稼动率是指设备在所能提供的时间内为了创造价值而占用的时间所占的比重。是指一台机器设备实际的生产数量与可能的生产数量的比值。)

别把数字转型当项目在执行

工厂流程的环节不只一两个,但无论如何总要先透过数据分析,了解之后才能优化。目前业界普遍的做法是将最复杂最有价值的几个问题丢出来,先成立项目组,以项目方式处理。

但这样的作法会让企业内部产生责任推托,如果不是项目组的人员,那数字转型就跟之无关。事实上一间工厂要能真正进化,迈向工业4.0,将会有几百个甚至上千个问题需要解决,也就是所谓的“长尾”问题,而这些问题的总价值很可能还超越最贵的那几题,那怎么办?

企业需要一套核心数据分析全流程架构来解决长尾问题。过去在软件开发的领域,企业盛行一套DevOps的开发维运架构,为的是能系统化和规模化去应付频繁的部署需求。

面对数字化过程中对数据分析效率要求的提升,国际上现在也效法DevOps架构发起了AnalyticOps的概念,用一套系统化的平台建构一个可规模化的数据分析流程,以提升企业内部各环节数字化的效率。

举例来说,如讯能集思所推出的产品理论架构,即跟AnalyticOps相似,推出的智能决策平台JarviX以OT(营运技术)端的需求切入,透过AI增强分析的技术来降低工具的使用门槛,让OT端能够自主完成数据分析全流程,减低企业为了数据分析付出的庞大跨部门沟通成本,对比以往需要IT和DT人员搭配组成的项目团队去做分析,现在OT的人员就能直接做数据分析,大规模的提升分析流程各环节的效率。

学习的机制会是最大挑战

要做更好的产品,当然可以透过提升机台的精度或者稳定度,但是如何用,就是数据分析的意义,透过分析能够加值,超越大家所使用的极限,并且从数据看到未来,真正解决问题或者持续优化流程。

传统老师傅将这些机台使用方法储存在脑袋里,转变为直觉反应,当然不排除老师傅也有做一些统计分析,但是主要还是依靠经验,这些事比较偏向“个人的修为”。事实上现在整个世界,透过软硬件技术的革新,是可以更精准的。

还有另一个问题,这世界变化这么快,老师父讲的虽不是错的,但也不见得是对的。数据的一个好处是,正确成分绝对更大,因为反映的是真正制程里面的东西。好比看一个人健不健康,如果能量测身体所有的数据,不是仅从表面来看,一定是更精准。(来源:工控新闻)

 

相关文件

暂时没有内容信息显示
请先在网站后台添加数据记录。

Copyright © 上海仪器仪表行业协会 版权所有 沪ICP备08100447号