Industrial Big Data
 |
來源：夜伴小乌鸦
製造業在近些年來一直處於「低迷」的狀態，不只因為經營方面的不景氣，還有行業的轉型革命。相信越來越多的企業主或工廠長都開始意識到，『製造業+資訊化』的步伐，將越來越迅速，智慧製造也不再是模糊不清的概念。
於是，各個製造企業開始思考，如何利用生產過程中產生的一系列數據，給企業發展和轉型帶來生機？其中的課題之一，便是品質數據的採集與應用(包括SPC數據)。
 |
| 品質數據的採集難點 |
製造業可基本上分為離散型和流程型兩大類，市場上大多數屬於離散類製造業。當然，無論是哪種類型，都少不了對設備數據以及人工數據的採集。
難點一：設備數據的讀取和傳輸
對策：首先跟設備廠商確認，設別是否能夠輸出標準化的生產數據，包括運轉狀態、環境數據、生產數據，以及安全性的數據等。若設備本身不具備產生數據的能力，那麼要考慮其他方式變通應對，例如透過三色指示燈獲取設備運轉狀態，透過溫度感測器獲取設備運轉溫度，同理還可以收集震動、電流、電壓、位移等等。
當然，若是設備本身支持數據的輸出，那麼可以直接透過中繼軟體，或中轉網卡類產品，實現數據的採集，並上傳數據庫。
難點二：人工數據過於零散難以規範
對策：首先規範現場作業流程，在使用技術手段之前，要求全部作業員都遵守標準的作業標準，每一個作業步驟都盡可能數據化、可視化、安全化，這個可以參考《豐田生產方式》，不過多贅述。
在標準作業的前提下，為作業員提供多種數據採集的終端，例如PC、掃碼槍、行動App、PDA，又或者是RFID卡等任何適合現場工作的方式。這個課題，需要具體問題具體分析，要考慮的因素較複雜。
品質數據的管理難點
工廠數據最大的一個管理難點，便是「時效性」。比如機器在運轉中，不停地生產半成品或完成品，這個過程中一旦出現異常，或者品質缺陷，工廠長需要第一時間獲得「預警」，這就需要建立在「即時」的數據管理機制上。資訊技術方面來說，就是即時數據庫。
但是更大的課題是，假如工廠內設備分散，又或者工廠不止一個，可能遍布各國或全國共十幾個分廠，又該如何應對呢？這便用上了雲架構和邊緣計算技術。目前的資訊技術發展，已經完全可以hold住這類管理難題。
品質數據的分析難點
一般來說，品質數據的分析，往往是工廠比較苦惱的問題之一，就是說，數據即便採集好並且儲存好了，可該如何去利用它，並創造數據的價值，這一點很多製造業的經營層都束手無策。傳統ERP的數據分析做不到「專家級」的品質預測，也無法結合管理者的實際訴求去可視化數據。
所以，此處需要引入BI和SPC控制分析兩個概念，來完成生產/品質數據的挖掘和展示工作。數據挖掘指的是根據用戶的痛點，有針對性地組織和展示數據，例如透過生產的異常數據來預判產品流入市場後，可能的投訴關鍵點；又或者根據生產成本數據來分析產品的市場定價構成等。
當然，更重要的是生產過程中的品質走勢，比如生產一萬件成品，當第三千件成品出現品質異常時，或者出現異常趨勢時，要及時停工，並作出必要的干預措施，以避免損失，提高品質。
沒有留言:
張貼留言