從疫情看機聯網_3不只讓成本算清楚,更把老師傅的經驗數位化

文:楊于嫺 2021-06-28

作者:鼎捷軟件 | 發布時間: 2021-06-28 23:53:00

機聯網 IT+OT 標準工時 老師傅經驗 數據驅動 AI


60-18.jpg


如何可以透過機聯網,採集加工過程中,不同階段的標準工時後,不僅可以精算每張訂單成本,還可確保不做白工?

過去工廠的穩定運作,都需要靠長時間的經驗累積來維持。如何將老師傅的經驗數位化,讓公司保留重要資產?




做了機聯網後,有什麼好處? 


成本的準確估算,才不會單接越多,賠越多


60-15.jpg


製造業因為少量多樣的趨勢,需要面對成千上萬的品號,標準工時往往是靠用拍腦袋的方式粗估,但這是很關鍵重要的標準工時卻不準確,很難做好成本的管控,導致公司的盈利變得更糟。


以機加工來講,是用機器的加工時間,計算代工成本。如果用不精確的標準工時,計算出來的成本也不會精確。如果每張訂單真正的毛利都不知道,業務接單後,生產的優先權該怎麼安排?或是生產時,架機時間都是老師傅說了算,有時候架半個小時,有時候架一個小時,主管到現場去問,也沒有辦法去檢討,因為根本不知道合理的架機時間。


如果可以把機台一天的過程,從開機、暖機、架機、首件試作、正式加工等等,各階段所需的時間數據,都透過機聯網完整收集,就可以透過大數據,知道這個品號搭配這個模具,進行這個加工工藝,合理的架機時間應該是多久。如果合理的架機時間應該是30分鐘,現在已經超過30分鐘,甚至遠超過30分鐘時,是不是應該去協助他,而不是讓他自己不停的去試,這最後浪費的還是公司的產量。


產量就像昨天的報紙一樣,今天如果產量不見了,那消失就消失了,第二天就算有再精妙的報表,也只能後悔,再來就只能罵人而已,什麼事也不能做,除非時光機可以時光到流。


在排程時,因為沒有精準的標準工時,計算誤差會很大。若再用APS做自動排程,就會出現garbage in, garbage out的狀況。因為使用不精準的數據,就算演算法再怎麼好,最後算出來的生產排程,也不會精準,導致空機率太高。


但如果透過機聯網,得到真實可靠即時的數據,讓標準工時可以做到更精準,自然在工單排程時,也可以做到更優化。甚至在產能的分配或去瓶頸時,更能抓到真正的機器的效率瓶頸,到底在哪邊。或者是對設備、對人員的績效評核,都能做的更客觀。不要再回到經驗加紙本的時代,應該要靠的是真實可靠的數據。


把老師傅經驗數位化


60-16.jpg


工廠的運作,一定要走到數據導向,而且還要做到敏態管理,才能達到雙智慧閉環。在工廠裡的閉環回路,最重要的就是做到穩定生產。簡單來說,把工單發到工廠進行生產製造,工廠中有機器、人、原料等等,經過任務執行的計畫和SOP,派工派到每個機台。但是計畫趕不上變化,永遠有突發狀況,所以必須隨時知道現場狀況,進行PDCA的調整,才能夠做到穩定生產。


過去這一段都是靠老師的眼睛、耳朵和感覺,以老師傅的頭腦來運作PDCA。但這種狀況,一來因為每個人的經驗會有所不同,二沒有辦法一直維持。所以當靠老師傅做不到時,該怎麼辦?大部分的公司就會擺乖乖,為什麼?因為已經超過老師傅的經驗。但是相對來講,如果把IT端和OT端,都做到數位化,就可以有所本的來解決問題,什麼叫本?本就是數據。凡走過必留下痕跡。痕跡是什麼?也是數據。


所以透過這些走過的數據,就有機會,在異常發生時,可以分析真正的根本原因,甚至於透過根本原因的分析,找到特徵值,做到異常偵測、甚至早期預警。而且機器本身一定會老化,一定會波動,補償修正老化和波動,就讓工廠可以運作得更好。


將老師傅的經驗數位化, 累積成為公司資產


60-17.jpg


老師傅為什麼可以調機調得比較好?靠的就是老師傅頭腦裡的Neural,就是神經網路。AI類神經網路的類,就是類似頭腦神經網路,靠的神經網路,進行學習 learning,所以老師傅才能從容應對。


但是老師傅逐漸退休,現在年輕人也越來越不想進工廠,尤其是現場。常常聽說老師傅不想教,其實不是不想教,而是不會教。老師傅學會如何做調機,不是從學理,而是像AI的Neural一樣,是透過多次學習累積的方法,自然而然就知道該怎麼調。


所以老師傅講不出道理,或者他講的出來,也是硬掰的,所以年輕人會覺得學不會。但從另外一個角度,應該可以透過in的資料(例如:機台的現況、環境參數、工藝參數,包括不良品數量和種類),和out的資料(例如:老師傅如何調機,什麼地方調多少),來當做數據,通過這些數據來建立AI數學模型,就有機會建立一個人工的老師傅頭腦。讓人工的老師傅頭腦,變成數位化,累積之後,變成公司的資產,這是一個很重要的燃眉之急。


當系統建立,大家都認為老師傅會排斥,但從客戶豪力輝實際的案例來看,有時候老師傅也會開始自我成長,慢慢的改變心態,主動提出更有用的經驗,變成一個經驗法則模型。


《延伸閱讀:豪力輝的IT+OT:『智慧工廠』從加工設備與製造管理系統的整合開始


下一次的直播,Frank會跟大家分享,

如何才能以IT+OT融合的方式,落實老師傅的知識傳承,

請密切注意《活動資訊https://www.digiwin.com/tw/activity.html




3.jpg


曹永誠

目前任職於鼎新電腦,深耕製造業自動化與大數據領域逾25年,專精於先進製程控制(APC)、智慧機台控制系統、機器人自動化、智慧能源管理等領域。實務輔導百餘家製造企業之智慧製造藍圖規畫與軟硬體整合應用。




b72537b8683855fe36cba54ecd279680.jpg


更多案例

x