曹永誠:數據的保鮮期 愈即時愈能發揮最大應變效益

工廠內環環相扣的環節都得調快節拍互相搭配

文:曹永誠

工業4.0 智慧製造

在這個時代,已經沒人敢不重視數據了,因為「沒有數據就沒有管理」早已成為事實而不是口號。

隨著機聯網的流行,數據的取得也越來越快且多,工廠內環環相扣的各環節若沒有相對應的搭配,就有可能讓大量即時數據大材小用,變成局部效率改善,而不能帶動公司整體效益的提升。 

調快並校準節拍以善用數據的即時性

數據就跟報紙一樣,要當天的報紙才有可看性。

雖然過期的數據並非一文不值,依然能被數據科學家拿來研究,從中找出一些相關性來利用。但是即時性數據最重要的價值就在於,可以提供當下最快最猛的資訊,以求達到提升企業應變速度的目標。這就像是每日晚間新聞與SNG即時連線,這兩者所能帶來的影響是不能相提並論的。

 當機聯網數據以每秒一筆的高速取得時,如何善用數據的即時性並發揮最大效益,就是重要卻困難的課題。那是因為工廠內每個環節的節拍不同,若沒有重新設計並校準新節拍,即時性的價值往往就很難有效利用。

舉例來說,機台的產出良率不會是100%,當客戶訂單1,000件時,工廠就會依照過去的良率,例如97%,預先多投料。但當某工段因為某緣故良率突然下降時,就算機聯網的即時數據已經顯示並預期產出數量將會不足,若缺乏有效的即時機制,無法盡快加投新料或補上新工單以及時補足數量,那麼這個提早預知功能所爭取到的寶貴時間,就這樣被浪費掉了。

例如:當機聯網數據透過AI模型預估到機台2小時後會發生故障,但若排程沒有辦法立刻重排,所得到的不過僅是讓要進入該工段的半成品避免投入造成損失,卻沒法進一步善用此資訊以減少其他更重大的損失,例如達交率。

在現在這個光速變化的時代,速度已經比價格更重要了。

為了強化應變力,節拍應該被檢討且重新設計。例如日結算可否由一天進展到4小時,或排程從一天強化到一班。當然節拍較慢的環節,例如超長製程的工單,可以透過數學模型預估,不管是用過去數據的統計預估或AI模型,先依預估數據即時因應,然後再以確切數據回調。 

AI模型以善用數據的大量性

雖然機聯網帶來的大量即時數據有助於提升應變力,但人腦這種古老的CPU,恐怕很快就會被灌爆了。

因此看似工廠主管終於可以在第一時間完整的掌控整個工廠。但若數據未能即時組織並智慧協助,結果反而會讓人腦負載過量而『當機』,未蒙其利先受其害。

尤其是對於早期異常的識別,要如何在工廠內數值持續上下跳動的大量數據中,將「正常的波動」與「未來大問題的前兆」兩者給區分出來,這才是真正的關鍵。以前的年代,此事往往得靠老師傅依照他的經驗來判斷,但在變化如此快速、產品不斷推陳出新的新世代,要想單靠經驗完成所有事情,那是不可能的。

所以得用AI技術建立模型,在後台持續不斷的反覆修正,以這些模型產出的資訊即時協助主管智能管理,才能讓大量即時數據可以真正有效地創造價值。關於應用案例,後續文章再逐步分享之。

延伸閱讀: 

第一篇-數字化,撥開工廠雲霧見青天
第二篇-數字化推動關鍵不在技術,而是人性
第三篇-數據是新能源 但不是多多益善
第四篇-有效數據的三大原則:影響必要因子、取樣頻率、涵蓋期間
第五篇-數據的保鮮期 愈即時愈能發揮最大應變效益
第六篇-穩固vs敏捷?穩敏雙態不是單選題
第七篇-讓機台會說話!打造機聯網數據高速公路

--------Comming sooon--------

第八篇-敏態系統套裝軟體化以快速佈署
第九篇-AI在工廠的應用手法案例


感謝您的收看,本專欄將有多篇深度報導,欲蒐藏文章敬請訂閱。
訂閱說明,「社群訂閱」以LINE登記後,每篇文章出刊時將以訊息方式即時發送。 
「郵件訂閱」基本資料登記後,將於所有文章發刊後(收錄全九篇)以EDM提供。


郵件訂閱.png

更多案例

x