近年來(lái)，發(fā)展智能工廠成為全球制造業(yè)的顯學(xué)，隨著人力短缺、工資上漲、產(chǎn)品交期越來(lái)越短、市場(chǎng)需求變動(dòng)大等問(wèn)題出現(xiàn)，制造業(yè)正面臨新一波轉(zhuǎn)型挑戰(zhàn)。如何在控制生產(chǎn)成本的同時(shí)，還能提高生產(chǎn)力與效率，則是轉(zhuǎn)型的主要目的，也因此，從德國(guó)、美國(guó)到中國(guó)臺(tái)灣各個(gè)制造大國(guó)，無(wú)不積極推動(dòng)工業(yè)4.0，希望能協(xié)助制造業(yè)者解決經(jīng)營(yíng)困境、提升競(jìng)爭(zhēng)力，而大數(shù)據(jù)分析與優(yōu)化(Manufacturing Analytic&Optimization；MAO)則成為發(fā)展工業(yè)4.0的基礎(chǔ)。 　　 　　制造業(yè)大數(shù)據(jù)分析五大應(yīng)用 　　 　　深耕制造業(yè)多年的IBM，在大數(shù)據(jù)分析上提供的不只是產(chǎn)品，還有結(jié)合產(chǎn)業(yè)知識(shí)與豐富經(jīng)驗(yàn)的顧問(wèn)服務(wù)，幫助制造業(yè)者做出正確有效率的大數(shù)據(jù)分析。 　　IBM商業(yè)分析部資深業(yè)務(wù)劉君彥指出，目前市面上有很多大數(shù)據(jù)分析的解決方案，但大多只能做到資料視覺(jué)化，也就是以圖表呈現(xiàn)分析結(jié)果，而IBMMAO可以根據(jù)制造業(yè)所面臨的問(wèn)題，決定要做哪一種分析，例如預(yù)測(cè)或模擬，甚至整合財(cái)務(wù)或產(chǎn)銷端資訊，找出解決問(wèn)題的方法，這在智能制造過(guò)程中是非常重要的事，因?yàn)槠髽I(yè)往往擁有大數(shù)據(jù)，卻不知道該如何分析。 　　IBM全球企業(yè)咨詢服務(wù)事業(yè)群資深顧問(wèn)李藝鋒進(jìn)一步指出，目前，高科技制造業(yè)者面臨到的問(wèn)題主要有三種，第一、未預(yù)期的物料問(wèn)題或設(shè)備故障直接沖擊產(chǎn)能，以致耗損大量成本；第二、因制程穩(wěn)定性問(wèn)題造成產(chǎn)品良率下降，不但影響獲利更影響客戶滿意度；第三、制程世代轉(zhuǎn)換越來(lái)越快，如何加快量產(chǎn)速度，成為獲利的關(guān)鍵因素。因此，IBM根據(jù)制造業(yè)所面臨到的問(wèn)題與產(chǎn)品生命周期，歸納出制造業(yè)大數(shù)據(jù)分析五大應(yīng)用模式： 　　第一、物料品質(zhì)監(jiān)控。原物料品質(zhì)不穩(wěn)定其實(shí)有跡可循，然而傳統(tǒng)SPC監(jiān)控要等到發(fā)生問(wèn)題時(shí)才會(huì)做出警示，此時(shí)不僅己經(jīng)影響產(chǎn)品品質(zhì)，更不容易找出原因，而MAO則是主動(dòng)分析趨勢(shì)變化，發(fā)現(xiàn)潛在問(wèn)題即早做出預(yù)警，以便能及早解決(如：更換物料)維持產(chǎn)品品質(zhì)。 　　第二、設(shè)備異常監(jiān)控與預(yù)測(cè)。傳統(tǒng)SPC監(jiān)控雖然也涵蓋設(shè)備參數(shù)，但有時(shí)設(shè)備仍然會(huì)發(fā)生問(wèn)題，工程師也不知道設(shè)備發(fā)生問(wèn)題該怎么處理最有效，MAO運(yùn)用設(shè)備感測(cè)資料及維修日志，找出發(fā)生設(shè)備異常的模式，監(jiān)控并預(yù)測(cè)未來(lái)故障機(jī)率，好讓工程師可以即時(shí)執(zhí)行最適決策。 　　第三、零件生命周期預(yù)測(cè)。零件或耗材有其生命周期，制造業(yè)者多半根據(jù)供應(yīng)商建議進(jìn)行定期更換，卻忽略了生產(chǎn)及環(huán)境條件對(duì)耗損速度的影響，導(dǎo)致以下兩種情況經(jīng)常發(fā)生，一是在太早更換零件，造成不必要的開(kāi)銷，二是太晚更換零件，導(dǎo)致品質(zhì)受影響。MAO根據(jù)生產(chǎn)及設(shè)備狀態(tài)資料、零件資訊，精準(zhǔn)預(yù)測(cè)零件生命周期，在需要更換的最佳時(shí)機(jī)提出建議，幫助制造業(yè)者達(dá)到品質(zhì)成本雙贏。 　　第四、制程監(jiān)控提前警報(bào)。制造業(yè)的制程參數(shù)相當(dāng)多且彼此會(huì)互相影響，若是因?yàn)橹瞥虆?shù)偏移而影響產(chǎn)品品質(zhì)，工程師只能單一站點(diǎn)逐步追查，相當(dāng)耗費(fèi)時(shí)間，而MAO的做法是建立產(chǎn)品品質(zhì)預(yù)測(cè)模型，找到最佳的制程黃金區(qū)間，一旦發(fā)現(xiàn)制程參數(shù)偏移到區(qū)間外，便即時(shí)發(fā)出警報(bào)，讓工程師可以即時(shí)進(jìn)行調(diào)整或其他決策。 　　第五、良率保固分析。對(duì)制造業(yè)者來(lái)說(shuō)，產(chǎn)品良率過(guò)低或是出售后于保固期間內(nèi)發(fā)生問(wèn)題，不僅會(huì)增加成本，更直接影響企業(yè)形象與客戶滿意度。因此MAO結(jié)合生產(chǎn)設(shè)備、產(chǎn)品良率及維修保固相關(guān)資料，建立預(yù)測(cè)模型，以預(yù)測(cè)良率并降低保固成本。 　　李藝鋒認(rèn)為，MAO對(duì)制造業(yè)的效益不只在于預(yù)測(cè)潛在風(fēng)險(xiǎn)，還能提出最佳決策建議，建立最佳化生產(chǎn)流程，從而降低營(yíng)運(yùn)成本、創(chuàng)造最大化獲利。