近年來，發展智能工廠成為(wei) 全球製造業(ye) 的顯學，隨著人力短缺、工資上漲、產(chan) 品交期越來越短、市場需求變動大等問題出現，製造業(ye) 正麵臨(lin) 新一波轉型挑戰，如何在控製生產(chan) 成本的同時，還能提高生產(chan) 力與(yu) 效率，則是轉型的主要目的，也因此，從(cong) 德國、美國到台灣各個(ge) 製造大國，無不積極推動工業(ye) 4.0，希望能協助製造業(ye) 者解決(jue) 經營困境、提升競爭(zheng) 力，而大數據分析與(yu) 優(you) 化則成為(wei) 發展工業(ye) 4.0的基礎。

製造業(ye) 大數據分析五大應用

深耕製造業(ye) 多年的天拓四方數網星，在大數據分析上提供的不隻是產(chan) 品，還有結合產(chan) 業(ye) 知識與(yu) 豐(feng) 富經驗的顧問服務，幫助製造企業(ye) 做出正確有效率的大數據分析。

目前市麵上有很多大數據分析的解決(jue) 方案，但大多隻能做到資料視覺化，也就是以圖表呈現分析結果，而數網星可以根據製造業(ye) 所麵臨(lin) 的問題，決(jue) 定要做哪一種分析，例如預測或模擬，甚至整合財務或產(chan) 銷端資訊，找出解決(jue) 問題的方法，這在智能製造過程中是非常重要的事，因為(wei) 企業(ye) 往往擁有大數據，卻不知道該如何分析。

高科技製造業(ye) 者麵臨(lin) 到的問題主要有三種，第一、未預期的物料問題或設備故障直接衝(chong) 擊產(chan) 能，以致耗損大量成本；第二、因製程穩定性問題造成產(chan) 品良率下降，不但影響獲利更影響客戶滿意度;第三、製程世代轉換越來越快，如何加快量產(chan) 速度，成為(wei) 獲利的關(guan) 鍵因素。因此，IBM根據製造業(ye) 所麵臨(lin) 到的問題與(yu) 產(chan) 品生命周期，歸納出製造業(ye) 大數據分析五大應用模式。

第一、物料品質監控。原物料品質不穩定其實有跡可循，然而傳(chuan) 統SPC監控要等到發生問題時才會(hui) 做出警示，此時不僅(jin) 己經影響產(chan) 品品質，更不容易找出原因，而數網星則是主動分析趨勢變化，發現潛在問題即早做出預警，以便能及早解決(jue) (如：更換物料)維持產(chan) 品品質。

第二、設備異常監控與(yu) 預測。傳(chuan) 統SPC監控雖然也涵蓋設備參數，但有時設備仍然會(hui) 發生問題，工程師也不知道設備發生問題該怎麽(me) 處理更有效，數網星運用設備感測資料及維修日誌，找出發生設備異常的模式，監控並預測未來故障機率，好讓工程師可以即時執行更適決(jue) 策。

第三、零件生命周期預測。零件或耗材有其生命周期，製造業(ye) 者多半根據供應商建議進行定期更換，卻忽略了生產(chan) 及環境條件對耗損速度的影響，導致以下兩(liang) 種情況經常發生，一是在太早更換零件，造成不必要的開銷，二是太晚更換零件，導致品質受影響。數網星根據生產(chan) 及設備狀態資料、零件資訊，精準預測零件生命周期，在需要更換的更佳時機提出建議，幫助製造業(ye) 者達到品質成本雙贏。

第四、製程監控提前警報。製造業(ye) 的製程參數相當多且彼此會(hui) 互相影響，若是因為(wei) 製程參數偏移而影響產(chan) 品品質，工程師隻能單一站點逐步追查，相當耗費時間，而數網星的做法是建立產(chan) 品品質預測模型，找到更佳的製程黃金區間，一旦發現製程參數偏移到區間外，便即時發出警報，讓工程師可以即時進行調整或其他決(jue) 策。

第五、良率保固分析。對製造業(ye) 者來說，產(chan) 品良率過低或是出售後於(yu) 保固期間內(nei) 發生問題，不僅(jin) 會(hui) 增加成本，更直接影響企業(ye) 形象與(yu) 客戶滿意度。因此數網星結合生產(chan) 設備、產(chan) 品良率及維修保固相關(guan) 資料，建立預測模型，以預測良率並降低保固成本。

天拓四方數網星對製造業(ye) 的效益不隻在於(yu) 預測潛在風險，還能提出更佳決(jue) 策建議，建立更佳化生產(chan) 流程，從(cong) 而降低營運成本、創造更大化獲利。