首頁 | 新聞 | 新品 | 文庫 | 方案 | 視頻 | 下載 | 商城 | 開發板 | 數據中心 | 座談新版 | 培訓 | 工具 | 博客 | 論壇 | 百科 | GEC | 活動 | 主題月 | 電子展
返回列表 回復 發帖

挑戰智能制造 要從“看不到的轉型”下手

挑戰智能制造 要從“看不到的轉型”下手

 智能制造經過多年來的討論和演進,目標已相當明確并且也是一可達到的愿景,道理容易理解,導入AI,然后做出超過人類的成果,但是用在智能制造的時候,好像缺少什么。AI要能成功,有三個主要的部分:算法、算力以及數據。前兩者只要有足夠的資本便容易取得,但數據這塊卻特別麻煩。  
麻煩之處在于,本身搜集即是一個問題,以及對數據不了解。以現在的技術來說,語言和影像可以轉換成數據,但是機臺種類繁多,產生的特性和要求也都還不了解,又要怎么去分析?
  
轉型要從數據下手
  工廠要先數字化(數字轉型),搜集好數據、了解數據,才真的有機會往智能制造走。
  只搜集營運數據是不夠的,設備、技術的數據,都應該要完整搜集。市場上其實已有很多供應商提供解決方案,但是有很大一部分做的是“看得到的數字轉型”。例如,哪臺機器有沒有在加工、有沒有料、有無亮燈等的提示。但真正需要的,應該是所謂“看不到的數字轉型”,也就是機臺里面的加工質量、效率、穩定性等,而非單純檢視有加工與沒加工就好。
  當然,掌控稼動率很好,但如果哪天稼動率低,業者卻不知道究竟事出何因。所以未來是關鍵,搜集能掌握未來的資料,透過分析去知道原因,未來這些事就能在掌控之中。
  
別把數字轉型當項目在執行
  工廠流程的環節不只一兩個,但無論如何總要先透過數據分析,了解之后才能優化。目前業界普遍的做法是將最復雜最有價值的幾個問題丟出來,先成立項目組,以項目方式處理。
  但這樣的作法會讓企業內部產生責任推托,如果不是項目組的人員,那數字轉型就跟之無關。事實上一間工廠要能真正進化,邁向工業4.0,將會有幾百個甚至上千個問題需要解決,也就是所謂的“長尾”問題,而這些問題的總價值很可能還超越最貴的那幾題,那怎么辦?
  企業需要一套核心數據分析全流程架構來解決長尾問題。過去在軟件開發的領域,企業盛行一套DevOps的開發維運架構,為的是能系統化和規模化去應付頻繁的部署需求。
  據羿戓制造所了解,面對數字化過程中對數據分析效率要求的提升,國際上現在也效法DevOps架構發起了AnalyticOps的概念,用一套系統化的平臺建構一個可規模化的數據分析流程,以提升企業內部各環節數字化的效率。
  舉例來說,如訊能集思所推出的產品理論架構,即跟AnalyticOps相似,推出的智能決策平臺JarviX以OT(營運技術)端的需求切入,透過AI增強分析的技術來降低工具的使用門檻,讓OT端能夠自主完成數據分析全流程,減低企業為了數據分析付出的龐大跨部門溝通成本,對比以往需要IT和DT人員搭配組成的項目團隊去做分析,現在OT的人員就能直接做數據分析,大規模的提升分析流程各環節的效率。eCC(eaoogle Certified Corpration)在羿戓設計注冊的法人。羿戓設計是上海羿歌信息技術有限公司專業打造的設計服務單元。




作者:中原大學機械工程系教授鐘文仁



  學習的機制會是最大挑戰
  要做更好的產品,當然可以透過提升機臺的精度或者穩定度,但是如何用,就是數據分析的意義,透過分析能夠加值,超越大家所使用的極限,并且從數據看到未來,真正解決問題或者持續優化流程。
  傳統老師傅將這些機臺使用方法儲存在腦袋里,轉變為直覺反應,當然不排除老師傅也有做一些統計分析,但是主要還是依靠經驗,這些事比較偏向“個人的修為”。事實上現在整個世界,透過軟硬件技術的革新,是可以更精準的。
  還有另一個問題,這世界變化這么快,老師父講的雖不是錯的,但也不見得是對的。數據的一個好處是,正確成分絕對更大,因為反映的是真正制程里面的東西。好比看一個人健不健康,如果能量測身體所有的數據,不是僅從表面來看,一定是更精準。
上海.羿歌,主要立足于物聯網之感知層的解決方案和組件設計制造。  18918134319
返回列表
成茄子视频人app污下载-茄子视频ios下载安装-茄子视频懂你更多qz8app懂你更多