數據主權: 智能產線 五大面向實現智慧製造(3/3)

#AIVision, #DataOwnership, #TrackandTrace

By 方薪昀

為何數位轉型路上,一直強調數據的重要? 因為

唯有數字才能呈現變化,看到變化後才能動態調整,企業才能與時俱進。

疫情之後,企業更重視資料韌性與可靠度,轉型須由現代化資料管理流程為基底,建構以資料為核心的營運模式。上周的文章,提及數據資料的蒐集能否,對於數據主權實力有很大的影響。接下來,我們將帶您從 4M1E 的面向探討這個議題的落地解方,了解該如何運用這些精準數據。

4M1E 人機料法環

4M1E,Men(人)、Machine(機械設備)、Material(物料)、Method(各項標準文件)、Environment(環境)是製造業現場管理五大重點要素。通過進行合理配置、控制,消除這五大方面的錯誤,包括人員作業時間過長、機器故障、來料檢查、生產流程不佳和高風險工作環境。由此保證生產線按預定的目標實現高效率生產,作為工廠管理的延伸和發展基礎。而 AI 視覺提供了完善、好了解的整合平台,並能協助在產線的每一個時刻,精準採集數據,讓工廠在這五大方面,有最直接的、能實際落地的資料參考。

人 Men: 作業時間紀錄

AI 視覺的捕捉的單個作業時間週期,遠比 IE 工程師手按碼錶來的精準。start-to-start 或 end-to-end 的辨識技術來記錄單個循環,也更符合工程技術團隊的需求。

掌握每個工站作業準確時間,就能更妥善的管理產線人員。

如果 AI 機器視覺紀錄到單個過長的作業時間,我們就可以去協助作業員,提供教育訓練、釐清問題,或者增加人手以利產線流暢。

更進階的應用,是將每個作業員的操作時間建檔,當有人員缺勤的時候,IE 工程師能找一個作業時間相當的人員去做替補,生產線也就會一如往常的順利運行、持續生產。

機 Machine: 停機原因分析

透過 AI 人機偵測,工廠管理者透過系統預警,能得知作業員有無離開崗位,但這跟機器有什麼關係?

人和機器要合作才會有產值,當人員離開,代表機器將會空轉。

空轉的機器不但會陷於故障報銷的可能,更重要的,它只會增加能源成本的支出,而沒有生產的效益。透過視覺,AI 機器視覺可以知道機器的 working & unworking time,避免這樣的浪費產生。

料 Material: 來料

AI 機器視覺可以進一步結合IoT,升級成 AIoT 技術。如此在來,在來料檢查和訂購方面也能有十足的把握。

法 Method: SOP管理

利用 AI 提供每個 SOP 的準確數值,工程團隊可以套用線平衡公式,去調配出接近平衡的山積線,讓整條產線能以最流暢的作業程序,達到最高能的產值。

當記錄到異常的數值,除了關心作業員之外,IE 團隊也能進行檢討。或許是單個工站內的操作順序不夠人性化,而導致工時過長,進而影響生產作業。

擁有準確的數值,也表示在SOP方面有更有利的參考依據。使工廠能達到產線可視化,進而讓產能最佳化,讓管理層自由運用生產製造的大數據。

環 Environment: 工作健檢

環境可以泛指一切工作空間相關的事情。AI 的資料提供,不只單單效益於產線,也可以提升整個工作環境的品質。

全天候運作的 AI 機器視覺不用休息,這對 24 小時產線的 IE 工程師來說是一大福音,不用安排多班個班次來監督產線。

透過影像,我們也可以了解作業環境該如何改善。舉例來說,如果來料的紙箱一直妨礙作業員的動作,我們在利用影像檢查作業時間時,就能連帶的解決這樣的環境問題。

擁抱數位轉型工具之後

在以上的 AI 機器視覺應用中,特別是人 (Man) 跟法 (Method) 兩個面向,從作業員的操作,一路至線平衡的修正,都能充分利用「數字」這個共同語言,做各方面的優化。「選擇比努力重要」,企業在轉型路上有太多高科技工具可以選擇,導入正確的數位化工具,唯我所用才是決勝關鍵點。在高競爭的環境裡,時間寶貴,「結果導向」是大家默認的模式。擁抱轉型工具之後,我們能收穫怎麼樣的果實?

下周將為您解答高效能、高良率、高韌性的智慧工廠,是如何聯手 AI 氣視覺,建構數位主權實力,達到智慧製造和精實生產。

Read More:
數據主權: 視覺智造 打造全球化佈局
數據主權: 視覺製造 從產線中捕獲有價值資訊

663