數據主權: 智能產線五大面向實現智慧製造（3/3）

15.11.2022

#AIVision, #DataOwnership, #TrackandTrace

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。

1,277