背景

过去工厂

  • 物料传输缺乏自动化
  • 手写记录卡片在晶圆盒上
  • 只有基本的设备标准
  • 原始的设备控制
  • 原始的制造解决方案

现代工厂

  • 物料传输开始自动化
  • 将基于统计数字的流程控制自动化
  • 改进设备控制
  • 改善库存控制和跟查
  • 提高设备自动化的标准
  • 高度整合的工厂运行解决方案
  • 规划和供应链整合
  • 改进决策系统

智能工厂

  • 普及使用自动化的物料传输
  • 普及使用标准化的设备
  • 先进的生产执行方案
  • 实时的异常情况控制系统
  • 先进的流程控制和调整
  • 预测式和灵活的维护
  • 先进快速的决策
  • 大数据存储
  • 物联网与工业设备集成

工厂待解决的问题

管理层面

人工收集机台加工实际数据,无法实时统计机台产能和稼动率

手工收集发布机台故障信息,无法在第一时间反馈机台信息

安排人力整场巡视,手动收集机台加工作业信息和状态信息,准确性和实时性都无法保障

受制于技术和开发,新的应用无法及时完成,导致验证周期过长

生产层面

生产机台设备运行,只能通过现场机器屏幕看到,无法进行远程查看设备运行的详细状态及运行参数

每台机器都有其运行特点,人工无法精确统计每台机器的运行合理参数精确范围

机台历史数据没有系统备份,不方便维修和故障诊断,多数情况是根据现场维护人员经验决定维护质量

无预测性维护,只能等问题发生,然后处理维护,效率提升困难。

生产中,无法通过机台参数判断主要耗材,例如刀具状态、断刀,崩刃等

主要耗材例如刀具寿命,通过经验,无法精准判断寿命

没有及时的基础数据分析,延迟管理决策

基本功能

机器学习的人工智能

实际价值

10%

主要耗材的节省 例如:刀具

20%

主要设备使用寿命的增加 例如:CNC机台

30%

EVT(上线验证时间)的节省

40%

人力的节省

50%

决策效率的提高

3%

良品率的提高