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
