【中國傳動(dòng)網(wǎng) 行業(yè)動(dòng)態(tài)】 制造業(yè)在進(jìn)行數(shù)字轉(zhuǎn)型(digitaltransformation)、邁向工業(yè)4.0(Industry4.0)時(shí)須善用數(shù)據(jù)分析(dataanalytics)、人工智能(AI)、機(jī)器學(xué)習(xí)(machinelearning)等新興技術(shù)并整合長期制造策略，以擴(kuò)大生產(chǎn)現(xiàn)場、客戶體驗(yàn)、服務(wù)模式的商業(yè)利益，而預(yù)測性(predictive)維護(hù)將日益重要。

根據(jù)GlobalManufacturing報(bào)導(dǎo)，在其近期出版的「制造2020」(Manufacturing2020)報(bào)告中，制造業(yè)指出運(yùn)用工業(yè)物聯(lián)網(wǎng)(IndustrialIoT，IIoT)改善工廠連網(wǎng)的長期效益包括生產(chǎn)成本降低、彈性增加、產(chǎn)量提升，而資產(chǎn)維護(hù)的轉(zhuǎn)型對于達(dá)成這些目標(biāo)至為關(guān)鍵。ERP與咨詢服務(wù)供貨商ColumbusUK認(rèn)為預(yù)測性維護(hù)正改變制造與企業(yè)維持競爭力所需專注的技術(shù)。

IIoT有效運(yùn)用生產(chǎn)現(xiàn)場設(shè)備內(nèi)建的傳感器所收集并儲存于云端系統(tǒng)的巨量實(shí)時(shí)(real-time)濕度、溫度、震動(dòng)等數(shù)據(jù)進(jìn)行分析，可據(jù)以提供關(guān)于制程與次制程前所未有的全新深刻見解，包括辨識設(shè)備狀態(tài)、監(jiān)測效率、偵測零件故障等，將大幅轉(zhuǎn)變制造業(yè)維護(hù)作業(yè)的排程與預(yù)測方式。

制造業(yè)欲領(lǐng)先競爭者還必須洞燭機(jī)先，數(shù)據(jù)分析結(jié)合機(jī)器學(xué)習(xí)有助于改善資產(chǎn)的可用性、壽命等，包括預(yù)測下一個(gè)生產(chǎn)瓶頸可能發(fā)生的位置，以及如何以成本效益最高的方式為無法掌握的故障安排維護(hù)等，讓企業(yè)得以降低成本、改善作業(yè)效率、進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的決策。

采取反應(yīng)性(reactive)維護(hù)，則當(dāng)設(shè)備因故障而意外脫機(jī)，對生產(chǎn)力的影響已不可逆，且會(huì)引發(fā)整個(gè)生產(chǎn)鏈的連鎖效應(yīng)。數(shù)據(jù)是數(shù)字轉(zhuǎn)型的命脈，隨著采用IIoT的制造業(yè)日益增多，運(yùn)用AI與機(jī)器學(xué)習(xí)輔助資料分析，可從生產(chǎn)現(xiàn)場收集的大數(shù)據(jù)中過濾出異常信息，尋找潛藏的模式以提升設(shè)備可靠度預(yù)測的準(zhǔn)確性，進(jìn)一步驅(qū)動(dòng)維護(hù)作業(yè)轉(zhuǎn)型為全面的預(yù)測性模式。

制造業(yè)依據(jù)精確的預(yù)測信息可在設(shè)備故障前調(diào)整維護(hù)時(shí)程，預(yù)先辨識與解決潛在問題，避免處理緊急狀況或過度維護(hù)(over-maintenance)所衍生的額外費(fèi)用，并可提升設(shè)備正常運(yùn)作時(shí)間與生產(chǎn)質(zhì)量。先進(jìn)數(shù)據(jù)分析也可辨識與管理新部署的全數(shù)字化解決方案的效益及對現(xiàn)行業(yè)務(wù)程序的影響，協(xié)助前瞻企業(yè)對抗未來的數(shù)字破壞與沖擊。

從DominoPrintingSciences更新企業(yè)系統(tǒng)以提供更多由數(shù)據(jù)驅(qū)動(dòng)的商業(yè)智能的案例可看出，強(qiáng)化數(shù)據(jù)分析能力對跨多業(yè)務(wù)程序的益處顯而易見。DominoPrintingSciences運(yùn)用先進(jìn)數(shù)據(jù)分析處理制程中收集的實(shí)際數(shù)據(jù)，并透過自動(dòng)測試設(shè)備排除人類主觀評估缺陷與驅(qū)動(dòng)產(chǎn)量提升，還在制程中的各個(gè)階段為產(chǎn)品建立防呆機(jī)制，避免到最后階段補(bǔ)救令損失加劇。