DIGITIMES 物聯網

蒐集生產線上304個數據進行良率預測 燿華公開完整智慧製造生產線


以提升產能利用率為目標，燿華此次在示範產線上總共蒐集了304個數據節點，這些數據包括來自於生產線上取代傳統量表的感測器、機台設備的控制器或IPC以及點檢紀錄等。從生產線的設備層撈出304個數據後，下一步則由工研院接手進行大數據分析，剖析這304個數據中究竟哪些是最能直接影響生產品質的顯著因子，並依此建立生產線良率預測模組。
--- 其實這樣弄，是沒有辦法提升良率。

未來利用設備層的即時參數比對良率預測模組後，燿華就可以得知目前哪條生產線或設備具有較佳的生產良率，並將預測結果透過MES串連ERP與PLM系統完成智慧化自動排程，來配置不同的設備生產組合。因此當生產線面臨每日生產排程或緊急插單排程的需求時，系統便會透過良率預測結果建議適當的配置路線，如此一來不但可達到彈性生產，也有效取代過去透過人工排程降低效率，而讓產能的利用率儘可能達到100%。

--- 排程產能最佳化這部份. 晶圓廠有很多成熟方案可以套用

+

DIGITIMES 物聯網

講了半天，都沒有講到底良率跟產能利用率提昇多少...

應該是 進行中。

做了良率不一定有提升，即使用304個數據去查不一定是這數據造成良率。
也不用期待做了智慧製造，良率會好的不得了...

以我的理解，會先從304個特徵數據開始塞選出那些對良率影響力較大(可能是溫度、濕度、控制力的參數...等)，再試著計算與調整數值去驗證良率會不會提升。跟良率有關的變數都不在那304種數值裡或是本來該考慮的數值參數也都設定的很好，就較難有進展。個人認知有錯的話煩請糾正了。

isaacyaf : Yes.
這個有很多坑，收集變數跟生產成品的關連性。機台裡面發生的事，良率檢測判定...很多很多etc。裡面有很多統計分析的苦功夫要先做完。

如果有設定一些有懷疑但還未驗證是否會影響良率的參數(感應器數值之類的)可能還比較好做，直接問還能裝那些感應器來幫助分析就有點隔空抓藥了。或是產線上控制器的參數幾乎沒變化調整，這也間接造成資料不足夠分析。真的有許多坑。