自制造過程內部和外部的大量數據的可用性，以及利用它、組織它并將其實時或近乎實時地轉換為可操作信息的能力，構成了大多數制造商的工業4.0基礎。有效地使用這些 "大數據"所創造的情報，既可以積極地影響戰略，又可以影響更廣泛的價值鏈，以實現可持續的轉型。

來自制造過程內部和外部的大量數據的可用性，以及利用它、組織它并將其實時或近乎實時地轉換為可操作信息的能力，構成了大多數制造商的工業4.0基礎。有效地使用這些 "大數據"所創造的情報，既可以積極地影響戰略，又可以影響更廣泛的價值鏈，以實現可持續的轉型。

01

大數據=大挑戰

數據在每個行業都在向"大數據"轉變。自動化工具的出現，能夠通過IIoT在互聯網上進行數據通信的傳感器，通過安裝的攝像頭、儀表、傳感器捕獲的質量數據，通過操作員使用的工藝設備和工具捕獲的數據，M2M通信的增強，IT基礎設施內各層的應用集成，來自上游和下游供應鏈伙伴的數據，來自工廠以外的成品數據--所有這些都有助于創造大量的'大數據'。

在電子行業，由于操作的自動化或半自動化性質，數據的豐富性還不是一個問題。那么，"大數據"一詞對電子制造業意味著什么？電子制造商接近大數據分析的最佳方式是什么？

在現代SMT工廠中，每當鋼網被裝入或刮刀通過時，都會產生數據。每當一個吸嘴拾取和放置一個部件，都會產生數據。每當攝像頭記錄一個元件或電路板的檢查圖像時，都會產生數據。電子工業中大量的數據是長期存在的和廣泛的過程自動化的結果，以及傳感器、量具、儀表和攝像頭的擴散，它們捕獲過程指標、設備數據和質量數據。

車間里發生的每一個交易都會產生數據；根據正在執行的操作，一個特定的車間交易可能有幾個數據點。例如，一張成品板的圖像會捕獲幾個數據點。它可能會導致調整吸嘴設置或拾取高度，從而降低視覺檢查后的廢品率。

02

數據分析是現代制造業范式成功的關鍵

大數據以一種"大"的方式存在于電子廠中。然而，擁有大量的數據和能夠利用它來創造有形的價值是兩碼事。在SMT和電子行業，主要的挑戰不是數據的可用性，而是能否將流程中產生的數據作為一個整體來看待，使與每個車間交易相關的數據具有意義，然后能夠利用這些數據從單一的事實點產生信息，而不是不同的不相關的點解決方案，并利用產生的洞察力來做出決策，最終改善流程的KPI、OEE、生產率、產量、合規性和質量。

03

MES將大數據轉化為制造商的重大成功

正如所說，在SMT和電子工廠及其供應鏈中并不缺乏數據。困擾大多數工廠的問題是車間里存在無數的點解決方案，這些解決方案存在于流程中，要么是由于傳統的或定制的解決方案，要么僅僅是因為沒有覆蓋整個流程的解決方案。

現代制造執行系統就是答案。作為一種應用，它通過在各個層面的整合將IT/OT組織互聯起來，這確保了通過眾多傳感器、量具、儀表和設備捕獲的交易在邊緣同時得到管理，并轉換為單一來源的、可靠的、真實的/實例，然后形成改善決策的智能基礎。

現代MES數據平臺通過SMT生產線的數據采集和分析實現了端到端的可視性。數據成為整個操作的核心。來自設備的數據是通過PLC/SCADA級別的集成或直接從設備上獲取。MES使用來自傳感器的數據，記錄過程級的輸出（如刮刀壓力、角度、速度或吸嘴性能），并與其他過程數據相結合，以確定背景和范圍。攝像頭提供了另一個層面的智能。捕捉到的組件放置圖像隨后通過設置具體的性能KPI轉換為可操作的信息。這使得過程中的利益相關者可以通過儀表板或移動設備以預先配置的形式查看操作輸出和性能。

04

用人工智能將數據轉化為信息

可以顯示與設備可用性、質量和性能有關的數據（這構成了OEE的基礎）以及與產量、浪費、廢品和去/不去檢查有關的其他重要指標。

但是，定制的儀表板和查看所有與工藝有關的數據的能力只是一個開始。實時可見性允許做出更快的決策，增加生產正常時間，提高產品質量，減少返工，確保遵守GMP。但是，通過應用人工智能獲得的洞察力才是整體敏捷性的一步步改變。

由制造執行系統產生的情報有可能利用人工智能將整個操作從被動變為主動。設備的故障或質量和性能的異常值可以被預測到。而且，生產線可以根據需求模式的轉變或來自供應鏈兩端的輸入而自動配置。

產業機構指出，近75%的受訪公司已經啟動了人工智能相關項目。然而，只有15%實現了有意義的、可擴展的影響。它進一步強調，當涉及到從大數據角度利用人工智能時，公司需要采取"智能數據"的方法。

鑒于此，我們通過MES的視角，對SMT和電子制造業的"智能數據"方法進行了如下詮釋：

• 定義流程
  對于電子制造業來說，這需要清楚地概述每一項操作，并了解現狀，該過程是否能產生足夠的數據。如果是的話，如何利用這些數據？點狀解決方案在整個過程中發揮什么作用？以及能否通過MES來緩解？一旦確定了流程，以及所需的整合程度，還有關鍵的改進領域、質量和監督要求，就可以部署MES來創建一個企業視圖并消除點數系統的依賴。

• 豐富的數據
  一個現代的MES數據平臺從"邊緣"捕捉數據，并從歷史庫等應用中獲取數據。這允許創建必要的數據背景以獲得相關性和意義。MES豐富了這些數據，并允許創建圖表、報告和趨勢，從而能夠更快地做出決策，減少規范事件的影響。

• 降低維度
  通過傳感器和IIoT收集的數據應被MES與工程數據一起使用，以提供洞察力，從而實現有形和可驗證的流程改進。例如，從網板印刷機和刮刀運動中捕獲的數據，與過去的數據相比，可能會表明何時即將發生網板撕裂。這種預測性分析有助于更換網板等活動，使停機時間降到最低。MES還可以自動重新安排生產訂單，使整體產量不受影響。

• 應用機器學習
  MES數據平臺使用先進的分析工具來創建數據模型，該模型針對隨機和零星的變化。當完全表現出來時，機器學習使用過去和現在的數據來預測未來的過程結果。這些預測結果允許做出改變，避免影響產量、質量和故障的意外事件。所創造的智能允許在制造過程中進行即時和持續的改進。

• 實施和驗證模型
  一旦整個過程由MES控制和驅動，就可以對過程模型進行檢驗。這將確保過程保持在最高生產力水平，數據模型通過物理結果得到驗證。在其最高水平上，人工智能將允許自動化的過程協調和來自過程的洞察力成為預測性的。它將允許提前檢測和糾正可能出現的故障，大幅降低與質量和合規性有關的成本。
  
  對于SMT和電子制造商來說，使用數據分析的改進技術今天可以通過現代MES獲得。與其等待客戶、OEM或競爭者來推動所需的變化，現代制造執行系統允許你在大數據/分析的過程中主動出擊。
  
  現代制造執行系統可以將你的現代設備和流程工具、物聯網傳感器的擴散和產生的大量數據，帶入一個單一的、簡單的數據平臺進行采集、轉換和分析。它帶來了有效的、有競爭力的、有利可圖的運營所需的 "單一真相來源"。