离散制造业

现在是转向智能制造的时候了

许多芯片制造商缺乏全面的数字化转型战略,无法向智能制造转型。

由Ricco沃尔特 2021年3月22日
礼貌:CFE媒体与技术

2020年在全球范围内加速了数字化转型,推动了半导体需求的急剧上升,芯片工厂减少车间手工功能的压力也不断加大。半导体行业的思维方式发生了显著的转变,因为它认识到部署数据驱动的可视化、分析、调度和调度解决方案的紧迫性,以提高自动化程度,提高生产速度和效率。

伴随着工业4.0带来的新兴奋,芯片制造商正在迅速部署包括工业物联网(IIoT)、大数据、机器学习(ML)和自动智能汽车(AIVs)在内的新技术。然而,对于许多芯片制造商来说,建设智能工厂的道路还远不明朗,因为他们缺乏全面的数字化转型战略。

智能制造是一个广泛的概念,涵盖了一系列技术和解决方案,因此,根植于整体业务战略的整体、中长期数字化战略至关重要。没有捷径可以让制造商立即进入工业4.0。相反,这种转变是一个循序渐进的自然进化过程。

目前,一些工厂任务必须保持手工操作

半导体行业已经达到了一个点,手工处理已不再足够有效,以支持大规模芯片定制和远程操作。自动化背后的许多技术和标准化进步,可以帮助工厂简化一些劳动最密集的任务,包括机器的装卸或批次跟踪和数据收集,同时降低运营成本。

尽管如此,有些任务仍然很难实现自动化。例如,处理错误和异常是最大的挑战,因为有些错误是难以预测的。更重要的是,自动化错误处理的成本可能令人望而却步。

消除连接缝隙

通常,由于缺乏设备集成、不完整的产品质量监控或材料跟踪的差距,关键的数据来源无法获得。弥补连接性方面的这些差距,可以收集数据,并为分析和报告提供丰富、可靠的信息,从而推动整个工厂的持续运营改进、优化和效率。请记住,单独的数据集成可能是一项具有挑战性的任务。在许多情况下,相关数据的选择和适当丰富不仅是一个技术问题,而且需要对要分析和优化的制造步骤有详细和深入的了解。

即使数据是可用的,如果在竖井系统中,需要手工处理来集成和转换成有用的信息,那么仍然很难做出决定或实现改进。在这个层次上解决问题是可能的,但非常耗时。手工集成不仅无效而且成本高,消耗工厂的时间、人力资源和资金。为数据提供正确的上下文信息对于释放其潜力并使改进成为可能至关重要。分散的解决方案不能控制流程,因为它们跨越了功能区域和人员、物理和业务实体。控制所有其他应用程序的车间操作骨干软件是智能制造的核心。

数据驱动的制造业

半导体行业是数据收集方面的专家,并在该领域领先于许多其他行业。问题是,芯片公司通常只使用他们收集到的一小部分信息进行分析和洞察,以提高运营效率。通过将所有分布式数据综合集成到一个单一的真相版本中——在一个随时可用的地方——公司可以几乎毫无摩擦地进行数据分析和解决问题。在制造业的背景下,数据平台和边缘解决方案不会被作为绿地计划的一部分。

只有通过部署机器学习和人工智能(AI)等新技术,才能构建一个可靠的自动化架构。历史数据的分析提供了重要的背景和揭示偏差,如意外的工艺时间,不寻常的材料积累或材料运输问题。通过对收集到的新数据点集成快速控制行动,生产运营可以从被动解决问题转变为主动分析和运营改进。

随着低成本传感器的出现,人们对用于制造自动化的人工智能的兴趣和投资出现了巨大增长,这些传感器产生了大量数据,并提供了低成本存储和处理的解决方案。人工智能和其他前沿技术改变了从数据中提取见解的繁琐但关键的过程,使其成为即时的、流程化的、可实现的。

智能制造的成熟度取决于工厂在多大程度上是数据驱动的。这需要基础投资来改善可追溯性、连接性和实时操作——最终确保数据帮助我们做什么和什么时候做。

-本文最初出现在半的博客是CFE媒体内容合作伙伴。


Ricco沃尔特
作者简介:瑞科·沃尔特是新加坡SYSTEMA自动化公司的总经理。