2019
Dec.

48

智造話題


台達研究院攜手IABG 開發智能品質精進系統

文: DRC

品質精進是製造業的永恆課題。然而,影響生產品質的因素眾多且複雜,使得許多製造業者常常花費了大量人力與成本,卻依舊難以突破效率與良率瓶頸;再加上產業知識與手法在傳承與共享上的挑戰,更增加品質提升的困難度。

由台達研究院(DRC)與IABG偕同開發的智能品質精進系統,希望解決透過傳統品質管制手法無法辨識的異常現象,以及資料導向診斷造成異常的可能原因,使產線人員在排除問題時更具方向與效率。開發此系統的起源是對產品測試資料的探索,台達的產品皆是符合測試規格才出貨給客戶,但在經過測試後,仍偶而會發生客戶退貨問題,即使導入統計製程管制(Statistical Process Control, SPC)的手法,卻又因不合適規格設定,使得異常無法被發現。

有鑒於此,DRC提出利用非監督式學習,亦即在不知道產品好壞情況下,考慮所有的維度,讓資料自己學習規律,提供使用者從不同面向來觀察測試資料分佈,亦即「分群」的現象(如下圖案例中紅色A和灰色B兩個分群)。當資料發生分群時,往往代表生產已經發生變異或偏移,將其關聯回生產過程中4M1E(Man, Machine, Material, Method, Environments)即人、機、料、法、環等可能影響產品生產品質的因素,以便找出造成異常的可能原因。異常偵測後進行根因分析成了智能品質精進系統的核心功能模組,並以此為基礎,持續開發針對含有空間資訊的錫膏檢測(SPI)資料的應用模組,開發SPI資料特徵萃取方式;以及多變量「離群分析」模組,增加使用者對資料的標注功能,以訓練離群預測模型,並藉由互動持續更新模型,讓預測表現越來越精準,品質也更全面把關。


透過智能品質精進系統可以得知產品測試資料穩定與否、造成不穩定的主要測試項目,以及影響的因子有哪些(圖中A分群的不穩定狀態高於B分群),進而可與供應商溝通並擬定改進策略。(CPK是品質管理上的綜合製程能力指數,小於或等於0.67為D級,需進行品質改善。)

此專案的成功是由多個因素所構成:正確的問題目標設定、DRC與IABG專業分工,以及企業在推廣AI上不遺餘力。專案團隊深知品質是製造業切身的痛點,因此設定的目標吻合廠區的實務需求;而DRC與IABG各自發揮所長,IABG憑藉其對實際生產的理解與資料採集的豐富經驗,進行第一線釐清廠區的需求、痛點與資料採集狀況,並導入由IABG和DRC共同開發的Mapping System,協助廠區進行測試資料結構化與儲存,再依據使用者需求進行使用者體驗 (User Experience, UX) 的設計及智能品質精進系統使用培訓。DRC則投入了多名資料科學家、軟體開發團隊和專案管理團隊,專注於系統與分析功能模組的開發。

IABG感測及儀表事業處處長張紹雄表示,「整個專案開發過程橫跨桃園、台北、北京和武漢四地,但IABG和DRC雙方團隊在過程中,從釐清問題、設定目標,以及專案執行等溝通迅速且確實,是專案成功的重要關鍵因素。而整個研究開發透過分群與根因演算法的手法,從『資料』角度出發進行分析,讓此智能品質精進系統可擴大應用範圍,不只限於測試資料,更可套用於機台參數或生產製程資訊等。」

DRC AI CoE (Center of Excellent) 羅少廷博士表示,「好的資料品質是讓分析產生效果的關鍵,專案團隊願意採集完整的資料和妥善管理資料,當導入分析應用時,即能加速專案進展並得到更好的成果。」張紹雄進一步說明,「藉由邀請演算法團隊一同進行專案需求訪談,以便快速媒合客戶需求與演算法功能,除能提升開發效率之外,亦可激起採用不同分析維度的發想。」

此次IABG與DRC共同攜手合作,透過新的分析技術,偵測生產品質是否有變異,並結合生產歷程的相關資料,推論造成異常的可能原因,自2017年至今,此智能品質精進系統的應用已先後導入在吳江三廠、吳江二廠、東莞三廠、東莞五廠等,更榮獲第十一屆「台達創新獎」四大獎項中的「新商業模式與新商業流程」,以及獲得2018年「第一屆台達智能製造技術論壇」評選第一名,成效備受肯定。



智能品質精進系統已先後導入在吳江三廠、吳江二廠、東莞三廠、東莞五廠