智慧製造的起手式:一開始就什麼數據都要搜集嗎?

view of factory against blue sky
Photo by Pixabay on Pexels.com

在拜訪製造業的客戶時,很常聽到老闆在問:導入智慧製造的成本是不是很高啊?因為聽說要把所有數據都搜集進來才能開始做智慧製造?

真的一開始就什麼數據都要搜集嗎?我認為不需要。

一些事前的概念與評估,我在之前的文章 “什麽是智慧製造?淺談製造業的數位轉型”已經有初步提到。

任何數位轉型,取得數據是最關鍵的,而要做智慧製造,同樣是要取得足夠的數據,才能做各種分析應用,因此設備具有聯網功能,就是重要的基礎建設,也就是這幾年很熱門的話題,物聯網IoT (Internet of Things)。拜硬體通訊技術成熟所賜,這幾年相關的製造成本大幅降低,讓設備業者能大力宣揚物聯網IoT這個概念。

但台灣大部分的SI系統整合商,以硬體製造商居多,因此商業模式仍然是賣硬體為主,大多數都會想說服客戶,盡量把所有的設備都更換成具備聯網功能的,先把所有數據收進來再說,之後再來想應用。

但問題來了,硬體設備的費用動輒百萬,甚至到千萬,對中小企業來說是非常重的投資成本,不可能說換就換,尤其如果幾年前才剛買設備,費用攤提都還沒攤完,就更難買新的了。也因此,導致很多製造業的客戶,會覺得要花很多費用才能導入智慧製造,而降低數位轉型的意願。

那智慧製造的起手式要如何開始呢?應該反過來,從上往下思考。

從營運管理問題出發

如果真的有心要導入智慧製造,最該先思考的應該是,公司目前遇到了什麼樣的問題,是舊有的科技無法解決,但又需要突破的?有這樣的問題,導入新科技才有意義,如果公司營運上沒有任何問題,只是要追逐熱門話題,那其實對公司沒有太大的價值。

因此,我都會建議客戶先思考,目前公司營運上最大的瓶頸點或最想解決的問題是什麼?畢竟每間公司的問題都不同,不同產業就算了,就算同產業,不同公司的營運方式也不同,產生的問題也會不同,只有客戶才最了解自己。

有些人會說,請SI系統整合商來,不就是要協助找出問題嗎?當然,我們非常樂意協助客戶找問題,但首先會面臨到,公司願意在一開始就把相關的營運資訊讓我們知道嗎?這對還沒合作過的客戶來說會非常困難,換做我是老闆,我也不願意把相對機密的資訊給還沒有信任感的公司。因此在第一次合作時,還是需要客戶先思考自己需要解決什麼問題,合作過有了信任感之後,我們才能協助更深入的去挖掘新的問題。

在有了想解決的問題後,我們會針對這個問題去協助規劃,要導入哪些新的科技工具,以及需要搜集哪些相關的數據,而不是一股腦的所有數據都拿。

比如有個客戶,他們的工廠因為廠區很大,設備也多,以前都是派人四處巡檢,這其實是非常耗時又沒效率,有時候設備在人員查看的當下沒事,但離開後出狀況,就必須等到下次巡檢才能發現,嚴重時,在下次巡檢前就停機,導致生產中斷。

因此客戶想要降低這方面的人力和時間成本,同時利用系統來提升效率,做到設備預知保養,而不是等到設備真的壞掉了才來維修。因為對維修人員最困難的抉擇是,如果巡檢次數不夠頻繁,導致關鍵設備臨時故障,會造成整個產線停擺;而如果巡檢太頻繁,又會造成不必要的成本浪費。

若能藉由系統,事先知道設備狀況,就能預先安排維修保養,並對生產計劃做調整,而不是突然故障停機了,才匆匆忙忙安排。降低巡檢人力成本,並減少因意外停機造成的停工損失,這就是做設備預知保養帶來的價值。

所謂的設備預知保養,就是長期搜集設備的數據,來監測設備的運轉狀態,並將歷史數據保存到資料庫,藉由數據分析工具,用演算法來建立預測模型。尤其對硬體設備來說,會有老化的問題,它不會馬上故障,但會逐漸降低效能,這在人工保養時是感覺不出來的,必須有系統輔助才能發現。當發現設備的數據開始偏離原本的模型時,表示設備可能開始有狀況了,在還沒真的故障停機前,就能派人進行維修,預先做出安排。

而要搜集的數據,就可先從影響設備運轉最大的一些關鍵參數開始搜集,而不用設備上的所有數據都搜集,因為搜集越多,需要的建置成本也會越高。當未來需要更多的數據做分析時,再來逐步增加,錢才能花在刀口上。

因此,從客戶想解決的實際問題出發,討論出要解決這些問題,需要搜集哪些數據?再針對這些數據來建置相關的基礎建設,這樣的投資效益才能帶來最大價值,而不是一股腦取得所有數據。

敏捷式導入

當客戶有明確想解決的問題後,我們就能協助規劃出,要解決這些問題,目前市面上可使用的新科技工具,以及大概需要哪些數據的基礎建設,提出幾種不同的解決方案讓客戶評估考慮。

在導入的過程中,我會建議客戶採用敏捷導入的方式,不要一開始就投入太多資金,先從瓶頸問題先解決,先從影響生產最關鍵的某條產線,或是最關鍵的某個機台設備開始。這樣員工也能有充裕的時間來適應新系統,相關內容在前一篇文章就有說明

在客戶與自己還沒建立起信任之前,利用這樣的小範圍導入,或者說PoC (Prove of Concept),先幫助客戶解決最痛的點,這樣客戶對後續的擴大導入才會有信心,更能加深彼此的信任。

同時,如限制理論TOC (Theory of Constraints)的概念,當解決了舊的瓶頸點,新的瓶頸點就會出現,而新的瓶頸點有時候會出現在意想不到的地方,因此必須等確定新的瓶頸點後,再針對它來做改善。因此如果考慮到成本,要做最有成本效益的智慧製造,就必須不斷的重複整個流程:

  1. 尋找瓶頸點。
  2. 改善瓶頸點。
  3. 尋找新的瓶頸點。

當然,如果客戶資本夠多,一次就要整個工廠全部導入,那當然也沒問題,不過通常是用在建新廠,一次性更完整的建置智慧工廠。有些客戶就會把新工廠當作一個示範工廠,藉此展現自身實力,吸引更多客戶前來,這樣的投資效益相對就比較高。

但這樣的機會畢竟是少數,大部分都是舊有的廠房和設備要提升效率,因此如何把錢花在刀口上,是客戶最關心的問題,也是身為SI系統整合商的我們最該提客戶去思考的,我認為這樣的合作關係才能長久。畢竟新科技的導入是沒有停止的一天,技術一直進步,解決方案也會一直改變,唯有真的站在客戶的立場去思考,才更能獲得客戶的信任,維持長期的合作關係。

 

相關閱讀:

什麽是智慧製造?淺談製造業的數位轉型

如何規劃智慧製造?三個階段一步一步來

 

延伸閱讀:

什麽是策略地圖?個人版要怎麽用?

商業分析之路

傳統專案管理 VS. 敏捷專案管理

跨域職涯分享:從工程硬體到資訊服務,從專案管理到商業開發

開源軟體的商業模式分析 (一)

什麽是DevOps?(一)從管理與商業思維角度切入

智慧製造的起手式:一開始就什麼數據都要搜集嗎? 有 “ 2 則迴響 ”

發表留言

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料