You are currently viewing MES : BIG DATA สำคัญ! คาดการณ์คุณภาพการผลิตได้แม่นยำ ลดการทำซ้ำและการ REJECT

MES : BIG DATA สำคัญ! คาดการณ์คุณภาพการผลิตได้แม่นยำ ลดการทำซ้ำและการ REJECT

       การวิเคราะห์ แบบ Real-time และพลังของ Big Data

       ผู้คนส่วนใหญ่ให้ความสนใจกับการคาดการณ์หรือทำนายเหตุการณ์ในอนาคตที่กำลังจะเกิดขึ้นมาโดยตลอด ดังนั้น จึงไม่น่าแปลกใจเลยที่แอปพลิเคชัน อย่าง Predictive Maintenance ได้รับการยอมรับว่าเป็นเรือธงของ Industry 4.0 และจะมีประโยชน์อย่างมาก หากระบบจะสามารถคาดการณ์คุณภาพของผลิตภัณฑ์ที่เพิ่งผลิตได้ด้วยเช่นกัน? ซึ่ง Predictive Quality เปลี่ยนความต้องการนี้ให้เป็นจริงได้ และคุณจะได้เห็นขั้นการทำงานของระบบจาก MPDV ผ่านบทความนี้กัน

       เป็นเวลาหลายปีแล้วที่ประสิทธิภาพของทรัพยากรกลายเป็นเรื่องสำคัญสำหรับอุตสาหกรรมการผลิต และไม่เพียงแต่ในอุตสาหกรรมเท่านั้น 

       ด้วยเหตุผลทางเศรษฐกิจ นอกเหนือจากการใช้วัตถุดิบและพลังงานอย่างประหยัดแล้ว ยังมีประเด็นต่างๆ เช่น กระบวนการผลิตที่มีประสิทธิภาพหรือการตรวจจับความผิดปกติในระยะเริ่มต้นก็เริ่มมีมากขึ้นเรื่อยๆ และไม่ใช่เรื่องแปลกที่ผู้จัดการฝ่ายผลิตจะต้องการระบบที่สามารถคาดการณ์เพื่อหาข้อบกพร่องและทำการหลีกเลี่ยงปัญหาทั้งหมดได้ โดย Predictive Maintenance หรือการบำรุงรักษาแบบคาดการณ์ จะเติมเต็มในเรื่องของการคาดการณ์ความเสียหายของเครื่องจักรอุปกรณ์และการใช้เครื่องมือเท่านั้น อย่างไรก็ตาม หากคุณสามารถคาดเดาคุณภาพของสินค้าได้ในขณะที่กำลังผลิต คุณจะสามารถตัดสินใจได้ตั้งแต่เนิ่นๆ ว่าจะคุ้มค่ากับการลงทุนในส่วนของต้นทุนและการดำเนินงานในขั้นตอนต่อไปหรือไม่



       เป็นแค่ความฝัน? เปล่าประโยชน์หรือไม่!

       สมมติฐานสำหรับ Predictive Quality คือการ reject หรือการทำงานซ้ำที่อาจเกิดขึ้นได้หากพารามิเตอร์ของกระบวนการทั้งหมดอยู่ในค่าที่ถูกต้อง

       ความคลาดเคลื่อน ซึ่งมาจากการเชื่อมต่อและการ interaction ที่มีความซับซ้อนอยู่ในเทคโนโลยีในการผลิต ซึ่ง Predictive Quality จาก MPDV คำนึงถึงความเกี่ยวเนื่องเหล่านี้ และเปิดโอกาสให้พนักงานในการผลิตเห็นได้ทันทีว่าส่วนที่กำลังทำอยู่นั้นผ่านขั้นตอนหรือล้มเหลวหรือไม่ ซึ่งมีวิธีขั้นตอนการทำงาน ดังนี้


  
       ขั้นตอนที่ 1: รวบรวมข้อมูลที่หลากหลาย

       แน่นอนว่า Predictive Quality จะไม่ได้ผลหากไม่มีการรวบรวมข้อมูลมากมาย และเพื่อให้แม่นยำยิ่งขึ้น คุณต้องมีฟิลด์ข้อมูลในกระบวนการขั้นตอนทั้งหมดที่กว้างที่สุดเท่าที่จะเป็นไปได้ จึงจะสามารถเชื่อมโยงกับข้อมูลคุณภาพที่เหมาะสมได้ โดยตัวรวบรวมข้อมูล หรือ IIoT platform ตลอดจน MES เช่น HYDRA สามารถรองรับการรวบรวมข้อมูลดังกล่าวได้ ซึ่งถูกนำมาปรับใช้กับกระบวนการ 

 

       ขั้นตอนที่ 2: การพัฒนา Model ของการคาดการณ์

       ในขั้นตอนต่อไป ข้อมูลที่มีอยู่จะถูกวิเคราะห์เพื่อนำไปพัฒนา Model สำหรับการคาดการณ์ มีทั้งการใช้วิธีการทางสถิติและปัญญาประดิษฐ์หรือ AI  ผลลัพธ์คือเราจะได้ Model ที่เก็บไว้เป็น PMML ซึ่งย่อมาจาก “Predictive Model Markup Language” เพราะนี่คือ XML-based standard ที่สามารถใช้เพื่อกำหนด prediction model ได้ 

 

       ขั้นตอนที่ 3: การวิเคราะห์แบบ Real-time

       หาก model ที่สร้างด้วยวิธีนี้ถูกรวมเข้ากับ Predictive Quality แล้ว ข้อมูลในกระบวนการที่บันทึกไว้ในระหว่างการดำเนินการ สามารถตีความได้แบบ Real-time และคำนวณ Quality Prediction ได้ ซึ่งนอกเหนือจากการจัดประเภทเป็น “pass” หรือ “fail” แล้ว แอปพลิเคชันยังใช้การคาดคะเนของความน่าจะเป็นที่ถูกต้องบนพื้นฐานของค่าทั้ง 2 นี้ จากนั้น จึงสามารถกำหนดกฎและเปิดใช้งานการตัดสินใจแบบอัตโนมัติด้านคุณภาพได้

       ตัวอย่างเช่น ชิ้นส่วนพลาสติกที่มีความน่าจะเป็นมากกว่า 60% ที่ชิ้นส่วนนั้นจะล้มเหลว สามารถป้อนเข้าเครื่องทำลายเพื่อผลิตเม็ดอีกครั้งได้ทันที หรือการหล่อที่ทำจากโลหะผสมพิเศษจะถูกหลอมใหม่ทันทีหากความน่าจะเป็นของความล้มเหลวเกิน 75% ในทำนองเดียวกัน ชิ้นส่วนที่มีความน่าจะเป็นว่าผ่านมากกว่า 90% ก็สามารถตัดสินใจได้อัตโนมัติว่าผ่านขั้นตอนแน่นอน

       ส่วนในกรณีที่ไม่มีการระบุการตรวจสอบชิ้นส่วน 100% ส่วนอื่นๆ ทั้งหมดสามารถตรวจสอบซ้ำได้หรือสามารถขายได้ในราคาถูกกว่า เนื่องจากเป็นสินค้าที่ด้อยคุณภาพ


 
       ความสามารถของ APPLICATION

       การคาดการณ์ที่สามารถเชื่อถือได้มีความสำคัญเป็นอย่างมาก โดยเฉพาะอย่างยิ่ง เมื่อถูกนำมาใช้ในการตรวจสอบคุณภาพของการผลิต ตัวอย่างเช่น กระบวนการทำความเย็นในการฉีดขึ้นรูปพลาสติก กระบวนการหล่อชิ้นส่วนโลหะหรือกระบวนการประกอบชิ้นส่วนที่ต้องทดสอบแต่ละชิ้นส่วนเมื่อเสร็จสิ้น ซึ่งจะช่วยประหยัดทั้งเวลาและค่าใช้จ่ายที่อาจเกิดขึ้นในการกระบวนการคัดแยก ที่คาดว่าจะ reject หรือนำไปดำเนินการต่อในขั้นตอนต่อไป

เรียบเรียงและแปลข้อมูลจาก : https://www.mpdv.com/media/company/company_magazine/NEWS_International_2019_45.pdf

Leave a Reply