自制造过程内部和外部的大量数据的可用性，以及利用它、组织它并将其实时或近乎实时地转换为可操作信息的能力，构成了大多数制造商的工业4.0基础。有效地使用这些 "大数据"所创造的情报，既可以积极地影响战略，又可以影响更广泛的价值链，以实现可持续的转型。

来自制造过程内部和外部的大量数据的可用性，以及利用它、组织它并将其实时或近乎实时地转换为可操作信息的能力，构成了大多数制造商的工业4.0基础。有效地使用这些 "大数据"所创造的情报，既可以积极地影响战略，又可以影响更广泛的价值链，以实现可持续的转型。

01

大数据=大挑战

数据在每个行业都在向"大数据"转变。自动化工具的出现，能够通过IIoT在互联网上进行数据通信的传感器，通过安装的摄像头、仪表、传感器捕获的质量数据，通过操作员使用的工艺设备和工具捕获的数据，M2M通信的增强，IT基础设施内各层的应用集成，来自上游和下游供应链伙伴的数据，来自工厂以外的成品数据--所有这些都有助于创造大量的'大数据'。

在电子行业，由于操作的自动化或半自动化性质，数据的丰富性还不是一个问题。那么，"大数据"一词对电子制造业意味着什么？电子制造商接近大数据分析的最佳方式是什么？

在现代SMT工厂中，每当钢网被装入或刮刀通过时，都会产生数据。每当一个吸嘴拾取和放置一个部件，都会产生数据。每当摄像头记录一个元件或电路板的检查图像时，都会产生数据。电子工业中大量的数据是长期存在的和广泛的过程自动化的结果，以及传感器、量具、仪表和摄像头的扩散，它们捕获过程指标、设备数据和质量数据。

车间里发生的每一个交易都会产生数据；根据正在执行的操作，一个特定的车间交易可能有几个数据点。例如，一张成品板的图像会捕获几个数据点。它可能会导致调整吸嘴设置或拾取高度，从而降低视觉检查后的废品率。

02

数据分析是现代制造业范式成功的关键

大数据以一种"大"的方式存在于电子厂中。然而，拥有大量的数据和能够利用它来创造有形的价值是两码事。在SMT和电子行业，主要的挑战不是数据的可用性，而是能否将流程中产生的数据作为一个整体来看待，使与每个车间交易相关的数据具有意义，然后能够利用这些数据从单一的事实点产生信息，而不是不同的不相关的点解决方案，并利用产生的洞察力来做出决策，最终改善流程的KPI、OEE、生产率、产量、合规性和质量。

03

MES将大数据转化为制造商的重大成功

正如所说，在SMT和电子工厂及其供应链中并不缺乏数据。困扰大多数工厂的问题是车间里存在无数的点解决方案，这些解决方案存在于流程中，要么是由于传统的或定制的解决方案，要么仅仅是因为没有覆盖整个流程的解决方案。

现代制造执行系统就是答案。作为一种应用，它通过在各个层面的整合将IT/OT组织互联起来，这确保了通过众多传感器、量具、仪表和设备捕获的交易在边缘同时得到管理，并转换为单一来源的、可靠的、真实的/实例，然后形成改善决策的智能基础。

现代MES数据平台通过SMT生产线的数据采集和分析实现了端到端的可视性。数据成为整个操作的核心。来自设备的数据是通过PLC/SCADA级别的集成或直接从设备上获取。MES使用来自传感器的数据，记录过程级的输出（如刮刀压力、角度、速度或吸嘴性能），并与其他过程数据相结合，以确定背景和范围。摄像头提供了另一个层面的智能。捕捉到的组件放置图像随后通过设置具体的性能KPI转换为可操作的信息。这使得过程中的利益相关者可以通过仪表板或移动设备以预先配置的形式查看操作输出和性能。

04

用人工智能将数据转化为信息

可以显示与设备可用性、质量和性能有关的数据（这构成了OEE的基础）以及与产量、浪费、废品和去/不去检查有关的其他重要指标。

但是，定制的仪表板和查看所有与工艺有关的数据的能力只是一个开始。实时可见性允许做出更快的决策，增加生产正常时间，提高产品质量，减少返工，确保遵守GMP。但是，通过应用人工智能获得的洞察力才是整体敏捷性的一步步改变。

由制造执行系统产生的情报有可能利用人工智能将整个操作从被动变为主动。设备的故障或质量和性能的异常值可以被预测到。而且，生产线可以根据需求模式的转变或来自供应链两端的输入而自动配置。

产业机构指出，近75%的受访公司已经启动了人工智能相关项目。然而，只有15%实现了有意义的、可扩展的影响。它进一步强调，当涉及到从大数据角度利用人工智能时，公司需要采取"智能数据"的方法。

鉴于此，我们通过MES的视角，对SMT和电子制造业的"智能数据"方法进行了如下诠释：

• 定义流程
  对于电子制造业来说，这需要清楚地概述每一项操作，并了解现状，该过程是否能产生足够的数据。如果是的话，如何利用这些数据？点状解决方案在整个过程中发挥什么作用？以及能否通过MES来缓解？一旦确定了流程，以及所需的整合程度，还有关键的改进领域、质量和监督要求，就可以部署MES来创建一个企业视图并消除点数系统的依赖。

• 丰富的数据
  一个现代的MES数据平台从"边缘"捕捉数据，并从历史库等应用中获取数据。这允许创建必要的数据背景以获得相关性和意义。MES丰富了这些数据，并允许创建图表、报告和趋势，从而能够更快地做出决策，减少规范事件的影响。

• 降低维度
  通过传感器和IIoT收集的数据应被MES与工程数据一起使用，以提供洞察力，从而实现有形和可验证的流程改进。例如，从网板印刷机和刮刀运动中捕获的数据，与过去的数据相比，可能会表明何时即将发生网板撕裂。这种预测性分析有助于更换网板等活动，使停机时间降到最低。MES还可以自动重新安排生产订单，使整体产量不受影响。

• 应用机器学习
  MES数据平台使用先进的分析工具来创建数据模型，该模型针对随机和零星的变化。当完全表现出来时，机器学习使用过去和现在的数据来预测未来的过程结果。这些预测结果允许做出改变，避免影响产量、质量和故障的意外事件。所创造的智能允许在制造过程中进行即时和持续的改进。

• 实施和验证模型
  一旦整个过程由MES控制和驱动，就可以对过程模型进行检验。这将确保过程保持在最高生产力水平，数据模型通过物理结果得到验证。在其最高水平上，人工智能将允许自动化的过程协调和来自过程的洞察力成为预测性的。它将允许提前检测和纠正可能出现的故障，大幅降低与质量和合规性有关的成本。
  
  对于SMT和电子制造商来说，使用数据分析的改进技术今天可以通过现代MES获得。与其等待客户、OEM或竞争者来推动所需的变化，现代制造执行系统允许你在大数据/分析的过程中主动出击。
  
  现代制造执行系统可以将你的现代设备和流程工具、物联网传感器的扩散和产生的大量数据，带入一个单一的、简单的数据平台进行采集、转换和分析。它带来了有效的、有竞争力的、有利可图的运营所需的 "单一真相来源"。