近年来
，发展智能工厂成为全球造作业的显学
，随着人力欠缺、工资上涨、产品交期越来越短、市场需要改观大等问题出现
，造作业正面对新一波转型挑战
，若何在节造出产成本的同时
，还能提逾越产力与效能
，则是转型的重要主张
，也因而
，从德国、美国到台湾各个造作大国
，无不积极推动工业4.0
，但愿能协助造作业者解决经营困境、提升竞争力
，而大数据分析与优化则成为发展工业4.0的基础。

造作业大数据分析五大利用

深耕造作业多年的冰球突破四方数网星
，在大数据分析上提供的不只是产品
，还有结合产业知识与丰硕经验的照拂服务
，援手造作企业做出正确有效率的大数据分析。

目前市面上有好多大数据分析的解决规划
，但大多只能做到资料视觉化
，也就是以图表出现分析了局
，而数网星能够凭据造作业所面对的问题
，决定要做哪一种分析
，例如预测或仿照
，甚至整合财政或产销端资讯
，找出解决问题的步骤
，这在智能造作过程中是极度沉要的事
，由于企业往往占有大数据
，却不知路该若何分析。

高科技造作业者面对到的问题重要有三种
，第一、未预期的物料问题或设备故障直接冲击产能
，以至亏损大量成本
；第二、因造程不变性问题造成产品良率降落
，不只影响获利更影响客户中意度;第三、造程世代转换越来越快
，若何加快量产速度
，成为获利的关键成分。因而
，IBM凭据造作业所面对到的问题与产品性命周期
，综合出造作业大数据分析五大利用模式。

第一、物料品质监控。原物料品质不不变其实有？裳
，然而传统SPC监控要比及产生问题时才会做出警示
，此时不仅己经影响产品品质
，更不容易找出原因
，而数网星则是自动分析趋向变动
，发现潜在问题即早做出预警
，以便能及早解决(如：更换物料)维持产品品质。

第二、设备异常监控与预测。传统SPC监控固然也涵盖设备参数
，但有时设备依然会产生问题
，工程师也不知路设备产生问题该怎么处置更有效
，数网星使用设备感测资料及维建日志
，找启程生设备异常的模式
，监控并预测未来故障机率
，好让工程师能够即时执行更适决策。

第三、零件性命周期预测。零件或耗材有其性命周期
，造作业者多半凭据供给商建议进行定期更换
，却忽略了出产及环境前提对亏损速度的影响
，导致以下两种情况时时产生
，一是在太早更换零件
，造成不用要的开销
，二是太晚更换零件
，导致品质受影响。数网星凭据出产及设备状态资料、零件资讯
，精准预测零件性命周期
，在必要更换的更佳机遇提出建议
，援手造作业者达到品质成本双赢。

第四、造程监控提前警报。造作业的造程参数相当多且彼此会相互影响
，若是由于造程参数偏移而影响产品品质
，工程师只能单一站点逐步查究
，相当耗费功夫
，而数网星的做法是成立产品品质预测模型
，找到更佳的造程黄金区间
，一旦发现造程参数偏移到区间表
，便即时发出警报
，让工程师能够即时进行调整或其他决策。

第五、良率保固分析。对造作业者来说
，产品良率过低或是销售后于保固期间内产生问题
，不仅会增长成本
，更直接影响企业形象与客户中意度。因而数网星结合出产设备、产品良率及维建保固有关资料
，成立预测模型
，以预测良率并降低保固成本。

冰球突破四方数网星对造作业的效益不只在于预测潜在风险
，还能提出更佳决策建议
，成立更佳化出产流程
，从而降低营运成本、创造更大化获利。