#Jang Saetbyeol
2017.04.27
2 LIKE
298 VIEW
-
-
- 메일 공유
-
https://stories.amorepacific.com/zh/%e7%ac%ac2%e7%af%87-%e5%a4%a7%e6%95%b0%e6%8d%ae%e6%94%b9%e5%8f%98%e5%b7%a5%e5%8e%82
第2篇 大数据，改变工厂
介绍爱茉莉太平洋员工们撰写的专栏
ColumnistJang Saetbyeol
爱茉莉太平洋Amundsen Camp
引言
大家好。我是Jang Saetbyeol，本篇也将给大家带来大数据应用案例。为了以更加贴近生活的内容将大数据这一熟悉而生硬的主题传达给爱茉莉太平洋的同事们，案例会涉及到我们的行业和商业流向相关主题。在第1篇中，我们提到了一个产品的诞生起点，即策划部分。本篇我们将了解实际产品制作的生产工艺及质量管理阶段中的大数据案例。
制造阶段由于各种设备相关联的特点，生产的数据量庞大，所以很容易对不良率或收率、投入成本等适用效果进行计量，自大数据时代初期起就有不少采用这种方式减少成本的案例。特别是在质量管理上，相比过去以人才培训为基础的方式，以通过大数据采用所学算式的形态来更加快捷、准确地进行判断成为最近的趋势。
制造阶段由于各种设备相关联的特点，生产的数据量庞大，所以很容易对不良率或收率、投入成本等适用效果进行计量，自大数据时代初期起就有不少采用这种方式减少成本的案例。特别是在质量管理上，相比过去以人才培训为基础的方式，以通过大数据采用所学算式的形态来更加快捷、准确地进行判断成为最近的趋势。
六西格玛的回忆
让我们先来看一看一个如今已成为回忆的词，那就是六西格玛（six sigma）。六西格玛在上世纪90年代后期至本世纪初的那段时期，可谓是在制造业刮起的一场台风。大家应该也在工作现场或在过去的例子中听说过。
-
正态分布与六西格玛，来源 ：THN
西格玛（σ）通常是在统计学中提到某集团的标准偏差或误差范围时所使用的术语。在以作为大家熟知的最著名的概率分布，即正态分布为基准来看时，1西格玛为68%，2西格玛为95.4%，3西格玛为99.7%的产品为良品，即正常产品。西格玛前的数字越大，良品的比例以几何级数增加。以概率来看，6西格玛表示99.9997%的良品，对应3.4PPM（Parts per Million）。这是说在生产百万个产品时，不良品的数量只有3.4个左右。事实上，6西格玛被视为工作中可能实现的最低水平的不良率。
在描述大数据范例之前，回忆六西格玛的理由是什么？暂且不谈具体的方法论，从贯通六西格玛的整体框架来看，在从根据统计数据的彻底分析起步这一点上，六西格玛就与过去的商业方法论大有不同。特别是在测量、分析、设计、优化、验证等各个阶段，大量运用了统计学技法与数据。与过去以经营者或决策者直观进行的方式不同，在采取彻底、科学、客观的接近方法这一点上，感觉六西格玛是在当今所有商业中发挥巨大影响力的大数据的鼻祖。实际上，如同六西格玛，大数据在制造工艺中也逐渐发挥着其影响力。
在描述大数据范例之前，回忆六西格玛的理由是什么？暂且不谈具体的方法论，从贯通六西格玛的整体框架来看，在从根据统计数据的彻底分析起步这一点上，六西格玛就与过去的商业方法论大有不同。特别是在测量、分析、设计、优化、验证等各个阶段，大量运用了统计学技法与数据。与过去以经营者或决策者直观进行的方式不同，在采取彻底、科学、客观的接近方法这一点上，感觉六西格玛是在当今所有商业中发挥巨大影响力的大数据的鼻祖。实际上，如同六西格玛，大数据在制造工艺中也逐渐发挥着其影响力。
变化将追寻你
2016年11月，GE举办了第五次Minds+Machines活动。GE副总裁贝思•康斯托克（Beth Comstock）女士强调了变化的速度，并提到今后GE将成为这种数码创新的向导。过去，我们用光盘和磁带消费音乐，喜欢去实体店购物，但随着数码技术的发展，我们会经历全方位的像结构完全转变那样的破坏性创新（Disruptive Innovation）。
-
Minds+Machines 2016 / 来源 ：GE报告
在2015年的Minds+Machines中， GE总裁杰夫•伊梅尔特（Jeffrey Immelt）先生以"截止2020年，GE将成为全球排名前十的软件公司"的宣言震惊世界。 他还提到"我们要再次提升生产力"。那么，在谈论软件和数码时，为什么突然提到了过去制造业中谈到的重点因素"生产力"呢？
他提到，2001年至2015年，整个产业的生产力只提高了0.5%，而GE因为转向了数码领域，其增长幅度高于该水平。如他所说，今后的生产力提高在机械领域已达到限值，如果没有数码和数据就无法实现。
在结束当天演讲时，伊梅尔特还提到，"希望大家接受这一点。变化将降临在大家身上"。那么，大家是否做好了接受变化的准备了呢？也许，今后企业的成败将取决于接受变化的准备和态度。
他提到，2001年至2015年，整个产业的生产力只提高了0.5%，而GE因为转向了数码领域，其增长幅度高于该水平。如他所说，今后的生产力提高在机械领域已达到限值，如果没有数码和数据就无法实现。
在结束当天演讲时，伊梅尔特还提到，"希望大家接受这一点。变化将降临在大家身上"。那么，大家是否做好了接受变化的准备了呢？也许，今后企业的成败将取决于接受变化的准备和态度。
变化的企业才能存活
GE的Brilliant Factory / 来源 ：GE
过去，降低生产成本的方式是在人工劳务费或土地\资源等成本低的发展中国家建立工厂，今后反而是在接近消费市场的地方（即便是发达国家）建造适当规模的工厂并采用更加有效的运行方式，以获得更高的成本效率。这种生产创新的代表性企业就是前面提到的GE和西门子。
首先，以GE为例，2015年成立于印度普内的Brilliant Factory就是其典范。与过去在一个工厂生产一两种代表性产品不同，该Brilliant Factory引进了支持各种生产模式的Multi Module，能够生产4种事业领域（航空、电气、运输、石油&天然气）的产品。这是由于实时收集、应用数据，对工厂进行了优化。
值得一提的是，最近阿迪达斯、耐克等企业也对这种生产多种产品的工厂表现出浓厚的兴趣并予以推行。与过去根据规定的成品或定制的尺寸进行消费的时代不同，最近不仅是对颜色与材料，就连对脚的坡度和详细数据都完美定制的产品生产需求和对生产力的要求日益提高。
将大数据应用于制造业的除了GE，还有西门子，从中我们可以看到在收率无法得到再次提升，被称为生产力停滞期的时期，如何找到了突破口。
-
德国西门子安贝格工厂全景 / 来源 ：西门子
在德国慕尼黑近郊的安贝格工厂，所有装备的数据都以通信相连，所有工艺流程的75%以上都是自动运行的。据说，该工厂的当前收率为99.9989%。这表示生产100万个产品时，出现11个不良品，接近于前面所说的六西格玛中实际能实现的最理想的收率。特别是该工厂转变为智能工厂（Smart Factory）之后，在保持相同的工人人数和机械数量的情况下，生产力提高了9倍。
西门子不仅仅将这种智能工厂的案例和诀窍用于自己的公司，还将事业领域扩展到了结合IT系统进行出口。代表性的就是数字孪生（Digital Twin）。这是在数字平台上对实际生产线和环境进行模拟的系统。
利用Digital Twin，在产品的设计阶段起就能进行模拟，在一个生产线生产出数万个选项（以车辆为例，颜色、轮胎、滚轮的组合等）。利用该系统的意大利高级汽车厂商玛莎拉蒂将车辆的开发期限从30个月缩短到了16个月。
将最近营销人员最苦恼的"个性化（Personalization）"、"定制化（Customization）"应用到生产和制造领域，融合大数据、物联网、3D打印等各种数字技术，通过实现批量定制生产（Mass Customization）找出其解答。
西门子不仅仅将这种智能工厂的案例和诀窍用于自己的公司，还将事业领域扩展到了结合IT系统进行出口。代表性的就是数字孪生（Digital Twin）。这是在数字平台上对实际生产线和环境进行模拟的系统。
利用Digital Twin，在产品的设计阶段起就能进行模拟，在一个生产线生产出数万个选项（以车辆为例，颜色、轮胎、滚轮的组合等）。利用该系统的意大利高级汽车厂商玛莎拉蒂将车辆的开发期限从30个月缩短到了16个月。
将最近营销人员最苦恼的"个性化（Personalization）"、"定制化（Customization）"应用到生产和制造领域，融合大数据、物联网、3D打印等各种数字技术，通过实现批量定制生产（Mass Customization）找出其解答。
质量就是生命
质量管理乃至质量改善是所有生产企业共同面临的课题。特别是制造业面临的最大的问题"不良"一旦发生，想要完全了解和解决这样的问题需要通入庞大的时间和成本。而且，不是简单地丢掉一个不良产品就能解决的。三星电子总裁李健熙先生曾说过，"百万个产品中只要出现一个不良品，购买该产品的顾客就会认为百万个全部都是不良品"，并将不良比喻成癌症。可见，不良是可能完全改变公司的形象和认识的巨大问题。
这也是很多制造公司相比事后的质量管理更注重事前质量管理或质量预测的理由。今后，我也打算看一看虽然生产成果有些不同，但反而对企业的长远性起到更加重要的作用的质量相关大数据应用的实例。
这也是很多制造公司相比事后的质量管理更注重事前质量管理或质量预测的理由。今后，我也打算看一看虽然生产成果有些不同，但反而对企业的长远性起到更加重要的作用的质量相关大数据应用的实例。
抽样调查 vs. 全面调查
生产特殊玻璃产品的SCHOTT公司利用大数据替代了过去抽样调查方式的质量管理。在过去传统的生产工艺质量管理中，从特定生产线选择多个成品进行检查的抽样调查方法正作为基础进行着。这就像我们在大选之前通常进行的舆论调查，是替代全面调查合理推算全部的一种方法。
在选举中，面向全部选民进行舆论调查如同实际投票-开票的过程。为了减少其成本和时间，我们提取少数人的样本群推算其结果（在传统的调查方法论中，实施全面调查的唯一例子是每五年进行的人口住宅大调查）。同样，在制造工艺中，很难测量所有成品的质量，或者成本效率不高，有时（如玻璃制品）为了判断产品的耐久性需要破坏检查，所以抽样调查被广泛使用。
但是，随着进入大数据时代，这种抽样调查通过大大减少成本和时间的技术改善或掌握追加数据的方式而大多被替代为全面调查。
在选举中，面向全部选民进行舆论调查如同实际投票-开票的过程。为了减少其成本和时间，我们提取少数人的样本群推算其结果（在传统的调查方法论中，实施全面调查的唯一例子是每五年进行的人口住宅大调查）。同样，在制造工艺中，很难测量所有成品的质量，或者成本效率不高，有时（如玻璃制品）为了判断产品的耐久性需要破坏检查，所以抽样调查被广泛使用。
但是，随着进入大数据时代，这种抽样调查通过大大减少成本和时间的技术改善或掌握追加数据的方式而大多被替代为全面调查。
-
玻璃产品制造工艺 / 来源 ：谷歌图片
据说，SCHOTT公司的代表性产品制药特殊玻璃管，要经过多个阶段的工艺和非常严格的步骤。在1600度以上熔炉中熔化的玻璃每秒流出好几米，在冷却过程中制成需要的形态。这时，调节速度或空气流入，可将玻璃的厚度和玻璃管的直径设置为0.01mm的精度。经过这种生产线冷却之后，根据必要的长度切断并进入最终加工阶段。
根据传统的抽样调查，要抽取部分加工完成之后的产品进行冲击或精密测量的方式来检查完成度。但是，SCHOTT公司替代了过去的统计性质量检查，从熔炉中流出的瞬间，利用激光测量玻璃的直径、厚度、偏差，利用高性能摄像头进行异物检查等，利用各种传感器和仪器收集数据。这些测量的数据通过实时处理选出与过去的正常产品有差别等，怀疑有不良的产品，在出货之前就能消除。
根据传统的抽样调查，要抽取部分加工完成之后的产品进行冲击或精密测量的方式来检查完成度。但是，SCHOTT公司替代了过去的统计性质量检查，从熔炉中流出的瞬间，利用激光测量玻璃的直径、厚度、偏差，利用高性能摄像头进行异物检查等，利用各种传感器和仪器收集数据。这些测量的数据通过实时处理选出与过去的正常产品有差别等，怀疑有不良的产品，在出货之前就能消除。
提前阻止不良品出现
与SCHOTT的事例不同，不对成品进行质量检查，而是预先判断制造工艺上出现的问题并立即采取措施减少不良率的案例也比比皆是。
韩国屈指可数的显示器制造公司为了TFT-LCD工艺质量管理也引进了大数据技法。在生产一件产品的工艺中，该公司收集、测量的数据约为2,000多个。虽然产生和积累了各种数据，但该企业面临的问题是很难将这些数据应用于确保生产质量上。
韩国屈指可数的显示器制造公司为了TFT-LCD工艺质量管理也引进了大数据技法。在生产一件产品的工艺中，该公司收集、测量的数据约为2,000多个。虽然产生和积累了各种数据，但该企业面临的问题是很难将这些数据应用于确保生产质量上。
-
设备监控所需的Control Chart / 来源 ：Infinity QS
基本上用于质量监控的典型的曲线图工具就是管制图（Control Chart）。主要目的在于判断制造工艺是否处于稳定状态，制定各个质量特性值的限界（上限、下限），监控是否脱离这个范围。上面显示的管制图中，监控板以脱离特定区间（Band）就会发出警告的方式运行。虽然非常直观，但如果这种曲线图有100个会如何？如果超过1,000个，是否能掌控这一切呢？
实际上，大部分制造工艺虽然有收集、测量、管理水平上的差异，但尤其是电子设备，据说有数千数万个传感器数据种类。该企业也因为有多达2,000个项目，用过去的仪表盘很难事先判断质量异常。因此，该公司构建了异常探测模型，利用大数据事项感应设备的异常。
与过去个别项目超出管理限值时每次都要进行确认的方式不同，整体监控异常现象，提高了质量管理者的业务效率，还大幅降低了实际不良率。
实际上，大部分制造工艺虽然有收集、测量、管理水平上的差异，但尤其是电子设备，据说有数千数万个传感器数据种类。该企业也因为有多达2,000个项目，用过去的仪表盘很难事先判断质量异常。因此，该公司构建了异常探测模型，利用大数据事项感应设备的异常。
与过去个别项目超出管理限值时每次都要进行确认的方式不同，整体监控异常现象，提高了质量管理者的业务效率，还大幅降低了实际不良率。
将大数据融入工厂
POSCO也从2年前起在世界最大规模单一工厂光阳制铁所构建了智能工厂。据说，为了减少不良和节约成本，选定了39个课题，正在进行实验和研究。
与前面举例的显示器、电子产品制造工艺相同，每个生产产品都要收集和记录生产过程中受到的压力、温度等资料。最精密的单位以0.005秒的周期收集数据，仅仅收集一个工艺的数据，每天的数据容量都会达到1TB。这些数据确保在发生不良时，立即判断其原因并采取后续措施。
而且，由于钢铁制造工艺的特点，消除钢铁产品龟裂的后续作业是必不可少的阶段之一。在大数据的基础上，可以非常精确地预测到龟裂的发生可能性，减少了需要花费很多时间和费用的龟裂消除工艺的次数，大幅节约了生产成本。
POSCO不仅独立应用涵盖节约成本、提高质量、减少设备障碍等领域的智能工厂，还与GE合作予以改善，并且以推广到其他公司和行业的方向进行着研究。最近，还推进自主数据中心的建设，加快了以数据和数码为基础的变化。
与前面举例的显示器、电子产品制造工艺相同，每个生产产品都要收集和记录生产过程中受到的压力、温度等资料。最精密的单位以0.005秒的周期收集数据，仅仅收集一个工艺的数据，每天的数据容量都会达到1TB。这些数据确保在发生不良时，立即判断其原因并采取后续措施。
而且，由于钢铁制造工艺的特点，消除钢铁产品龟裂的后续作业是必不可少的阶段之一。在大数据的基础上，可以非常精确地预测到龟裂的发生可能性，减少了需要花费很多时间和费用的龟裂消除工艺的次数，大幅节约了生产成本。
POSCO不仅独立应用涵盖节约成本、提高质量、减少设备障碍等领域的智能工厂，还与GE合作予以改善，并且以推广到其他公司和行业的方向进行着研究。最近，还推进自主数据中心的建设，加快了以数据和数码为基础的变化。
尾声
本篇专栏继上一篇的策划阶段之后，了解了在实际生产产品的制造现场中大数据的应用案例。虽说是第四次工业革命的时代，在看似仍然保持传统领域的制造工艺中，也开始在数码技术的基础上发生着巨大的变化。
值得一提的是，这种变化不仅发生在工厂围墙内，今后也有望接近我们的现实生活，达到个人定制生产的普及或超乎想象的质量水平。希望Smart Factory早日得到推广，不再出现将自己的身体和嗜好塞进已成型衣服和鞋子的悲情故事。下一篇专栏，我将继续给大家介绍行业面临的大数据应用实例。
值得一提的是，这种变化不仅发生在工厂围墙内，今后也有望接近我们的现实生活，达到个人定制生产的普及或超乎想象的质量水平。希望Smart Factory早日得到推广，不再出现将自己的身体和嗜好塞进已成型衣服和鞋子的悲情故事。下一篇专栏，我将继续给大家介绍行业面临的大数据应用实例。
-
喜欢
2 -
推荐
0 -
赞赏
0 -
支持
0 -
想看后续
0