“ 智能制造的優勢體現在：通過實現車間的設備和控制層的數據與企業信息系統融合，使得生產大數據傳到雲計算數據中心進行存儲、分析，通過算法、模型來預測未來，形成決策並反過來指導生產。”
多變和多元，是當前LED封裝企業面臨著市場需求，且經多輪價格戰後，傳統制造模式的競爭力已然式微，智能化的變革推動制造走向動態與靈活，就成為必須迎接的挑戰。
本次案例，將圍繞「LED封裝產業」來跟你一起窺探產業核心，分享訊能集思如何用AI技術深入挖掘大數據價值，快速實現超大規模和超覆雜度產業的協同與創新，幫助一家全球LED生產領導廠商，提升了4%（前3大）落Bin集中度（良率核心參數），以及降低了80%的新產品導入時間，以更好適應當前LED封裝的大環境。
同時在JarviX平台導入後，系統性地幫助廠商完善了管理流程，做到清晰掌握物料流向，實現物料的消耗與每個產品相對應，與市場需求相對應；再則產線管理人員可利用戰情室實時監控，實時調用出所需的機台稼動率信息，實時操作調整指令。
為什麼傳統制造的效率已見頂
-
基於傳統制造的發展範式，論技術、經驗、人才的積累，中國的制造業仍不如發達國家的老牌制造業，中國企業似乎一直在走「揀國外舊技術或合資辦廠等方式，在薄利中活下來再求發展」這條老路。
LED產業亦是如此，面對LED封裝落Bin率問題：當集中度較低時，就會出現庫存呆滯，企業成本隨之上升。而采用傳統的良率優化方式，無論是倚重技術人員過往經驗的方法，還是導入AI訂制項目的作法，都會發現研制新配方耗時過長，不能及時的反饋結果，帶來訂單的丟失和交期延誤，新產品的落地也會隨之受限，等等的一系統痛點。
究其原因，生產工藝是制造業企業日積月累一丟丟地攢起來的，可是中國的企業是後起之秀，遠沒有傳統制造強國德國、日本企業有長時間的數據積累與技術沈澱。
德日的制造業之所以強大，還在於他們有大批的科學家、工程師，以及經驗老道的技術工人。用一個生動的例子來說明，如果你問日企廠里那些戴著“金星”、“銀星”的技術骨幹：“產品尺寸有20絲偏差，怎麼解決？”他們能做到的是，在設備旁邊聽聽異響，就能判斷出這20絲的偏差是怎麼來的。
因此，基於傳統LED封裝生產工藝——紛繁覆雜的細節與雜亂相生的環節，即便做到了極致的精益生產與流程，仍會存在著大量非智能化環節，無法實現智能化閉環，這就導致了細節和隱性的成本根本做不到化繁為簡，導致企業的進一步在無形中丟失利潤。
但是，今天「智能制造」的新打法出現了：通過采集生產過程中的參數，做數據分析，從數據中找到關鍵指標，然後將這些指標通過關聯性，找出合適的算法，從而將數據變成指導生產的信號。
結合導入JarviX全流程數據分析平台的解決方案來看，對比傳統或AI的解決方案，完成一個系統性LED封裝良率優化周期，效率提升了10倍以上。廠商也不需要把每個人都培養成為能工巧匠，而是用數據彌補經驗不足的短板，同時數據的積累也讓技術的改進有了累加性。
在這樣的背景下，中國的制造業就有可能發生效率革命，異軍突起。
-
大數據+AI：催化制造步入智能化
-
智能制造走完要分三步：
第一步是數據化，也就是要收集足夠多的數據；
第二步是數字化，也就是要能用這些數據進行分析，給人的決策提供參考；
第三步才是智能化，也就是設置好算法，機器也可以作出生產決策。
智能制造的數據化相對容易，加上傳感器，就采集制造過程數據，但是數字化的難度就比較大：因為數字化相當於是從數據中找到關鍵指標，然後將這些指標通過關聯性分析，找出合適的算法，從而將數據變成指導生產的信號，怎麼辦？
JarviX全流程數據分析平台，基於增強分析技術並整合了先進的大數據架構，能從數據治理、實時監控、數據探索、AutoML到AI預測模擬器等方面，幫助傳統制造利用AI挖掘大數據價值，實現智能制造。
以下是訊能集思幫助一家全球LED生產領導廠商優化LED封裝制程的專案還原。
廠商具體現況與問題：
原物料質量不一，制程中同款測試機台結果落差，導致產出質量難以掌控；
產品少量多樣，新產品導入效益不易預測；
新實驗設計成本高，且僅能針對部分重點產品使用、通用性不高。
另外就管理系統而言：目前產線管理系統功能存在一定的局限性，物料到成品的生產中，無法完成對產品的全程實時跟蹤，出現數據斷流，使核算管理缺乏有力的數據支持。
針對該廠商當前狀況，並區別於傳統制造拼工藝的背景下，當前封裝企業拼競爭力拼的就是性價比和時間，簡單的說就是：同等質量下拼價格，同等價格下拼交期，因此企業就需要把現有封裝環節中的那些費時費錢的環節進行優化，特別是提高良品率、讓主色區的集中度更強等等方面去做優化，訊能集思由此設置了以下系統架構：
總體實施步驟如下：
根據框定的商業問題，從確認數據集開始，到構思與確認數據分析的流程
圍繞數據清理與特征工程的內容難點，以及考慮保有模型的彈性、避免機台差異、產品差異影響過大，並能學習兩段分布，我們采用主架構使用深度神經網絡、同時運用搭配對象偵測(Loss function)的核心算法來規劃與評估模型。
在最終一個月的多步驟模擬應用期，JarviX根據各不同產品投料規格及AT機台測試條件進行最佳集中度預測演算，提升了整體的集中度。同時也依據客戶的KPI指標（前3大集中度的不良率）作為衡量標準，由此利用演算模型來反推出每種產品最佳的前五名投料規格、供貨商推薦。
以上為訊能集思用大數據+AI的方式，幫助這家LED封裝廠商，提升了4%（前3大）落Bin集中度（良率核心參數），以及降低了80%的新產品導入時間。本項目在實施6個月後，盈利能力也得到了提升：人工成本降低35%，加工周期降低30%，材料利用率從88%提升高到97%，輔料節省3%。
從本案例中，其實我能看到對工業大數據價值進一步發掘，將成為制造企業智能化轉型的核心驅動力，通過信息系統與物理系統融合開始，依托大數據與人的知識數字化，使整個價值過程雲化、智能化，那麼中國的企業也能用最短的時間實現創新，包括且不限於提升企業整體營運效率、提升產品質量、減低庫存、改善交貨期、提供預防性的實時服務、減少勞動力的依賴等等。
-
關於SYNERGIES
由張宗堯博士在 2016 年時創立於美國波士頓，核心AI技術源于麻省理工學院。全球首創中文對話式決策AI，2019年發表JarviX數據分析全流程平台，透過頂尖AI增強分析技術，降低人員大數據分析門檻，輕量化和標準化企業冗長的分析流程，減少IT（資訊單位)、DT（數據科學家)和OT營運端的溝通成本及組織斷層，大幅提升企業數據決策品質和速度，加速企業數位轉型。Synergies曾獲Gartner評選為亞洲最佳工業AI新創，2021-22年連續獲Gartner Market Guide肯定為全球最佳數位轉型平台之一，成功案例橫跨500強企業及中小企業。
