自動化生產製造現場管理的統計分析隨著資訊科技的進步、網實系統的發達、電腦運算速度的增加，以及資料蒐集和儲存技術持續改進，加速了大數據的累積以及統計資料的取得。有效結合大數據分析概念與生產管理統計分析，從現場生產傳送的大數據資料中擷取出有效的資料，可以發掘先前未知且潛在有用的資訊，並協助提高生產效能、創造更高的附加價值。
例如由生產機台傳輸每日操作紀錄，累計一段期間的大數據，將機台的開機時間、故障時間、保養時間、換模具時間…等資料擷取出來，提供生產單位建立生產績效、機器定期保養、模具維修保養、生產稼動率…等資訊，進而分析了解機器稼動率、機台故障週期、機器保養頻率、機器保養時間、模具耗損週期、模具損耗頻率、及模具保養時間…等有價值的生產管理資訊，提供自動化機器生產管理與提高機器效能的決策參考。
一、利用大數據分析產品製程
依循生產力4.0的概念，智慧工廠分成三階段；第一階段是傳輸大量資料讓電腦記憶與學習，讓電腦依循人類的指令做事；第二階段就是讓電腦來取代人類做一些簡單且繁瑣的決策與行動；第三階段就是設計更先進的硬體設備，來達到更多更省人力的事情。以少量多樣的化的製程為例，不同產品會經過很多工作站、不同機台和各種製程，其過程會產生大量資料，包含設備參數、製程參數、生產時間…等大數據，並具有複雜的關連性。例如表1。
將設計研發單位與生產技術單位的資料傳輸到雲端大數據，爾後如有類似的製程就可以由大數據來擷取資料做修改後變成新的產品製程，因此會降低產品設計與變更的作業時間，縮短新訂單試作開發的時間，進而增加接單成功的機率。另外由於有大數據可擷取資料，新製程移轉的速度也變快，轉量產的問題也較少，有利於後續客戶下單後的生產管理與品質管理。
二、利用大數據分析設備效能
機台加工過程中，可經由感應器收集巨量資料並即時監控，因此當有製程品質逐漸偏離、設備精密度變差的狀況時，就可提早進行預防性保養、維修，並建立設備的預防保養，以維持產品製程穩定性並提升良率。也可以透過長期量測、統計與分析生產過程的相關數據，評估該機台是否在正常運作的模式下運作，甚至發展成先進設備控制的預警系統。例如表2.1、表2.2、表2.3。
將生產設備的稼動狀況直接傳到雲端大數據，可以擷取每日／每週／每月甚至每年的機器運作資料，分析機台的稼動率。當機器有非正常停機或故障的狀況，生產管理人員就能掌握狀況，及時調整生產排程。 設備管理人員也可監督機器的使用狀況，依據稼動頻率與機器耗損狀況做預防保養與維修。
三、利用大數據分析生產瓶頸
同樣的，大數據分析亦可以應用在現場管理以降低生產週期時間，透過分析各個階段在製品（WIP）的高低和工廠物流的狀況，調整機器與人力配置來維持產線順暢。例如表3。
將生產線的即時資訊傳到雲端大數據，可以擷取每日／每週／每月甚至每年的生產在製品流動狀況。當機器有非正常停機或故障的狀況，在製品的流動就有異常狀況，這時生產管理人員就需要深入了解原因，及時調整生產排程，不能影響瓶頸製程的進度。生產單位主管也須隨適應變，以免影響交期。
四、利用大數據監督品質與預防改善
大數據分析也可以對於生產線品質管理有幫助。在生產製程中，一定會有品質檢查的動作，將品質檢查的資料傳至雲端大數據。由於每條高科技生產線都有許多感應器，感應器都會紀錄許多的數據，這些大量的數據亦可擷取資料應用在生產線的統計製程品質管理，藉由各管制圖的製作來了解製程品質管制狀況，結果可用來做早期預測產品品質，並作防範與改善。也可用來做生產程序控制。例如表4.1、表4.2、表4.3。
另外，如果傳至雲端的品質不良數據中有細部的分類資料，可以與產品的品質與缺陷相連，也可擷取作為不良原因分析，找出是機器或模具或人員的問題進行矯正預防。例如表4.4、表4.5、表4.6。
再用QC七大手法的層別法及散佈圖4.7、圖4.8、圖4.9的分析，可以推斷出機器5與作業員2產出不良率較高，為改善的重點；而模具不同造成的不良率比較不明顯，不過當同一模具使用頻率較高時，其不良率就會升高，也就需要做模具保養。
五、結論
透過強大的資訊系統和運用大數據分析，有如採礦作業，要從巨量如山的大數據中挖出有用的資料。隨著技術的發展和分析能力的進步，我們越來越容易從大數據找出有用的資訊來提升生產效益和品質，大數據分析儼然將成為輔助管理者做決策的基礎和推動智慧工廠的關鍵。台灣製造業的工程科技方向已定調為生產力4.0，而發展智慧機械聯網、善用大數據分析，才能使製造業在產品設計、開發、生產製造、銷售等更具有效能與競爭力，進而提高少量多樣化訂單生產力，創造更高的附加價值。
【參考資料】
- 2014年11月10日DIGITIMES中文網
- 電電時代第91期， 2015.07