互联网+、大数据，如何助力制造业？

工业物联网将实体资产与系统及人员衔接起来，让数据在工厂中自由流动，帮助企业提升生产效率，根据IDC预测，到2021年全球将有七成以上的制造企业使用数据来增强自动化和运营。正如数据已成为各个行业的驱动力一样，制造业的下一次进化也将通过数据和分析提高运营效率。制造企业将利用新的数据源，并以创新的方式运用这些信息，来实现更高效的产品开发、供应链和生产力。“数据驱动型组织获得客户的可能性会提高23倍，保留客户的可能性会提高6倍，盈利的可能性则会提高19倍”。

目前，制造业已开始采用实时数据流来改善运营模式。实时捕获的数据可对设备维护、需求波动以及供应链中断做出响应，从而提高生产效率并降低维护成本。为了充分把握实时数据流带来的商业机会，制造企业必须重新考虑他们的数据管理方法，把重点放在有效的数据运用上。这种由数据分析驱动的“互联制造”方法正助力传统制造业朝着更加高效的运营模式发展，从而为企业、股东和客户带来价值。 例如，有些企业利用实时监控来优化生产流程，并管理物流；有些企业则依据数据进行预测性维护，取代传统的严格按照时间表进行维护的方式；还有些企业利用计算机视觉等先进的分析工具，通过视觉图像和视频推送来改进品质控制。

通过运用数据和先进的分析方法，制造企业可以实现各种功能强大的应用，特别是以下五个方面：

物料品质监控。

原物料品质不稳定其实有迹可循，然而传统SPC监控要等到发生问题时才会做出警示，此时不仅已经影响产品品质，更不容易找出原因，而MAO则是主动分析趋势变化，发现潜在问题及早做出预警，以便能及早解决(如：更换物料)维持产品品质。

设备异常监控与预测。

传统SPC监控虽然也涵盖设备参数，但有时设备仍然会发生问题，工程师也不知道设备发生问题该怎么处理最有效，MAO运用设备感测资料及维修日志，找出发生设备异常的模式，监控并预测未来故障机率，好让工程师可以即时执行最适决策。

零件生命周期预测。

零件或耗材有其生命周期，制造业者多半根据供应商建议进行定期更换，却忽略了生产及环境条件对耗损速度的影响，导致以下两种情况经常发生，一是在太早更换零件，造成不必要的开销，二是太晚更换零件，导致品质受影响。MAO根据生产及设备状态资料、零件资讯，精准预测零件生命周期，在需要更换的最佳时机提出建议，帮助制造业者达到品质成本双赢。

制程监控提前警报。

制造业的制程参数相当多且彼此会互相影响，若是因为制程参数偏移而影响产品品质，工程师只能单一站点逐步追查，相当耗费时间，而MAO的做法是建立产品品质预测模型，找到最佳的制程黄金区间，一旦发现制程参数偏移到区间外，便即时发出警报，让工程师可以即时进行调整或其他决策。

良率保固分析。

对制造业者来说，产品良率过低或是出售后于保固期间内发生问题，不仅会增加成本，更直接影响企业形象与客户满意度。因此MAO结合生产设备、产品良率及维修保固相关资料，建立预测模型，以预测良率并降低保固成本。

所有这些基于数据的现代增强功能都在助力制造业变得更好，优化产量并简化实现过程。