連續性製程產業
服務公司 A
公司簡介
資本額約586億新台幣;員工人數約5000人
困境
- 如何找出最適品質指標?
- 在多種製程參數中,找出最適的重要參數?
- 如何制定節流策略?
目標
- 透過資料驅動方法,找出最適的重要參數
- 使用GAM等相關技術,制定節流策略,並找出最適品質指標
成效
- 協助節省約1000萬/年之成本
- 協助找出最適的重要參數,提供參數控管之考量
技術應用
GAM
各類統計分析技術
機器學習
案例剖析
身處連續製程產業中,工業人工智慧技術是現今的趨勢,本專案將從基礎的參數資料整理至品質參數分析、機器學習應用及預測,優化製程參數等,讓連續性製程可以結合數據分析技術,更透過節流矩陣,找出變數的最適調參甜蜜點,進而提升專業能力。
專案執行從複雜的工業製程參數,進行工業參數資料轉換、處理與清理,視覺化呈現數據結果。在完成了參數資料清理及視覺化基礎後,進行製程參數分析、調整,以及製程參數的建模與預測,優化工業製程的各階段工作。
分析解決顧客的痛點包括:
- 透過參數資料,找出在品管核可範圍內的最佳節約點
- 應用統計分析方法,找出最適品質指標分析參考
- 評估每個機器學習模型的預測效果,找出優化方法
- 面對多種製程參數,找出最適的重要參數
- 透過視覺化互動網頁,檢測易被忽略的數據異常值
- 制定節流矩陣,評估方案最佳的效益
- 從0建置GAM模型,掌握參數調整訣竅
需求1:要節能?要品質?我兩個都要!
解決個案:製程品質與節能條件最佳化分析個案

需求2:品質控管標準參數這麼多,如何選擇?
解決個案:品質控管標準參數選擇分析個案

需求3:一堆參數眼花繚亂… 拜託給我有用的參數!
解決個案:製程參數重要性篩選個案

需求4:如何讓主管與執行人員都可以擁有一致的「參數」調整目標?讓節能與品質提升最大化
解決個案:製程重要性參數一致性分析個案

需求5:不是說AI很夯?那在製程資料上可以幹嘛?
解決個案:智慧監測個案

運用六種機器學習模型,四個步驟協助其達到開源節流之目的。

