大数据时代的数据管理——如何练就台湾半导体的高效执行力

来源:爱集微 #执行力# #张岳维#
1.1w

【编者按】本文作者张岳维总顾问师,自1988年大学材料系毕业即投身台湾积体电路、LCD、LED的高科技制造行业,从基层工程师一路历任到品质、营运副总等高管。曾就职于华邦电子、友达光电、晶元光电,现任职于众行管理顾问公司。集微网经授权发布。

高效执行力的建构 制度-大数据时代的数据管理-DCAP

标准化只是建立初步稳定管理的基线,baseline,但是如何精进?让标准容易达成或知道如何持续提高标准,需要靠生产的数据来管理。尤其对科技业量产管理的必要系统-智能制造而言,数据管理是登入智能制造殿堂的第一阶梯。所谓管理靠数据,但是如何取得正确、有效的数据,让这些庞大杂乱的数据得先管理。

管理靠数据,数据先管理

管理铁率:没办法量度就没办法高效管理,可以量度的行为越多,量产的执行力就越高效。进入了工业4.0的时代,各企业无不争相投资跟大数据有关的硬件设施跟人员。大家都知道data is money,如何利用大数据来提升管理的效率跟效能,才能赢过传统靠人力收集信息、报表建立不及时的产业。可是笔者走访了很多花钱做数据管理的企业,发现前期数据管理没规划好导致资源的误用与滥用。轻则糟蹋金钱,重则引导错误的决策,深为这些企业主感到惋惜。数据管理不是花大把钱把AT自动化硬设备买入,成立IT部门采购套装ERP、MES、CIM系统就了事的。没搞好轻者白花银子退回人工原点,重者连原来的生产节奏都被打乱。

所以,我们来讲解一下怎么去做大数据系统的先期重要打底工作——数据管理,培养执行者正确的观念及手法。让数据的正确跟有效性可以达到,正确性是确保数据没经过人为粉饰的,好比以前量测尺寸是靠制造人员测量时,量久了就会倾向于合格的数据,免去在线处理异常的麻烦,然后在出货检查引起更大的麻烦。有效是抓到有因果关系的参数,不是只找到相关性,因果律及相关性是两回事,最大的差别是相关性无法产生预测、控制的方法。

例如严寒冬天,卖羽绒衣的生意特别好,这叫做相关;但是卖家只能凭运气,平常堆一批羽绒衣看老天脸色,如果今年是暖冬,避免款式过时,那就要打折赔钱卖;要是能从天气数据去预测何时有严寒冬天的话,就能控制进货量,那绝对稳赚不赔。以前半导体有一个有趣的相关,就是假日的良率反而比平日高,因此就有很多推测说法出现,例如没做保养少反而比较好,工程师干预少,假日领双薪士气高…。后来仔细分析,是因为平日活动多,进出无尘室的次数高,微尘Particle量上升造成的因果关系。半导体厂就据此更坚定朝无人化工厂推进,做数据管理,要搭配营运技术OT,才能把累积的经验联结到因果关系的参数,以免花了钱当冤大头,然后又回过头来说大数据是一个浪费金钱、物力、人力而没有效果的不落地装饰品而已。

数据管理的四个步骤界定,搜集,分析跟预测

导入任何的系统,稳当的步骤不外乎就是点、线、面逐步的展开,所以要做大数据之前一定要先找一个点试办,从这个点做成功之后,然后才上下串成一条线,最后左右水平全面的展开。那如何让试办得点成功。首先要掌握数据管理的四个步骤界定,搜集,分析跟预测如下图。图的右边收集与分析的工作已经被AI机器人给渐渐取代掉了。在半导体界,ADC(AutoDataCollection)自动化数据收集已经是标配。随着AI人工智能ChatGPT的发展,连分析也可以交给AI了。

简单的例子是:以前我们在使用Excel绘制QC 7 大手法的图表,有些指令功能不熟悉,就要费时翻找。未来我们只要告诉计算机,我想要什么图表,它就自动帮我们画好了。对企业而言原先聘请做收集、分析的人员,得尽快提升他们朝界定及预测更高阶的智能工作发展,否则就变成了冗员。

界定就是从专业知识及经验,去选定传感器Sensor及量测仪器,联结成品功能,规格与制程哪些的参数parameters有相关性,专业的人才就能把钱花在刀口上,不专业的就全部装,浪费企业资源。

搜集则要装置,设定传感器Sensor及校验量测仪器,实施度量,正确回传数据资料。设计程序卡控,确保这些数据是正确取得没有被误导与偏差。

接下来分析,就有赖优秀的工程人员指导程序设计者建立有效的分析逻辑及步骤并指挥AI运算,找出Y, y, x的相关强弱(注)。最后,把分析的数据交给团队讨论,运用知识及经验,再加上逻辑手法找出因果规律,做出最佳的预判,再建立knowhow的KM。

数据管理太重要了!很多中小企业都以为要花大钱搞智能制造,才可以用数据管理,裹足不前而蹉跎了时间。但其实错了,应该先花小钱做好数据管理就会省下大钱,再拿省下的钱来一步一步搭建智能制造系统。做了数据管理,马上可以有凭有据地评量员工绩效。此外,还可以发现用料浪费,重工再制浪费,库存过时报废,良率提升增加利润……,这样的案例不胜枚举,尤其是当公司从小作坊扩大到半大不小时,最容易进入这样的情境,因为出货周期开始拉长,半成品堆积看不清楚;分工越来越细,工作权责搞不清楚,创业者没办法再凭直觉与感觉就一眼看穿问题。此时建立数据管理是唯一且必要的解方。随着科技的进步,收集数据的硬件成本迅速的下降,是赶紧培养OT人才,建制数据管理系统,跳上大数据时代班车的时候了。再迟疑,可能连末班车都搭不上了。

注:成品检验是量测最末端的规格参数Y卡下不良品。如何不产出不良品,则要从参数的最前头掌握住。以往半导体基于成本考虑,质量管理计划,是在IPQC以量测仪器,量半成品的特性参数y。随着物联网IOT便宜普遍,可以从源头直接监控设备重点参数的x,就尽量少量半成品。硬设备重点参数(HWCQI)就是用IOT连线直接监控。

成品Y,半成品y及设备x的关系为:

Y=f(y1,y2,)

y1=f(x1,x2...)

责编: 爱集微
来源:爱集微 #执行力# #张岳维#
THE END

*此内容为集微网原创,著作权归集微网所有,爱集微,爱原创

关闭
加载

PDF 加载中...