close
当前位置: 物联网在线 > 行业应用 > 智能工业 >

智能制造商如何将工业4.0原则提高到质量

质量很重要。许多制造商会告诉你,质量差,影响到最高和最低。他们会告诉你,质量差的后果正在崛起,社交媒体可能会使质量问题对OEM品牌造成破坏。他们也会告诉你,他们正在努力应对。问题?虽然质量不佳的后果不断上升,但利润率压力也是如此。保证金压力意味着预算紧张,很少能以传统方式作出回应。智能制造商需要有不同的思考。

质量成本正在上升

除品牌影响外,质量差也对底线产生实质性影响。我们必须报废或返工可能侵入整个设备效能(OEE)措施的缺陷产品,导致工厂效率低下。一旦有缺陷的产品离开工厂,挑战只会增加。不断增长的供应链复杂性意味着产品的查找和召回成本越来越高。
全球最大的电子产品制造商之一的Flex公司估计,在产品创建上每花费1美元,他们花费100美元为质量问题制定解决方案。
灵活的质量为智能制造商
 
这是令人难以置信。解决方案可能包括追溯根本原因分析,以确定原材料投入上游或制造过程下游的问题。这也可能意味着要回到产品开发,以了解产品设计如何有助于提高质量。

不同的行业; 对质量有不同的影响

质量差的影响取决于行业的变化。例如,电子行业的数量问题。原始设备制造商每分钟生产数十种产品,这意味着在识别和解决问题之前,手机外壳或电路板组件中的缺陷可以重复数百次。这是很多潜在的废品或返工。智能电子原始设备制造商寻找影响检测速度的解决方案 他们需要快速确定质量问题,了解根本原因,并在创建数百个缺陷单元之前实施解决方案。
汽车企业面临着不同的挑战。在这里,OEMs专注于制造精度。毫米的问题和高度的自动化意味着校准不良的设备可能导致小而有意义的差异。有时候,这些差异可能会很小 - 这么小,只有经过高级培训的具有复杂测试工具的人员检查员才能发现差异。智能汽车原始设备制造商寻找可以帮助人类检测人员更准确地识别这些非常小的偏差的解决方案。

传统的检测方法可能是昂贵的,缓慢的,无效的,有时甚至是危险的

传统的手工检查可能会有问题。质量检查是一项高压工作,如果没有新的工具或方法,对人的依赖就会变得缓慢而无效。人类犯错误 我们累了,有不好的一天。我们需要广泛的培训来发现缺陷和再培训,以跟上新的模式。所有这一切都会阻碍敏捷性 - 随着劳动力老化和退休,这个问题愈演愈烈。

一些原始设备制造商变得更加聪明

越来越多的行业中的智能OEM越来越多地向IBM提出如何通过质量检查流程变得更加智能。这些公司正在寻求技术援助,特别是机器学习和人工智能来解决这个问题。幸运的是,IBM有许多可以提供帮助的解决方案。
一些公司正在设法更好地了解有助于提高质量的因素。我们超过了质量门槛吗?温度或湿度是否起作用?设备使用寿命和维护周期如何?IBM有一个称为Prescriptive Quality的基于统计的解决方案,可以动态地衡量可能导致问题的变量。当检查人员无法根据图像或声音识别质量时,这是一个很好的解决方案。
原始设备制造商最感兴趣的领域之一是AI技术如何识别与质量缺陷有关的视觉或声学模式。可以使用图像来识别手机外壳或汽车油漆工作上的划痕吗?在产品从测试中释放之前,声学传感器是否能“听到”功能不佳的洗碗机?答案是肯定的。IBM有两个解决方案 - Visual Insights和Acoustic Insights - 使用复杂的AI来发现缺陷。什么更令人印象深刻?这些解决方案可以从少量有缺陷的图像或声音开始,并可以随着时间学习变得更聪明。

这是否意味着我们不需要质量检查员?

很多这些基于AI的解决方案很容易取代质量检查员的工作。然而,情况很少。聪明的公司将这些解决方案视为帮助质量检查员提高吞吐量和有效性的工具。简而言之,像Visual Insights或Acoustic Insights这样的技术可以帮助检查人员更快速地检查产品,更少的失误和更少的误报。这些技术不是取代检查员,而是成为重要的辅助工具,帮助OEM在不牺牲利润率的情况下更好地应对质量上涨的成本。

采取下一步

想要详细了解IBM如何看待质量,以及如何帮助OEM解决质量问题?
在这里了解AI时代质量管理的更多信息。
获得有关您的业务的具体质量解决方案的更多细节
  • IBM规定质量
  • 查看IBM Visual Insights解决方案


(责任编辑:ioter)

用户喜欢...

工业4.0真的是它自称的制造业救星吗?

制造商面临压力。他们需要用更少的钱做更多的事情,这往往意味着要想方设法节省开支,扩大利润。选项?制作更多的成品和更便宜的产品停机时间更少,浪费更少;缺点少,满意度高,所需...


工业4.0:最大的问题可能是你听不到的噪音

我们都知道,工厂的地板可能是一个嘈杂的地方:噪音引起的听力损失是美国最常见的职业病之一,但不仅是人类有风险。尤其是自工业物联网(IIoT)(也称为工厂4.0)到来以来,看不见的和...


从理论到现实 企业如何一步步采用工业4.0

随着工业4.0时代来临,企业工作环境几乎已被各种技术渗透。因为机会众多、规模庞大,所以需要一段时间才能充分...


物联网预测性维护让制造业降低营运成本

机器故障让制造业付出巨额成本,所幸现在的传感器与机器学习等新技术,可以做到提前预测,进而减少停机时间。...


工业4.0正悄悄改变供应链

第四次工业革命的发展速度前所未见,相较于过去的工业革命,现在工业4.0正呈现指数成长,而非线性成长。工业4...


第四次工业革命 10大成功守则

第四次工业革命正如海啸般地席卷全球,未来的竞争,将不会是大鱼吃小鱼,而是快鱼吃慢鱼的新世界。...


工业4.0浪潮来袭 预测性维护迈向主流

麦肯锡的“人工智能:下一个数字前线”报告指出,人工智能(AI)将实现预测性维护,而事实上目前这已经不再只是空...


思科:成功推展工业物联网计划五大要素

工业物联网没有像消费性网络一样呈现爆炸性成长,但却可能带来的丰厚投资回报,却非常引人注目。据报导,思科...


自己接单自己生产,工业物联网智慧过人

物联网时代,大部分厂商没有能力和资金,难以进行大量且长时间的数据处理,因此,工业物联网平台必须提供简易...


工业4.0正火 性别差距恐加剧

各国看到工业4.0背后的成长新动力,却同时对职场性别结构的潜在动摇,没有同等的重视。到底这场重塑制造业未来...