工业互联网如何赋能高端制造？

在运营中对设备的工作状态进行识别，只有识别了不同的工作状态才能区别出在不同工作状态下的工作效率和关键KPI指标，这种识别原来全是手动识别或是专家经验识别，现在完全可以通过机器学习再结合专家经验的方式提取规则，创造自动识别的过程。

二，异常检测。

由于能够区分不同的工作状态，才能对不同的工作状态设一个稳定值，这叫SPEC值。一个设备可能工作在不同的SPEC和不同的工艺过程下，所以每个工艺过程要区分不同的工作状态，才能知道应该改进哪些关键工艺参数。

三，根因分析。

根因分析就是有多少种原因会导致最终的不良或排放、燃烧等关键指标低下。这种根因分析往往是在不同时间维度上产生的，可能几个小时之前的一个工艺参数会导致最后生产结果的质量、品质或关键指标的劣化。

数据分析需要把不同时间维度的海量数据结合在一起，通过相关性分析、相似度搜索等数据分析的方式，匹配到最有可能产生问题的一个匹配关系上。

四，SPEC的快速确定。

在不同工艺上，比方说85%、70%、65%的良率情况下对应不同的工艺参数范围，很多时候都需要从历史数据中找出相应特定条件下相关信号的工作范围，进而确定相应的SPEC值，这有助于帮助一个企业快速投产、快速从小批量生产进入到大批量生产的加速过程。

五，稳定性控制和评估。

在关键的生产过程中，有一些海量产出关键指标，比如半导体生产过程中的CD值，即关键的线宽要保证在一定的范围内抖动。利用数据分析，通过SPC进行稳定性控制，实现相应的过程控制，以保证关键过程产出的稳定性。

六，工艺仿真。

在确定了输入和输出之间的关系后，能否通过回归或者神经网络找到一个线性、非线性的模型，当最终检验结果的良率从85%掉到70%时，调整输入到某个关键值就能把良率从70%再拉回到85%？这些都可以通过海量的工业数据分析实现。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!