成功案例 – 南寶樹脂化學工廠股份有限公司

產業 化學原料製造業
創立年份 1963年
公司規模 約3,000 員工數
資本額 新台幣 12億元
2020年營業額 新台幣  156億元

關於南寶樹脂

南寳樹脂坐落於臺灣台南,營運據點遍布全球23座城市,為國際級的化學原料工廠、台灣第一大接著劑品牌,產品線跨足鞋用膠、接著劑、塗料、熱熔膠、建材,不只是世界第一鞋用膠品牌,更深入一般消費者的日常生活,從生活必需的運動鞋、文具、觸控面板、紡織品,到專業領域的應用,如運動器材、醫療衛生用品、汽車等,甚至是防水抗蝕用漆、中空玻璃、太陽能支架等建材及大台北地區的自來水管,都有南寶樹脂產品的身影。

南寶樹脂的的挑戰

「這是我們第一次找廠商把舊設備數據抓出來應用,希望從中找出產品各項因子的關聯性和優化的空間,但我們找AI Solution找了一年,伊雲谷是我們第一家有做出成果的廠商。」-南寶樹脂資訊部協理 郭沛益

  • 製膠需經歷許多製程,其中多以人工經驗進行判斷,缺乏一致性及系統化及數據導向的管理。
  • 製造過程包含溫度、濕度、真空壓力值、酸鹼值、轉速、電流、槽體重量、電磁閥開關等175個點位,不易精確判別其對於良率影響之關聯性。
  • 機器老舊、資料龐雜分散,且無專業人員協助彙整及前期處理,導致人工智慧解決方案窒礙難行。
  • 期許跳脫經驗式管理,幫助全球各地製膠工廠在不同的環境下,持續精進核心產品,並穩定提升良率。

伊雲谷提供的解決方案

「每個部門都有自身生產製程上的經驗,因此對於指標的定義、數值背後的現象都有不同的解釋,然而大家都有共同的目標,就是要從預測數值中確保品質的浮動穩定,例如物料攪拌設備會隨著時間累積殘膠,若能有一預測指標能夠幫助人員進行洗鍋或換 Pods ,就會很有幫助。」-南寶樹脂資訊部協理 郭沛益

  • 與研發單位合作,於 PLC 抓取數據,從製程眾多點位中選擇重點參數,將非變項之固定值排除。
  •  AWS 部署數據解決方案使用 EC2、 S3、 ELB、 CloudFront 等服務,針對製程中多維度時間序列的資料,使用 AWS IoT Analytics、Kinesis、 Athena 等工具來進行數據對齊等前置處理、整合、特徵處理及分析,並將傳感器資料及品質檢驗數據,以深度學習演算法 (Deep Neural Network) 來建立模型關係
  • 與品保單位合作,結合產業專業知識,來掌握品質重要參數;如:產品拉力、耐熱性或黏度,進一步分析出影響良率的關鍵因子。
  • 根據相關資料分布情形重新訂定門檻指標,確保模型訓練成果適用既有產品的允收標準。
  • 根據產業場景設計教育訓練工作坊,指導團隊建置品質預警等自動化流程,幫助相關人員於關鍵製程結束後得以立即掌握產品品質狀況及成果。

合作成果

「思考集團的 IT 策略與轉型,制定效率改善方案才能夠真正發揮資訊部的價值,進一步幫助公司奠定扎實的營運能量。」-南寶樹脂資訊部協理 郭沛益

「對於仰賴經驗的傳統產業,可能會因數據成果而顛覆既有認知,作為顧問應清楚地闡明專案背後的邏輯、脈絡及算法,才能讓業主及團隊,更能接受不同的成果及觀點。」-伊雲谷資料科學顧問 ShunChih Lin

在僅有少量偏差樣本的情況下進行品質資料驗證:

  • 建立重點產品製程之預測模型,能從重點化學反應之關鍵製程中,針對品管指標:產品耐熱度,來進行預分類。在歷史資料中,隨閥值調整,最高可判別近80%的偏差樣本。
  • 透過模型分群來分析製程中影響品質之關鍵因子:
    • 分析出近 60% 的偏差樣本及超過 50% 的正常產品批次樣本,多落在特定爐外溫度變化之中,進一步驗證其爐外溫度對產品耐熱度的影響。
    • 分析成果呈現出 93%產品批次樣本,與特定爐內溫度變化的關聯性,協助相關單位找出爐內溫度對產品的影響,並依據產品特性規劃出最適溫度區間。

成功結合數據應用及產業經驗:

  • 驗證AI模型對傳統製程的可適用性
  • 以驗證成果進行優化製程參數及設備維護
  • 未來規劃為相似製程進行產品分群,進一步優化生產效率
  • 為未來發展內部決策模擬奠定資料科學之基礎,預測企業及產品線的未來商業表現。

圖為南寶樹脂總公司

深入瞭解南寶樹脂專案
聯繫雲端專家
2022-05-10T13:37:23+00:00