老編我今天要來談談工業4.0的活動涉及生產技術、IT等廣泛領域。企業體要如何推動與進行如此複雜的活動?怎麼開始?是那些KeyMan在推動工業4.0?
我想這應該是推動工業4.0上最困難的課題之一。工廠要能Production On Demand,隨須生產與經營管理的高層所在的Office資訊互通又即時。可行的旦法是建立包含產品設計、生產設備設計、生產、服務在內等涵概整條價值鏈(Value Chain)的完善數為基礎。高層的即時決策力是製造業實現Production On Demand的最佳協助。 也有先進跟老編聊到:建構數位資訊基礎需要的不同軟硬體整合能力,可以將虛擬與真實融在一起,對這樣Value Chain進行優化。Intelligent→通過為產品開發到生產的全部過程,可以提高生產效率、速度與靈活性。(舉例來說產品開發就是PLM,Product Lifecycle Management),從虛擬試製、試製、優化等軟體都已具備;而生產計劃方面,通過對整座工廠和各機台設備進行運轉模擬,可以節省時間與資源,還有能源成本,這也是董座先前提到的PLM工具與FA技術的整合呈現。當然,在生產與服務方面,也可以提供最佳解決方案。
所以,Integration就整合真實與虛擬。策略就是「整合」:一是產品開發與產品生命週期的整合;另一就是真實與虛擬整合。其中附加價值就是「標準化」,當我們把不同系統供應商的技術整合一起時都能正常發揮作用,這是發展自動化與進逼步開發技術與確保技術相容性。
有關工業 4.0 或第四波工業革命可以實現的時間,各方說法不一,而工業通訊標準、安全性、及人員培訓都是較大的考量點。很多專家們預測也相信未來工業 4.0 或第四次工業革命會在今後的 10 至 20 年有具體的完整實現。
2015年,應該是Big DATA大數據的應用年。以下有不同產業的實例應用;我們可以來思維一下該產業要的數據是什麼?可以幫該企業達到具體的行為反應在銷售數字或是就數據上有重大的突破。
1. 醫療業者:您能想想,如果您是一名醫學研究人員,蒐集許多患有相同疾病的病患資料,在其就診其間,這治療的過程所使用的藥品記錄中是那種藥物對其病症是有效的?分析人員是想從這資料中挖掘出那一種藥物適用於那種患者。(或許Decision Tree 是一種很好的分類模型) 另,可以將醫學研究中心蒐集癌症患者的細胞樣本進行採樣,利用此一數據進行資料分析後來提早發現該樣本是好的或是不好的樣本。
2. 零售業者:零售業面對的是廣大的普羅大眾,客戶稍不滿意或不如他意便是客訴。如果您是該公司的一員,我們是否可以建議您根據以往的促銷活動中,Based 在提供客戶的營銷活動,可以預測出短時間的未來能對公司更多的具體獲利。 (或許Decision list 是一種很好的分類模型) 另一案也是利用數據挖掘來預測服裝(針對男或女裝)每月的銷量,也是利用時間模型。 或是根據會員卡所記錄的客戶個人資料及購買商品的消費習慣等來發掘購買類似商品的客群以及其特徵。
3. 電信業者:一般國內的電信業者客戶分類基本上有3-4層不同的客戶,我們可以根據人口統計數據將客戶的特徵找出來,分析其共通性來發掘出這不同層級的新的潛在客戶。 如何不讓客戶流失,如果客戶帶槍投靠到競爭業者,而身為業者的您相當關注客戶流失的數量;那便可將服務的數據用來預測有那些客戶有可能被轉移到另一供應商,便可以設計提供客製化的優惠,盡可能來留住這樣形態的客戶。(或許Binomial Logistic Regression的分類模型) 還有,寬頻業者以可以利用客戶使用網路的預估來預測寬頻的使用,這可以使用時間模型來預測未來每區域的市場以及未來一季的寬頻使用量。
4. 銀行業者:這案例是利用預測來對不同客戶進行金融商品的接受程度;視那些商品適合提供給那些客戶。很適合顧客關係管理中的目標市場及客服中心。 另一種的應用也是預測客戶過去的貸款數據來分析得到的新的貸款人,核貸後會逾期的機率,作為放款的參考或提供客戶其它類型的貸款商品。
5. 資訊業:我們可以將機器被監控的狀態資訊,利用數據挖掘的方法來預測機器發生故障的機率。每一筆的記錄可以是機器設備在某一特定的時間點的狀態報告。
6. 製造業:大數據可以應用在汽車製造業,對於其競爭者已經上市的車輛中,找出其與汽車最相似的兩款原型後再擬定市場行銷策略來攻佔客戶群。
Big data產業的應用面,我們陸續電子報中談….. (敬請期待)