專題文章：塑膠加工生產零件壽命預測：利用MES系統與機器學習提升工廠大數據分析與生產良率
透過導入MES系統與機器學習（Machine Learning）方法，塑膠加工廠能夠精準掌握關鍵零件壽命，並提升整體生產效率與產品良率，實現智慧製造與工廠數位化轉型目標。
客戶背景
- 塑膠加工廠
客戶需求
- 需求與痛點一:工廠累積許多大數據資料，但苦無適當之分析軟體，希望能透過一個完善的工具，提升工廠的生產良率與效能。
- 需求與痛點二:設備當中的關鍵料件/耗材(蝶式過濾器)，依照老師傅經驗每四週更換一次，但從來沒人知道為什麼?為何不能延長使用時間?是否有機會可以預測出真正需要更換的時間?
解決方案
- 方案一、對大量的歷史資料，進行分析與理解，過濾不必要的資料，並進行篩選。
- 方案二、針對原始資料(raw data)，進行統計，並建立每筆紀錄的labeling資料。
- 方案三、利用LinearRegression的機器學習方法來解決時間序列的預測問題。
- 方案四、系統增加時間序列的what-if分析功能，不僅提供預測數值，也能進行不同情境模擬，支援管理決策。
NTT DATA 導入效益
透過 IDI+平台，將雜亂資料轉換為易操作的訓練與測試資料集，並可直接選擇模型進行訓練與預測。
依據過濾器 datasheet 數值進行 LR 學習分析，平台自動轉置資料維度後，快速預測零件可使用 5 週。
預測結果可將耗材使用壽命提升 20%，有效降低生產與維護成本，提升塑膠加工生產效率。
幫助工廠建立智慧化設備管理與數據驅動的生產流程，確保生產流程穩定且可靠。