“ 智能制造的优势体现在：通过实现车间的设备和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，通过算法、模型来预测未来，形成决策并反过来指导生产。”
多变和多元，是当前LED封装企业面临着市场需求，且经多轮价格战后，传统制造模式的竞争力已然式微，智能化的变革推动制造走向动态与灵活，就成为必须迎接的挑战。
本次案例，将围绕「LED封装产业」来跟你一起窥探产业核心，分享讯能集思如何用AI技术深入挖掘大数据价值，快速实现超大规模和超复杂度产业的协同与创新，帮助一家全球LED生产领导厂商，提升了4%（前3大）落Bin集中度（良率核心参数），以及降低了80%的新产品导入时间，以更好适应当前LED封装的大环境。
同时在JarviX平台导入后，系统性地帮助厂商完善了管理流程，做到清晰掌握物料流向，实现物料的消耗与每个产品相对应，与市场需求相对应；再则产线管理人员可利用战情室实时监控，实时调用出所需的机台稼动率信息，实时操作调整指令。
为什麽传统制造的效率已见顶
基于传统制造的发展范式，论技术、经验、人才的积累，中国的制造业仍不如发达国家的老牌制造业，中国企业似乎一直在走「拣国外旧技术或合资办厂等方式，在薄利中活下来再求发展」这条老路。
LED产业亦是如此，面对LED封装落Bin率问题：当集中度较低时，就会出现库存呆滞，企业成本随之上升。而采用传统的良率优化方式，无论是倚重技术人员过往经验的方法，还是导入AI订制项目的作法，都会发现研制新配方耗时过长，不能及时的反馈结果，带来订单的丢失和交期延误，新产品的落地也会随之受限，等等的一系统痛点。
究其原因，生产工艺是制造业企业日积月累一丢丢地攒起来的，可是中国的企业是后起之秀，远没有传统制造强国德国、日本企业有长时间的数据积累与技术沉淀。
德日的制造业之所以强大，还在于他们有大批的科学家、工程师，以及经验老道的技术工人。用一个生动的例子来说明，如果你问日企厂里那些戴着“金星”、“银星”的技术骨干：“产品尺寸有20丝偏差，怎麽解决？”他们能做到的是，在设备旁边听听异响，就能判断出这20丝的偏差是怎麽来的。
因此，基于传统LED封装生产工艺——纷繁复杂的细节与杂乱相生的环节，即便做到了极致的精益生产与流程，仍会存在着大量非智能化环节，无法实现智能化闭环，这就导致了细节和隐性的成本根本做不到化繁为简，导致企业的进一步在无形中丢失利润。
但是，今天「智能制造」的新打法出现了：通过采集生产过程中的参数，做数据分析，从数据中找到关键指标，然后将这些指标通过关联性，找出合适的算法，从而将数据变成指导生产的信号。
结合导入JarviX全流程数据分析平台的解决方案来看，对比传统或AI的解决方案，完成一个系统性LED封装良率优化周期，效率提升了10倍以上。厂商也不需要把每个人都培养成为能工巧匠，而是用数据弥补经验不足的短板，同时数据的积累也让技术的改进有了累加性。
在这样的背景下，中国的制造业就有可能发生效率革命，异军突起。
大数据+AI：催化制造步入智能化
智能制造走完要分三步：
第一步是数据化，也就是要收集足够多的数据；
第二步是数字化，也就是要能用这些数据进行分析，给人的决策提供参考；
第三步才是智能化，也就是设置好算法，机器也可以作出生产决策。
智能制造的数据化相对容易，加上传感器，就采集制造过程数据，但是数字化的难度就比较大：因为数字化相当于是从数据中找到关键指标，然后将这些指标通过关联性分析，找出合适的算法，从而将数据变成指导生产的信号，怎麽办？
JarviX全流程数据分析平台，基于增强分析技术并整合了先进的大数据架构，能从数据治理、实时监控、数据探索、AutoML到AI预测模拟器等方面，帮助传统制造利用AI挖掘大数据价值，实现智能制造。
以下是讯能集思帮助一家全球LED生产领导厂商优化LED封装制程的专案还原。
厂商具体现况与问题：
原物料质量不一，制程中同款测试机台结果落差，导致产出质量难以掌控；
产品少量多样，新产品导入效益不易预测；
新实验设计成本高，且仅能针对部分重点产品使用、通用性不高。
另外就管理系统而言：目前产线管理系统功能存在一定的局限性，物料到成品的生产中，无法完成对产品的全程实时跟踪，出现数据断流，使核算管理缺乏有力的数据支持。
针对该厂商当前状况，并区别于传统制造拼工艺的背景下，当前封装企业拼竞争力拼的就是性价比和时间，简单的说就是：同等质量下拼价格，同等价格下拼交期，因此企业就需要把现有封装环节中的那些费时费钱的环节进行优化，特别是提高良品率、让主色区的集中度更强等等方面去做优化，讯能集思由此设置了以下系统架构：
总体实施步骤如下：
根据框定的商业问题，从确认数据集开始，到构思与确认数据分析的流程
围绕数据清理与特征工程的内容难点，以及考虑保有模型的弹性、避免机台差异、产品差异影响过大，并能学习两段分布，我们采用主架构使用深度神经网络、同时运用搭配对象侦测(Loss function)的核心算法来规划与评估模型。
在最终一个月的多步骤模拟应用期，JarviX根据各不同产品投料规格及AT机台测试条件进行最佳集中度预测演算，提升了整体的集中度。同时也依据客户的KPI指标（前3大集中度的不良率）作为衡量标准，由此利用演算模型来反推出每种产品最佳的前五名投料规格、供货商推荐。
以上为讯能集思用大数据+AI的方式，帮助这家LED封装厂商，提升了4%（前3大）落Bin集中度（良率核心参数），以及降低了80%的新产品导入时间。本项目在实施6个月后，盈利能力也得到了提升：人工成本降低35%，加工周期降低30%，材料利用率从88%提升高到97%，辅料节省3%。
从本案例中，其实我能看到对工业大数据价值进一步发掘，将成为制造企业智能化转型的核心驱动力，通过信息系统与物理系统融合开始，依托大数据与人的知识数字化，使整个价值过程云化、智能化，那麽中国的企业也能用最短的时间实现创新，包括且不限于提升企业整体营运效率、提升产品质量、减低库存、改善交货期、提供预防性的实时服务、减少劳动力的依赖等等。
【延伸阅读｜带您深入了解各产业解决方案】对话式AI掀热潮，讯能集思推工业级ChatGPT
【联系我们｜带您体验企业无痛快速转型升级】如何快速導入低代碼數據平台顛覆傳統企業數據流程，解決企業轉型面臨的效率、成本和價值等問題，提升企業的決策水準。
