今天的制造企業，由于自動化和智能化程度的提升，流程工藝越來越復雜，另一方面，市場需求也處于動態變化之中，使得供應鏈系統也越加繁復。而傳統的質量管控模式，面對高度復雜的系統環境，常常會出現以下問題：

1

故障源頭到底在哪里？

制造參數在不同工作站點之間具有交互影響性，單一檢測站數據無法反應制程異常，造成制造成本和不良品流出率增加。

2

制造缺陷真正原因是什么？

造成產品瑕疵的真正原因隱藏在復雜的供應鏈中，分析和查找導致異常原因的過程耗時且費力。

鑒于此，臺達自主研發了根因分析系統，基于機器學習技術，從數據驅動，找出質量異常的根源。

臺達根因分析系統的實施架構臺達推出的根因分析系統包括數據采集、數據整備、分析建模與系統整合等功能，其核心過程為：將設備狀態數據、工藝數據、質量數據、設備參數等信息采集，并進行數據清理/整合等處理，然后對數據進行建模與分析，自動推薦其質量異常產生原因，并將新產生異常原因及其相關知識存儲到數據庫。同時，該系統可以與其他管理系統集成，從而優化設計、工藝、參數設置等。

根因分析通過對生產過程中所采集的數據進行分析，挖掘產品異常根源和原因，以改進設計、工藝、生產、原材料質量等因素，達到提升質量、降低成本等目的，并促進知識、經驗的傳承。

根因分析系統應用機器學習技術提取影響產品質量的異常因素，并存儲為知識，然后通過對實時采集的各因素狀態與產品狀態進行分析，實現產品異常原因自動推論。根因分析系統基于統計理論與機器學習技術，建立特征工程與分析模型，可依據不同數據分布特性、用戶偏好，自動選用模型、調整參數，發現質量原因并將其量化。當異常發生時會自動連接制造執行系統數據庫，自動分析異常原因，并將影響因子圖表化呈現，便于快速判斷異常原因。

臺達根因分析系統已應用于自家工廠及外部合作伙伴，均取得卓越成效。以面板行業為例，其痛點在于：一方面，質量問題判定與解決高度依賴專家的知識與經驗，整個過程耗時耗力且缺乏一致性，且專家知識、經驗無法系統性保存與復用。另一方面，隨著制程復雜度增加，新人培訓門檻高、周期長、知識掌握難度高，培訓效果欠佳。導入根因分析系統后，自動采集、分析方法替代以往手工分析，系統將質量異常原因等知識結構化存儲，通過自動收集、分析各類數據，判斷質量狀態。當異常發生時能自動與生產系統等連接，從根源分析異常原因，及早發現并修復異常。經過應用，產品質量診斷時間提升80%，生產成本降低10%。

臺達生產質量精進系統

根因分析系統可搭配異常偵測、質量預測、參數優化等模塊，形成「臺達生產質量精進系統」，進一步全面實現異常實時發現、及時修復，并透機器學習技術自動優化生產參數，以提升整體良率、減少人力調校時間與客退率，進而提升商譽。