I-Connect007的Happy Holden和Nolan Johnson采访了Siemens Digital Industries Software公司的技术营销工程师Zac Elliott和Computrol公司运营副总裁Farid Anani，就如何实现电子制造卓越运营进行了深入探讨。采访首先讨论了自动化项目最初可能产生自动化孤岛的动态过程，以及最终连接这些孤岛从而实现更高运营效率的必要性。并且阐述了如何使数据更智能、更有效地用于分析和优化。
在整个采访过程中，Anani分享了他在Computrol公司实现自动化工序的第一手经验，Elliott通过案例进行了总结，在这个案例中，一旦两个工序步骤都可以访问相同的数据，就可以利用制造步骤收集来的数据实现完全不相关的质量检查。
Nolan Johnson：各位好，我是I-Connect007的Nolan Johnson。谢谢你们接受采访。今天，我们将探讨如何实现电子制造领域的卓越运营。我们邀请到了Siemens Digital Industries Software公司技术营销工程团队的Zac Elliott，以及电子合同制造商Computrol公司的运营副总裁Farid Anani，当然还有尊敬的共同主持人、PCB制造界的知名人物，同时也是我在I-Connect007的同事Happy Holden先生。
欢迎各位。关于在数字工厂市场开发新产品和新解决方案的讨论相当多。二位能否尽快让读者了解目前数字工厂的概况？Zac，让我们从软件的使用开始。
Zac Elliott：好的。我来自西门子公司，我们正在利用数字孪生策略和数字线程策略，真正尝试连接制造这些电子产品的不同业务领域，并连接工厂内部，将不同的工序连接在一起，以真正精简和改进制造过程。
Farid Anani：是的。随着时间的推移，我们一直在系统和业务工序改进计划方面进行投资，在某些领域，我们公司表现出色，并能够引进前沿技术来应对业务挑战。然而，我们意识到，如果系统能够以某种方式连接起来，并且利用彼此之间的信息，还可以实现更多目标。这就是电子制造业目前的发展状况。
Johnson：开始把分散的业务领域连接在一起？
Anani：是的。
Johnson： Zac，从西门子的角度来看，具体的目标是什么？
Elliott：我认为Farid正在处理的正如Happy所说的自动化孤岛，我们有非常好的工序、最好的设备、最好的ERP系统和最好的操作员和工程师，但是当把所有的东西都集成到大型生产线和工厂时，效率却会降低。为了把这些孤岛连接成大陆，形成能真正合作以提供全部价值、全部能力或全部可能性的系统，需要真正审视每一个过程以及整体地看待系统。
Johnson：Zac，业界谈论数字工厂如何为实现工业4.0，并将整个制造工序中的所有数据整合使其可用时，听起来不像“自动化孤岛”。就整体的远景而言，还有在实施集成的过程中，你谈到了集成孤岛。能否再解释一下？
Elliott：是这样的。我认为最终需要以某种方式来连接这些孤岛，使它们真正相互反馈，这样就可以将数据反馈到工序中，并改进工序之间的关系。以直通良率为例，制造产品需要多道工序，每道工序良率不同，如果前道工序良率为90%，下道工序良率为90%，最后集成到一起，良率就只有81%。当持续改进上游其中某道工序，将其良率提高到100%，但因另一工序的限制，最后仍然只有90%的良率。
这也许是最好的情况。如果考虑最坏的情况，我们会改进工序，实际上会把瓶颈推到下游，或者把问题转移到其他地方，这会对其他工序不利。必须考虑工序如何合作，需要一些方法使其一起合作。这就是西门子将数字孪生战略和数字线程结合的原因，这样就能够真正地对每一个工序进行原型化，然后来回反馈数据。我真的认为这些向前反馈—向后反馈循环可将工艺带到更高水平。因为我们可以让单一的工序完成得很好，但正如我所提到的，当我们开始把所有工序集成在一起，一个工序接一个工序，效率就开始降低；在工厂里实施集成时，这些小的效率损失复合到一起就变成了大问题。
Johnson：我们今天的讨论并不是针对成品，而是一步一步地完成工序，制造出成品。
Elliott：是这样的。我们所看到的关键点之一是通过分析向管理者提供信息，以便他们能够采用信息。我们要做的关键事情之一就是把原始数据转换为智能数据，这意味着可以接受、使用，并据此做一些决策。如果深入研究其中一个工序，我们可以讨论物料管理，或者尝试从SMT设备的信息中获取智能数据的方案。SMT设备具有复杂的设置，并有良好设置验证系统，可以通过收集设备的所有数据来驱动系统，例如，及时地将物料传输到设备。
但这需要很多信息。不仅仅是来自设备的数据，也不仅仅是关于装载部件、运行设备以及运行速度等数据，还有关于生产计划的信息。这个产品要运行多久？库存需要有多少元件或补充元件？应当把哪一卷元件送到生产线？是要发送FIFO还是要查看MSD？为了丰富生产线的基本信息，形成可以据其做出决策的智能数据并用来指导工作，需要从不同的地方收集信息。
Johnson：你们正在从生产线上提取如何完成制造需考虑的精细数据，然后用这些数据来推动制造PCB之外的运营，以支持制造业务。这是数据应用级还是从数据中提取？
这似乎才是人们现在真正关注的。因此，将原始数据转化为智能和分析性数据是目前的关键步骤。你们正在和那个领域的客户合作？是否可以和我们分享其中的一些应用？
Elliott：当然可以。是有一些应用，包括物料管理和向生产线运送物料，这些是我们正在开发的重点。很多时候看到的是：优化SMT生产线，使它运行良好；突然仓库出现问题，然后又必须优化那里。我们进行了大的投资，以确保生产线运行良好，但因为存在一些物料瓶颈问题，生产线不能运行。虽然做了大量工作来确保SMT生产线运行良好，但是还必须研究和优化上料工序、下游接收产品的工序。因此，我们不只是解决瓶颈，还不断有起初未遇到的问题需要解决。
Johnson：如何将原始数据转化为智能的数据或至少是具有一定智能的数据？
Elliott：需要能收集所有数据。需要有能够连接到生产环境中不同业务工序的系统，能够连接、存储并规范这些原始数据。工厂不可能只有一台设备或者只有一种工序，所以需要一种规范化信息的方法，这样就可以比较不同的数据集，并对数据进行分析。
Johnson：Farid，作为Computrol的运营副总裁，可以说是有现场工作经验的代表。通过建立卓越运营，你看到了什么？
Anani：对于Computrol这样的电子产品制造商来说，在车间里，提高产品质量和良率是我们始终在努力改进的，同时还有提高产量，以此才能保持竞争力并扩大业务。当然，如果想增加产量，可以再买设备，为它融资然后花300万美元，但这并不一定是最好的选择。对于我们来说，更多的是专注于物料管理，Zac在车间采用了一种方案，以此简化工序。
我们有一套先进的ERP系统，可关注物料需求、可用物料、订单。当订单需要额外的物料，系统会告诉我们需要什么、什么时候需要，这样采购人员就可以及时把物料采购回来以便进行生产。这是ERP系统非常好的功能之一，但ERP系统只能从整体上看物料状况。比如，上面写着“这个部件需要20000个，现在只有5000个，需要再购买15000个，在这个截止日期前需要采购回这些物料”。只要按系统要求采购即可，这很棒，当谈到后面的来料接收，接收员工说：“好吧，我们从Digi Key买了这个部件，预计15000个，所以我会接收这些物料，这是正确的部件。”检查这些部件后送到仓库。ERP功能到此结束。部件送入仓储柜后，要应对的是不同的系统。
仓储柜不仅会显示收到了15000个部件，而且还会显示这些部件在3个不同的物料卷上。这3个不同的物料卷上各有5000个部件，可能来自不同的生产批次。所以此时数据粒度更大了——不仅是有多少数据，还有是什么数据。到了生产时，系统必须告诉仓储柜生产线需要什么部件。此处连接断开了。如何告诉仓储柜现在生产线已准备好生产这个产品了？——需要实现ERP到与仓储柜的集成，因为ERP有产品的物料清单，它需要告诉仓储柜“我要制造1000个产品，因此我需要你分发我需要的物料”，于是就实现了连接。
现在，物料已送到了生产线，设备开始运转，ERP知道需要多少物料来处理订单，仓储柜也知道它给生产线送了多少部件。如果只需要部分数量，仓储柜不会切割物料卷，而是发送完整的物料卷。比如实际需要10000个部件，但仓储柜可能会发送12000个或其他数量，取决于物料卷上有多少个部件。如此，物料数量不确定，仓储柜只知道物料数量，但ERP系统不知道，只认为“需要10000个部件来完成这个订单”，于是这里出现了另一个连接断开点。
产品装载到设备上，设备开始放置部件，设备不是完美无故障的，比如贴装部件的吸嘴或组装操作人员失误导致物料损失。好吧，你不能事先告诉ERP系统可能会有3%的损耗。设备上损耗多少可以统计，但仓储柜不知道，ERP系统也不知道。
现在出现了另一个连接点，如果ERP认为你要用10000个部件，但是设备损耗了20个或30个，除了设备外其他系统都不知道。我在这里想要说明的是为什么需要在3个系统之间进行实时的小数据收集，以提高效率。现在需要考虑的是物料实时状况，以及如何准确处理物料。为什么这点对像我这样的人很重要？为什么不准备额外的物料呢？因为那样不可行。公司的CFO告诉我：“制造行业的利润不高，所以不能额外买3%的物料然后把它储存起来。”我理解他的苦衷。但是，如果我们不能准确地了解所拥有物料的状况，就有可能因为意外缺料中途停产。
这直接导致效率低下。当机器闲置时，就是赔钱的时候。如果在设备运行过程中因为忽略而用完了一个部件，那对工厂是非常有害的。提高生产力的另一个要素是设备运行时间。当因转换产品导致设备空转时，生产是停滞的。Zac开始描述的系统亮点在于，通过前瞻性和后向性观察，对比下一次运行所需的物料和上一次运行所用的物料，实际上有助于最大限度地缩短产品转换时间。弥补不足和发布信息给仓储柜，仓储柜就会发送足够的物料，使生产线正常顺利运行。当物料开始消耗时，设备会向仓储柜发送更多的订单，以便将更多的物料实时送到生产线上。因此，不会出现1~2小时的转换产品时间，而且能够通过遵循这个方案和相关技术，将转换时间减少到30分钟或更少。
因此，我希望通过一个真实的案例来说明车间里发生的具体情况，以及如何通过辅助系统将3个不同的系统连接在一起，使它们能够实时智能地传递信息。当3个系统共同协作时，就超越了每个系统单独的作用。
Johnson：Farid，你致力于构建这个集成项目有多久了？
Anani：实施物料管理系统是在过去几年才开始的，当然，对我们来说，这是一个漫长的过程，还有很多工作仍在进行中。任何公司都不可能在一夜之间完成2栋大楼和7条生产线的部署。但我们正在取得良好的、稳定的、有条不紊的进展，而且看到了迄今为止这些工作带来的好处。
Johnson：就像Zac刚才提到的，生产线问题解决了，但突然间一部分运行问题转移到另一个部门，比如物料管理或来料接收部门。当对一个工序进行智能化处理时，就会意识到在其他地方的新问题，就会在一个工序到另一个工序之间解决问题，所有一切技能就会螺旋式向上提高。这样说公正吗？
Anani：是的，这是公正、准确的描述。过去取决于所接收的物料，如果收到大量货物，可能需要更长的时间才能把物料运到合适的储存地点；但现在可以通过来料登记获得物料，一旦物料出现在接收工作台，该系统基本上有助于获得所有的信息。一旦完成对物料的扫描，所有的系统都知道这个物料已进入公司，它是什么，数量是多少，批次是多少，我们有更多的实时可视性，而不是必须等待1天或2天的人工接收过程、人工物料转移。
因此，随着生产线开始更高效地运行，从后端到生产车间的物料流动需要更快地完成。这是一个向上游移动的问题，幸运的是，通过物料接收注册，可帮助实现这一点。现在，采购人员必须更加积极，以便在提高产量的同时更快地将物料运到公司。
Johnson：到目前为止，物料管理系统的优势有哪些？你认为它适应工厂的生产产量吗？
Anani：是的，它适应。在工厂车间产量方面，由于设置时间的缩短，以及意外用完物料的状况越来越少，设备得到了更多的利用，实现了更高的设备利用率。设备利用率有两个关键要素：转换产品时间和设备利用时间。
Johnson：你们的人工利用有提高吗？
Anani：有提高。现在基本上可以通过这个系统提高每位员工的产出。因为很多过去分配给间接人工的时间，也就是支持功能，现在变成了实际的直接人工，也就是生产产品。
Johnson：在采购方面如何？它们是否有改进和提高效率？
Anani：在这方面，我们还没有做很多工作，未来将是工作重点之一。现在的重点主要是车间性能，而且我看到这方面已经有所改进。
Johnson：你一定能够看到它的优势，它可渗透到Computrol公司的方方面面。
Anani：对。我期待这个智能系统未来的物料调度功能，它可增强改善ERP所传递的信息。
Johnson：Zac, 我对实现自动化的其他方法很好奇。业界正在讨论包括诸如机器人搬运之类的自动化。贵公司正在和做这种产品的客户合作吗？
Elliott：是的，很多时候这是下一个合乎逻辑的步骤。当你把仓储柜连接到SMT生产线时，可自动触发仓储柜的卸载，现在你会想这些物料是怎么到达生产线的？当然，考虑这些自主机器人合乎逻辑。我们现在与制造商合作，利用机器人将原材料转送到车间，下一步就是开始组装在车间移动的组件。一旦在SMT生产线上组装完成，这些PCB就会被机器人转移到测试区域。我们一直都有这些独立的测试单元，它们主要针对产品，而且SMT生产线实际上是一条多种产品使用的专用SMT生产线。制造商采用细胞方法，即SMT生产线作为一个细胞，测试区域作为另一个细胞，拆分拼板也作为一个细胞，让机器人在车间内搬运物料。
所以你可以让机器人把裸PCB带到生产线的前面，他们可以把元件送到SMT设备，也可以从生产线的末端取出部分组装好的子组件，然后把它们带到测试区域，或者把它们带到拆板区域。这就是我们正在尝试的工作方式，基于我们可以实现的自动化，可使整个车间变得灵活。
Johnson：很好。当我们坐在这里谈论自动化或工厂车间正在发生的一切时，很难不谈到COVID和冠状病毒对开展业务的影响。对Computrol的Farid来说，您正转而研究更自动化的集成数字工厂方法。是受到COVID的影响，还是COVID助力了推动？该方法适合贵公司吗？
Anani：我认为，根据Zac所描述的，利用机器人技术将物料从仓库运送到车间，或在不同车间单元之间搬运，肯定会减少人与人之间的互动。这会减少在车间近距离工作的人员数量。我们今天无法从中受益，但Zac刚才描述了如何帮助降低特定社区的风险，并希望完全减少传播。从我们公司来看，我们已经开始尽可能多地在家办公，工作人员通过远程登录西门子软件部署工厂工作，可在家办公，在家办公，特别是前端、工序准备等。
所有这些技术都有利于人们在家里工作或远程工作，或由机器人完成类似的物料转移技术工作。
Johnson：确实是。我认为这似乎是自然的。Zac，下一步是通过数据完成工作，因为你正在使它变得更智能，并开始跨学科地集成，如果愿意的话，将业务操作与生产车间细节，以及正在生产的产品、采购所有一切的实时信息连接在一起，在某个时刻，即可开始观察分析所有信息。这看起来更像是从跟踪到优化，到做更多的预测工作？
Elliott：对。这才是我们真正要做的，是下一步的工作。如何使数据变得智能，可以使数据成为人们做出决策的依据，并根据数据来推动改进。也许与这个物料管理主题保持一致，例如从生产线提取数据，用它来驱动采购等工序。我们从SMT设备上收集所有数据，使用SMT设备上的数据，以及ERP上的数据来驱动车间的仓储物料移动。如果从检验设备上获取一些额外的信息，可以开始考虑每个元件的良率和缺陷，并将其与ERP、物料的来源联系起来，那么我们可以开始考虑元件的成本价格。
因此，当订购材料时，如有几个不同的供应商可供选择，可以在数据库中查看，对于某家供应商供应的物料发生过多少缺陷？修复这些缺陷的成本是多少，然后汇总该供应商的数据。有的供应商报价可能略高，但其供应的物料发生缺陷的几率较低，且缺陷更容易维修，所以，即使它是一个价格更高的元件，但其使用成本较低，也可以采用该元件来推动采购和改进，从而提高利润。
我们讨论的另一个例子是即时生产调度，或者通过人工智能或机器学习采用这些数据，把它提升到一个新的层次，我想这是下一个我们想要研究的领域。
Johnson：我听过一些关于利用这些信息制造假冒产品的报道。
Elliott：对。事实上，我们在和Cybord公司一起合作，他们正在做一些非常有趣的事情。他们利用机器学习和人工智能，以及来自SMT设备检查摄像头的图像，来检测假冒元件。我们知道，现在假冒元件做得非常逼真，但它们还不足以逃脱人工智能的检查。这就是Cybord公司正在做的工作。他们利用所有来自检查摄像头调整和旋转，观察一个部件的图像，用这些图像来建立部件的数字指纹，然后当这些图像来自设备时，基本上可以给每个元件打分，检测其是否有问题，只要有假冒元件，就会检查到。
这真的很有趣，因为造假者变得越来越狡诈。以前会有物料卷，前100个部件是好的，然后每10个部件分放一个坏元件，或者类似的方法。但随着我们在捕捉假冒元件方面的进步，他们已经转向了统计上不可追踪的方式。所以他们会随机把假冒元件放在物料卷中。也许7个好部件、2个坏部件，15个好部件、1个坏部件，他们这样做的方式使我们不能用统计方法发现坏部件。这是一个很好的利用数据的例子，用我们收集的数据解决目前无法解决的问题。
Johnson：对。这和Farid的初衷有关。只要你能把ERP、仓储柜、制造信息联系起来，就能对发生的事情有更好的感觉，即使你在一卷一卷地跟踪假冒元件。
Anani：对。事实上，我有机会了解Cybord公司目前的研发项目，我对他们采用的方法以及用来解决假冒部件问题的人工智能非常感兴趣。我想这是我打算进一步探究的方向。我对Cybord能带来的产品及服务很感兴趣，因为正如Zac所描述的那样，这个问题正变得越来越难以通过传统的统计方法来发现。我们发现，可通过设备拍下部件的照片，以便对准它们，并确保部件的尺寸正确和在电路板上的正确定位。这里有这么多可用的信息，可以用它来做其他的事情，这就是人工智能和工业4.0的真正发展方向——利用现有的大量数据，更好地提高效率和质量。
Zac还提到可能来自测试设备和检查设备的反馈机制，这就是行业的发展方向——有一个完全自主或几乎完全自主的车间决策过程。我们已经看到某些系统可以与焊膏检查系统连接，并持续直接反馈给丝印机，告诉丝印机哪些参数需要调整，其间无需人工干预。同样的技术也可以应用于AOI，从测试和维修数据中捕获有用信息。车间里有很多信息，利用这些数据做出可操作的智能决策是行业发展方向，这就是工业4.0的意义所在。
Johnson：Happy，我同意你的观点。你一直在关注这个行业，已成为不可或缺的一员。行业将所有这些部分结合在一起，并采取这种方法来实现一些更好的目标，你对制造业的卓越运营有何看法？我们是否走在了正确的道路上？
Happy Holden：我当然希望如此。我在20世纪80年代经历了这一切，你可能会说工业3.75。那时，没有真正的互联网，只有内部网络，实际上我们是销售应用软件，并应用于工厂内部的制造工序。所以，我们关注：计划是如何开始的？从哪里开始呢？可用的软件非常优秀，但是有大量不同的软件和供应商，因此在工程中，我们应该从哪里开始，在哪里需要最大的帮助和改进？幸运的是，工业4.0和智能传感器使现在的工作比过去简单得多，但是产品却变得更加复杂，所以挑战从未停止。
25年前当我从事制造业时，每个月要生产1000万台设备，而不是1000台或100台。那时，我在全球最大的表面贴装制造厂——富士康工作，在250万名员工中只有27万名是工人。这些问题反复出现，但我们却在这方面做得越来越好。正如大家所知，我们关注的是年轻的工程师或者工程师自己，需要何种工具才能有效利用工业4.0，是否有人指导和阐释这些工具的使用？
Johnson：工厂实施工业4.0后需要以创造性的方式分析和使用这些数据。这看起来是合理的收获吗？
Holden：如前所述，从大量数据到智能数据，应该如何应用这些智能数据？
Elliott：当拥有更多的数据时，更容易发现特征和正在发生的共同点，但实际上，碰到更多的是小批量生产，其中不会产生很多数据，那如何通过有限的数据进行决策？你会发现，有很多产品是常见的，可能只会遇到一块设计完全独特的PCB，但设计中的许多部分可用于其他设计模块。所以不仅可以研究这一块PCB，还有其他普通的PCB设计，从这些产品的制造过程中获取并集成数据，依此做决策，不仅可以审查产品质量，还可以审查PCB的工艺质量。
所以，可能只需要在生产线上通过这个特定的工艺生产10块PCB，但是还可以通过这个工艺中生产50块其他电路板，所以不需要考虑产品质量，可以只考虑这个工艺中的通用数据，然后开始做一些关于如何改进的决定。所以，即使不能审查大量的数据，也许可以从不同的角度或通过不同的方式审查数据，仍然可以做出改进，做出决定，诸如此类的事情。
Johnson：在目前的情况下，这是一个过程。审查这些信息，今天上午我们分享了很多故事。一旦拥有了信息，新的数据，就可以开始研究如何以不同的方式使用这些数据。Farid关于成本的观点是对的，我认为这是利用已有数据检查假冒元件的好时机，这是为数据找到了新的用途。
Farid，作为合同制造商，你认为数据利用将向何处发展？贵公司将来会有什么不同的发展？
Anani：我认为，将看到越来越多的分析被用于推动工厂关于所有工序的决策，从计划到采购，再到生产车间的工序。Zac之前提到小批量生产，这就是我们今天生活的世界。有可能生产了50个产品，其中有一个临界状态的元件，对良率影响不大；但这个元件在另外一个产品上，已生产了两个月，且有数据表明，这个元件的性能也处于临界状态。因此，您可以决定是否需要寻找不同的制造商或寻找类似产品。
我看到这个行业进入了这样一种模式——工业4.0将会伴随我们很长一段时间，因为真的没有人知道，何时走到了工业4.0的尽头，必须开始开发工业5.0。这是一项正在进行的工作。总而言之，我希望能为我们这样的制造商提供更多的人工智能和数据分析系统。
Johnson：你认为这点在战略上也很重要吗？
Anani：当然重要。
Johnson：Zac，以西门子的角度来看，你认为未来会如何发展？
Elliott：机器人将告诉我们向工业5.0过渡的时机。我认为，当机器人接管了人类的所有工作之时，就代表进入了工业5.0。实际上，我们正在与西门子合作，我正在努力接受这些想法，使之成为Farid这样的人可以利用的信息。我们利用工具——不必拥有成千上百个工厂和数千名工程师——就可以把数据集成为解决方案，一般制造商可以利用并从中获得价值。这就是我们要努力的方向。
Johnson：太好了。采访即将结束，今天我们讨论了很多内容。你们提供的信息非常有价值，有很多值得思考的地方。感谢你们在百忙之中抽出时间接受采访。
Elliott：非常感谢，Nolan。
Anani：Happy，很高兴见到你和Nolan。同样，Zac，见到你总是很高兴。
Elliott：非常感谢！
.jpg)
Zac Elliott任Siemens Digital Industries Software公司技术营销工程师。Zac直接与医疗、航空航天、汽车和公共安全市场的电子制造服务提供商合作，确保采用西门子软件和自动化技术能够满足客户智能工厂的关键要求。
.jpg)
Farid Anani目前担任总部位于爱达荷州Meridian的Computrol公司运营副总裁，负责工程、生产、采购和材料团队的工作。
欢迎扫码关注我们的微信公众号
“PCB007中文线上杂志”
点击这里即可获取完整杂志内容。
