50+ ประเทศ
การใช้งานทั่วโลก ผลกระทบในท้องถิ่น
47 ปีในธุรกิจ
ก่อตั้งขึ้นในปี 1979
พนักงานมากกว่า 50 คน
ยุโรป, สหรัฐอเมริกา และเอเชีย
2000+ ลูกค้า
มากกว่า 20,000 ผู้ใช้
อนาคตของซอฟต์แวร์ควบคุมกระบวนการทางสถิติ
บทนำ
อนาคตของซอฟต์แวร์ SPC ควรได้รับการหารือในบริบทของสภาพแวดล้อมการผลิตที่ซอฟต์แวร์ SPC ถูกนำไปใช้ และสภาพแวดล้อมการผลิตในปัจจุบันได้รับอิทธิพลอย่างมากจากพัฒนาการที่เกี่ยวข้องกับอุตสาหกรรม 4.0 ในบทความนี้ เราจะหารือเกี่ยวกับฟังก์ชันการทำงานที่จำเป็นของซอฟต์แวร์ SPC ในอนาคต และสิ่งที่ Datalyzer ได้ทำเพื่อให้สอดคล้องกับข้อกำหนดเหล่านี้
องค์ประกอบหลักของอุตสาหกรรม 4.0 แสดงไว้ในภาพด้านล่าง
การผลิตแบบเติมเนื้อวัสดุ, ความเป็นจริงเสริม และหุ่นยนต์ไม่ได้เกี่ยวข้องโดยตรงกับซอฟต์แวร์ SPC แต่ส่วนประกอบอื่น ๆ ทั้งหมดมีความสัมพันธ์บางอย่างกับซอฟต์แวร์ SPC และเราจะพูดถึงสิ่งเหล่านี้ในบทความนี้
คลาวด์คอมพิวติ้ง
การประมวลผลแบบคลาวด์เป็นรากฐานสำคัญของอุตสาหกรรม 4.0 ช่วยให้การผสานรวมเทคโนโลยีขั้นสูง เช่น IoT, AI และการวิเคราะห์ข้อมูลขนาดใหญ่ เข้ากับการดำเนินงานอุตสาหกรรมได้อย่างไร้รอยต่อ มันมอบโครงสร้างพื้นฐานที่สามารถขยายขนาดได้ซึ่งจำเป็นสำหรับการจัดการและวิเคราะห์ข้อมูลจำนวนมหาศาลที่สร้างขึ้นโดยอุปกรณ์และเซ็นเซอร์ที่เชื่อมต่อกันในเวลาจริง สิ่งนี้ช่วยอำนวยความสะดวกในการบำรุงรักษาเชิงคาดการณ์ กระบวนการผลิตที่มีประสิทธิภาพสูงสุด และการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล ซึ่งช่วยเพิ่มประสิทธิภาพการดำเนินงานและลดเวลาหยุดทำงานนอกจากนี้ โซลูชันคลาวด์ยังสนับสนุนการทำงานร่วมกันในระดับโลกโดยนำเสนอแพลตฟอร์มศูนย์กลางสำหรับการเข้าถึง แบ่งปัน และวิเคราะห์ข้อมูลระหว่างทีมงานที่กระจายอยู่ตามภูมิภาคต่างๆ ได้อย่างมีประสิทธิภาพ ด้วยการลดต้นทุนโครงสร้างพื้นฐานด้านไอทีและมอบความคล่องตัวที่ไม่มีใครเทียบได้ คลาวด์คอมพิวติ้งจึงช่วยให้ธุรกิจสามารถสร้างนวัตกรรมได้อย่างรวดเร็ว ปรับตัวให้ทันกับการเปลี่ยนแปลงของตลาด และรักษาความสามารถในการแข่งขันในยุคของการผลิตอัจฉริยะ
ระบบต่าง ๆ เช่น MES, ERP และ Scada เป็นต้น ถูกนำเสนอเป็นโซลูชันบนคลาวด์มากขึ้นเรื่อย ๆ นอกจากนี้ เรายังเห็นการผสานรวมระหว่างระบบเหล่านี้ผ่านเว็บ API มากขึ้นอีกด้วย
สถาปัตยกรรมแบบคลาวด์ครบวงจรในบริษัทสามารถมีความซับซ้อนได้มาก เพื่อให้สามารถจัดการสถาปัตยกรรมที่ซับซ้อนเช่นนี้ได้ ควรพัฒนาโปรแกรมซอฟต์แวร์บนเว็บในคอนเทนเนอร์ ในการประมวลผลแบบคลาวด์ คอนเทนเนอร์คือส่วนหนึ่งของแพ็กเกจซอฟต์แวร์ที่มีน้ำหนักเบา สามารถทำงานได้ด้วยตัวเอง และเคลื่อนย้ายได้ ซึ่งรวมถึงทุกสิ่งที่จำเป็นในการรันส่วนนั้นของแอปพลิเคชัน เช่น โค้ด, รันไทม์, ไลบรารี และเครื่องมือระบบคอนเทนเนอร์ทำงานในสภาพแวดล้อมที่แยกออกจากกัน ทำให้มั่นใจได้ถึงความสม่ำเสมอในสภาพแวดล้อมการคำนวณที่แตกต่างกัน ตั้งแต่การพัฒนาไปจนถึงการทดสอบและการผลิต ต่างจากเครื่องเสมือนแบบดั้งเดิม คอนเทนเนอร์ใช้เคอร์เนลของระบบปฏิบัติการโฮสต์ร่วมกัน ทำให้เริ่มต้นได้เร็วขึ้นและใช้ทรัพยากรอย่างมีประสิทธิภาพมากขึ้น ซึ่งทำให้เหมาะสำหรับการปรับใช้บนคลาวด์ เนื่องจากช่วยให้ผู้พัฒนาสามารถสร้าง ปรับใช้ และขยายแอปพลิเคชันได้อย่างราบรื่นบนแพลตฟอร์มคลาวด์ต่างๆ ในขณะที่ยังคงรักษาความน่าเชื่อถือและประสิทธิภาพ เครื่องมืออย่าง Docker และ Kubernetes มักใช้สำหรับการสร้างคอนเทนเนอร์และการจัดการในคลาวด์คอมพิวติ้ง
Datalyzer Qualis 4.0 ได้รับการพัฒนาอย่างสมบูรณ์ใน Dot Net Core และรองรับการบรรจุในคอนเทนเนอร์และสามารถใช้งานได้ใน docker โซลูชันนี้รองรับทั้งโซลูชันคลาวด์สาธารณะและคลาวด์ส่วนตัว
ความปลอดภัยทางไซเบอร์
ความปลอดภัยทางไซเบอร์ที่เกี่ยวข้องกับการคำนวณบนคลาวด์สำหรับอุตสาหกรรม 4.0 เป็นปัญหาที่สำคัญอย่างยิ่ง เนื่องจากการผสานรวมของโซลูชันบนคลาวด์และระบบที่เชื่อมต่อถึงกันทำให้สภาพแวดล้อมทางอุตสาหกรรมเผชิญกับความเสี่ยงใหม่ ๆ อุตสาหกรรม 4.0 อาศัยการแลกเปลี่ยนข้อมูลแบบเรียลไทม์ การเข้าถึงจากระยะไกล และอุปกรณ์ IoT ซึ่งทั้งหมดนี้สร้างจุดเข้าที่อาจเกิดขึ้นสำหรับการโจมตีทางไซเบอร์
ในบริบทนี้ ผู้ให้บริการคลาวด์ได้ดำเนินมาตรการรักษาความปลอดภัยที่แข็งแกร่ง เช่น การเข้ารหัส การยืนยันตัวตนแบบหลายปัจจัย และการตรวจสอบอย่างต่อเนื่อง เพื่อปกป้องความสมบูรณ์ ความลับ และความพร้อมใช้งานของข้อมูล อย่างไรก็ตาม ธุรกิจต้องนำรูปแบบความรับผิดชอบร่วมกันมาใช้ โดยต้องมั่นใจว่าการกำหนดค่าที่ปลอดภัย การอัปเดตแพตช์อย่างสม่ำเสมอ และการควบคุมการเข้าถึงของผู้ใช้จะได้รับการจัดการอย่างเหมาะสมจากฝั่งของตน
ในทางปฏิบัติ เราพบว่ามันหมายความว่า การเข้าถึงซอฟต์แวร์ SPC ควรมีพื้นฐานมาจากนโยบายความปลอดภัยที่มีอยู่ในบริษัท เช่น SAML ในอุตสาหกรรม 4.0 ที่มีการใช้งานแอปพลิเคชันและบริการจำนวนมากที่โต้ตอบกันในระบบนิเวศคลาวด์ SAML ช่วยให้มั่นใจในการตรวจสอบสิทธิ์ของผู้ใช้และการแลกเปลี่ยนข้อมูลที่ปลอดภัยระหว่างแพลตฟอร์มต่างๆ ตัวอย่างเช่น ระบบโรงงานที่เชื่อมต่อกับแพลตฟอร์มคลาวด์สามารถใช้ SAML เพื่อยืนยันข้อมูลประจำตัวของผู้ใช้ได้อย่างปลอดภัย
โปรโตคอลอื่น ๆ เช่น OAuth, OpenID Connect และ Kerberos ช่วยเสริม SAML โดยให้กลไกที่แตกต่างกันสำหรับการตรวจสอบสิทธิ์และการอนุญาตอย่างปลอดภัย ซึ่งช่วยเสริมสร้างตำแหน่งความปลอดภัยทางไซเบอร์ขององค์กรให้แข็งแกร่งยิ่งขึ้น
Datalyzer Qualis 4.0 รองรับโปรโตคอลที่ใช้กันทั่วไป เช่น SAML และ OKTA และรายชื่อโปรโตคอลที่รองรับกำลังขยายตัวอย่างต่อเนื่อง
อินเทอร์เน็ตของสรรพสิ่งในอุตสาหกรรม (IIoT)
IoT (อินเทอร์เน็ตของสรรพสิ่งในอุตสาหกรรม) ที่เกี่ยวข้องกับการใช้ซอฟต์แวร์ SPC หมายถึงการผสานรวมอุปกรณ์อัจฉริยะ เซ็นเซอร์ และระบบที่เชื่อมต่อกันเข้ากับกระบวนการอุตสาหกรรม เพื่อเพิ่มประสิทธิภาพในการควบคุมคุณภาพและการตัดสินใจ
1. การรวบรวมข้อมูลแบบเรียลไทม์:
อุปกรณ์ IIoT เช่น เซ็นเซอร์และอุปกรณ์ขอบเครือข่าย ทำการตรวจสอบสายการผลิตและอุปกรณ์อย่างต่อเนื่อง โดยเก็บข้อมูลแบบเรียลไทม์เกี่ยวกับลักษณะของผลิตภัณฑ์และกระบวนการ เช่น น้ำหนัก อุณหภูมิ และความดัน เป็นต้น ซอฟต์แวร์ SPC ใช้ข้อมูลนี้เพื่อระบุแนวโน้ม ความแปรปรวน และปัญหาที่อาจเกิดขึ้นก่อนที่จะนำไปสู่ข้อบกพร่อง
2. การตรวจสอบกระบวนการที่ปรับปรุงแล้ว:
การผสมผสานระหว่าง IIoT และ SPC ช่วยให้มีความโปร่งใสอย่างครอบคลุมในกระบวนการผลิต IIoT ส่งข้อมูลความละเอียดสูงไปยังซอฟต์แวร์ SPC ทำให้ผู้ปฏิบัติงานสามารถตรวจจับความผิดปกติได้เร็วขึ้นและปรับปรุงเสถียรภาพของกระบวนการ
ในทางปฏิบัติมีแพลตฟอร์ม IIoT หลากหลายรูปแบบและข้อมูลปริมาณมากแบบเรียลไทม์ เช่น อุณหภูมิ ซึ่งไม่เหมาะที่จะนำมาแสดงผลโดยตรงในแผนภูมิควบคุมเสมอไป DataLyzer Qualis 4.0 มีบริการนำเข้าข้อมูลที่ยืดหยุ่น สามารถรวบรวมข้อมูลจากแหล่งใดก็ได้เกือบทุกแหล่ง แปลงข้อมูลให้เป็นข้อมูล SPC ที่มีประโยชน์โดยการรวมข้อมูลเข้าด้วยกัน จากนั้นนำเสนอข้อมูลในรูปแบบแผนภูมิควบคุมที่มีความหมาย
นอกจากเซ็นเซอร์แล้ว ยังมีข้อมูลจำนวนมากที่เข้ามาผ่านอุปกรณ์วัดพิเศษ เช่น กล้อง, CMM หรือฐานข้อมูล หรือแม้กระทั่งโซลูชันอินเตอร์เฟซที่ง่าย ๆ เช่นไฟล์ ASCII หรือไฟล์ csv บริการนำเข้าที่ยืดหยุ่นของ DataLyzer ก็สามารถอ่านแหล่งข้อมูลทั้งหมดนี้ได้ และยังสามารถสร้างการตั้งค่า SPC ได้โดยอัตโนมัติ
การบูรณาการแนวนอนและแนวตั้ง
การบูรณาการแนวนอน
อุตสาหกรรมต่างๆ มากขึ้นเรื่อยๆ กำลังนำกระบวนการ APQP มาใช้ ในกระบวนการ APQP มีลำดับการไหลของข้อมูลอย่างเป็นระบบตั้งแต่การออกแบบผ่านแบบร่างไปจนถึง FMEA, แผนควบคุม, การตรวจสอบชิ้นงานแรก และ SPC รวมถึง COADatalyzer นำเสนอโซลูชันครบวงจรสำหรับกระบวนการ APQP ทั้งหมด ตั้งแต่การขยายแบบแปลนอัตโนมัติ การสร้างการกำหนดค่าของ SPC จากแบบแปลน การแก้ปัญหา FMEA อย่างสมบูรณ์ และการนำเข้าข้อมูลการวัดโดยอัตโนมัติสำหรับรายงานการตรวจสอบชิ้นงานแรกหรือ SPC ข้อมูลทั้งหมดสามารถส่งออกได้หลายวิธี รวมถึง COA ดังนั้น โซลูชัน SPC จึงฝังอยู่ในโซลูชันแบบบูรณาการแนวนอน
การบูรณาการในแนวตั้ง
การบูรณาการในแนวตั้งสามารถมองได้ 2 วิธีที่แตกต่างกัน:
- การบูรณาการในแนวตั้งในโครงสร้างไอที
- การบูรณาการในแนวตั้งภายในองค์กร
การบูรณาการแนวดิ่งในโครงสร้างไอทีและในบริบทของอุตสาหกรรม 4.0 หมายถึงการผสานกระบวนการ ระบบ และข้อมูลเข้าด้วยกันอย่างไร้รอยต่อในทุกระดับขององค์กร ตั้งแต่ระดับโรงงานผลิตไปจนถึงการตัดสินใจในระดับผู้บริหาร การบูรณาการนี้มีความสำคัญอย่างยิ่งต่อการสร้างสภาพแวดล้อมการผลิตที่ชาญฉลาดและเชื่อมโยงกัน
ซอฟต์แวร์การควบคุมกระบวนการทางสถิติ (SPC) มีบทบาทสำคัญในการบูรณาการนี้โดยช่วยให้สามารถรวบรวมข้อมูลแบบเรียลไทม์ วิเคราะห์ และให้ข้อเสนอแนะจากกระบวนการผลิตได้ ในกรอบงานอุตสาหกรรม 4.0 ซอฟต์แวร์ SPC สามารถบูรณาการกับอุปกรณ์ IoT เซ็นเซอร์ และระบบองค์กร (เช่น ERP และ MES) เพื่อให้ข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้และการควบคุมคุณภาพอัตโนมัติ
การปรับให้สอดคล้องนี้ช่วยให้ตัวชี้วัดคุณภาพไม่ถูกแยกออกจากกัน แต่เป็นส่วนหนึ่งของระบบนิเวศที่เชื่อมโยงกันอย่างกว้างขวาง ซึ่งช่วยให้สามารถทำวิเคราะห์เชิงคาดการณ์ ลดของเสีย และเพิ่มประสิทธิภาพได้ ด้วยการนำซอฟต์แวร์ SPC ที่มีการรวมตัวในแนวดิ่งมาใช้ ทำให้ซอฟต์แวร์กลายเป็นรากฐานสำคัญในการบรรลุเป้าหมายการผลิตที่ชาญฉลาด โดยทำให้ประสิทธิภาพการดำเนินงานสอดคล้องกับเป้าหมายเชิงกลยุทธ์
Datalyzer Qualis 4.0 รองรับการบูรณาการในแนวดิ่งนี้โดยให้ตัวเลือกการเชื่อมต่อที่ยืดหยุ่น เช่น DLL ที่ทำงานได้อย่างสมบูรณ์, Web APIs หรือแม้กระทั่งตัวเลือกในการรัน Qualis containers โดยตรงในระบบเว็บอื่น ๆ ตัวอย่างเช่น คุณสามารถเริ่มแผนการตรวจสอบของ Qualis ได้โดยตรงจากระบบ MES ที่ใช้เว็บ และผู้ใช้ปลายทางจะไม่ทราบเลยว่ากำลังทำงานใน Qualis
การบูรณาการในแนวตั้งภายในองค์กรหมายถึงการใช้ระบบ SPC เดียวกันในการสนับสนุนผู้ปฏิบัติงานโดยตรง รวมถึงหัวหน้าทีม วิศวกร และผู้จัดการด้วย ซึ่งหมายความว่าซอฟต์แวร์ SPC ต้องสามารถทำได้มากกว่าการแสดงแผนภูมิควบคุมเพียงอย่างเดียว การแจ้งเตือนอัตโนมัติ หน้าจอการดำเนินการที่เปิดอยู่ แดชบอร์ด ขั้นตอน OCAP พร้อมการอนุมัติและรายงานสรุป ควรเป็นส่วนหนึ่งของโซลูชันซอฟต์แวร์ SPC ข้อมูลและฟังก์ชันทั้งหมดควรสามารถเข้าถึงได้เฉพาะเมื่อผู้ใช้เฉพาะได้รับอนุญาตเท่านั้น
DataLyzer Qualis มีฟังก์ชันมากมายที่รองรับการบูรณาการในแนวตั้ง ข้อกำหนดทั้งหมดที่กล่าวมาข้างต้นมีให้ใช้งาน และด้วยโครงสร้างการอนุญาตที่ละเอียดมาก จึงสามารถปรับให้เหมาะสมเพื่อให้ข้อมูลและฟังก์ชันที่เหมาะสมแก่บุคคลที่เหมาะสม แม้จะอยู่ในหลายสถานที่และหลายภาษา
บิ๊กดาต้า, การวิเคราะห์ข้อมูล และปัญญาประดิษฐ์
ตามที่ได้กล่าวไว้ก่อนหน้านี้ ข้อมูลขนาดใหญ่ไม่สามารถนำมาใช้เก็บโดยตรงในระบบ SPC ได้ ดังนั้นเราจึงเห็นแนวทางปฏิบัติอยู่ 2 วิธี:
- ข้อมูลถูกรวบรวมและแปลงเพื่อให้ได้ข้อมูลที่มีความหมายในแผนภูมิควบคุม
- ข้อมูลต้นฉบับถูกนำไปใช้ในการวิเคราะห์ขั้นสูง (บิ๊กดาต้า หรือ เอไอ)
ตัวเลือกแรกได้อธิบายไว้ก่อนหน้านี้แล้ว แต่เพื่อสนับสนุนตัวเลือกที่สอง Datalyzer มีวิธีการใช้ข้อมูลจากแหล่งใดก็ได้ในระหว่างการวิเคราะห์โดยไม่จำเป็นต้องนำเข้าข้อมูลนั้นเข้าสู่ฐานข้อมูล SPCคุณสมบัติเพิ่มเติมที่เรียกว่า Qualis Analytics สามารถโหลดข้อมูลจากแหล่งใดก็ได้ รวมถึงข้อมูล Datalyzer SPC เชื่อมโยงข้อมูลผ่านตัวกลางร่วม เช่น หมายเลขซีเรียล หมายเลขล็อต หรือวันที่และเวลา และให้ตัวเลือกการวิเคราะห์ที่หลากหลาย รวมถึง AI ในรูปแบบของต้นไม้ตัดสินใจแบบป่าสุ่มและการวิเคราะห์ข้อความ
สิ่งนี้มอบความยืดหยุ่นอย่างมากมายและตัวเลือกในการวิเคราะห์ข้อมูลได้อย่างรวดเร็วโดยไม่จำเป็นต้องสร้างเครื่องมือนำเข้าข้อมูลก่อน
การจำลองและปัญญาประดิษฐ์
โดยทั่วไปแล้ว SPC มักถูกนำไปใช้กับคุณลักษณะด้านคุณภาพของผลิตภัณฑ์ อุตสาหกรรมที่มีความก้าวหน้าในการประยุกต์ใช้ SPC มากขึ้นยังได้นำ SPC ไปใช้กับคุณลักษณะของกระบวนการด้วยเช่นกัน ด้วยการเติบโตของ IIoT เราจึงเห็นการประยุกต์ใช้ SPC ในด้านกระบวนการมากขึ้น
สิ่งที่บริษัทต่างๆ พยายามทำคือการสร้างความสัมพันธ์ระหว่างปัจจัยนำเข้าของกระบวนการ ลักษณะของกระบวนการ และลักษณะของผลิตภัณฑ์ เนื่องจากการควบคุมลักษณะของกระบวนการทำได้เร็วกว่าและถูกกว่าการควบคุมลักษณะของผลิตภัณฑ์ เทคนิคที่เป็นที่รู้จักกันดีในด้านนี้คือการออกแบบการทดลอง (Experimental Design) ปัจจุบันด้วยศักยภาพของปัญญาประดิษฐ์ (AI) ทำให้เกิดความเป็นไปได้ใหม่ๆ แทนที่จะทำการศึกษาการออกแบบการทดลอง (DOE) เราสามารถใช้การเรียนรู้ของเครื่อง (Machine Learning) เพื่อสร้างแบบจำลองได้ และสิ่งนี้สามารถทำได้แบบเรียลไทม์อย่างสมบูรณ์
การเรียนรู้ของเครื่องได้พิสูจน์แล้วว่ามีประสิทธิภาพมากกว่า DOE และสามารถปรับได้แบบเรียลไทม์ตามสถานการณ์ที่เปลี่ยนแปลง เช่น สภาพของเครื่องมือและการเปลี่ยนแปลงของวัสดุ เป็นต้น ปัจจุบันการเรียนรู้ของเครื่องสามารถนำไปใช้ได้ 2 วิธี:
- เราสามารถใช้การเรียนรู้ของเครื่องเพื่อจำลองผลกระทบของการเปลี่ยนแปลงกระบวนการในกรณีที่เกิดสถานการณ์ที่ควบคุมไม่ได้หรือเกินขอบเขตที่กำหนด
- เราสามารถใช้การเรียนรู้ของเครื่องเพื่อทำนายผลลัพธ์ของคุณลักษณะกระบวนการที่สำคัญได้แม้ก่อนที่มันจะถูกวัด
DataLyzer Qualis 4.0 นำเสนอการเรียนรู้ของเครื่องในระหว่างการป้อนข้อมูลแบบเรียลไทม์ ผลลัพธ์สามารถคาดการณ์ได้โดยใช้การเรียนรู้ของเครื่อง และการเรียนรู้ของเครื่องยังสามารถใช้ในระหว่างการเปลี่ยนกระบวนการเพื่อจำลองผลกระทบของการเปลี่ยนแปลงได้อีกด้วย
เก้าเปอร์เซ็นต์
การลดต้นทุนที่ลูกค้าบรรลุ
สิ่งที่ลูกค้าพูด
“Datalyzer ช่วยให้เราเชื่อมโยงข้อมูลคุณภาพจากทุกกระบวนการโดยอัตโนมัติเพื่อการวิเคราะห์ขั้นสูง”
เดฟ เบียร์เรน
วิศวกรผลผลิต, ฟิลิปส์
อุตสาหกรรมที่เราให้บริการ
ได้รับการรับรองมาตรฐาน ISO
ISO 27001 & SOC2
