概要速览
在工业界，我们经常被大数据、数字孪生、人工智能和机器学习这样的流行词所迷惑，误以为这些课题是我们要实现的目标，然而真正的目标是提升工厂生产效率。针对这一根本目标，我们需要关注各种关键性能指标，如故障诊断时间，决策效能（图1）和行动成本等，来驱动工厂生产效率的改善。
工厂中各种数字化系统的部署及实施方式，直接影响了上述工厂指标的优化难度和理想上限。
图 1：提高效率依赖于既好且快的决策
孤岛式的工作场景
由此推论，我们首先需要审视工厂设备维护和工艺可靠性的常规方案。通常，这些动作是在各自的细分工作范围内孤立进行。举例来说，设备故障分析是 FDC 工程师负责的工作范围。当发生机台运行故障等 FDC 事件时，FDC 工程师会分析设备数据并提出合适的解决方案。SPC 工程师负责的工作范围则面向工艺基准。当发生量测异常等 SPC 事件时，SPC 工程师会检查统计图表并制定应对方案。理想情况下，他们彼此间可以互相交流，获取不同角度的建议，但实际情况并非如此。因为实现跨领域的沟通和决策，需要付出高昂的的成本，一般体现在更繁杂的工厂事务、更困难的质量管控以及更多的资金需求上。
统筹 SPC 和 FDC 功能
通过创建标准化的平台将 FDC 和 SPC 领域集成在一起，我们可以减轻多领域沟通的成本。对我们而言，“统筹”表示所有过程控制系统在内核底层上的集成，这需要：
- 标准化的数据结构，这对引入先进分析系统和人工智能/机器学习应用非常重要
- 合适的数据共享工具，可以规范各种事件的操作和反馈
- 同样风格的用户界面，为不同的应用程序提供相同的外观和质感
- 通用的管理模式，以简化不同应用的权限管理
- 规范的知识库，使我们能够快速复用现有案例并降低学习成本
- 可拓展系统结构设计，可随着工厂规模的扩大而不断扩展
实现流程优化
这些系统被整合后，非孤岛化的处理流程可以改变设备维护和工艺可靠性的评估方式。一种新的模式应运而生，即单一事件会触发一系列联动方案，能够实现跨领域评估分门别类的统计数据。最终，这套流程不仅解决了事件本身，还能同时梳理并优化工作流程来规避同类问题。此外，跨领域分析作为一种更优秀的流程方案，能够更快地检测到异常事件，帮助您从被动应对转变为主动出击。
总结
在获取设备维护和工艺可靠性进行全面的了解和评估后，并且获益于简化系统联通层级架构，工程师团队可以快速做出高质量且正确的的决策。这种系统集成方式和团队成员之间的资料渠道共享可以降低异常事件的负面影响和其附带的损失，与此同时，工厂也可以在保证质量生产并快速提高整体生产效率。
图 2：对设备维护、工艺可靠性和团队协作的全面了解和评估，可以推动广泛而深入的成功。
常见问答
工厂中统筹生产过程控制的首要目标是什么？
有哪些关键绩效指标 (KPI) 可以帮助提高工厂生产效率？
在工厂生产效率提升方面，为什么要透过大数据、数字孪生、人工智能和机器学习等流行语看清其本质呢？
流行语可能会产生误导，因此必须把重点放在提高生产效率切实可行的方案上。
评估工厂设备和工艺可靠性的传统做法如何影响生产效率的改进？
传统的做法通常是各孤立领域各自进行决策并处理，不利于跨部门沟通，且解决问题的时间成本也很高。
生产过程控制通常涉及哪些领域？为什么孤立决策会导致问题产生？
其领域主要包括设备（FDC工程师）和工艺基准（SPC 工程师）。孤岛式的工作模式会阻碍沟通并增加成本。
提升统筹生产过程控制功能的关键点是什么？
有效的统筹管控需要标准化的数据结构、合适的数据共享工具、同样风格的用户界面、通用的管理模式、规范的知识库及可扩展系统结构。
生产过程控制领域的集成如何降低成本、提高生产效率？
通过跨领域模式简化分析和沟通成本，从而实现更细的分析、更快的事件检测和更好的前瞻性决策。
全面了解设备维护和工艺可靠性对决策和降低成本有什么好处？
全局的视角可以让我们快速做出正确的决策，并降低异常事件的负面影响和其附带的损失。
如何才能更加主动地改进工厂生产效率？
工厂可以通过集成系统、团队成员共享访问权限和跨领域数据分析，从被动应对转变为主动出击。
统筹生产过程控制对工厂生产效率和生产质量的总体影响是什么？
统筹生产过程控制可以保证质量的同时，提高工厂生产效率，最终节约整体成本并实现更高效的运维。
