以下內容簡要介紹了羅克韋爾各個基地中的電子組裝作業：

• 每年出品 4,000 種獨一無二的電路板設計
• 每天裝配的組件達到 900 萬個
• 每天產生的焊點約 2,300 萬個
• 每天生產的面板數量達到 14,000 個

特溫斯堡基地設有 8 條生產線，是一個大型生產基地，與其他基地一樣，內部有許多可能影響生產的過程。為試行解決方案，我們選擇從模板印刷過程入手。

了解過程

模板薄片上有激光蝕刻的孔徑，電路板會放置在孔徑下方。隨后，刀片將錫膏從模板的前端推向后端，填充孔徑，使錫膏能夠粘附在電路板上。這一過程結束時，電路板會轉移并接受檢查。下一個電路板會換用另一個刀片、并以相反方向涂布。這個過程的每個環節都會生成性能數據。

超乎想象的復雜性

正如其他看似簡單的制造過程一樣，這其中也存在隱藏的難題。首先，模板印刷過程受多種自變量影響，導致支持人員難以檢測出模板和刮墨刀是否磨損或性能下降，肉眼尤其難以察覺磨損。此外，過程啟動之初以及過程中的長時間暫停會影響錫膏的有效轉移，進一步增加了分析模具長期磨損狀況的難度。

此外，較薄或有特殊涂層的模板，使用壽命也有所不同，磨損情況因此更加不可預測。盡管過程的每個環節都會生成性能數據，支持人員卻無法實時收集和分析如此龐大的、涵蓋 IT、OT 和工程多個領域的數據。

因此，支持人員需要更有效的方式來收集和分析設備的實時性能數據，并在檢測到設備異常或損壞時立即收到預警。這個用例與我們的異常檢測算法非常契合，印刷檢查幾秒后便可通過 FactoryTalk^? DataMosaix^? 進行計算和顯示。

我們的項目工程師和軟件團隊運用算法來應對這一挑戰。他們開發了一款由羅克韋爾自動化擁有的專利異常檢測算法，能夠實時監控模板印刷過程中的模具，并向支持人員發送性能數據。接下來，他們在該算法上實施了通知功能，使工廠人員能夠即時接收異常預警，而無需進行繁瑣的事后分析。

標簽與傳感器需求

首先，工程團隊為每個模板和刀片添加了 RFID 標簽，并配置了傳感器來檢測龍門架的移動方向。團隊收集數據，并將數據與進入機器的已印刷電路板的序列號綁定，該序列號由現有可編程邏輯控制器 (PLC) 捕捉。他們還將數據與對應的模板和刀片關聯，以收集關于異常、缺陷和錫膏檢測的性能數據。

巧妙的數據收集和情境化

隨后，我們啟用 FactoryTalk DataMosaix。?這是一款精心設計的 SaaS 應用程序，能夠從不同來源收集原始數據、對數據進行情景化處理再匯總到一個平臺，供運營管理團隊用于各類應用程序。??

為何為這個項目選擇 FactoryTalk DataMosaix？常規的 BI 工具并未提供足夠的數據關系建模能力，也無法實時執行這類情景化處理作業。例如，Power BI 需要人工進行分析。?

在特溫斯堡工廠，這種分析通常是每月進行一次。有了 FactoryTalk DataMosaix 后，就可以實時執行分析，使工廠人員能夠及時收到性能異常的通知。??

此外，FactoryTalk DataMosaix 還會在整個生命周期內跟蹤刮刀和模板在車間內的移動。通常，當模板在某一條生產線上使用時，系統會跟蹤該生產線的數據；? 而當模板被移出并投入另一條生產線時，過去的運行數據和性能信息往往被忽略，這樣會導致工廠人員錯過潛在性能問題的風險進一步增加。?

借由 FactoryTalk DataMosaix，我們能夠繪制數據圖表，用以識別設備故障的風險。這種分析方法是一種“非常優雅的方式來觀察生產線的性能”，羅克韋爾自動化軟件架構師 Kai Lin 表示，“它能夠明確指出生產線是變得更好還是更差。”

Teams 上的實時預警

最后，團隊在 Microsoft Teams 上創建了一個頻道，供工廠內部員工訂閱，接收設備異常或缺陷的實時通知。預警以多種方式生成。我們選擇使用 Microsoft Teams，是因為團隊目前正好在使用這款業務系統。

之前的過程是這樣的：當錫膏檢測機檢測到電路板存在問題時，操作員必須手動檢查或清除問題，這往往導致判斷延遲或出現錯誤。現在，算法能夠監控模具加工設備（如刀片和模板）的性能，并針對電路板異常高的故障率觸發預警，提醒操作員立即暫停并調查問題。

正是因為實施了這一解決方案，操作員才能快速確定導致故障的設備，而之前，由于生產環境的復雜性，確定問題的根源十分困難。

現在，我們來檢驗解決方案的有效性。工廠在 2023 年底啟動了算法 FactoryTalk DataMosaix 和 Microsoft Teams 項目，收集了大概 70 天的數據。