汽車業新廠規畫導入案

新工廠利用物聯網等技術即時監控從生產到交付的流程狀態,並引進節能生產設備和可再生能源,為實現碳中和做出貢獻。

綠能製造的智慧工廠

此客戶為日本最大汽車公司,以生產轎車、摩托車和高性能發動機而聞名全球,在美國的銷售量也名列前茅。
為加強主力產品安全氣囊和方向盤的產量,客戶決議追加投資建立新廠,新工廠於 2023 年夏季投產。除了產能的擴展,此次也致力於打造高效生產且有環保理念的「智慧工廠」。藉由此次新廠的建立,期盼後續可作為智慧工廠的典範,並推廣至集團內的其他工廠。

亮點

1. 降低成本,
減少30%人力

2. 二氧化碳排放量比傳統設備減少50%

3. 以防範網路攻擊為前提的新廠建立

導入重點

  1. 建廠準備:包括infra在內的智慧工廠的諮詢服務,同步繪製業務藍圖,制定實施路徑,為系統建設階段打下良好基礎。
  2. 實施階段:導入智慧工廠管理系統,實現從原料採購至成品出貨的端到端的業務管理及業務財務一體化管理。
  3. 軟硬整合:智慧工廠管理系統連接生產設備、物流設備如自動倉庫,AGV等,實現關鍵流程的自動化與人機協同生產。

效益

高效
協同

協同工廠內設備之間,以及設備與人之間作業,減少人工作業,提高生產效率與精度 了解工業物聯網

精益
求精

系統與設備完美整合,即時收集生產、物流、品質等資料,提高產品品質、縮短交期 了解EXC-MES

科學
決策

分析收集到的資料以報表或看板將結果視覺化,提高決策效率,降低成本,提升競爭力

精準
追溯

透過生產履歷可追溯每個產品的生產時間節點和使用零件的全部製造資訊,並隨時掌握每個托盤、台車、箱的位置,以及每個產品的庫存數量和位置

異常
管控

由智慧工廠管理系統統一管理設備、人員、產品的狀態,在異常時候發出警告,透過生產環境、設備參數和品質要求進行預警,進一步改善生產環境等狀態,進而降低不良率

綠能
製造

透過使用再生能源、能源監控等措施,分析能源來源資料持續降低能源消耗,未來將達到碳中和的目標了解能源管理解決方案

數位孿生工廠

此客戶為德國奢華品牌汽車工廠。此次數位孿生工廠專案,涵蓋了建築和設施規劃、物流規劃、沖壓、車身、塗裝、動力系統和裝配規劃的規劃過程,以及工業工程和人體工程學評估。

客戶需求

  • CAD資料的儲存格式眾多,如何將多方收集的資料整合在一個平台上加以利用?
  • 在工廠、園區規劃的早期階段,加入自動跨行業干涉檢測,減少後期改動的時間成本
  • 如何安排多個複雜流程和物流規劃場景,減少衝突和等待時間?
  • 缺少分析複雜途程設計方案的功能,如產線速度、輸出最大值等
  • 必要資訊的視覺化或3D顯示,以及資訊的跨部門、遠端分享溝通

亮點

1.規劃設計時間縮短15~50%

2.節省策劃者工作量15~35%

3.前置時間減少20%

導入重點

  1. 3D模型整合在一個平台上以視覺化的方式顯示
  2. 採用虛擬系統集中處理和管理需要運用其他技術進行交換的3D 模型資料
  3. 在平台上生成各種視覺化場景
  4. 建立跨技術的標準化工程庫和業務流程
  5. 管理XR開發工具鏈,實現3D視覺化資料處理管道; 提供並交付3D視覺化,專案開發和實施的VR/AR解決方案範本

效益

降低
溝通成本

用3D模型呈現資料與結果,並與多個部門間共享資訊,便於協調溝通

優化
建設規劃

  1. 避免了大量的後期修正,減少50 ~ 100項設計變更請求
  2. 妥善規劃分散式架構保護設備,簡化作業與人力

預驗收及
遠程支援

支援虛擬、遠端模式,增加整體系統的彈性和擴充性

資料驅動,數位轉型

客戶身為汽車行業創新技術的領導者,在企業數位化轉型的過程中,充分意識到資料的重要性,迫切需要企業整體以從業務驅動向資料驅動進行轉變。

NTT DATA 為客戶的大數據平台提供了建設性解決方案,作為資料支撐平台,承擔資料獲取、過濾、優化、儲存和分發的任務。了解數據中台

亮點

1. 打破資訊孤島,重建大數據架構

2. 建立新的數據治理架構

導入重點

  1. 現今的資料量,已讓原有的企業BI平台與資料倉儲不堪負荷。NTT DATA重建了大數據架構,從根本上改變性能,使其擁有強大的資料處理能力。
  2. 貼合業務需求,重建BI報表體系,高度客製化報表交付工具
  3. 提供資料治理的諮詢與重建,結合資料治理工具制定客戶資料治理規範

效益

高效率

提升基礎資料的建構和儲存性能,核心業務的運算提高6倍;原來需要幾個小時甚至更久才能取得最新報表,目前可縮短至分鐘或秒級別

高品質

將內、外部資料進行資料清理、驗證,提升資料的完整性、準確性以及時效性,為客戶提供高品質的數據資產

高延展

加速資料交換,支援大批量多維度及個性化報表的輸出,並支援今後擴展的外部資料

高價值

即使是看似孤立的資訊,也可透過資料分析找出洞見,重新挖掘數據價值,業務價值最大化