今天的制造企业，由于自动化和智能化程度的提升，流程工艺越来越复杂，另一方面，市场需求也处于动态变化之中，使得供应链系统也越加繁复。而传统的质量管控模式，面对高度复杂的系统环境，常常会出现以下问题：

1

故障源头到底在哪里？

制造参数在不同工作站点之间具有交互影响性，单一检测站数据无法反应制程异常，造成制造成本和不良品流出率增加。

2

制造缺陷真正原因是什么？

造成产品瑕疵的真正原因隐藏在复杂的供应链中，分析和查找导致异常原因的过程耗时且费力。

鉴于此，台达自主研发了根因分析系统，基于机器学习技术，从数据驱动，找出质量异常的根源。

台达根因分析系统的实施架构台达推出的根因分析系统包括数据采集、数据整备、分析建模与系统整合等功能，其核心过程为：将设备状态数据、工艺数据、质量数据、设备参数等信息采集，并进行数据清理/整合等处理，然后对数据进行建模与分析，自动推荐其质量异常产生原因，并将新产生异常原因及其相关知识存储到数据库。同时，该系统可以与其他管理系统集成，从而优化设计、工艺、参数设置等。

根因分析通过对生产过程中所采集的数据进行分析，挖掘产品异常根源和原因，以改进设计、工艺、生产、原材料质量等因素，达到提升质量、降低成本等目的，并促进知识、经验的传承。

根因分析系统应用机器学习技术提取影响产品质量的异常因素，并存储为知识，然后通过对实时采集的各因素状态与产品状态进行分析，实现产品异常原因自动推论。根因分析系统基于统计理论与机器学习技术，建立特征工程与分析模型，可依据不同数据分布特性、用户偏好，自动选用模型、调整参数，发现质量原因并将其量化。当异常发生时会自动连接制造执行系统数据库，自动分析异常原因，并将影响因子图表化呈现，便于快速判断异常原因。

台达根因分析系统已应用于自家工厂及外部合作伙伴，均取得卓越成效。以面板行业为例，其痛点在于：一方面，质量问题判定与解决高度依赖专家的知识与经验，整个过程耗时耗力且缺乏一致性，且专家知识、经验无法系统性保存与复用。另一方面，随着制程复杂度增加，新人培训门槛高、周期长、知识掌握难度高，培训效果欠佳。导入根因分析系统后，自动采集、分析方法替代以往手工分析，系统将质量异常原因等知识结构化存储，通过自动收集、分析各类数据，判断质量状态。当异常发生时能自动与生产系统等连接，从根源分析异常原因，及早发现并修复异常。经过应用，产品质量诊断时间提升80%，生产成本降低10%。

台达生产质量精进系统

根因分析系统可搭配异常侦测、质量预测、参数优化等模块，形成「台达生产质量精进系统」，进一步全面实现异常实时发现、及时修复，并透机器学习技术自动优化生产参数，以提升整体良率、减少人力调校时间与客退率，进而提升商誉。