AI 應用

EMS

透過 Profet AI 的多領域製程專家,運用製程數據建立預測模型,協助電子製造服務產業進行製程參數優化、品質問題因子、開線前參數模擬以及製造結果虛擬量測

應用場景

參數推薦、人力需求預測、異常偵測

現況​

隨著科技的發展,電子產品的市場需求不斷增長,EMS 產業在全球電子製造服務市場中發揮著至關重要的作用,通過提供全面且靈活的服務,支撐著全球電子產品的生產和供應鏈。

挑戰​

EMS 產業面臨著激烈的市場競爭和快速變化的技術需求等挑戰。包括市場價格競爭激烈,製造成本的控制事關重要,此外也包括供應鏈管理複雜,以及 ESG 等議題。此外,全球化的佈局也考驗跨文化管理的問題。為因應這些挑戰,EMS 產業需不斷提升品質管理和降低成本,導入自動化與智能化技術,加強與客戶與供應商的合作關係,確保市場競爭力以持續發展。

迴焊爐參數推薦

迴焊爐參數推薦是 EMS 產業關鍵的製程優化工作,透過調整各溫區溫度參數與軌道速度,達到所需焊接溫度曲線,確保焊接品質和生產效率。

痛點分析

  • 參數優化耗時費力:倚靠經驗調整參數需耗費大量時間和人力成本,且試誤成本高
  • 技術人員需求高:專業技術人員的需求量大,導致高額培訓及留才成本

成果效益

  • 模擬產品品質並透過線上調參,降低 10% 產品缺陷率
  • 透過參數推薦,節省 20% 時間成本,提高生產效率

人力需求預測

人力需求量預測是一項關鍵的人力管理工作,旨在精確預測未來需求,合理配置和管理人力資源,以滿足生產和業務需求。

痛點分析

  • 需求不確定性高:市場需求波動大,產品生命週期短,使得人力需求難以準確預測
  • 人力配置效率低:未能準確預測人力需求,可能導致人力過剩或不足,影響生產效率和成本控制

成果效益

  • 透過精確預測人力需求,可避免人力過剩或不足,提高人力配置效率 8%
  • 降低人力成本:合理的人力規劃能夠減少浪費,降低人力成本 13%
  • 提高生產效率:優化人力配置至適時適量

組裝品質異常偵測

後段組裝為勞力密集作業,存在不可避免的人為變異,且組裝品質牽涉產品氣密或散熱等諸多使用者端品質議題,導致後續的客訴和罰款。

痛點分析

  • 檢驗效力不足:由於產品特性,無法進行 Inline 檢驗
  • 分析方法不明:即便知道問題的存在,但工程師往往缺缺乏高效易用的分析方法及工具
  • 方法落地困難:即便有了分析方法,用過往方式也難以將方案落地

成果效益

  • 透過模型即時檢測,減少 20% 因螺絲導致 FQC 的退回
  • 提升螺絲檢驗效率 50%