制造商面临的挑战：
盈利的制造企业运营难度日益增加。成本和收入持续承受着巨大的压力，而激烈的本地和全球竞争意味着利润空间狭窄，容错空间极小。
自动化装配设备生成的数据可以为应对制造挑战提供解决方案。每次装载夹具、切割废料、喷嘴拾取并放置组件以及对组件进行检测时，位置传感器、力传感器、喷嘴摄像头和检测摄像头等传感器都会采集信息，这些信息能够详细描述装配设备的运行状态、丝网印刷和组件放置等工艺的稳定性，以及决定产品可制造性和最终性能的组件和材料特性。
采集这些数据是一项挑战。将原始数据转化为可操作的信息，以解决问题并改进生产线末端测量结果，这项任务过去主要依赖于SMT生产线管理软件。但现在情况有所不同了。
一些生产线管理软件包，例如雅马哈的Factory Tools套件，已经帮助操作员、生产主管和计划人员更好地控制在线SMT设备，从而提高利用率、效率和生产力。这些软件包通常包含用于辅助机器调度和生产线平衡以及实时监控生产的工具。像雅马哈的M-Tool这样的生产线监控软件可以让管理人员一目了然地查看设备状态，并有助于确保及时补充元件和送料器，从而避免不必要的停机时间。此外，像雅马哈的QA Options和Mobile Judgment智能手机应用程序这样的工具可以显示不合格的检验结果，并帮助确定原因并重新启动生产。
更多数据，更强大的工具：
从数据中寻找答案并非易事。以往，数据分析工作繁琐耗时，通常需要经验丰富的生产团队成员解读结果，从而发现异常趋势并追溯缺陷的根本原因。这往往依赖于经验和对特定机器的“感觉”，以识别问题根源并在设备故障发生前预测维护需求。基于采集的数据生成报告（这些报告通常用于支持诸如准备新的商业投标、改进产品设计或指导新资本设备的投资等高层决策）会增加工作量并减缓业务决策速度。
目前，数据科学正经历着快速发展，各行各业的公司都在积极推进数字化转型，他们需要更多的数据和更强大的分析工具来帮助他们了解数字化转型对自身业务的意义。物流、制药、食品包装和银行等行业的众多不同类型组织正在建立自身的数据文化，以挖掘新的商业洞察，了解如何降低风险、减少成本、提高效率、创造更好的产品和服务，并为客户和利益相关者创造更大的价值。
最新的数据科学技术也将助力电子制造业的发展。借助新兴数据行业的最佳实践，以往需要人工完成的分析任务现在可以实现自动化，从而以前所未有的速度和效率提取更深入的洞察。雅马哈与 Tableau Software 合作推出了 Yamaha Dashboard 可视化套件，该套件集成了 Tableau 分析软件。Dashboard 中的工具提供实时和历史生产分析，帮助用户可视化运营质量状态，分析可用性、性能以及构成整体设备效率 (OEE) 的各项质量因素，并深入挖掘数据，找出问题或缺陷的根本原因，从而帮助解决诸如拣货错误、生产线平衡问题和其他瓶颈等难题。
OEE 分析：
雅马哈的仪表盘监控工具可帮助操作员随时掌握设备状态，并在需要时快速恢复机器和生产；车间经理和工程人员则可利用这些洞察信息，从战略层面管理问题并采取措施提升性能。更高层面上，管理报告工具提供必要的分析，用于评估当前的生产能力状况，并为短期和长期决策提供依据。
通过识别可用性、性能和质量下降的原因，可以提高 OEE 并最终提升生产率。仪表盘中嵌入的数据分析洞察信息能够揭示应对这些挑战的关键。如图 1 所示，该分析可以量化问题并识别其原因，从而帮助制定最合适的行动方案。
实时生产分析以图形化和详细的方式报告机器和生产线的状态，如图 2 所示。用户可以快速识别生产线上发生的任何故障，查看哪些机器已停止运行，并查看故障对 OEE 的影响。.
另一方面，历史生产分析以图形化的方式直接展示OEE指标，使用户能够即时了解停机时间、设置时间和导致停机的错误（图3）。更详细的分析包括收集错误的数量以及导致最频繁停机的事件。. 
更深入的数据分析
雅马哈仪表盘包含多个视图，可用于更深入地分析线路平衡问题、导致组件收集不良的问题以及其他错误。图 4 中的气泡图展示了仪表盘如何帮助用户轻松可视化收集统计数据，从而识别性能不佳的原因并采取措施最大限度地减少收集错误。
集合分析还可以帮助识别经常出现性能不佳的部件和打印头，并按送料器、打印头或喷嘴突出显示结果。关联分析允许用户检查由同一送料器、打印头或喷嘴处理的其他组件出现的错误数量，以确定错误是与组件本身相关还是与整个组件相关。.
添加图像追踪器：
当装配线上引入新型组件时，目视检查后通常会出现较高的拒收率。为了最大限度地减少误判的“不合格”（NG）结果，必须收集并分析足够的图像数据，以识别检测系统用于识别组件的参考图像中的任何缺陷。从首次发现问题到从NG事件中获取足够的信息来调整识别图像，可能需要数天时间。
得益于最新的强大数据库工具，现在可以存储大量与NG结果相关的图像，并利用这些图像更快速、高效地调整识别图像。雅马哈全图像追踪器是一款旨在持续存储所有视觉图像的新工具，因此可以在检测到问题后立即进行分析。这有助于快速识别NG结果的原因（图5），从而省去了在发现问题后收集图像所需的时间。借助此工具，工程师还可以快速优化参考图像，以避免目视检查后出现较高的误判率。
All Image Tracer 与 Dashboard 的结合为生产监控提供了更强大的功能，有助于快速识别并解决问题的根本原因。图 6 展示了 Yamaha 的 Dashboard 如何识别常见的拾音器错误，而 All Image Tracer 对相关图像的后续分析则可以通过恢复拾音器高度来快速识别并解决错误原因。.
图 7 展示了如何通过分析 All Image Tracer 数据库来验证 Dashboard 检测到的对准误差。检测到 X 轴拾取精度存在偏差，而 Y 轴精度正常，可通过重置拾取位置来消除该误差。.
结论： 
大数据革命正在发生，电子制造企业必须利用新型分析工具来释放其在业务中的潜力。
通过采集更大规模的数据和图像库，并利用自动化分析和可视化工具来解读和理解结果，操作员、工厂经理、工程人员和管理层可以获得实现目标所需的洞察。这些目标涵盖了从停机后快速恢复机器或生产，到纠正错误并防止再次发生，再到制定有关未来制造策略和产品设计的高层次决策。
雅马哈仪表盘利用 Tableau 强大的分析平台，是一款可扩展、面向未来的工具，能够随着用户数量的增长和现代数据科学的不断发展而扩展。
