科技思考：豐田巧妙利用感測器，解決了TIM系統效率低下的難題

科技思考：豐田巧妙利用感測器，解決了TIM系統效率低下的難題。

1、運轉效率地下，是TIM系統的缺陷，豐田透過給每一臺裝置安裝感測器、與其他製造商協作，提升工廠效率。

2、豐田運用大資料分析和AI實現萬物互聯，補充人眼的侷限。

3、豐田開始實施年輕人才資料分析能力教育的措施。

30輪以上的實證試驗豐田高岡工廠在2016年實施了30輪以上的實證試驗，成立了“運作·物流”“品質”“裝置維護”“人·要素技術”四個工作組。其中，各個工作組可選定自己的主題，包括現在高岡工廠的需求、將來建立新工廠的需求，以及挑戰生產技術，共計三種主題。與這三者相關的問題，要根據各個步驟確立相應的水平計劃值。

“其實也有一些主題沒有獲得預期的效果”（大倉守彥）。例如“除錯資料的電子化”方面，以用紙記錄為基礎的成型品檢查結果記錄方式開始向電子化推進。但是，錄入資料需要佔用大量工時，具體效果也不明顯，最後總會變成“後工序也得想辦法”的尷尬局面。當然，很多實證試驗的具體效果也是肉眼可見的。例如，零部件的分揀作業就活用了IOT“自發光式無線資料分揀系統（DPS）”。

從零部件架中抓取一臺汽車需要的零件，並按照順序摞在推車上，這項作業就非常適合匯入IOT系統。將正確的零部件以正確的順序裝載入推車上，僅這一步就能讓新人和熟練工都能順利完成。但這一步並不容易做到，因為這要求零部件架上的產品必須按照最便捷的方式排序。過去，參照指示將零件取出、搬運到推車上的這段時間是由人用秒錶進行計時測量的。然後，再由人將資料輸入到電腦，進行圖表化，以便大家參考、作出改善方案。從結果看，人力測量並不能獲得準確的資訊，最優配置也難以維持。因此，完全可以經由IOT解放勞動力。

針對這個問題，IOT化後的系統是這樣配置的：在貨架上安裝燈組，並在應該取下的貨架位置點亮燈組、發出通知，然後檢查零部件的提取狀況；作業人員可以從點亮的視窗取出零部件，然後用戴在手腕上的讀取器進行誤品檢查。同時，作業實績可以自動收集資料並進行圖表化，從作業時間獲知作業者的熟練程度，並從頻繁的提取位置獲知作業的難度。例如，經常取用的零部件應該把位置從上部轉移到下部。此外，這套系統的無線化可以使貨架位置在休息時間進行靈活配置。只需要取下燈組，再與零件箱一起放入替換即可。從結果來看，新系統縮短了作業時長。在各個主題中，有很多技術可以幫助技術人員確認目標水準是否已經達成，或者已經取得效果的主題是否可以應用於批次生產線。

與裝置生產商合作解決如第五節中第一階段和第二階段的例子所示，第三階段的案例中有一項是

“TIM成型機的徵兆管理”。TIM（Toyota Injection Machine）是一臺由六臺可以單獨控制的小型注塑機構成的注塑成型機，可自動交換模具和組合使用，讓多種泵單獨進行混流生產。

現在，豐田在日本各國的生產基地已經相繼匯入了

TIM，共有60臺正在執行中。但由於每個地區的氣候不同、工廠內環境存在差異，以及泵的壓力變動會給品質帶來惡劣影響等原因，TIM的運轉率較差。“TIM成了讓人頗為傷神的裝置”。因此，在高岡工廠，每臺TIM中都搭載有多個感測器，以便收集各部分的資訊。同時，捷太格特（JTEKT）作為裝置製造商，也可實時獲取資訊，由兩家公司協作調查各種引數和產品質量的關聯性。在“高功能的裝置中，製造商的見解非常重要，因為使用者（豐田汽車）不知道裝置的設計思想”。

現在，豐田已經完成了應該收集的資訊的篩選處理，以應用於徵兆管理。自2017年開始，豐田陸續在其他工廠的TIM裝置中推進了該項計劃。出貨後的汽車和工廠依舊血脈相連在促進IOT與TPS融合，使其在人才培養中起到應有的作用這一點上，豐田“儘量不拖延到第四階段去完成，而儘可在第三階段就完成”。但實際上，第三階段並不能應對所有問題。因此，豐田開始討論透過運用大資料分析和AI等來推進第四階段的可能性。例如，塗裝中的顏色管理。

近年來，新色系不斷湧現，色數不斷增加。在這種態勢下，將自己所看、所感知的顏色進行妥善管理非常重要。與塗裝顏色相關的的管理專案多達350360種，“即使全部調入下限值，用肉眼觀察到的同色部件之間還是存在著差異”。也正因如此，工廠才在積極推進利用大資料分析和AI等的實證試驗。同時，車身的IOT化也在突飛猛進。也就是說，“互聯車”的普及與工廠的IOT化也不是毫無關聯的。“何時、在哪裡製造，這些資訊始終與互聯車相連”。在第四階段中，以科學的資料處理技術為支撐，儲備具有製造業專業知識的高階人才必不可少。這兩點，也正是豐田所缺失的。從2017年夏季開始，豐田開始實施“對具備一定工程知識的年輕人才進行資料分析能力教育”的措施。大倉守彥表示：“3年內，豐田此類人才預計會增加10倍。”

現在，豐田在日本各國的生產基地已經相繼匯入了

TIM，共有60臺正在執行中。但由於每個地區的氣候不同、工廠內環境存在差異，以及泵的壓力變動會給品質帶來惡劣影響等原因，TIM的運轉率較差。“TIM成了讓人頗為傷神的裝置”。因此，在高岡工廠，每臺TIM中都搭載有多個感測器，以便收集各部分的資訊。同時，捷太格特（JTEKT）作為裝置製造商，也可實時獲取資訊，由兩家公司協作調查各種引數和產品質量的關聯性。在“高功能的裝置中，製造商的見解非常重要，因為使用者（豐田汽車）不知道裝置的設計思想”。現在，豐田已經完成了應該收集的資訊的篩選處理，以應用於徵兆管理。

自2017年開始，豐田陸續在其他工廠的TIM裝置中推進了該項計劃。出貨後的汽車和工廠依舊血脈相連在促進IOT與TPS融合，使其在人才培養中起到應有的作用這一點上，豐田“儘量不拖延到第四階段去完成，而儘可在第三階段就完成”。但實際上，第三階段並不能應對所有問題。因此，豐田開始討論透過運用大資料分析和AI等來推進第四階段的可能性。例如，塗裝中的顏色管理。近年來，新色系不斷湧現，色數不斷增加。在這種態勢下，將自己所看、所感知的顏色進行妥善管理非常重要。

與塗裝顏色相關的的管理專案多達350360種，“即使全部調入下限值，用肉眼觀察到的同色部件之間還是存在著差異”。也正因如此，工廠才在積極推進利用大資料分析和AI等的實證試驗。同時，車身的IOT化也在突飛猛進。也就是說，“互聯車”的普及與工廠的IOT化也不是毫無關聯的。“何時、在哪裡製造，這些資訊始終與互聯車相連”。在第四階段中，以科學的資料處理技術為支撐，儲備具有製造業專業知識的高階人才必不可少。這兩點，也正是豐田所缺失的。從2017年夏季開始，豐田開始實施“對具備一定工程知識的年輕人才進行資料分析能力教育”的措施。大倉守彥表示：“3年內，豐田此類人才預計會增加10倍。”