LOFA ( Light Off Factory Assistant)
黑灯工厂助理-让生产更高效!
LOFA 作为全自动化工厂中控战勤室统一入口,集成工厂管理需求展示、控制、知识管理、技能组件、流程自动代操、AI识别及解析等,致力打造工厂的智慧中控AI大脑。
LOFA
黑灯工厂助理
GloryIGI
泛半导体智慧大模型
BI/Report
智能化数据分析系统
LOFA ( Light Off Factory Assistant)
黑灯工厂助理-让生产更高效!
LOFA 作为全自动化工厂中控战勤室统一入口,集成工厂管理需求展示、控制、知识管理、技能组件、流程自动代操、AI识别及解析等,致力打造工厂的智慧中控AI大脑。
省集控代操
节约80%人力
1.机台数据集中管理,提升管理效率,一人可管理多个机台,减少人力成本,优化人机比,提升劳动生产率;
2.设备自动化上线,LOFA配合控制检测修复等自动化设备,完全实现自动化生产,大量减少现场人员,可节约60%-80%人力。
准模仿行业专家
履行专业判断
1.替代原有人工判级、位置确认、修复工作,降低误判率、漏检率,大幅降低人工工作强度,规避人工误操作风险;错检漏检比例降低到1%以下,修复准确率提升85%以上。
2.机器学习提升ADC自动判图准确率,准确率达99%以上。(人工识别通常准确率在80%左右)。
稳数据安全、运行可靠
保障生产效率
1.硬件连接机台,无损方式采集机台画面与控制信息,不干扰机台自身工作流,无数据外泄风险。
2.LOFA产品7*24连续稳定高效运行,包含完备的告警机制。
LOFA功能组件
LOFA Bots智能脚本
PCC/RCM
远程控制中心系统
Bots
机器人流程自动化
AI
自动缺陷分类系统
制成控制中心:集远程操作,设备遥控、视频监控为一体的综合性系统。实现信息整合、自动派单、报警提醒、影响回放、报表分析等功能,提升工厂运营效率,为客户创造价值。
界面图片
整体设备的布局和物流的实时位置
各设备的设备状态和生产信息的展示
整体场景可以自由的移动、旋转、放大缩小,设备可以点击查询显示当前的设备状态和生产信息的情况
计划达成显示
工厂内不良汇总显示
综合数据显示
设备状态监控显示
产能实时显示
管理中心实时显示
LOFA PCC 远程集控中心
操作终端每个终端配置1台主机、2台显示器;可分布在Room、Office、FAB,集中监控多台设备; 设备生产状态信息实时刷新;发生Alarm,系统框变红色报警,点击报警设备可在快速放大,并进入操作画面。
设备监控主画面
终端操作画面
PCC/RCM 集控中心的价值
导入划片效益计算案例
LOFA PCC系统上线后,减少人员走动,作业员疲劳度降低,按照现有人员编制每班8个作业人员,一共两个班16人,一个班操作端两个人,设备端放料及换物料3个人可以节省6-7人,除设备端上下料外,所有异常基本都在RCM客户端解决。
一人可以看多台设备,加速异常处理,减少了设备待/停机时间,设备效率提升。
投资回报率:按照作业人员人均5000/月工资计算,一年可以节省支出5000*6*12=360000,一片Wafer按照60min生产时间计算,每六分钟需要操作解除暂停,人员走动需要10s左右,操作需要10s左右,每片可以节省10s*10=100s,一天可节省100s*24=2400s,一月可多生产(2400s*30)/(60*60)=20片/台。
需要操作解除暂停,人员走动需要10s左右,操作需要10s左右,每片可以节省10s*10=100s,一天可节省100s*24=2400s,一月可多生产(2400s*30)/(60*60)=20片/台。
实现办公室远程操作,并结合机台自动代替人工操作(代操),有效减少人员频繁进入FAB,人员仅需处理重要报警和机台故障。
通过系统自动图像识别,自动选择配方,并同步记录一些后台访问受限的相关数据,精准监控,改变原先生产人员定时手动抄录的环节,节约此类机台操作人员30%人力。
解决老旧机台无自定义功能的痛点,帮助机台改造升级,大幅度节约换机发生的成本,通过LOFA改造,减少进口机台原厂的升级改造,国外设备厂每台改造费用约3万美金。
RPA能为客户提供先进的更便捷更智能的业务自动化解决方案,使用RPA取代MA部分手工操作,可以使Fab中的人力得到进一步得到解放、效率进一步得到提升,同时也能够避免MA手工操作带来的误操作与检查遗漏等风险项。在部分场景中,使用RPA取代MA操作,可在执行效率上提升约50%左右。
编辑业务脚本流程,将手工操作的步骤通过脚本的形式固化到计算机中。
光学字符识别,识别机台上各类文字,符号、数字的内容。
计算机视觉处理,对机台的实时画面进行图片进行分析、计算、处理。
分析脚本处理过程,可进行RPA代操过程的记录回溯。
实时观察RPA部署机器的运行状态及各项参数。
ADC系统,全称自动缺陷分类系统(Auto Defect Classification),是指能够基于产品图像进行自动缺陷定位,缺陷分类的视觉检测系统。ADC系统的核心技术图像神经网络技术,对图像进行分类识别。
图像处理核心,包含除深度学习图像识别外的目标识别、OCR、虚拟量测、辅助定位、图像优化等功能。现有算法组件以工具库形式快速部署调试,应对用户实际需求。
模型对每个缺陷的预测输出置信度,设定置信度阈值T(例如0.8)
大于阈值的预测结果视为ADC结果可信,其余暂时由人工处理
结果可信的比例为“覆盖率”,可表示节省人工的程度
人工判定结果补充训练,覆盖率逐步提升
BI/Report提供智能化数据分析及可视化能力,满足用户数据准备、数据分析、数据可视化等需求。无需繁琐代码编写,简单拖拽即可轻松实现业务数据快速分析。
报表管理
报表需求管理及报表指标组
数据源配置
搭建私有数据源信息
分析仪表盘
可视化仪表盘,不同维度分析数据
指标管理
指标业务定义及统一指标口
数据建模
根据业务需求,建立分析模型
数据公开
定制化各分析数据门户,定时推送分析信息
BI/Report 设计仪表盘,输出分析结果
报表管理
指标管理
新增仪表盘
仪表盘设计,选择图表组件及数据模型
输出分析结果
报表案例
设备状态区间报表
设备报警报表
设备OEE报表
MTBA报表
BI报表展示-看板