當今數據已被視為資產、甚至是新能源，但蒐集與保存數據都是需要成本的，若這些數據無法產生價值，只會變成負債。換言之，以【智慧化】善用數據淬煉智慧，創造新價值，是推動智慧製造的最重要的關鍵。

智慧製造之【智慧化】發展主要分為四階段【可視化】→【透明化】→【預測化】→【自適應】。

製造業經過【自動化】與【數位化】進程後，所累積的數據除了應用於組織運作與改善作業外，接下來就得開始淬鍊數據成為智慧，才能創造出新價值。想到【智慧化】，多數人腦中立即浮現大數據(Big Data)或人工智慧(AI)。

沒錯! 這是最直覺被聯想到的技術，但它卻只是手段之一，而不是【智慧化】的本質。

智慧化的四階段說明

智慧化的最終目的，是要提升製造業整體競爭力，而其落實手法則分為四階段，如下圖所示，四階段分別說明如下：

1.可視化：在對的時間，讓對的人，以對的方式，看到對的數據

「數據」能否創造價值不在於「數據」本身，而在於「給誰看」。也就是說，必須在對的時間，給對的人，看到對的數據。好比一份詳細的財務報表，給巴菲特看，必定會有些投資價值；但若給一個技術精深的電機工程師看，只怕會是「對牛彈琴」，這就是【可視化】。

【可視化】並非一定要呈現花俏圖表才是，重點在於是否「有效」。因為不同數據對於不同對象、不同目的，就會有其不同的呈現方式。例如，同樣是機聯網數據，生管單位想整理成A/P/Q分開呈現的OEE圖表；而設備部門(工務)卻想看MTBF/MTTR、甚至於狀態堆疊圖。因此，「以終為始」選擇有效的呈現方式給對的人監控，才是【可視化】成功與否的關鍵。

2.透明化/透通化：發現問題，解決問題，以強化競爭力

企業常透過解決問題來提升競爭力，但解決問題的前提在於要先發現問題，而企業最常遇到的瓶頸卻是「沒有問題」；換言之，往往得等到問題已經大到蓋不住，問題才會爆發式現身，但此時已很難「全身而退」。因此，若能讓數據自己說話，就有機會避開企業常見的「鄉愿」與「便宜行事」，讓問題在極早且危害甚小時，自動現身，企業就能提早因應以解決問題。此法如同歷史名醫扁鵲的大哥，其所用的醫術就是現今的預防醫學，在發現一個人氣色不好、病未起時，就先用藥調理，防患於未然。

在這快速變遷的時代，傳統用SOP與經驗被動發現問題的模式已不敷使用。面對中長期趨勢問題，如何以數據智慧化來自主發掘問題，取代大家習以為常的慣性，就顯得特別重要。然而，這得靠企業所累積的龐大數據，透過各層次、各軸線的基線(Baseline)來提早預警，經由大數據分析主動挖掘深層問題，找尋有效根因、快速解決並建立甄別模型，以持續強化企業競爭力。

3.預測化：預測未來，提前準備

上述【透明化】類似數學上的內差法，【預測化】則類似外插法，用來預測未來以提早因應準備。以工廠來說，機聯網數據經過IT/OT融合後，除了可透過AI數學模型作到預知保養 (PdM, Predictive Maintenance)，甚至可以整合檢測機台的數據，建立工藝數學模型，達到虛擬量測 (VM, Virtual Metrology)。

應用虛擬檢測不但可以讓檢測機台的資本支出減少，還能讓產品達到即時全檢的品質控管。更進一步，以數學模型預測進行工藝參數的優化，直接提升產品等級達到高值化，以利搶下高階市場。

4.自適應：因應內外在的變遷，自動調適，持續自我優化

從【預測化】的快速因應與參數優化之後，下一步就是讓各系統或機台自身可以自適應、自動調適。強化個體內部的自適應閉環 (閉迴路控制, Close Loop)，讓企業可以像大自然的生命一樣，快速演化、自主適應不斷變遷的大環境。

總結

以機台為例，機台內的零組件不可避免會持續不斷地老化與衰退，但工藝的標準參數卻只針對機台最開始、最健康時期所設計。因此，當機台的零組件開始老化與衰退時，所生產的產品品質或良率就會持續變差。在工廠中，常請老師傅以多年經驗，依據產出品質，動態微調各工藝參數。但這種因人而異的作業模式，對於講求標準化的工廠來說，不會是好的模式。

【自適應】透過全方位蒐集的數據，例如：影響機台產出的變因，包括環境變數、進料波動、夾治模具磨耗、機台零組件衰退等，與產品產出後所量測到的品質數據，以AI建立機台製程數學模型，並依此設計補正控制演算法來微調，讓產品的品質與成本更好，工廠效益更好、客戶滿意度更高，甚至於提升產品等級，邁向高值化市場。

【智慧化】是智慧製造的亮點，也是三部曲之價值展現主要階段。當然，若缺少【自動化】與【數位化】的必要因素，【智慧化】也很難有所成果。接下來，承接【智慧化】落實產出價值，發揮《莊子 • 逍遙遊》「所用之異也」之大用，而「衡量指標」正是其中有效落實的手法之一，下期將繼續推進，敬請期待!

有什麼工作上的疑惑，希望得到解答嗎？歡迎來信，和【就享知】分享，我們一起跟你找答案。

一起找答案方式：digiknow@digiwin.com

延伸閱讀：

製造業的數位轉型，如何打造數據驅動的智慧製造？

A.智慧製造的3階段

1.智慧製造的基礎是自動化，如何確保投資效益？

2.形塑智慧製造能力，推動數位化的步驟是什麼？

3.如何利用製造現場『數據』，創造『智慧化』價值？

B.如何實現智慧製造的效益?

4.實現智慧製造效益，必須先連結企業經營成果

5.智慧製造的啟動3依據和推動5原則

C. 智慧製造的重要步驟

6.透過企業健檢報告，了解『你和工業4.0的距離』

7.『智慧製造』流程和藍圖如何規劃？從目標確認開始

8.智慧製造從客戶需求出發，打造不可取代地位

智慧製造的架構

A.由上而下的ITOT系統整合，打造全面性的智慧製造

1.智慧製造和智慧機械雙引擎，加速數位轉型

2.什麼是智慧機械？智慧機械的3大訴求有哪些？

3.掌控機台全方位行為，落實製造業數位轉型之路

4.製造業數位優化四階段，工廠數據如何全面整合

5.掌握什麼重要數據，才能達到彈性靈活應變智造現場？

B.智慧製造的基礎，從物聯網開始

1.如何打造快速靈活應變的智造現場

2.數據品質3特性，強化現場OEE，讓機台說出真相！

3.如何應用IoT，快速提升製造現場OEE？

4.訂閱式機聯網應用，簡單實現數據驅動的智慧製造

5.加入生態系，智慧機械雲帶領企業邁向智慧製造

文：曹永誠   責任編輯：楊于嫺

------------------------------------------------------

專家：曹永誠

目前任職於鼎新電腦，深耕製造業自動化與大數據領域逾25年，專精於先進製程控制(APC)、智慧機台控制系統、機器人自動化、智慧能源管理等領域。實務輔導百餘家製造企業之智慧製造藍圖規畫與軟硬體整合應用。