沒有數據就沒有管理，數據的品質決定管理的成效

數據的品質，要足夠細（涵蓋範圍夠小）、精（取樣頻率夠快）、準（錯誤率夠低），達到客觀真實的數據效果，才能協助企業提高管理效益，強化市場競爭力。

但數據收集得越細、越精、越準，單位數據成本越昂貴。若以純人工來收集這類高品質數據，就算成效再好，性價比也會讓企業難以接受。因此，能夠兼顧管理成本與管理成效，在製造現場，透過IoT（物聯網/機聯網）技術，來取得數據，是製造業目前的最佳選擇。

 以高度細、精、準的客觀真實數據支持製造現場可改善

強化製造現場OEE：利用機聯網高度細、精、準的客觀真實數據

大家都知道OEE的重要性，但製造現場的問題不在OEE有多重要，而在於該如何有效提升OEE？

多數製造業工廠對於OEE數據收集、報表與管制，都是日常必做，不管是紙本運行，還是導入MES的工廠。即便是機上盒（SMB）也會收集機台的機況與產能，並計算出OEE數值。但這些OEE數據是否能讓產線OEE提升? 這就不一定了，因為關鍵不在於計算出OEE，而在當OEE數值下滑時，有足夠細、精、準的數據可以快速診斷出問題所在，以利儘快處理，回復到原本OEE水準，才是最關鍵的環節。

換句話說，對現場管理最有幫助的數據，不是機台正常運作時所產生的大量數據，而是機台設備沒有正常運作時（不只異常階段，更多的是待料/停機階段）的相關數據，才能協助管理人員釐清停機原因的關鍵。

例如：某機台產量不足，管理人員想要了解的不是已生產數量，而是「缺少」的生產數量。

為何會缺少生產數量? 是因機台閒置多久? 為何閒置這麼長時間? 是因為缺人? 還要進ㄧ步了解是缺了哪些人要做哪些事? 是缺人上料? 還是缺人調機?

簡言之，數據必須幫助管理人員一路往下挖掘問題、找出原因，如此解決方案才會確實有效、且處理成本才會划算。如下圖，數據須能把OEE的時間稼動率（A）、性能稼動率（P）、品質稼動率（Q）分別計算，而切分機台/製程/產品或班別，分別展開以分析六大損失。如此才有機會找到改善切入點，對症下藥。

事實上，製造現場效能提升是沒有特效藥，最笨的方法往往也是最有效的方法。要想有效找出原因、解決問題，需要有把『鏟子』，而機聯網運作所累積的高度細、精、準的客觀數據，就是最划算的『鏟子』、甚至可說是『挖土機』。

 OEE要素與六大損失

強化設備穩定度：除了OEE之外，也得善用MTBF/MTTR與狀態堆疊圖

產線機台的穩定度至關重要，單靠OEE無法達到全面性管控。如下圖的三台設備，若光看OEE的時間稼動率，三者數據幾乎相同。但事實上，第一台與第三台的穩定度卻分別是極好與極壞。第一台非常穩定持續運作好長一段時間，停機或許只因某零組件壽命到了，更換後就能繼續運作。而第三台雖無長時間停機，卻不斷地短暫中斷。

例如：因為機台卡料需要人員頻繁的排除障礙，雖然每次排除的時間很短，但卻需要現場人員隨侍在側，這對現場人力運用，就是很大的浪費。魔鬼總是藏在細節裡，單就OEE是無法甄別，機聯網數據能讓機台說出真相，才有助於提升現場生產效率。

相同OEE稼動率卻有截然不同的MTBF/MTTR

有效收集與應用：Top-down價值導向的機聯網

數據只是工具，重點在於有效應用以創造價值。現場主管需要的並非大量數據，而是應用數據快速甄別異常與根因分析的應用。縱使透過IoT的物聯網／機聯網可以收集海量數據、說出無數真相，但若不是現場主管最在意的『那個真相』，所收集的昂貴數據，反成為「負債」。

但由於機台研發團隊的思維與技術背景，跟製造業工廠差異甚大，因此機台設計的理念與重心，就只會單純鎖定在正常運轉生產的範疇，而提供出來的數據，也就侷限於此。這現象很容易理解，若機台無法正常運轉，且生產出品質可被接受的產品，那這部機台也就報廢。

然而，製造工廠的競爭力來源，很大部分與非運轉時期的成本（浪費）管控有關，例如：故障異常、上下料或調機等成本。

但因為兩造思維不同，導致機聯網從機台中取得最多的數據，往往是機台順利運轉的數據，例如產量、機況、工業數據或製程參數等。而市面上大多數的機上盒（SMB）也是透過Bottom-Up方式收集與上傳數據。因此，收集到的機台運轉數據相當多，但『不運轉』的數據卻非常少。當現場主管想藉用數據改善『不運轉』的狀況時，就難有足夠數據協助。

所以，若想要讓製造現場更有效的應用數據，產生價值，就須轉換思維。

改以Top-down價值導向，『以終為始』的角度來收集數據。

製造工廠最在乎的是交期與成本。對傳統非自動化機台，需要現場人員看管機台，善用機台『所有能量』是最要緊的事。因此，數據收集得改從機台『全程時間』的角度來規劃。

例如：機台全程可使用24小時（或8小時），將其切分生產運轉與非運轉時間，分別收集數據。二者的比例固然是監控重點，但後者的管控與浪費減少才是關鍵。

因此，得將非運轉期間依照不同職能與工作項目再細分，例如：上料、調機、首件檢驗、線上保養、下料等，分別從機台或感測器收集夠細精準的數據，而非人工記錄，才能作為後續浪費甄別與改善的基礎。

比較困難的是，非運轉期間夠細精準的真實可靠數據，並不好收集。有些數據是機台可以提供的，例如：停機時間，但往往只有總量並無細節；也就是說，停機時間進行哪些工作就很難分辨。

因此，真正有效的IoT（物聯網／機聯網），就得設計出相對應的方案，例如：透過『進料（掃描工單條碼）+工件偵測存在+停機狀態+機台無異常』等條件加總後判讀為調機；也就是說，得整合IT（工單）與OT（機器+感測器+其他機制），甚至於改機後的新數據，將數據融合與前處理後，再上傳到系統或雲端，以利後續應用。

除了偵別異常之外（例如：時間稼動率下滑），也可釐清異常原因（例如：調機時間過長），並透過智慧通報（例如：直接用手機訊息通知對應主管），讓主管即早發現問題，派人處理，減少損失。

如此才是善用IoT（物聯網／機聯網），讓機台說出主管關心的『真相』，才能真正有效創造價值。