什麼是智慧機械？智慧機械的3大訴求有哪些？談到透過智慧製造與智慧機械上下合力，推動製造業工廠的數位優化。

本文將分享這其中的關鍵核心技術之一：IT (資訊技術, Information Technology) 與OT (營運技術, Operation Technology) 的深度融合、創新應用。

全方位的數據收集

數據是一切的基礎，透過物聯網(IoT)和工業互聯網(IIoT)技術收集的數位數據，才能開啟企業數位化的開端。

以OT數據來說，大部分的數據來自於機台設備。製造業工廠大多是委託SI (系統整合，System Integration)，以機上盒(SMB)機聯工廠機台設備來收集OT數據。

但可能是習慣問題，物聯網/機聯網的範疇，多半只涵蓋生產機台，且只著重於機況與產量。實際上，這方式有些偏廢，因為工廠內的機台不僅有生產機台，也包括廠務機台與檢測機台，如圖一所示。 

圖一. 全方位的收集數據

廠務機台

廠務機台包括生產機台的周邊設備，例如塑膠射出成型機的模溫機、烘料機等，與供應生產機台的水/氣/電/化的設備。

例如空壓機，也包括環境參數，例如廠房溫度等等。廠務機台雖然無法獨立生產產品，而是支援性質，但一旦出問題就會拖累生產機台無法順利量產。

因此，我常戲稱這叫做：『成事不足，敗事有餘』；也就是說，要成就生產產品的大事，尚不足以獨當一面，但要拖累生產機台卻綽綽有餘。舉例來說空壓機，若壓縮空氣供應出現異常壓降，就會嚴重影響產線生產。

檢測機台

檢測機台也是很重要的設備，雖然多數比較小型且半自動化運作，甚至是手動量測工具，用以量測產品產出後的品質檢測、或材料進料檢驗等。

由於這些在工廠內常被歸屬於品質體系，因此比較少放進物聯網/機聯網的導入範疇內；然而這些量測數據，不管是產品品質或是進料規格等，卻是生產設備產出成果好壞的相對應數據，對於後續應用大數據分析來進行工程改善至關重要，故得一併納入機聯網導入範疇。

如何判斷收集機台數據的優先順序？

全面性地把這三類機台都導入物聯網/機聯網收集數據，對製造業工廠的數位優化很重要。但若因預算有限或需要分階段執行時，該如何取捨呢?

直覺的想法是，先針對生產機台，先拉出一條產線，或某個製造課先行導入，畢竟這是工廠運作的主要價值來源，依80/20法則可以達到最佳C/P值。但事實並非如此，因為同樣是生產機台，瓶頸機台與非瓶頸機台，對於工廠產出的價值差異甚大。

因為瓶頸機台產能的損失，就代表著整個工廠產能的損失。當經費有限或分階段導入時，範疇規劃應當先以這些瓶頸機台為中心，然後納入其周邊設備與檢測機台。

一方面避免因為周邊設備沒管控好，被拖累; 另一方面透過檢測數據的聯網，可以更即時的偵測早期異常，使其在良率出問題的最開始，就可以快速反應介入處理，避免損失的持續擴大。這些整合後的數據，累積一段時間後，也可以透過大數據分析等手法，對這些關鍵瓶頸進行工程改善，提升工廠的整體效益。

掌控生產機台的全生活週期

有了全方位的OT數據後，不代表著就可以全方位的掌控機台設備。因為機台尚有很多相關數據，並無法來自於機台本身，需要進一步整合IT數據，才能全面掌控生產機台的全生活週期(機台的一天)，如圖二所示。

圖二. 生產機台設備的全生活週期 (機台的一天)

從機台設備每天開機開始，何時被派工、何時人員開始調機(例如上模)、何時開始試產、何時通過首件檢查、量產、下料、報工，發生過哪些異常，何時排除等等。

把機台設備一天中，詳細紀錄每個階段的開始點與結束點等的時間數據，與這中間所發生的事，例如工單編號、品號、工序、工藝、模具/治具/夾具、材料等IT數據，以及例如生產數量、工藝參數的設定值、感測器的工業數據實際值等OT數據，都能鉅細靡遺的收集後整合在一起，才能徹底的掌控這部機台設備。

IT+OT深度融合的創新應用

有了IT+OT整合的全方位數據之後，接下來就是創新應用以發揮數據價值。畢竟收集數據只是手段，創造價值才是目的。

首先，可以先從標準工時開始，因為標準工時是製造業很重要的管理數據，不管是計算成本還是管控進度，甚至於OEE的計算都會用到。然而這麼重要的數據，實際上工廠內的估算手法卻很粗糙。

由於品號成千上萬，而且牽扯的變因很多，因此常見的標準工時計算手法，只是簡單的除法或經驗粗抓，這會導致於機加工行業估算代工成本時，有可能因為數據不準確，導致成本高估而接不到單，或是低估成本而賠本接單。

不管是前者還是後者，都不是好事。透過IT+OT整合後的全方位數據，我們就可以使用工業機理/工業技術原理的相關演算法，更精準的自動估算實際標準工時，如圖三。

圖三. 精準的標準工時的自動計算

這些實際數據的計算很複雜，除了牽扯到很多客觀變因，例如機台的機差、超少量的偏移等外，也有些人性面的可能漏洞要預做防範，非只是簡單的除法就可以搞定。

透過工業機理/工業技術原理的演算法自動計算後，所產生的精準的標準工時，經過管理流程審核後，就可以再透過軟體自動更新回MES、甚至ERP，讓後續成本估算與現場進度管控等，可以做到更精準。

此外，由於大環境的長期趨勢就是持續的壓縮製造業工廠的交期，因此更優化的排程已經漸漸變成工廠的必備系統。但這些透過各式各樣演算法所規劃的自動排程(APS, Advanced Planning and Scheduling)，常會有個很致命的罩門，就是要排的工單的預估數據得夠精準才行。

若這些基礎數據差異很大，不管演算法有多高明都沒用，因為GIGO (Garbage in, garbage out)。此時，來自這些機台設備全生活週期的真實可靠即時數據，才能提供更精準的數據，來強化排程的品質，如圖四。

圖四. IT+OT深度融合創新應用全場景

當工廠想規劃與有效導入機器人自動化時，機台全生活數據亦是必備的基礎建設。因為機械人自動化的導入成本很高，若沒有把錢花在刀口上，投資報酬率肯定不會好。

但甚麼是刀口之所在呢? 大概不外乎：瓶頸處與3K（骯髒（汚い，Kitanai）、危險（危険，Kiken）、辛苦（きつい，Kitsui））/ 3D（Dangerous, Dirty, Difficult）；而瓶頸處的精準估算也得來自於全生活週期數據的計算。

除了確認瓶頸機台之外，甚至於還可以估算出效率瓶頸的細節處，例如換模還是上下料等。這些透過IT+OT深度融合的創新應用很多，威力也都很強大，但要能在製造業公司真正發揮出效益，創造最大化的數字價值，還得有優化的手法流程，如圖五，將在下一篇繼續分享些經驗。

圖五. IT+OT深度融合強化企業數位優化的手法流程

下一篇製造業數位優化四階段，工廠數據如何全面整合，將介紹數位優化走向數位轉型，路徑、手法和流程各是什麼？過程中的九個里程碑，和其應用各是哪些呢？

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

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。