如何規劃智慧製造？三個階段一步一步來

每當跟客戶討論數位轉型時，一定會被問到一件事：智慧製造要如何規劃呢？

大部分的製造業者，都專精在自己的本業，但對於新科技就相對沒那麼熟悉，尤其是中小型製造業，本身沒有資訊相關人員，雖然知道要數位轉型，卻苦於不夠了解而不敢投入。此時，就是SI系統整合商存在的價值，協助客戶導入新科技。

我認為智慧製造有三個大階段，智慧設備、智慧生產以及智慧製造。

但是不是每個公司都需要做到第三階段的智慧製造呢？我覺得不需要。

第一階段不難，基本上花錢就做得到。第二階段的智慧生產，將逐漸變成製造業的基本門檻，如果沒有達到第二階段，未來在公司經營上會越來越困難。

而目前的製造業，很多都卡在前往第二階段的路上，第二階段不只對客戶是難題，連對一般的SI系統整合商也是個難題，怎麼說呢？這篇文章就來談這三個階段。

智慧設備

打通OT到IT的數據交換路徑

數據是資訊時代最重要的資產，如何取得更多數據是所有人在努力的。我在"什麽是智慧製造？淺談製造業的數位轉型“有提到，早期工廠設備端 (OT, Operation Technology)與資訊系統端 (IT, Information Technology)，兩者是分開的。

智慧設備就是製造業要做數位轉型最重要的基礎建設，目的當然是為了取得更完整、更即時的數據，如果沒辦法即時取得設備完整的數據，後面什麼大數據分析、人工智慧，其實都無法發揮最大的功能。

不過雖然現在設備通訊的成本已經降到可接受的範圍，但對中小企業來說，還是很大的成本支出，因此如我在"智慧製造的起手式：一開始就什麼數據都要搜集嗎？“所說，一開始導入時，不要盲目的什麼數據都搜集，而是要從營運管理上的問題的出發。

透過現在各式各樣的IoT物聯網裝置，都能取得大部分設備的數據。基本上2005年之後買的設備，都有支援常見的標準通訊協定，比如OPC, Modbus或是ODBC資料庫交換，可以直接從前端的PLC, DCS, SCADA取得數據。

但有時會遇到客戶的設備真的非常老舊，且設備原廠可能已經倒閉或被併購，而無法再取得技術支援，此時如果客戶真的不考慮更新設備，想要繼續使用的話，就只能採用兩種方式：侵入式與非侵入式。

所謂侵入式，就是進行設備改機，這會牽扯到設備電路控制模組，因為需要從設備的PLC端直接截取訊號。這種方式風險非常大，因為有可能會造成設備的控制迴路損壞，所以通常不建議走這條路。

而現在的科技，已經有辦法用非侵入式的方式取得數據，常見的非侵入式，有的是外裝感測器偵測，像這幾年很多客戶為了做到大型設備的預知保養，會外裝振動感測器或噪音感測器，利用這些裝置，來協助偵測設備運轉狀態。

另一種是這幾年發展出來的，OCR光學特癥辨識技術。如果設備原本有顯示螢幕，不管是簡單的HMI或是PC Based顯示，利用OCR的設備，它可以直接讀取畫面上的各種文字和數值，來進行數據記錄。當然它也不是萬能，還是有限制，如果想要的數據沒有出現在畫面上，就無法獲得。

簡單來說，用侵入式風險太大，而非侵入式只能治標不治本。因此如果設備真的已經使用一定的年限以上，還是會建議客戶考慮更新設備，不然遲早仍會遇到設備老化、不堪使用的問題。

這個階段要達成的目標，就是及時取得更完整的設備數據，減少人工輸入既耗時又容易出錯的問題。

智慧生產

整合所有OT與IT系統

第一階段的問題，主要是硬體層面的問題，到了第二階段，就是軟體層面的問題了，目前大部分製造業的客戶都是卡在這個階段，為什麼？

一般公司常見的IT系統，大型的有ERP企業資源規劃系統、MES製造執行系統、CRM客戶關係管理系統、SCM供應商管理系統…等，小型的有進銷存系統、訂單管理系統、倉儲系統。

這些軟體系統從2000年後就蓬勃發展，但各家軟體公司都是各自發展自己的系統，為了搶市佔，彼此之間無法很好的串聯，甚直接做成一個封閉系統，來強制客戶只能用它家的產品。這樣競爭的結果，反而讓客戶端的系統，變成一個一個的資訊孤島，客戶必須有專人去負責從各系統撈出資料，再人工匯整成一份報表，同樣是既耗時又容易出錯。

一些資本雄厚的科技公司，有辦法聘僱足夠多的資訊人員來做系統整合，對這樣的公司，這個階段就不會是問題。但大多數的中小型製造業，是沒有這樣的資訊人員，這就是非常麻煩的問題了。而且，這個階段的問題，不只對客戶來說困難，對一般的SI系統整合商也是個難題，為什麼？

一般中小型的SI，通常是專注在某個產品上，可能是ERP，可能是MES，可能是CRM，這些廠商在各自的系統領域都很擅長，但對其他領域的系統不一定熟悉，因此當客戶要求整合各個不同的系統時，就容易有問題了。而且要整合，是要整到它自己的系統，還是到別人的系統，還是再建立一個新的系統？這又需要另一番的討論。

上面還不是最難的，當好不容易整合了所有系統，新的問題又來了，系統整合之後，實際的應用場景是什麼？現在客戶能完整搜集從工廠OT端到系統IT端的資料，它們需要的，就會是全新的整合型應用，也就是我前面所強調的，從營運管理角度出發，不管是第一階段或第二階段都一樣。而一般SI沒有整合系統營運經驗，很難替客戶從營運管理的角度，規劃出合適的應用情境，客戶需要花很多時間再和SI討論新的應用。

而我目前所服務的公司，前身就負責營運母公司所有的資訊系統，不管是工廠OT端或系統IT端的ERP、MES，我們都有經驗去做整合和營運，因此能更快協助客戶解決營運上的問題，因為對製造業來說，雖然每個產業會有不同的需求，但有很多管理層要看的營運數據是相通的，比如全公司設備效能 OEE (Overall Equipment Effectiveness)，能直接算出全廠稼動率、目前產能、剩餘產能…等，這些我們都能快速做出應用，讓系統協助客戶做出營運上的決策。

這個階段的目標，就是整合各個原本獨自運作的系統，讓管理者能更快速且更準確的獲得營運上所需要的資料，以提升工作效率與正確性。能做到這個階段，我認為已經能解決八成營運管理上的問題，也是未來製造業的基本門檻。

但全世界的競爭只會越來越激烈，尤其對製造業來說，成本控制永遠都是要持續精進的問題，而要能更好地控制成本，就需要第三階段了。

智慧製造

更精準的成本控制

第三階段，就會應用到這幾年熱門的議題，人工智慧。講到人工智慧，很多人會以為是跟科幻電影裡面一樣，可以完全不需要人類的協助了，那是屬於強人工智慧。但目前的技術，其實還在弱人工智慧，它無法自己做出判斷，而是透過學習大量的歷史數據，來建立行為模型，再利用這個模型預測趨勢，輔助管理者更早做出決策。

對製造業來說，最在意的還是營運成本，而營運成本裡面佔比最大的就是，產品的生產成本以及設備的維護成本。所以在AI的應用上，目前主要集中在兩塊，一個是生產品質預測，另一個是設備預知保養。在智慧製造的起手式中，我已經有提出設備預知保養的案例，這篇文章，就舉一個生產品質預測的案例。

做生產品質預測，首先要做的，就是找出影響製程結果的關鍵參數。老資歷的員工會依照經驗來找出一些關鍵參數，這是新進員工無法做到的，但實際上還有沒有其他的因數，因為沒有數據佐證，沒人知道。而現在的技術，就可將歷史數據放到分析模型裡，去找出究竟哪些參數影響最大，這些就是關鍵因子。

對管理者來說，不可能什麼都管得到，但只要顧好前幾項關鍵因子，其實就能做到很好的管理。就如80/20法則，很多時候，20%事情就影響了80%的結果，這些關鍵因子，就是最該先著手處理的項目。下圖就是常幫客戶做的關鍵因子評估圖。

找出製程關鍵因子後，再進一步就是建立模型做品質預測，但AI模型跑出來的結果一定是最好的嗎？不見得，因為還必須考慮公司產品的品管成本和售後成本的對比，這個議題，我會在另外的文章來探討模型決策選擇，模型跑出來的建議決策不見得是最適合公司的決策。

最後，還是要強調，雖然智慧製造有三個階段，但不要盲目跟風什麼都要做到，而是要實際根據目前公司營運上遇到的困難，比如客戶要求、人力成本太高、找不到工人、工作效率太低…等，從這些公司營運的角度來思考要導入什麼樣的智慧製造方案。否則的話，科技一直在進步，不可能永遠去追逐最新的技術，而是要找到當下最適合的。

如何規劃智慧製造？三個階段一步一步來

智慧設備

智慧生產

智慧製造

發表者：Benson