本文依據《疫情下的製造業，如何持續營運管理？》影片整理。影片全長約52分鐘，本文從27分48秒整理至45分17秒處。

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

做了機聯網後，有什麼好處? 

成本的準確估算，才不會單接越多，賠越多

製造業因為少量多樣的趨勢，需要面對成千上萬的品號，標準工時往往是靠用拍腦袋的方式粗估，但這是很關鍵重要的標準工時卻不準確，很難做好成本的管控，導致公司的盈利變得更糟。

以機加工來講，是用機器的加工時間，計算代工成本。如果用不精確的標準工時，計算出來的成本也不會精確。如果每張訂單真正的毛利都不知道，業務接單後，生產的優先權該怎麼安排？或是生產時，架機時間都是老師傅說了算，有時候架半個小時，有時候架一個小時，主管到現場去問，也沒有辦法去檢討，因為根本不知道合理的架機時間。

如果可以把機台一天的過程，從開機、暖機、架機、首件試作、正式加工等等，各階段所需的時間數據，都透過機聯網完整收集，就可以透過大數據，知道這個品號搭配這個模具，進行這個加工工藝，合理的架機時間應該是多久。如果合理的架機時間應該是30分鐘，現在已經超過30分鐘，甚至遠超過30分鐘時，是不是應該去協助他，而不是讓他自己不停的去試，這最後浪費的還是公司的產量。

產量就像昨天的報紙一樣，今天如果產量不見了，那消失就消失了，第二天就算有再精妙的報表，也只能後悔，再來就只能罵人而已，什麼事也不能做，除非時光機可以時光到流。

在排程時，因為沒有精準的標準工時，計算誤差會很大。若再用APS做自動排程，就會出現garbage in, garbage out的狀況。因為使用不精準的數據，就算演算法再怎麼好，最後算出來的生產排程，也不會精準，導致空機率太高。

但如果透過機聯網，得到真實可靠即時的數據，讓標準工時可以做到更精準，自然在工單排程時，也可以做到更優化。甚至在產能的分配或去瓶頸時，更能抓到真正的機器的效率瓶頸，到底在哪邊。或者是對設備、對人員的績效評核，都能做的更客觀。不要再回到經驗加紙本的時代，應該要靠的是真實可靠的數據。

把老師傅經驗數位化

工廠的運作，一定要走到數據導向，而且還要做到敏態管理，才能達到雙智慧閉環。在工廠裡的閉環回路，最重要的就是做到穩定生產。簡單來說，把工單發到工廠進行生產製造，工廠中有機器、人、原料等等，經過任務執行的計畫和SOP，派工派到每個機台。但是計畫趕不上變化，永遠有突發狀況，所以必須隨時知道現場狀況，進行PDCA的調整，才能夠做到穩定生產。

過去這一段都是靠老師的眼睛、耳朵和感覺，以老師傅的頭腦來運作PDCA。但這種狀況，一來因為每個人的經驗會有所不同，二沒有辦法一直維持。所以當靠老師傅做不到時，該怎麼辦？大部分的公司就會擺乖乖，為什麼？因為已經超過老師傅的經驗。但是相對來講，如果把IT端和OT端，都做到數位化，就可以有所本的來解決問題，什麼叫本？本就是數據。凡走過必留下痕跡。痕跡是什麼？也是數據。

所以透過這些走過的數據，就有機會，在異常發生時，可以分析真正的根本原因，甚至於透過根本原因的分析，找到特徵值，做到異常偵測、甚至早期預警。而且機器本身一定會老化，一定會波動，補償修正老化和波動，就讓工廠可以運作得更好。

將老師傅的經驗數位化, 累積成為公司資產

老師傅為什麼可以調機調得比較好？靠的就是老師傅頭腦裡的Neural，就是神經網路。AI類神經網路的類，就是類似頭腦神經網路，靠的神經網路，進行學習 learning，所以老師傅才能從容應對。

但是老師傅逐漸退休，現在年輕人也越來越不想進工廠，尤其是現場。常常聽說老師傅不想教，其實不是不想教，而是不會教。老師傅學會如何做調機，不是從學理，而是像AI的Neural一樣，是透過多次學習累積的方法，自然而然就知道該怎麼調。

所以老師傅講不出道理，或者他講的出來，也是硬掰的，所以年輕人會覺得學不會。但從另外一個角度，應該可以透過in的資料（例如：機台的現況、環境參數、工藝參數，包括不良品數量和種類），和out的資料（例如：老師傅如何調機，什麼地方調多少），來當做數據，通過這些數據來建立AI數學模型，就有機會建立一個人工的老師傅頭腦。讓人工的老師傅頭腦，變成數位化，累積之後，變成公司的資產，這是一個很重要的燃眉之急。

當系統建立，大家都認為老師傅會排斥，但從客戶豪力輝實際的案例來看，有時候老師傅也會開始自我成長，慢慢的改變心態，主動提出更有用的經驗，變成一個經驗法則模型。

和你分享：不可錯過的《數據體驗應用和產業秘辛直播》活動報名 

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

專家

曹永誠｜鼎新電腦 工業APP事業部  副總經理