↓↓↓【1頁式簡報下載】↓↓↓

https://www.digiknow.com.tw/knowledge/6498f0f5abec5?dga=61c959e4f2876

----

我們在前集討論到「可視化、可識化、可事化」這「三化」的重要性。在汽車零件製造業工廠生產中，常採用自動化或半自動化機台生產，機台可以說是製造業的印鈔機，是最重要的環節。因此機台的生產績效是否夠好，可以如期如質的生產出對的產品，可以說是關鍵。我們常會採用總體設備效率OEE (Overall Equipment Effectiveness)來衡量設備效率。

簡單來說，OEE 100分意味著工廠正以最快速度生產最好的產品，沒有時間延遲或效率低下。也就是說，100分的可用性(沒有停機)、100分的性能(最好的速度)、100分的品質(最好的零件)。透過OEE，工廠可以知道如何改進製造流程。而提升並保持OEE的實際執行手法有三類：

1.把機台生產步驟環節切分，優化各項環節，例如上刀、調機、試產等各項環節後找出標準值，比如說生產節拍，或是上刀標準時間。（在第三集，清陽也有提到「機台換線」需要停的內作業時間佔總50%以上。）；

2.卡控實際執行時是否如期如質的執行，當有超標時，例如生產節拍落後、上刀超過標準時間的時候，即時主動通報；

3.異常通報後，如何快速因應，降低額外成本的損失。（在第四集的內容，也有提到提前預警。）

【↓↓↓立即報名↓↓↓】

接下來在深入探討前，我們先談談三個背景前題。

首先是機聯網蒐集數據，以數據導向來監控與改善機台績效，這很有效。因此我們習慣於用機聯網讓機台說話，蒐集我們想要的數據。問題是，我們常常只看到生產機台，蒐集他的機況、數量、製程參數的設定值，與工業數據也就是感測器的實際值。但我們卻常忽略了周邊機台或廠務機台的重要性，例如CNC得有排屑機等周邊機台，也需要空壓機或台電變電箱等廠務設備，共同來支持生產機台的順利運轉。這些機台若順暢運轉，確實不代表生產機台是可以穩定的如期如質生產。但若這些周邊或廠務機台掛了，肯定會連累生產機台的生產。（Frank常把此狀況稱之為「成事不足，敗事有餘。」）所以，也得用機聯網蒐集數據，並且數據整合。

此外，生產機台固然重要，但生產出來的產品是否為良品，生產機台是不知道的，得由檢量測機台，才能確知良品/不良品，或尺寸/表面是否有瑕疵。這環節有些是人工用手工具量測，有些是AOI， 有些採用例如二次元/三次元量測儀等，但不管如何，這些數據就是生產機台的結果，而生產機台的數據就是良品與否的原因，我們得因果整合，後續才能以果推因，就像我們在做AI建模，常採用監督式學習，也是需要同時有因與果的數據。

第二個背景前題，雖然機台很關鍵是印鈔機，但不管是半自動機台，還是全自動機台，就算是全自動化線都一樣，機台就是一個 「被運轉者」，很多狀況他自己是不知道的。例如為何待機，機台自己是不知道的。又比如說Run錯貨，機台也是不知道的。他就是忠實執行，操作者對他所下達的命令而已。而且當機台故障後，機台也會很無助，得靠人來檢查與維修，而對於臨時故障時機台內的貨該如何因應，機台也是不知道的。 

第三個背景前題就是「所有的數據都必須被整合」，才能發揮出效益。如同前文所說的，三大類機台的數據要整合一樣，IT與OT數據也得整合，例如單靠機聯網所蒐集的數據來分析待機原因，那是不行的。雖然待機原因分析，這是個綜合性問題，但若能把IT數據，例如工單的派工時間，領料時間等數據都能整合，就有機會可以知道原因與改善方法，單靠機台自身，是沒有辦法知道的。而且就像前文所說的，檢量測機台的數據是生產機台數據的果，生產機台數據則是檢量測機台數據的因一樣，機台為何要運轉，也是因為工單，所以工單就是機台的因，所以也得因果整合。而且，這些一大堆因果之間也並無單純的一對一關係。例如有不良品這是果，但因可能是機台，也可能是刀，也可能是周邊設備，也有可能是三者交互的影響的綜合才會出現的，因此數據整合得採用多對多角度來思維。

————

接下來，我們來談談機台生產吧！機台要量產運轉前，不管是開機前後的點檢，或是上刀治模，或是調機，乃至於上料、試產與首件檢查等等，這些都是量產生產前要確保的，該做的都得做對做好。問題在於，機台是被運轉者，這些工作都得現場人員動手，或是手動模式操作機台才能完成。所以，工作是否有做對? 如何確保或做錯了如何知道? 是否會主動通知主管? 我們要知道，這些工作一旦錯了，不但會損失一堆不良品，甚至於連機台都有可能被弄壞了。而且倘若真的沒做對，也能主動通報主管知道了，接下來該如何快速因應更正，以降低損失呢? 好，就算所有該做的都做了，也做對了，但原本調機只需要30分鐘，但此時也不知道是因為新手，還是機台有些狀況，還是昨天跟女朋友吵架了心情不好，調了一小時還在調，如何知道? 他是否會主動通報? 若等換班時才發現生產數量不達標，此時能怎麼辦? 罵人、考核、獎金? 但不管怎麼做，這些被浪費掉的產量，一去不復返，損失就損失了，再也追不回來了。 

當然，類似調機時間過長的報警，如何知道這當然很困難，但也不見得做不到，例如透過人員自己回報，這是最低成本卻也是最無效的方法; 或是採用高科技，例如CCD/AOI識別人員動作，這在人員組裝線已經有在實施了，但成本很高; 也或許可以折衷，透過一些IO感測器，來妥協成本與通報及時性。但無論如何，如何即時發現、即時處理、有效因應，這就是機台績效達標，而且持續達標的重點關鍵了。

在量產時也很類似，我們當然有OEE指標可以使用，但指標就是結果，就像考試，考得不好能怎麼辦? 對對，確實可以透過檢討與改正，補充那些考試不會的知識，就可以讓成績進步。但這只對認真的好學生有用，無奈由於現在年輕人越來越不想進工廠，連外勞的素質也持續下滑，因此只靠SOP、教育訓練與人治管理，效果不能說沒有，但持續下滑，得靠軟體系統以數據導向，才能讓事情可以做得更好。

例如，量產時機台若有確定異常的時候，比如說機台故障，三色燈警示，嗡鳴器也響了，但重點是現場人員多久後才會去處理呢? 這延後的時間就是浪費，就是損失。更頭痛的是，如果機台確定故障，得花時間修機，此時該如何才能夠快速且有效的因應，這才是降低更多浪費產生，例如這張故障機台內正在生產的工單該怎麼辦? 急嗎? 快違約了，還是可以慢點也OK? 若急，可以轉到哪部機台? 那些可以生產的機台是否有空? 若沒空，有哪張單可以先緩一緩? 這些數據確實都可以從現場看到，也可以從系統查到，問題是反應的時間需要多久? 會不會為了挽救一張單，讓現場大亂，反而造成更多的浪費。這些都需要ITOT融合的機制，才能快速因應，減少浪費，不能只靠經驗與直覺，或是簡單推論就決定見招拆招喔，畢竟人無遠慮，必有近憂。

這類確定異常的情況，工廠內處理的機率不低，或許有機會久病成良醫。但對於新的ITOT新技術，例如預測可能即將發生的異常等，該如何有效因應，那就更頭痛了。例如以機聯網數據即時監控生產節拍，建模預測完工時間可能會落後多少時間時，我們該如何有效因應呢? 畢竟這台機台後續還有其他工單要生產，延後勢必耽擱其他單，而且會像漣漪一樣，牽一髮而動全身，或許有些工廠會預留Buffer，結果這些Buffer也是一種浪費。倘若可以透過ITOT融合的機制，來有效快速因應的話，就有機會讓Buffer降低，減少浪費，以動制動，讓機台績效可以有效提高。

而生產後也有很多工作得做，例如下刀治模、清潔、保養與維修等，這些事情很重要，但廠內的控管力一般會比較薄弱，到底有沒有做? 做得好不好? 如何確保? 不合標準時要如何主動通報與因應，這些都是問題。保養後往往也需要校正，而校正值也得被蒐集，因為校正值的趨勢也有機會拿來預估機台是否有異常的機率，但當預估有可能會發生異常時，該如何通報，如何有效因應等，也得有效的機制才能讓績效達標，並持續達標。

總的來說，機台的績效就是跟時間賽跑，任何作業，不管有效的、無效的，為了生產，還是為了管理，甚至沒做事，時間都會一分一秒的過去。當然，我們也不能因為這樣就偷工減料，略去該做的事情。如何透過數據導向，即時可視與通報，盡快發現，而且透過ITOT機制，而非經驗與直覺來因應，讓浪費降到最低點，這才是數位優化中可視化真正要做到的，不是只是「可視」，而是「可視之後」得有ITOT機制來快速處理，降低額外的浪費。

而這些IT+OT整合的數據，同時得透過數位優化中透通化，分析各細部環節的時間，依照各機台，各料號等找出分布圖，搭配個案分析來優化，讓標準值重新定義更好的標準。（這我們會在下一集，為大家說明手法。）此外，IT+OT整合的數據，尤其是製程參數的設定值，與工業數據感測器所讀取的實際值，交叉分析以預估機台設備，是否已經開始有些異常等的方法論，我們也會在未來找時間分享，或在就享之分享給大家，請大家持續關注喔。

————

最後談個Frank做過的真實案例，之前在某大廠曾經發現，前後道工序當機台不同時，會有機台配對，八字不合的現象。也就是說，雖然機台保養時都會校正，把機差調校到可以接受的範圍，但機差不可能為零，也就是說，機台不可能一模一樣，因此，某些製程就可以會發生，因為機差讓公差疊加，造成良率稍偏低，不是不好，而是相較之下稍偏低，因此就會出現二難，若我們總以配對較好的機台來鎖機生產，那工廠的總產量肯定偏低，很多機台會常待機，浪費產能；但若我們改以產量考量，那有些狀況的良率就會較差，也就是良率分布會高高低低，總良率就不可能最大化。後來我們團隊使用了一些大數據的分析與建模手法，成功的把前後機台對應良率關係建立起來，讓工單排程或派工時可以參考，但由於該公司的APS(先進排程系統)在排程時，僅能使用有限產能來排單，因此這數學模型的產出，缺乏有效的機制對應來發揮效益，非常可惜。由於類似事件經常發生，也因此，鼎新致力於ITOT融合，透過機制讓產線可以真正貫穿起來，讓績效拉滿，而且持續拉滿喔。