上集談到工廠日常生活中常發生的機台故障排除場景，如何以SUPA機制的P (Planning) 走一步「算」一步來智慧因應。這集我們來談談工廠偶爾會出現的滿屏幕Error Code之傻眼篇。

工廠的機台設備偶爾會出現比較恐怖的場景，例如機台亮紅燈顯示異常，畫面冒出Error Code（病症）。正當準備處理時，忽然又冒出第二個Error Code，然後是第三個、第四個，最後是滿屏的Error Code，看了就傻眼，根本無從判斷問題（病因）之所在。只能一個個確認，不但浪費了不少時間與產能，也會耽擱很多重要的訂單或急單的達交。

圖一. 建構數智工廠的SUPA機制以穩定機台生產

病因常會表現出多個病症

一般來說，機台是由很多模組所組成的，如圖二所示，而模組往往又有很多個別零件。這些零件大致分兩類：一類是不會動的，類似支架或機構；另一類是作動零件，比如說馬達、加熱器。而機台經常出問題的，往往都是作動零件。

但作動零件一般沒有數據，數據都是來自於感測器。每個作動零件可能關聯到好幾個感測器；而感測器同樣的也會關聯到一個或多個作動零件，屬於多對多的關係。

所以當作動零件例如馬達、加熱器故障（病因）時，就會反映在所有相關的感測器的數據上，這就是Error Code（病症）。但因為彼此間並非都是電器訊號，反映往往需要或長或短的時間差，因此讓人感受到特別複雜。

圖二. 病症與病因的對應關係示意圖

舉個例子來說，如圖三所示，有個泵浦馬達壞掉了（病因），馬達轉速就會降低，於是管線中的流量就會跟著降低，因此管線的流量感測器數據就會超標（過低），於是第一個Error Code（病症）就會冒出來。

當流量變低之後過了幾分鐘，管線後端得用液體降溫之物件的溫度就會過熱，於是溫度感測器數據也會跟著超標（過高），出現第二個Error Code（病症）。如此以往過段時間，當然就是滿屏的Error Code了。

圖三. 多個病症與病因的對應關係示意圖

U (Understanding) 理解數據

總而言之，病症並不等於病因，偵測到病症之後，接下來就要把病因找出來。傳統工廠常常是靠SOP與老師傅當下推論，大多數情況下這招有效。但由於機台內機構與管線設計，病因常會產生多個病症（Error Code與透過機聯網蒐集的數據偵測到的都算），頭痛的是各病症的發生時間很不一致，或長或短，陸續發生，或不一定發生。

因此當平常較少出問題的主零件（往往就是關鍵零件）出了問題，一堆或同時或前後的Error Code滿佈在屏幕時，若沒有系統性的推論，說真的，只能試錯 (Try and Error)。其實透過知識封裝比如FTA或DMLD（動態主邏輯等演算法），是可以對多個病症來推論可能的病因。

延伸閱讀：數據品質3特性，強化現場OEE，讓機台說出真相！

舉個淺顯例子，比如說有人反應對外網路斷了。不應該馬上急著跑去修，而是應該先確認狀況，這是單一個案問題？還是一整層樓斷網？或是整公司都斷網了？

透過分析就可以估算出，這到底是個別電腦的網路卡問題，還是樓層的Switch／Hub出問題，亦或是對外Router／防火牆出問題。第一步先蒐集數據後理解數據分析問題狀況，才不會東奔西跑疲於奔命，最後才發現原來問題就只是某個東西壞了。這也是我們需要SUPA的U (Understanding)來協助理解數據，透過機制或方案推論病因，才能對症下藥，盡快處理機台異常，以穩定生產的緣故。

延伸閱讀：二代現身說法，機聯網如何讓製造工廠智慧轉型？