最後這集我們來談談在SUP之後如何確保A (Action)行動處理，並舉例說明如何善用整套SUPA機制建構數位老師傅，24小時全年無休的在背後默默協作，隨時偵測病症後數據驅動，協助找出病因並模擬各種解決方案，以當時最佳解並確保實施，順利解決問題穩定機台，如期如質的高效且低碳生產。

圖一. 建構數智工廠的SUPA機制以穩定機台生產

A(Acting) 行動處理

SUPA的A (Action)行動處理是以智慧引導方式確保能夠把事情做對。因為如果不能夠確實執行，一切都是枉然。然而現在工廠因為少子化、流動率高以及疫情後非典型勞工轉型大增等缺工原因，以致企業徵才、留才困難，使得人員條件門檻降低，造成素質普遍下滑。

於是單靠內部教育訓練，成效變得非常有限。很多人不是不願意做，但就是偶爾疏忽或做錯。所以得透過AI設備助理的引導方式，如圖二所示，讓他照著做，甚至於做錯的時候，立刻警示，確保可以持續把事情做對。

圖二. 以AI設備助理引導現場人員

延伸閱讀：ChatGPT讓設備開口問問題? 探索生成式AI與IoT物聯網的新應用!!

以SUPA建構數位老師傅

因應年輕人不進工廠，但老師傅卻即將退休，企業面臨著極大的斷代危機。我們可以透過老師傅經驗與智慧的「固化」（具體化），把活生生的老師傅轉換成為數位老師傅，有效地傳承並持續累積智慧，以孕育綠色企業的雙軸轉型，如圖三所示。

圖三. 綠色企業的雙軸轉型

如圖四的真實案例，某工廠所有的製程參數都是透過老師傅的眼睛，以他的手轉動手輪來調整。其實老師傅也是用他的大腦來Learning建模 （就是人腦AI），所以問他原理時，他是講不出個所以然來，但是他就是會做。問題是老師傅退休後，怎麼辦？

圖四. 數位老師傅的實際案例

我們在機台上加裝感測器（例如Encoder），蒐集手輪的轉動角度等OT數據，與ERP／MES數據整合後，先以反查方式提供初始製程參數，等累積足量的數據後以AI建模，將老師傅所看的、所做的，都數位化映射到AI模型，達到老師傅調參的P(Planning)智慧固化。

後續我們可以採用SUPA機制來實現數位老師傅，從老師傅調整參數的數據所建構的S (Sensing)進行即時偵測，發現異常後，以建置的模型U (Understanding)把數據丟進去判斷目前狀況，再從模型內P (Planning)找出建議的調參數據，最後連接設備A(Acting)實現直接調參。

延伸閱讀：疫情下的機聯網｜不只讓成本算清楚，更把老師傅的經驗數位化

孵化企業的雙軸轉型

總而言之，若把SUPA四大環節拆開單獨來看，現在產業或多或少都有一些個別方案。問題是，單打獨鬥的局部效率，常很難形成公司的整體效益。SUPA四大主角有點像打麻將一樣，要四個人齊備才打得成麻將；如果只有三個人，三缺一是打不成麻將的，而不是打75%的麻將。

也就是說，效益的強度決定在瓶頸處，如果不能夠齊備的話，就會出現孤島侷限。損失的最小化與效益的最大化，往往決定在因應的頻率，如果沒有以數智驅動並最小化人力需求的話，也是沒辦法做到最大化效益產出。

延伸閱讀：數位轉型核心技術之IT、OT與7T

此外，SUPA四大主角間的互動性也很關鍵。但現在的系統之間往往都只是數據拋轉，這是不夠的。這好比是每個島（系統）上的科技都非常非常尖端，但島嶼之間卻只有飛鴿傳書，或一葉扁舟傳遞著有限的數據，這會是很大的瓶頸。我們必須得做到真正的整合，透過鼎新的METIS（雅典娜）平台，完美整合並讓各環節之間形成閉環 (closed loop)。

也就是說，透過METIS（雅典娜）平台的SUPA機制，我們可以聚眾人之智，以AI固化智慧，持續累積獨門資產，孵化企業的雙軸轉型。

圖五. 以METIS（雅典娜）平台達到數智工廠

想了解更多智慧場景，歡迎關注「AI數智驅動」頻道！