製造智慧化：策略規劃與數據分析缺一不可

製造智慧化：策略規劃與數據分析缺一不可

大同大學資訊經營學系助理教授暨智炬科技數據科學家成力庚博士

儘管數位轉型與智慧製造的議題已經被熱烈討論很長一段時間，但在實務環境中，製造業者對於導入智慧化仍存在很大的猶豫，根據Digitimes 2020年針對台灣475家製造業者的調查中發現，阻礙製造業者導入智慧化的前三大因素分別是缺乏明確的目標、資源不足與技術人才不足。這份調查的結果與2018年Dell的數位轉型大調查中指出阻礙企業進行數位轉型的前三項因素不謀而合。然而，業者卻往往僅將轉型重點聚焦在資源與技術人才上，但事實上決定數位轉型成敗的首要因素是企業對於導入智慧化是否有清晰的策略與目標。

根據2018年Dell數位轉型大調查發現僅10％的台灣企業認為自己公司對於數位轉型有明確的策略、發展的藍圖與階段性的目標來持續推動轉型，也就是台灣大部分的企業對於導入智慧化是完全沒有規劃。策略管理有一個核心的思維是”不知道自己在哪裡，就無法知道要去哪裡”，如果製造業者不存在對智慧製造的轉型規劃，則製造業者也無法知道該從何處開始進行轉型，當然也不清楚轉型各階段所需要的人才與資源。因此，製造智慧化的展開首要需要有明確的策略目標，並擬定清楚的發展藍圖，才能在智慧化的旅程中穩健的朝正確的方向累積。

此外，製造智慧化的過程中，導入智能工具是必然會進行的階段，但不是終點，更重要的是藉由智能工具產生的數據資料串流與分析，完善數據驅動決策系統的建置，並透過數據分析逐步調整企業的營運效率，甚至是協助企業進行商業決策。然而，導入數據驅動決策的最大障礙不僅是技術人才，更困難的是改變組織文化。業者應藉由數據驅動決策系統的建立，逐步將數據基礎決策的觀念導入各單位之中。

事實上，在生產流程中，產品的品質由進料到出貨需要不同職能的角色來把關，由於職位與職務的不同，所要衡量與檢測的生產指標也不同。如：設備工程師會需要監測各機台的溫度、濕度、轉速…等設備運作指標；工業工程師則需要監控操作時間、現場作業員的工作時間；廠長則是要掌握工廠整體的營運數據，如整體設備效率 (OEE)、稼動率(Utilization)、良率(Yield)…等；總廠長則需要了解管理面的數據，包含各廠區營運成本、各廠區營運收益與總產量。

但過去這些重要的數據資訊或許部分能透過生產系統直接得知，但大部分可能需要透過人為整理後才能得知，導致生產數據的產生時間最快可能是生產後1小時，最慢甚至有可能1天後才能得知。尤有甚者，可能數據資料的衡量與實際狀況有落差，導致數據失真，因此數據資料往往成了工廠管理的落後指標，甚至是僅供參考。然而，在智慧製造的概念下，工廠的數據應該兼具即時性與全面性，不僅可以即時提醒現場人員生產異常，還能提供管理者與後勤單位進行營運改善與流程優化使用，所以如何將數據資料進行即時又正確的串聯彙整，並透過戰情室與數據分析工具轉化成有助於決策的資訊，是智慧製造下不可忽視的核心。