导入智能制造 投资报酬率可望超乎预期
- DIGITIMES企划
-
近年来工业4.0热潮延烧全世界，久久未退流行，一向在全球高科技制造业居于重要地位的台湾，自然不会置身事外，已然起身簇拥这波浪潮。不可讳言，台湾制造业导入工业物联网、智能工厂乃至虚实整合系统，此刻多还在起步阶段，遥望工业4.0远大目标，确实仍有一段长路要走，然而环顾各类型制造商，距离此目标相对接近者，毫无疑问正是半导体产业。
事实上，半导体业迎向智能制造，拥有得天独厚的利基，所以动得比其他型态的制造商快上许多；若以半导体制程设备而论，众所皆知往往价格不菲，相形之下，推动智能自动化的成本支出犹如「小菜一碟」，绝对称得上是本小利大的好投资，当然值得卖力投入，如果真能做好数据管理、分析技巧与预测技术，进而明显改善机台效能及生产良率，便可望坐享极高的投资报酬率。
另值得一提的，若就台湾整体制造业迈向工业4.0、智能制造的观点，半导体产业在于智动化的突破，也往往深具带动效果，只因半导体制造商可望为同属制造领域的其他企业提供创新技术，驱使其他制造商将其生产设施转向智能化，让工业4.0的附加价值如同涟漪一般，有更多企业同蒙其惠。
唯有数码化，方能有效提升竞争力
世界知名的管理谘询公司麦肯锡，也曾透过专文，诠释半导体产业为何不得不加入工业4.0转型行列。该文指出，以晶圆厂为例，透过大数据分析来增进制程中自动化的比例、藉以落实数码化转型，可望提高30%~50%劳动效率，并且减少机器耗损，在下次维修前可望提高10%~20%产量；如此一来，可能导致整体设备效率(OEE)平均增进10%~15%，产量提升1%~3%，连带使客诉因而减少30%~50%。
尽管不少晶圆厂一直以来都致力提振营运效能，已藉由精简组织、精简制程、减少耗费等等精实做法，展现了不小的作用，但与智能化、数码化的绩效相比，依然相形见绌；这也意谓着，倘若半导体公司只想靠传统套路来提升竞争力，纵有成效、亦十分有限，因此不得不拥抱工业4.0热潮的理由便在于此。
论及工业4.0的重要起手式，就是设法为机器赋予智能，具体来说即是在它们的身上装设传感器，藉以收集数据，做为强化整体生产效率的依据，换句话说，在工厂不论发生好的结果、坏的结果，相关前因后果通通都具有高度的可视化，这点对于业者而言极其重要。
举例来说，以往衡量OEE，都仅看机器可用或不可用的绝对时间，但经常忽视因微小故障所酿成的停机事故，且对于伴随停机而衍生的生产损失估计，也往往取决于手动作业，以致评估的结果不甚精确；如今改采数码化做法，企业便可准确掌握机器运行状态，及每次停机所造成的生产损失，据此订定更为精准的生产决策，甚至进一步采取预防性维护措施，好让机器在完全损坏前，得以贡献极大化产值。
另一点也相当重要，意即每当出现良率问题，过去的做法，不外是主管与产线的员工做面谈，试图从中得知究竟是哪个环节出了差错，但可想而知，这般做法难免有失精确；反观工业4.0的作业情境下，生产过程当中的每个环节皆可追踪，企业只须针对收集到的大量数据按图索骥，不需费时访谈任何一人，即可准确而快速地探知导致良率不佳的背后真因，接着对症下药，锁定这些不良症候着手优化，便可促使生产良率尽快回到正常的轨道上。
此外，从作业员触摸机器的时间长短，也能当做提升产线效率的依据。经由机器上的传感数据，假使发现作业员平均接触机器的时间，仅占整体工时的五成以下，即可合理推估，作业员处于等待、闲置的时间着实太长，等同于人力资源的浪费，企业一旦察觉这般情况，即可适时修正工业参数，将人机比率调整至更有效率的状态。
善用大数据，驱动产能与效率的升级
但即便设置传感节点，是企业迎向工业4.0、智能制造的敲门砖，但并不代表装了传感器，就是达到工业4.0的水准；甚至纵使做得再多，布建了大量的机械手臂，使得整个产线或工厂更加自动化，都还不能称之为工业4.0，充其量不过来到工业3.0罢了。企业若想更贴近工业4.0，至少得再往前多做一些事，以机械手臂为例，不能只让它们做简单的取放动作，而是要让手臂与手臂、手臂与生产设备，甚至手臂与人员之间能够顺利沟通与协作。
另一方面，某种程度上，「数据革命」绝对算是工业4.0个中重要意涵之一，布建大量传感器仅是手段，真正目的便是收集数据，无论是来自机台、物流、产线或制造执行现场的巨量数据，能否透过集中化机制善加管理、储存与分析，才是能否真正提高产能及效率的关键所在。以前述的几个工业4.0应用情境而论，不管是针对机台实施预防性维护、快速挖掘导致良率不彰的真因，抑或设法降低作业员等待时间，没有任何一个是完成传感数据的收集后，就会自然而然发生的，企业如何利用数据展开后续的作为，才是重点。
在去年(2017)，某家极具指标性的半导体大厂，应智能机械推动办公室之邀，赴中部地区分享智能制造的导入经验，其间有不少值得借镜学习的重点，包括建立FabIoT，形成人、机、料、法、环的主动侦测与移动机制；善用开源技术自建私有云，可使开发团队享用共通平台，也顺势打造高度安全的原始码管控机制；同样采用开源技术，自主建立大数据分析平台，协助工程师推动大量的数据分析，以期加速开发作业。
此外，企业不妨整合物联网与大数据，透过批次离线分析方法来解决产线的疑难杂症；整合Domain Knowledge进行建模，以发挥实时监控、提前预测之功效，接着也藉由模型来控制生产参数；藉助机器学习技术，全自动优化生产控制的参数，大幅减少产在线的种种变因；再者可多利用自动影像识别技术，展现优于人工的识别实力，借此强化品质管制(QC)。
