導入智慧製造 投資報酬率可望超乎預期
- DIGITIMES企劃
-
近年來工業4.0熱潮延燒全世界，久久未退流行，一向在全球高科技製造業居於重要地位的台灣，自然不會置身事外，已然起身簇擁這波浪潮。不可諱言，台灣製造業導入工業物聯網、智慧工廠乃至虛實整合系統，此刻多還在起步階段，遙望工業4.0遠大目標，確實仍有一段長路要走，然而環顧各類型製造商，距離此目標相對接近者，毫無疑問正是半導體產業。
事實上，半導體業迎向智慧製造，擁有得天獨厚的利基，所以動得比其他型態的製造商快上許多；若以半導體製程設備而論，眾所皆知往往價格不菲，相形之下，推動智慧自動化的成本支出猶如「小菜一碟」，絕對稱得上是本小利大的好投資，當然值得賣力投入，如果真能做好資料管理、分析技巧與預測技術，進而明顯改善機台效能及生產良率，便可望坐享極高的投資報酬率。
另值得一提的，若就台灣整體製造業邁向工業4.0、智慧製造的觀點，半導體產業在於智動化的突破，也往往深具帶動效果，只因半導體製造商可望為同屬製造領域的其他企業提供創新技術，驅使其他製造商將其生產設施轉向智慧化，讓工業4.0的附加價值如同漣漪一般，有更多企業同蒙其惠。
唯有數位化，方能有效提升競爭力
世界知名的管理諮詢公司麥肯錫，也曾透過專文，詮釋半導體產業為何不得不加入工業4.0轉型行列。該文指出，以晶圓廠為例，透過大數據分析來增進製程中自動化的比例、藉以落實數位化轉型，可望提高30%~50%勞動效率，並且減少機器耗損，在下次維修前可望提高10%~20%產量；如此一來，可能導致整體設備效率(OEE)平均增進10%~15%，產量提升1%~3%，連帶使客訴因而減少30%~50%。
儘管不少晶圓廠一直以來都致力提振營運效能，已藉由精簡組織、精簡製程、減少耗費等等精實做法，展現了不小的作用，但與智慧化、數位化的績效相比，依然相形見絀；這也意謂著，倘若半導體公司只想靠傳統套路來提升競爭力，縱有成效、亦十分有限，因此不得不擁抱工業4.0熱潮的理由便在於此。
論及工業4.0的重要起手式，就是設法為機器賦予智慧，具體來說即是在它們的身上裝設感測器，藉以收集數據，做為強化整體生產效率的依據，換句話說，在工廠不論發生好的結果、壞的結果，相關前因後果通通都具有高度的可視化，這點對於業者而言極其重要。
舉例來說，以往衡量OEE，都僅看機器可用或不可用的絕對時間，但經常忽視因微小故障所釀成的停機事故，且對於伴隨停機而衍生的生產損失估計，也往往取決於手動作業，以致評估的結果不甚精確；如今改採數位化做法，企業便可準確掌握機器運行狀態，及每次停機所造成的生產損失，據此訂定更為精準的生產決策，甚至進一步採取預防性維護措施，好讓機器在完全損壞前，得以貢獻極大化產值。
另一點也相當重要，意即每當出現良率問題，過去的做法，不外是主管與產線的員工做面談，試圖從中得知究竟是哪個環節出了差錯，但可想而知，這般做法難免有失精確；反觀工業4.0的作業情境下，生產過程當中的每個環節皆可追蹤，企業只須針對收集到的大量數據按圖索驥，不需費時訪談任何一人，即可準確而快速地探知導致良率不佳的背後真因，接著對症下藥，鎖定這些不良癥候著手優化，便可促使生產良率儘快回到正常的軌道上。
此外，從作業員觸摸機器的時間長短，也能當做提升產線效率的依據。經由機器上的感測數據，假使發現作業員平均接觸機器的時間，僅佔整體工時的五成以下，即可合理推估，作業員處於等待、閒置的時間著實太長，等同於人力資源的浪費，企業一旦察覺這般情況，即可適時修正工業參數，將人機比率調整至更有效率的狀態。
善用大數據，驅動產能與效率的升級
但即便設置感測節點，是企業迎向工業4.0、智慧製造的敲門磚，但並不代表裝了感測器，就是達到工業4.0的水準；甚至縱使做得再多，佈建了大量的機械手臂，使得整個產線或工廠更加自動化，都還不能稱之為工業4.0，充其量不過來到工業3.0罷了。企業若想更貼近工業4.0，至少得再往前多做一些事，以機械手臂為例，不能只讓它們做簡單的取放動作，而是要讓手臂與手臂、手臂與生產設備，甚至手臂與人員之間能夠順利溝通與協作。
另一方面，某種程度上，「資料革命」絕對算是工業4.0箇中重要意涵之一，佈建大量感測器僅是手段，真正目的便是收集數據，無論是來自機台、物流、產線或製造執行現場的巨量資料，能否透過集中化機制善加管理、儲存與分析，才是能否真正提高產能及效率的關鍵所在。以前述的幾個工業4.0應用情境而論，不管是針對機台實施預防性維護、快速挖掘導致良率不彰的真因，抑或設法降低作業員等待時間，沒有任何一個是完成感測數據的收集後，就會自然而然發生的，企業如何利用數據展開後續的作為，才是重點。
在去年(2017)，某家極具指標性的半導體大廠，應智慧機械推動辦公室之邀，赴中部地區分享智慧製造的導入經驗，其間有不少值得借鏡學習的重點，包括建立FabIoT，形成人、機、料、法、環的主動偵測與行動機制；善用開源技術自建私有雲，可使開發團隊享用共通平台，也順勢打造高度安全的原始碼管控機制；同樣採用開源技術，自主建立大數據分析平台，協助工程師推動大量的資料分析，以期加速開發作業。
此外，企業不妨整合物聯網與大數據，透過批次離線分析方法來解決產線的疑難雜症；整合Domain Knowledge進行建模，以發揮即時監控、提前預測之功效，接著也藉由模型來控制生產參數；藉助機器學習技術，全自動優化生產控制的參數，大幅減少產線上的種種變因；再者可多利用自動影像辨識技術，展現優於人工的辨識實力，藉此強化品質管制(QC)。
