工业 4.0 口号呼喊已久，带动制造业持续转型，迈向智慧制造，相关软硬件投资也持续增加。然而，要导入相关解决方案前，除了资金及高阶技术人才的考量，生产的规模与模式也影响了投入智慧制造的需求方向与急迫性。资策会数位转型研究所（数位所）观察到了台湾多数厂商的痛点，在经济部技术处科技专案的支持下，以制造业所重视的时间、绩效、品质等三大指标，开发出“制程大数据即时分析系统”，观测工厂机台群的产效表现。此套系统也荣获 2018 年全球百大科技研发奖（R&D 100 Awards）的肯定。
以中小企业为主的台湾制造业，经过长久深厚的底蕴积累，产生了无数资料数据。但大多数企业至今仍欠缺自动汇集多重来源资料与即时分析的工具，无法即时掌握制程状态，将经验化为产值。
许多工厂内部的情况是数百至数千个生产机台长期运转，往往得仰赖人工监控机台、查找低效肇因，不仅耗时耗力，且缺乏对整体产效、品质与瓶颈问题的通盘了解。因此许多厂商都期望透过导入新的解决方案，来达成智慧制造。
▲大多数企业至今仍欠缺自动汇集多重来源资料与即时分析的工具，无法即时掌握制程状态，将经验化为产值。
资策会所开发的“制程大数据即时分析系统”，透过事件驱动（event driven），利用分散式、容错、连续即时串流分析（streaming analytics）处理多重来源的大量资料，能快速且精确地反应现有问题，甚至提供更预先性的决策指标，协助企业从制程大数据之中看到隐性危机，成功规避风险并强化产能。
开源软件架构，系统应用更具弹性化
“制程大数据即时分析系统”主要分成三大模组，第一是“即时效率监控模组”。由于机台的运作效率不会永远持续相同，而是有可能忽快忽慢，该模组便能在低效制造期间发挥警示功能，减少不良的状况。第二个“稳态效率预测模组”，能够即时计算出忽快忽慢的机台在制程稳定时的速率，相较于目前多数企业只能在事后观看检查，协助优化改进的效果将大为提升，若搭配第三方高级自动化机台，甚至能立刻调整速率。至于第三个“历史制品特征及稳态效率储存库模组”，则能够以机器学习技术分析工厂内的机台、过去曾经接的订单与制造过的产品资讯及离群值等等，来预测未曾处理过的新订单完成进度。
此外，由于市售软件多为固定功能套装出售，且国外大厂的软件通常价格昂贵，更不见得完全适用于实际产线，因此资策会选用 Hadoop HDFS、Apache Storm、R 语言等品质稳定、源代码透明的开源软件，善用其具备容错性、超大储存环境、平行运算等特性，能节省系统基本架构建置时间，针对实际制造业场域问题，扣合生产过程的实务面需求。换句话说，这是一款泛用性十足的系统，务求在导入时缩短评估、分析与实际投入的时间；同时降低客制化所带来的技术门槛。
导入封测及制造产业助生产效率提升
目前“制程大数据即时分析系统”已导入半导体封装测试、塑胶押出与电池组装等产业。如全球规模最大的封装业者导入此系统后，可即时分析黏晶机台资料，提升黏晶制程 3％ 的效率，对 24 小时不停工的封测产业而言为显著效益。资策会持续积极与资讯服务业者及系统整合商合作，借重其整合能力及市场触角，针对各种制造业需求研拟解决方案，预计逐步推广至化工、纺织、汽车及航太等领域，并与制造业者合作建立示范场域，吸引更多业者跟进，从中扩散数据分析效益，加速台湾制造业数位转型。
展望未来，资策会拟定“智慧制造蓝图”，将应用数据分析及人工智能技术，发展产线智慧调配解决方案。就好比为工厂建置数位大脑，辅助人员精准决策，可 24 小时维持最佳产能、效率和良率。更将偕同资讯服务业者及系统整合商，透过云端服务，加快各类制造业者导入应用，促使台湾制造业从进料、生产到品质检测全产线智慧化，形成高效率双脑协作（人脑与 AI 相辅相成）的工作模式，在 2021 年前逐步迈向智慧/虚拟工厂的建置。
（首图来源：资策会）
