智慧工廠

一般傳統製程工廠是由原物料、公用系統如水電氣、生產操作人力等單元的投入，經由 工廠製程機台或生產線作業大量生產出標準化規格之產品，同時排放出固、液、氣等廢棄物，

而在資料蒐集方面，則是以各投入及產出單元資料個別輸入或讀取分別儲存，工廠相關投入 產出單元及資料流之關聯如圖 4-1 所示。

傳統製程工廠

設備/ 儀表/ 備品

公用系統 水/電/氣

汙染排放 固/液/氣

原料 產品

投入/產出 生產人力 資料流向

傳統製程工廠投入產出單元及資料流示

圖 4-1 傳統製程工廠投入產出單元及資料流示意圖(本研究彙總整理)

依據傳統製程工廠投入產出各單元關聯，其主要問題點如下:

 工廠操作及流程方面

傳統製程工廠因製程技術落後，生產流程繁複，設備老化維護保養不易，致浪費廠 房空間資源，設備維護成本增加。

為確保工廠穩定操作，設備之定期維修保養可能週期縮短，造成機台設備稼動率降 低並大幅增加備品庫存。

 生產人力方面

製程控制及生產線自動化不足，必須投入較多操作人力，人力成本高。

26

 原物料方面

為確保原物料供應無虞，需求量通常較保守造成庫存過剩，浪費廠房空間及儲存資 源。

 產品方面

製程控制及生產線自動化不足，人工手動操作作業多較難控制產品品質；工廠大量 生產標準化規格之產品，可能因市場變化及客戶需求不振而滯銷，造成庫存增加並 浪費廠房空間及儲存資源。

 公用系統方面

製程技術老舊及設備效率不佳，使得耗用過多公用系統及能源。

 汙染排放方面

製程技術老舊及設備效率不佳，產出較多之汙染排放物加重汙染防治設施負荷，大 幅增加環保處理成本。

 資料儲存及處理方面

在各單元之單方向資料蒐集並個別儲存，並未進行資料整合、處理、分析及建模，

資料對工廠操作及營運決策無法有明顯助益。

傳統製程工廠所面臨的問題在於廠房設備、人員組織、製程技術、生產流程、供應鏈等 缺乏資訊連結及完整體性規劃，製程控制及生產線設備自動化不足，在各單元數據擷取分析 統計、組織人員管理調度、資金流動與財務管理運用，仍必須各別單元或系統建置，經由人 力做整合及關聯處理，高層組織決策效率上無法因應市場變化，造成企業成本增加與競爭力 下降，企業終究難以生存(賴佩萱，2019)。要徹底解決傳統製造業工廠困境，企業必須運用 先進資訊科技技術，有系統完整性規劃並導入工業 4.0 相關技術，以建置智慧時代下的智慧 工廠，才能有效提升企業獲利及競爭力。智慧工廠投入產出單元及資料流示意圖如圖 4-2。

27

智慧工廠

設備/ 儀表/ 備品

公用系統 水/電/氣

汙染排放 固/液/氣

原料 產品

投入/產出 生產人力 資料流向

智慧工廠投入產出單元及資料流示意圖

圖 4-2 智慧工廠投入產出單元及資料流示意圖(本研究彙總整理)

本研究為解決傳統製程工廠的問題，運用文獻探討之相關工業 4.0 核心技術，提出智慧 工廠系統架構如圖 4-3。智慧工廠將現場底層的所有具自我偵錯修護功能之設備、設施、儀表、

控制元件等裝置各式之感測器，透過物聯網(IoT)技術將資料收集，並連結到整合全廠之製造 執行系統(MES)執行工廠運作，以預先排程規劃 (Advanced Plan Scheduling, APS）系統安排 生產順序及流程，經由工廠自動化(Factory Automation, FA)進行工廠自動控制操作，即時監視 控制現場狀況、線上品質管控、自我偵測異常與排除等自動化生產作業，備品管理(Spare Parts Management, SPM)系統提供工廠操作所需足夠適量之原物料及零件備品，機械設備維護管理 (Machinery Maintenance Management, MMM)系統進行設備之定期及預知維護保養工作等 (吳 韻萱，2015) (劉益宏等，2019) 。

物聯網(IoT)將工廠現場底層的所有設備、設施、儀表、控制元件等感測器讀取之所有資 料同步傳輸到大數據(BD)系統整理分析，經由 AI 人工智慧不斷機器學習、分析、模擬並預測 最佳控制信號回饋到製造執行系統(MES)及自動化控制系統(FA)進而控制現場設備及控制元 件，達到製程最佳效率化生產、減少能耗及汙染排放等。

製造執行系統(MES)同時可進行生產線之上下游之整合，如原物料暫存管理(Raw Material Inventory Management, RMIM)及產品庫存管理(Product Inventory Management, PIM)等並協同

28 MMM:  Machinery Maintenance Management PIM: Product Inventory Management