化解製造業生產痛點第一步，資策會開發「製程大數據分析系統」

工業 4.0 口號呼喊已久，帶動製造業持續轉型，邁向智慧製造，相關軟硬體投資也持續增加。然而，要導入相關解決方案前，除了資金及高階技術人才的考量，生產的規模與模式也影響了投入智慧製造的需求方向與急迫性。資策會數位轉型研究所（數位所）觀察到了台灣多數廠商的痛點，在經濟部技術處科技專案的支持下，以製造業所重視的時間、績效、品質等三大指標，開發出「製程大數據即時分析系統」，觀測工廠機台群的產效表現。此套系統也入圍 2018 年全球百大科技研發獎（R&D 100 Awards）。

以中小企業為主的台灣製造業，經過長久深厚的底蘊積累，產生了無數資料數據。但大多數企業至今仍欠缺自動匯集多重來源資料與即時分析的工具，無法即時掌握製程狀態，將經驗化為產值。

許多工廠內部的情況是數百至數千個生產機台長期運轉，往往得仰賴人工監控機台、查找低效肇因，不僅耗時耗力，且缺乏對整體產效、品質與瓶頸問題的通盤瞭解。因此許多廠商都期望透過導入新的解決方案，來達成智慧製造。

▲大多數企業至今仍欠缺自動匯集多重來源資料與即時分析的工具，無法即時掌握製程狀態，將經驗化為產值。

資策會所開發的「製程大數據即時分析系統」，透過事件驅動（event driven），利用分散式、容錯、連續即時串流分析（streaming analytics）處理多重來源的大量資料，能快速且精確地反應現有問題，甚至提供更預先性的決策指標，協助企業從製程大數據之中看到隱性危機，成功規避風險並強化產能。

開源軟體架構，系統應用更具彈性化

「製程大數據即時分析系統」主要分成三大模組，第一是「即時效率監控模組」。由於機台的運作效率不會永遠持續相同，而是有可能忽快忽慢，該模組便能在低效製造期間發揮警示功能，減少不良的狀況。第二個「穩態效率預測模組」，能夠即時計算出忽快忽慢的機台在製程穩定時的速率，相較於目前多數企業只能在事後觀看檢查，協助優化改進的效果將大為提升，若搭配第三方高級自動化機台，甚至能立刻調整速率。至於第三個「歷史製品特徵及穩態效率儲存庫模組」，則能夠以機器學習技術分析工廠內的機台、過去曾經接的訂單與製造過的產品資訊及離群值等等，來預測未曾處理過的新訂單完成進度。

此外，由於市售軟體多為固定功能套裝出售，且國外大廠的軟體通常價格昂貴，更不見得完全適用於實際產線，因此資策會選用 Hadoop HDFS、Apache Storm、R 語言等品質穩定、原始碼透明的開源軟體，善用其具備容錯性、超大儲存環境、平行運算等特性，能節省系統基本架構建置時間，針對實際製造業場域問題，扣合生產過程的實務面需求。換句話說，這是一款泛用性十足的系統，務求在導入時縮短評估、分析與實際投入的時間；同時降低客製化所帶來的技術門檻。

導入封測及製造產業助生產效率提升

目前「製程大數據即時分析系統」已導入半導體封裝測試、塑膠押出與電池組裝等產業。如全球規模最大的封裝業者導入此系統後，可即時分析黏晶機台資料，提升黏晶製程 3％ 的效率，對 24 小時不停工的封測產業而言為顯著效益。資策會持續積極與資訊服務業者及系統整合商合作，借重其整合能力及市場觸角，針對各種製造業需求研擬解決方案，預計逐步推廣至化工、紡織、汽車及航太等領域，並與製造業者合作建立示範場域，吸引更多業者跟進，從中擴散數據分析效益，加速台灣製造業數位轉型。

展望未來，資策會擬定「智慧製造藍圖」，將應用數據分析及人工智慧技術，發展產線智慧調配解決方案。就好比為工廠建置數位大腦，輔助人員精準決策，可 24 小時維持最佳產能、效率和良率。更將偕同資訊服務業者及系統整合商，透過雲端服務，加快各類製造業者導入應用，促使台灣製造業從進料、生產到品質檢測全產線智慧化，形成高效率雙腦協作（人腦與 AI 相輔相成）的工作模式，在 2021 年前逐步邁向智慧/虛擬工廠的建置。