thyrelwcu的部落格

無需擴廠就能擴產

台達電子積極轉向「自動化智能製造」，目前的示範生產線已達90％無人化，但「還是要有人
當機器的老師」，在規畫設備和製程、協助機器學習等方面的人力，反而會增加。

全球電源供應器第一大廠台達電子，近年來的發展主力已由電源零組件，積極轉向「自動化智能製造」。

以2017年為例，台達電「電源及零組件」、「自動化」、「基礎設施」三大事業群中，「自動化」雖占比最小，卻成長率最高。

台達電機電事業群總經理劉佳容指出，台達在工業自動化領域已累積二十年經驗。之前就有一個自動化部門，專門銷售硬體，包括驅動馬達、控制類產品，而現在要從自動化走向智能製造，就必須向上整合軟體和數據分析，讓製造現場進入一個完全不同的面貌。

傳統的工業生產，資料大多靠人工紀錄，很容易產生疏漏，現在通過裝置感測器（sensor）的設備層，可以即時在生產過程蒐集資訊，再透過網路通訊上傳到管理軟體，進入數據分析，這就是智能製造的基礎。

「工單下去後，管理者可以即時監控生產狀況，不會閉著眼睛管工廠，」劉佳容強調，這些數據的特性是「可視化」，透過一個個螢幕，掌握整合後的完整數據資料。

由大數據驅動的智能製造，對管理層面最大的影響就是效率最佳化，做到「擴產而不必擴廠」。

縮短作業時間

現代化的工廠都希望做到彈性多工，以因應「客製化」、「少量多樣」的生產，智能製造的最大優勢，倉儲管理系統就是縮短更換生產品項的換線時間。

「理想狀態下，換線可以做到零時間差，」劉佳容解釋，假設工廠要生產一百件A 產品，完成後換成B 產品；當所有的物料倉儲在A 產品的製造過程中，就已經算出B 產品的倉儲管理系統所有原物料，必須集中到產線起始端的時間點。所以，第一百件結束時，產線就可以立刻銜接。這就是智能製造做到極致。

這也成為管理上的一大利器，因為智能製造十分瑣碎，需要把生產流程每一站的自動化設備做好，將數據完整收集，再把所有的軟體調校到最適合的執行狀態，甚至延伸到上游的供應商及下游的倉儲管理，每一段都要微調，「所以智能製造就是把整段供應鏈的上下游串在一起，」劉佳容說。

服裝盤點機中的出入庫複檢模塊的工作原理是:先將出入庫單下載到手持盤點機中，這個下載的出入庫單，可以根據不同的單號進行分類，在工作人員進行出入庫核對時，選擇需要核對的出入庫單，然後開始掃描需要出入庫的服裝條碼，如果是和出入庫上相符的產品，盤點機正常工作，如果不是相符的條碼，盤點機會高音報警，並提示該件服裝，不在該出入庫單上，請人工加強核對。出入庫結束後，工作人員可以將手持盤點機上的出入庫核對記錄上傳到電腦上，和系統中的電子做對比，並打印相應的差異表，統計表。因為服裝的條碼可以做到唯一性，因此，可以根據數據庫預存數據，在店面或代理商退貨時，通過條碼分辨出該退貨是不是最初發給他們的產品，其所退商品是否屬實。這個模塊可以輕鬆杜絕魚目混雜的貨品退回。缺貨報警這個模塊，主要用於檢查某些產品的銷量情況，及時發現斷檔，或滯銷。因為服裝盤點機具有1G甚至4G的存儲空間，因此，可以隨時將服裝整體數據下載到盤點器裡，只要掃描任何一個服裝條碼，盤點機界面都可以顯示出該件服裝的存儲情況，同時，還可以根據需要，設定個報警數字，低於該數字或高於該數字，都可以高音報警，及時提示用戶做補貨或促銷的決策。

生產人力結構改變

自動化生產必然取代大量的勞動人力，台達電示範生產線，已經達到了90％無人化。

但智能製造主要減少的是「直接人力」，至於規畫設備和製程、協助機器進行學習等「間接人力」，可能反而會增加。

台達電執行長鄭平曾經表示，以前的管理是針對「人」，但現代工廠會增加許多技術型人才，管技術、管設備、管知識，而不是管人，使得工廠的人力結構也改變了。

劉佳容指出，不管是人工智慧（AI）、機器學習（machine learning），「還是要有人當機器的老師」，所以會增加間接人力。以產線中的檢測為例，雖然機器人可以進行，但會有一定比例的誤判，就需要人去「告訴」機器什麼樣的情況是誤判，由此來提升準確率。

從倉儲管理系統提升品質到預測未來

傳統的品管經常是發生品質問題時，依據生產序號去抓問題；麻煩的是有時候不見得找得到資料，就只好從品質不良的零件分析，回推可能是哪一段製程出問題。

但智能化製造如果發生品管問題，只要輸入序號，就可以在系統上看到所有的生產資料。有機會在生產過程中就知道產品有變異，而不是東西賣出去才發現問題。

劉佳容說，台達在打造智能製造時，還發現了一個以往沒有注意到的優勢，就是工廠平均面積的生產率提升，「當你要擴產，不需要擴大廠房。」

以蘇州吳江廠為例，導入製能製造後，只需要原本規畫三分之一的廠房面積，就可以得到需求產量，所以未來如果要擴產，只需要在原本廠址擴充，不必另外找地。

智能製造發展到最後，就是從生產到消費端全串在一起，所有數據都是即時回饋，從消費者提出需求，就開始累積數據資料，一直回溯到原料供應商。當所有資料都是透明的，就可以精準地依據需求來生產。

但智能製造目前的瓶頸，在於整條供應鏈還無法全部串在一起，尤其是零售端。製造業仍以訂單為準，容易造成庫存壓力，要不就是缺貨。

顯然，智能製造雖然可以達到少量多樣與擴產而不擴廠的目標，但是要整條供應鏈完整數據智能化，仍然還有很大一段路要走。