没有大数据，何来智慧工厂？

宇清数位智慧(Youthought)股份有限公司销售暨服务副总经理涂耀仁先生，针对"大数据(Big Data)开启新一代智慧工厂"做主题分享。他先介绍该公司，主要专精于Big Data(大数据)与Data mining(资料探勘)的研究，开发出对工厂的生产力、生产周期与成本等进行有效改善的"智慧分析系统"。管理团队来自台积电、旺宏等台湾制造业大厂，其研究亦获得2011年IEEE自动化科学与工程学汇刊的最佳论文奖。

目前该公司主要产品为u-Efficiency (生产效率智慧分析系统)与生产力提升顾问服务。

以分析方法为核心，透过内建分析流程的使用介面，达到问题重点排序、萃取问题特征及最佳化资源之决策支援功能，并采用云端架构以节省企业建构分析系统之成本。主要客户有旺宏、钜晶电子、联电、中芯国际、Qualcomm(高通)、台积电／恩智浦合资的SSMC、GLOBALFOUNDRIES(格罗方德)等。合作夥伴有IBM、Teradata(天睿)、Taki(探集)、Solomon等公司。

宇清数位智慧股份有限公司销售暨服务副总经理涂耀仁。

工厂资料何其多 智慧分析以掏金

当工厂投入许多成本建制工厂管理系统与自动化之后，却只应用极少部分资料，如何确认这么多系统的整合目标与工厂的目标一致。此时得透过分析方法，才能从工厂的巨量资料中找到突破性改善的机会。

过去的工厂自动化，可分成MES、机台自动化、自动搬运物料、自动派工排程等阶段。这些自动化需要投入不少资本，为的就是提升工厂的四大指标：品质、成本、交期、生产周期。虽说上下游完成自动化之后，已可透过各种资讯看板来看到已知的问题(冰山之一角)，但工厂搜集到的各种资料，其实还潜藏着许多未来有用的资讯(海底下的冰山)，值得我们去发掘。

在工厂搜集到的大数据这种矿山中，必须结合领域知识的资料探勘，才能有效挖到金矿。好比传统挖矿机必须花两年才挖得到金砂，而大厂的高档挖矿机只要花一年就可以达到。若是透过智慧探勘机，搭配该领域知识，便可挖出两倍的矿石，若再配合智慧探勘技术，便有机会在一个月内找到金矿。

传统改善生产力或生产周期的手段，通常是雇用更多作业员、购买更多机台、增加2%的开机时间、减少10%的采样、放宽制程条件、延迟制程管理等，这种失焦、错过根本要因、忽视潜在因素的作法，只会耗费掉企业大量资源，而改善程度却只有小幅度提升。

涂耀仁提出他们的改善作法，从限制理论(Theory of Constraints；TOC)中的产出=[(瓶颈／瓶颈数)；释出数量]之间取最小值的作法(聚焦在生产力提升)，以及利特尔法则(Little’s Law)中的生产周期=WIP(在制品)／产出(聚焦在生产周期的提升)的公式中，可知产出与生产周期是呈反比的情况，增加其一必降低另一，若导入其智慧分析系统，透过特殊的算法，便可将两个值同时提升。他以其客户的导入成果为例，说明晶圆厂制造过程，可有效降低13%～41%不等的生产周期，同时还能提升产出量2%～5%。

透过智慧分析，还找出其他改善的机会点。例如机器运作时间可能白天较少、晚上较多、一周里哪几天产量较多，都可透过平衡化的调整来提升效率。而在非瓶颈状态时生产变异幅度较大(如88%±6%)的情况下，亦可透过控制变异(如88%±2%)，来提升其平均在制品数量。例如白天机台状况比较不稳，就可以透过变更班别，挪到晚上来生产，便可在不增加成本下，降低33%的变异数。

多种智慧分析法 改善生产线效率

该u-Efficiency系统可提供全面的KPI(关键绩效指标)效率提升，透过机、材、人等控制变异方式来达成。其资料探勘模式可建立出工厂生产模式，以建立KPI指标。然后经由内嵌的PDCA循环，来定义出KPI的改善指标(如主要和次要KPI改善目标)。

涂耀仁接着解释各种功能，包括：KPI如何冲击在制品数量与生产周期、确定关键KPI指数以达到目标(聚焦在20-80区域来改善)、以机台为优先的关键KPI、评估个人KPI的贡献、提供有效方法来模拟各种产品组合下所影响生产周期、机器在饱和的瓶颈下之在制品／移动模型。

以生产力为优先的KPI、监控生产力提升、日产出的差距分析、工作发包后的邻近机台效率提升、作业员的动态配置、安全与备援的在制品等等。

在环保意识抬头之下，该系统更可找出提升节能效率的机会。他以新加坡某300mm晶圆厂里的大电流注入机为例，透过其数据分析，便找出20%的电力节约机会。整体而言，该公司的大数据分析服务，可针对生产效率、生产周期与节能等需求，来找出有效的改善计画，进而为工厂提升整体效率，降低成本，增加竞争力。