鼎捷制造業數字化轉型專家 曹永誠
鼎捷軟件制造業數字化轉型專家，深耕制造業自動化與大數據領域逾25年，專精于先進制程控制(APC)、智慧機臺控制系統、機器人自動化、智慧能源管理等領域；輔導百余家制造企業之智能制造藍圖規劃與軟硬件整合應用，為富士康、日月光、硅品精密等企業特邀內訓講師。
數字化有哪四階段？數字化最重要的，是可以做到“預測化”，那預測化要怎么做到？有效果的可視化，才能真正產生效益，也就是在對的時間，讓對的人，用對的方式，看到對的數據，才能夠引導他做對的判斷、對的決策。那么，如何才能做到有效益的可視化？
數字化四階段
依據德國FIR e. V. at RWTH Aachen University, 2017，將數字化定義為四階段，可透過四階段建設，讓工廠逐漸進展到智能制造。
階段一：可視化。有效的協助現場，引導做對的判斷、對的決策。簡單的說，就是讓你知道發生了什么事。
階段二：透通化。讓你知道為什么問題發生了。
階段三：預測化。預測什么事情即將發生。因為如果不知道會發生什么事情，就會天天在救火。救火過程中，產生很多額外的浪費。如果可以知道預先知道會發生什么事，就可以從容應對，浪費就會減少，而效率就會提升。
階段四：自適應，自動因應的能力。
01可視化-可以提高效率，把所有數據都公平公正公開，讓管理有效果
曾經某客戶企業把工廠制造OT串聯公司IT的數據后，在現場隨時看到整個生產狀況，包括所有機臺生產的狀況和訂單完成度。生管人員也可以透過電子廣告牌，隨時掌控現在工單的進度，甚至最重要的延遲工單等信息。
再舉一個例子，有一個企業管理者只花了兩個月時間，使得整個工廠的績效增加50%；只因為做了一件事：把每個班的績效，分別寫在白板上。過去沒有數字化的時代，員工不見得會認真做事情。但在用真實可靠的數據的今天，績效直接顯示，認真度會明顯提升。
02預測化- IT+OT深度融合，以預測健康指標
如何透過IT+OT融合，做到預測健康指標？
每個關鍵零組件，都有自己的特性曲線。象是圖中黑色的線，零組件一開始還健康的時候，相對會比較線性一點，但曲線會隨時間逐漸老化跟磨耗，之后會變成像橘色線，越來越不線性化。
如果可以取得零組件的數據，例如是速度的數據，特定速度下，壓力反應會有差距，且差距會越來越大，就可以把差距當做是它的健康指標。
當健康指標，從81%、77%、68%逐漸變成55%時，從數據指標的預測，就可以做到預防。就不會讓機臺突然壞掉、措手不及，降低額外的浪費，且能夠從容應對。在機器快要壞掉前，就可以預做準備，讓整個產線運作更為順暢。
01 可視化，一定要對運作有效協助才有用
“在對的時間，讓對的人，用對的方式，看到對的數據，才能夠引導他做對的判斷、對的決策。”
可視化的重點是“有沒有效”，數據能不能創造價值，不在于數據本身，而在于給誰看。所以，針對不同的對象，不同的目的，一定要有不同的呈現的方式。
像生管單位，最需要參考的是OEE數據，把時間稼動、性能稼動跟質量稼動，三者切開，才能找到六大浪費中，哪一個項目是超過正常值。設備部門的重點并不是OEE，而是MTBF/MTTR，也就是平均故障時間和狀態堆棧圖，因為這些分析圖表對設備部門，才是能夠有效協助他們判斷的。
02 馬達安裝振動傳感器，可診斷異常，但只是可視化沒幫助
例如，震動傳感器，在機臺里面，馬達是一個很重要的零件，如何判斷馬達的健康程度，又是靠震動傳感器。馬達裝了震動傳感器，就可以將傳感器讀取的數據進行分析。將數據轉到頻譜觀察斜坡圖，若數據斜坡顯示異常，就表示馬達已經老化。
如果在現場顯示傳感器的數據，但現場絕大多數的人員包括主管，全部都對這些數據無感，這才是一個最大的問題。
03 經過處理后的數據，才是有效協助的可視化
因為無法有效的協作引導人員，做對的判斷和決策，所以就不能當作真正合格的可視化。要如何才能夠讓可視化，變成有效協助？透過『白盒子理論』，也就是以物理/化學的轉換公式，做到『工業機理』的轉換。
例如：將震動的數據，透過快速傅立葉轉換，以斜坡的特征，就能估算出馬達的健康指標；也就是把傳感器的原始數據，不只是赤裸裸顯示呈現，而是透過傅立葉轉換的斜坡，變成健康指標。比如說0%是故障，100%是完全健康，這樣的健康指標，才能算是有效的可視。所以，有效的可視，才能夠真正有效益、發揮數字價值，但是這樣還不夠。
如果畫面呈現馬達的健康是34%，本身能夠幫助多少？到底是代表有沒有壞掉？看起來好像快要壞掉了，可是又還可以生產，而且還在正常生產中。
通過 IT+OT深度融合，實際的創新應用來加深“可視化”。例如，傳感器發生問題，不是只有報警的訊息，應該要提供更多可以協助判斷的信息，讓整個生產環節、涉及部門都明確清楚問題、原因并因應調整。
