前言
傳統射出成型生產過程相當倚賴人工，從初始的生產參數輸入以及調整外，生產出的成型品也以人工方式進行品質確認和缺陷修正的工作，並在生產完成後以人工方式進行參數紀錄作業。有經驗之「老師傅」在連續量產時需要隨時確認生產品質是否發生不良，當機臺跳警報的當下便需進行參數調整做量產改善。然而，生產製造當下，如有發生警報停機狀態，其製造缺陷還可獲得控制；但若遇到無警報的製造不良，則將面臨大量不良品發生的問題，如何透過有效的資訊或控制方法進行產品預測和自動修正成為現在智能化生產的一大議題。

傳統參數設定上難以達到最佳化的目的，透過「老師傅」的經驗進行參數設定之「預測」，其壓力及時間多以經驗驅動的設定模式，且此設定都須以最終產品樣式為設定依據，例如：產品當下沒有發生翹曲、收縮等，即為最適參數。然而，並無關鍵品質指標作為產品最佳化之依據，如此也導致參數設定上的一大問題。若以科學化的品質指標建立不僅可提供使用者參數最佳化的參考，另一方面也可在連續大量量產當中作為產品虛擬檢測的依據，透過其穩定指標的方式來同步穩定產品品質，確保量產良率的維持。

量產品質的智能解決方案
隨著工業 4.0 的發展，智慧製造解決方案的開發是現今製造業轉型的重要途徑，如何透過線上即時收取資訊達到製程穩定且最佳化製造品質為關鍵課題。射出成型品質量產的智能解決方案已有部分廠商投入開發，例如歐洲射出機大廠 ENGEL 的 Inject4.0、Wittmann Batenfeld 的 HiQ Solution， 以 及KraussMaffei 的 APC 系統等，都為機械商針對工業 4.0所開發的主動型品質控制方法，其透過機械商的設備資訊進行分析後預測其產品變異，再透過自控制方式做產品品質補償，如此可達到產品穩定生產的功效。而在臺灣方面，則有 Moldintel 所開發的智能化射出成型解決方案──「成型穩定模組」針對射出成型品質進行關鍵品質指標監控，以即時成型數據的收集及分析達到預測產品品質與參數微調穩定品質之目的。此模組以模具為資訊收集出發點達到跨廠牌機臺使用的限制，進而與射出成型設備做聯控達到參數回控的自適應調整，使得射出成型品質得以穩定控制生產。

射出製品虛擬品質檢測及改善策略
射出成型在兩大階段最常遇到的問題都為工程參數的調整，此調整不僅攸關整個製造的產能，同時也高度影響製造品質。在試模階段除了測試模具穩定性外，如何確立 Golden sample 的標準製造參數也是必須的流程。工程參數的重要性於成型缺陷上顯得更為
重要，每種缺陷皆與各參數環環相扣，過往缺乏品質監控的關鍵指數，故只單靠人為經驗進行調整。此模組開發射出成型品質關鍵指數，透過此指數不僅確認產品生產後的品質精準度，此外更可藉此指數最佳化Golden sample 的參數設定法。

品質控制指數的變異與產品品質呈正相關，因此透過指數的變異可即時預測其產品是否產生不良，此可實現虛擬產品檢測之目的，進而透過參數回控可有效改善成型品之連續量產穩定性。此控制指數則是透過模具埋設感測器所累積之即時成型資訊，以機邊擷取、分析其結果達到指數換算的結果，進而快速計算與參數間之關聯，並建議每模次產品發生變異時的參數修正策略。經由模組計算之改善參數建議，可透過人工方式因應生產機臺面板進行參數調整，也可進一步與控制器串連達成主動式自適應品質穩定流程，實現射出成型品質虛擬缺陷預測及改善之目的。

結語
在傳統的射出成型產業中，其高度仰賴人工進行參數的輸入與調機，其生產參數更是難以用科學化的方式進行品質調整，在量產流程上的成型品質也難以獲得並掌控最即時的資訊。因此，為解決此產業痛點，Moldintel 的成型穩定模組透過即時成型資訊可於當
模次預測其產品問題，並進一步藉由參數化調整提供科學化品質最佳化的解決方案，期望藉此改善產業競爭力，共同開創智慧成型新趨勢！■

這篇文章 射出成型虛擬品質預測與改善解決方案 最早出現於 CAE模具成型技術雜誌。

前言
機器人學 (Robotics) 與機器視覺 (Machine Vision)，分別是兩門歷史悠久的研究領域，機器人學通常屬於機械工程、自動控制工程領域；而機器視覺則是歸屬資訊工程、電機工程等。透過這兩大領域的專家合作，來賦予機器人視覺感知的能力。由此可知，機器人視覺是一項仰賴高度整合的工程技術，透過機器視覺偵測環境中的人與物，計算出其於相機座標系統上的位置後，轉換至機械手臂座標系統，再驅動馬達帶動軸關節對目標物進行操作，看似簡單的過程，實則隱含著複雜的電腦運算。在本文中，我們著重介紹手（機器人）與眼（機器視覺）整合的現況、挑戰與未來。

手眼關係各有優缺，相對位置決定手臂相機合作模式傳統機器手臂編程是透過多個手臂移動點位的教導，讓手臂循相同點位重複執行相同動作。因為點位均為固定的，所以需要利用大量治具來固定工件或週邊加工機械，應用上彈性較差。且一旦遇地震或外力影響改變手臂與工作區域個物件的相對關係，則所有的點位都要重新進行教導。倘若手臂結合機器視覺，則可透過視覺辨識與補償的能力，彈性修正手臂移動的位置，並有效減少治具的使用，增加處理多樣且多姿態工件的彈性。

機器手臂與相機（視覺）間如何合作取決於手臂和相機的空間關係，亦稱為手眼關係，可分為「眼在手(Eye-in-Hand)」、「 眼到手 (Eye-to-Hand)」 與「 眼觀手 (Upward-looking)」。

眼在手是將相機掛在手臂的末端軸上，先完成相機拍照與視覺辨識後，再驅動手臂對工件進行夾取；眼到手則是相機與手臂分開固定於兩個位置，相機在取像與辨識的時候，手臂可同時進行移動，因此有較佳的生產週期 (Cycle time)，但使用上須確保手臂座與相機維持固定的相對關係，若兩者關係改變，則需要重新進行校正；至於眼觀手架構，又稱二次定位，是當手臂夾取工件後，移動到相機視野內，比較當前姿態與標準姿態的差異，再做進一步的姿態補償，此種模式能擁有較佳的定位精度。

手臂整合視覺需仰賴專業系統整合，導入自動化首重精度與生產週期
機器手臂與機器視覺的整合，以目前產業發展的現況，尚非容易之事，終端客戶若非擁有一定程度的工程能力，仍需具專業知識的系統整合商協助。手臂的部分，系統整合商在挑選合適手臂時，首先要考慮臂長與負重，臂長可確保有效的工作範圍，關於負重則要計算掛載夾爪等終端效應器 (End Effector) 與工件時，能否符合手臂工作的額定負重範圍。

另一方面，視覺解決方案的整合亦有多樣的選擇。針對多相機需求且高電腦運算負擔的情境，往往會選用視覺控制器 (Vision Controller)，在硬體上其本質為一工業電腦，通常可支援二到四支工業相機，有內建影像辨識軟體，讓使用者可對其要解決的視覺辨識問題進行編程。另一類產品為智能相機 (Smart Camera)，其本身為含有 CCD/CMOS 感測器之嵌入式運算平臺，使用者可針對其工作視野挑選合適的鏡頭，該平臺亦含有視覺處理軟體，但運算效能較視覺控制器差，通常應用在讀碼、定位等。此外，亦有部分系統整合商為節省成本或提高彈性，會自行整合商用或免費的視覺函式庫，開發專用軟體。

除考慮合適的手臂機型與視覺解決方案外，在評估自 動 化 案 件 的 可 行 性 時， 最 重 要 的 指 標 即 為 精 度(Precision) 與生產週期 (Cycle Time)。足夠高的精度能確保每個工序的正確性，而符合預期的生產週期才能評估產能是否隨導入自動化提升並計算投資報酬率(ROI, Return on Investment)。前述的精度部分，若物件是透過視覺定位，則會影響到整體精度的因素包含相機解析度、定位演算法、手眼關係校正誤差、相機鏡頭校正誤差、手臂的重複精度與絕對精度等，需仰賴有經驗的機器視覺技術人員才能有效評估。

手臂內建視覺 整合成本大降低
近幾年來，協作型機器手臂 (collaborative robot) 因擁有安全性高、可和工作人員處在同一環境下工作、易於編程、使用者學習門檻低等相對於傳統機器人更具優勢的特性，在市場中帶起一波新風潮。另外，部分機器手臂廠商如達明機器人，更將視覺模組直接整合至手臂中，成為標準產品販售，使用者僅需利用內建的單一軟體就能完成手臂運動流程教導以及視覺流程編輯，大幅降低使用者原本需投入在整合手臂與視覺的成本，並可有效減少系統調校的時間。

放眼未來，隨著視覺感測技術的提升與人工智慧的快速發展，相機取得的影像資訊可由 2D 提升至 3D 乃至於 RGB-D 等包含更豐富的色彩與幾何資訊，而透過人工智慧在辨識能力的提升，將更能有效解決物件在姿態、物距、形貌上的變異，未來的機器人，勢必更具有感測環境、理解使用者的能力，值得我們拭目以待。■

這篇文章 邁向智慧製造：機械手臂整合視覺的現況與未來 最早出現於 CAE模具成型技術雜誌。

新冠肺炎疫情下全球產業鏈面臨重構
疫情過後，可預見政治是促成經濟轉變的重要因素之一，歐洲多國已開始提出不同於先前全球化的戰略，改以在地製造的政策為發展方向；美國更是首重國家利益，整體經濟策略以美國優先，強化美國製造。

後疫情時期的貿易戰，不論是美國、中國，或是歐盟、日韓等，都已經說明了未來市場的複雜度，而過去全球化經濟模式強調國際貿易，活化了超越國界的世界經濟，且各國透過對外貿易活動、產生資本流動，也加速了產業供應鏈及製造技術之間的轉移，導致各國的生產鏈自然建構出全球化的生產供應體系。在未來國際貿易體系重構的過程中，本土化生產或是全球化分工都對製造業重新布局產業生態鏈有著巨大影響。

傳統產業價值鏈升級所面臨的挑戰
勞動密集型工廠多數透過遷移至人力成本相對有優勢的地方生產，以創造生產利潤空間，過往，臺灣傳統產業依照這樣的成功模式搶佔市場，並藉此擴大產能以分攤機器與固定的管銷成本。然而，過去的成功模型並不意味未來可藉此持續領先，尤其是疫情過後，許多製造業也加速進行製造中心的調整，以避免風險過度集中，且傳統製造業國家的人口紅利已逐漸消失，導致傳統產業需要再次轉移到更具競爭力的人口紅利國家。過往避免人工成本上升、依靠較優勢的勞動力成本來維生的方式，並非是長期可行的做法。

提升利潤一直一來都是製造業賴以生存的不二法門，而創造利潤不外乎開源（增加營收）或節流（降低成本）。塑膠產業或是金屬加工產業都須在不斷提升產品品質的過程中，持續降低製造成本，射出加工技術以及模具製造之進步與提升乃當務之急。塑膠製品的良率主要依賴材料、射出機、模具、及成型參數及條件，並非僅靠勞力及技術能力，需仰賴工業 4.0 的智慧轉型，透過智慧製造的突破與改善，才能提升國際競爭力。

工業 4.0 浪潮下的智慧製造轉型之路
工業 4.0，並非創造更自動化或是特殊的新穎製造技術，而是結合製造技術、銷售業務模式、組織再造，並透過現有的資源結合大數據收集、分析，來建立能夠快速回應市場需求的能力，實現精準生產、降低成本浪費及損失，並藉由跨領域合作來提高競爭力。

1. 技術轉型：技術的優先順序並非以自身能力為出發點考量，而需先確認長期及短期利益，並優先朝向完成短期需實現的價值場景所涵蓋的技術。企業的工業物聯網架構，和所需的數位應用是有差距的，許多企業內部或許無相應人才以進行規劃，因此與外部夥伴合作，將會是重要的搭配。

2. 業務轉型：認清提升利潤及訂單的方向，來實現價值改變。為認清方向，主管及領導者需要有明確的願景，制定清晰的目標，透過不斷溝通讓相關人員能夠有分階段執行的路線圖。價值的重點在於「淨利潤的提升」，藉由逆推來制定出價值達成的優先順序，而不是從技術能力順推。

3. 組織轉型：並非僅指領導者進行轉型，公司轉型需涵蓋全體同仁的支持，共同面向數位文化，自上而下推動變革，透過分階段的成功模式，提升同仁的信心，強化同仁的參與，也藉此鼓勵團隊成員彌補能力差距，以持續建置企業之轉型文化。

數位轉型的第一步：以 OEE 管理敲開工業 4.0 大門
為了能夠朝向管理系統化，並透過數據驅動進行射出成型業的轉型，首先要能管理生產進度、OEE 及相關生產關鍵管理指標追蹤，以確保能夠準時將生產精良之產品交到客戶手中。生產流程涵蓋與製造過程相關的訊息，不僅可以幫助工廠處理工作單，管理個別之工作單位，追蹤及管理庫存，還可以幫助工廠進行品質追蹤，並針對異常狀況進行紀錄及改善。

可視化管理是管理者最期待的方針，透過全方位整合實體與資訊流，建構一個整合式智慧製造管理平臺。遠端中控中心工廠管理的建立概念主要是將工廠生產所需的生產資源建構在系統平臺上，有效結合平臺的管理機制，將生產機臺、工作站（工序）、生產流程、產品等資訊結合權限的管理，統合生產規劃與製造執行系統 MES(Manufacturing Execution System) 或是現場控制系統 Shop Floor Control，橋接相關之管理軟體如管理與資料收集系統 SCADA、整體設備效率OEE(Overall Equipment Effectiveness) 結 合 自 動化設備管理 APM(Asset Performance Management)，並連接上位應用系統之數據如企業資源規劃系統ERP(Enterprise Resource Planning)，扮演智慧製造控制的核心，提供即時化製造管理應用決策及危機處理平臺。

IT 與 OT 全面整合加值智慧製造管理平臺
智慧工廠的主要目標，並不是以自動化之導入為優先，而是背後的管理意義，如何透過智慧化思考，來進行改變。工業 4.0 因數據量極大，非現行傳統架構可以比擬，如何即時收集與處理數據，對系統軟體及資料庫來說都是極大的挑戰。雖然工業 4.0 有許多好
處，觀念上許多人都可以實現，然而技術的執行上，卻充滿挑戰。當未來的生產流程透過工業物聯網與其他設備相結合，既有的流程管理及安全管理、舊有程式語言之軟體整合與相容性等因素，皆可能造成資料遺失、損壞設備的操作或造成員工曝險等問題。

為避免這些問題發生，在導入工業 4.0 的過程中，務必要能夠透過妥善的管控 IT 基礎架構來維持現有運營，包含如何結合現有的科技將資料中心做分散式的管理，避免集中儲存所造成的問題，以及如何結合其他生產領域的多個不同生產系統，進而結合工業 4.0
所帶來的優勢，並藉系統架構之優化，透過邊緣運算技術結合關鍵數據以貼近所採用的生產場域，否則將會面臨到設備端可以做到即時數據監控，但系統段卻無法及時做為大腦的角色進行處理判斷，而無法產生綜效的情境。
人才評估或是外部顧問之導入及文化融合，將會是企業在決定要轉型前的必要條件，尤其是過往長期使用之系統搭配，將會是決定是否轉型成功的重要因素。轉型需考慮到後續的擴張性，以及後續面對市場的調整，所需要變化的適應性，並且需要考慮成本及平行擴張的易用性，所以選對了模式，會讓後續朝向數據驅動的智慧化事半功倍。

數據驅動的數位轉型助力製造業營運成長
大數據分析不是口號，而是轉型必須的應用，當今大數據分析涵蓋由工業物聯網收集的數據，以及市場客戶訊息，藉由不斷演進及學習，已快速發展成製造業轉型工業 4.0 的強力引擎。透過設備自動化與感測器技術的進程，搭配跨系統間的高度互聯與整合，產生大量未被利用的即時數據，加上生產流程和零售業活動的變化，而漸趨複雜。企業為保有競爭優勢，不能再以生產本身為起點，而必須以滿足客戶端的價值需求作為目標，實現少量多樣的客製化生產，透過數據分析來創造價值、解決問題，不再是透過經驗的本能來做判斷，而是透過大量數據來支撐他們管理日常運營的決策，同時強化數據的分析能力，將數據轉換成公司成長的資產。

製造業需借助分析技術的計算能力，實現以數據為基礎的決策來運行業務，而這項行動需要與企業的策略緊密結合，無論是大或是小的決策，同時讓最終使用者理解，並且嵌入企業的組織流程中，進而能夠在適當的時機來採取行動。大數據不只是 IT 單位的事，需透過戰情室管理並與各相關單位及層級討論及溝通，協調不同單位部門數據共享、共創及標準化，進而讓製造各部門對大數據產生信任，即時享用數據好處，進而解決問題，實現事中管理、事後檢討以及事前預防的三大模式。

以數位轉型布局後疫情時代的產業新局
疫情過後，全球市場將會變得越來越難預測，國際化競爭也越趨激烈。在資訊透明化愈來愈高的現在及未來，「快」及「不確定性」將會長期影響著我們的競爭力，如何精準預測市場的需求，也會影響著企業的擴張能力，故製造業唯有不斷的提升自身之競爭力，拉大與競爭者之距離，才能持續保有競爭優勢。面對挑戰，製造業為了生存都有足夠的動機來面對轉型，無論是美國製造之口號、或是中國製造 2025 等，然而轉型能力取決於人才及配合夥伴的能力深度。工業 4.0 數位轉型，並不是純粹採用某一系統或是某一設備就能實現，而是攸關於平臺之選擇降低導入之成本，以及是否有足夠的能量來面對新的挑戰，這些都是企業能否順利轉型的關鍵因素。工業 4.0 沒有畫上句點的時候，而是一個不斷前進且改變的動態過程，後疫情時代對於如何加速完成工業4.0 數位轉型，已成為一門顯學。以數據驅動智慧工廠變革，讓管理及決策更容易進行，並重新建構整個產業鏈和供應鏈關係，重塑新的商業價值，以迎向後疫情時代的衝擊及挑戰，方能超前部署數位轉型，積極掌握新常態市場商機。■

這篇文章 數位轉型攻略：超前部署後疫情時代的產業新局 最早出現於 CAE模具成型技術雜誌。

疫情過後，生存之道在哪？
2020 上半年，COVID-19（新冠肺炎）疫情蔓延，全世界面臨相同的困境，疫情雖然沒有對台灣造成大規模的傳染，僅有少數的境外移入病例，但對傳統製造業而言，卻也導致消費性產品的市場需求降溫，產業年產值減少 3%~18% 不等，射出工廠的上游廠商遍及機械設備業、汽車及零件業、各種消費性產品產業等。在此種困境下，將會面臨更嚴苛的成本競爭，以及更多的削價競爭。此外，來自海外的訂單受疫情影響，甚至可能導致訂單停止，所以找出生存之道是 2020下半年能否突破困境的關鍵。

「數位化」加上「管理」= 生存之道？
在找到射出工廠的生存之道前，首先得知道問題所在。舉個例子，一個體弱多病的人，想長壽、想正常生活，就得對症下藥，找出病因後，改善問題甚至根治它，才能達到長壽、正常生活之目的。射出工廠也是如此，從業務接單到生產出貨，牽涉到的環節、變
因太多，每個環節都可能出問題，一個個問題累積起來，最後可能導致無形之中的損失甚至大於獲利，白話來說就是「瞎忙」，長期這樣下來，工廠總是很忙，但回首發現公司的成長好像原地踏步，想要進步更是找不到真正需要改進的地方。

那如何找出射出工廠的病灶？射出工廠可以分成兩個部分來看，各別有其重視的地方，其一，從「管理者」層面來看，重視的無外乎就是「生產效率」。其二，從「車間現場」的層面來看，最需改進的是「溝通的效率」。

射出機在坊間被戲稱為「印鈔機」，假設印出一塊錢，需要花一塊錢甚至更多的成本，這家射出工廠該如何賺錢？為什麼會發生這種情況，太多隱形的成本沒有被管控到，讓一張訂單從估價開始就是錯誤的評估，生產中所耗費的時間、人力也被錯估。這些接單到出貨牽涉到的問題點，換句話說就是隱形的成本，該如何被管理者看見？利用數據提升管理層面、廣度，才可以有機會解決這些問題，最終達到提升射出工廠的「生產效率」。

那麼何謂射出工廠的「生產效率」呢？答案是整體設備效率 (OEE)，可以讓管理者直接從單一設備或者整個工廠的效率做出評斷。OEE 包括「時間效率 (A)」[1]、「產能效率 (P)」[2]、「製品效率 (Q)」[3]，每一個數值都擁有其獨特的意義及分析方法，但簡單評斷生產效率的方法就是三者的乘積 (A x P x Q)，而過往這些數據皆是以人工抄寫設備生產數據的方式進行計算，難免會發生錯誤，不合理的數據還要回去查找問題，一來一往更是損耗時間人力成本，更重要的問題是，還需要特別花人力到抄寫數據上，更多時候是，夜班人力減少後，乾脆就不抄寫數據了，這樣又會有更多問題沒有被看到。

綜合以上，可以發現到問題還是在人身上，「如何取代人工抄寫」是一個議題，「如何利用數據來管理」也是一個議題。在人工抄寫的部分，以型創科技的「IoM 射出機聯網」為例，透過將採集機上盒 (Smart Machine Box) 安裝至射出機中，24 小時不分晝夜自動採集設備的生產狀態，並將資料回傳至服務器進行分析得到「生產效率」，這就是「數位化管理」的第一步。

解決射出工廠的困境
前面篇幅提到的射出工廠的問題，「IoM 射出機聯網」（以下簡稱 IoM）提供一套完整的解決方案，也是一套 IT、OT 的整合型服務，IT 的部分提供製造執行系統 (Manufacturing Execution System) 來進行「生產管理」，OT 的部分將設備聯網並採集生產資料，將射出機的生產「可視化」。

以下來了解 IoM 是如何利用「生產管理」及「可視化」來提升「生產效率」，首先來看一個塑膠製品的生產流程，從訂單、製令單、預排程、現場生產、品質檢驗、入庫，再到出貨，在這個過程當中，IoM扮演的角色不盡相同，前三個部分，「訂單、製令
單、預排程」如果沒有一個妥善、高效率的安排，往往就會導致一些隱形成本的產生，IoM IPS 智慧排程(Intelligence Planning and Scheduling) 利用歷史數據與即時狀態來最佳化生產排程，IPS 所考慮到的條件包含到班別、製品、模具狀態、射出機狀態、假日、原料狀態等，透過這些條件進行最有效率的排程，類似傳統的物料規劃導向，以不浪費現場師傅換線時間為原則。剩下的四個部分，「現場生產、品質檢驗、入庫，再到出貨」，IoM 的「可視化」作為車間現場與生管人員的溝通橋樑，並主動通報各類型的異常，不必再透過兩次傳達才能讓管理者知道有異常，並能夠在第一時間將決策提供給車間現場。

結語：用數字做決策，提升「生產效率」
針對 OEE 的三個指標，A、P、Q 又該如何從數據上找出提升的端倪，IoM 另提供各種不同維度（製品、模具、設備、班別、任務、異常、原料、排程）的數據分析，可以簡單從數據中看到一些常發生卻又不該發生的問題，例如：設備閒置過久導致 A 指標的低落。IoM 透過現場的回報，可以自動將其關聯起來，也許是模具久未保養，也許是原料領料的問題，列出所有可能的問題，一個個排除以達到提升 A 指標的目標。P 指標的低落，可能來自於作業員的不穩定，透過IoM 找出此問題後，可以將此當為作業人員的績效，有這個依據後，A 指標、P 指標達標後，基本上已經達到時間上的高效率。那 Q 指標該如何提升？ IoM 提供另一個 S 指標（Stability），代表著射出機生產時的穩定度，作為參考的依據，也可以做一些分析，例如：S 為高水平，但 Q 卻低落，那很有可能是模具上有不穩定的因素存在，可能久未保養或者開發時就存在著瑕疵。■

補充說明
［1］時間效率 A，以「負荷時間（或稱為上班時間）」為分母，「負荷時間減去射出機閒置或異常的時間」為分子，得出時間效率 A。
［2］產能效率 P，以「運行時間（或稱為稼動時間）」為分母，「運行時間的標準產能與實際產能的比率」為分子，得出產能效率 P。
［3］製品效率 Q，以「有效時間」為分母，「製品的入庫良品數量與實際生產數量的比率」為分子，得出製品效率 Q。

這篇文章 物聯網時代下的射出工廠 最早出現於 CAE模具成型技術雜誌。

緣起：新隔離時代的啟發
對製造業者而言，在內外的價值網路裡仍存在許多工作，在尚未由內隱轉為外顯知識活動之前，依然需要高度依賴人際互動、群體協作，亦或老師傅臨場經驗判斷始能成事，諸如黑手聚落之間的聯合設計、產銷研間的粹智創新、工務往來委外工廠巡訪、設備商的到場檢修服務、跨國工廠的操作指導與現場糾正、機臺或管線噪震現象診斷等等。當疫情持續蔓延更需要降低人與人之間的接觸，各項數位化手段依然陽光照射不到，而導入視訊會議雖然可以進行遠距交流，但由於自由度過高又無臨場感，事前得規劃進行路徑、事後又需耗時彙整錄音影足跡，共識文件則更需另起作業雙 ( 多 ) 方往來確認。是以，處在新隔離時代的當口，極需重新審思企業內外跨國、跨業、跨廠之「人」的作業，並逐步尋求突破性的解決之道。

虛擬工作圈：圈圈圈起工作網路
工作圈的濫觴可以追溯到日本石川馨博士於 1962 年所創的品管圈活動，其進一步由生產面向擴展到產品、工程、工作、業務或服務等焦點，標的亦由品質擴大到交期、成本，關注層面則涵蓋人、機、料、法、環、測、管理與市場，並藉由系統化手法推動重大議題改善、管理制度 ( 如六標準差 ) 推展、標準作業流程之施行等。

而新近所倡議的數位生態系 (Digital Ecosystem) 更揭櫫：傳統價值鏈已然崩解，更需為相互依存的參與者相互分享數位平臺以達成互利互惠的目的，以鑄造成更強大更具彈性與復原力的價值傳遞網路，並不斷地演變以創造更好的新產品及服務。是以，當結合兩者之理念，虛擬工作圈即是為了特定的活動或任務，關係人 (People) 藉由視通訊管道 (Channel) 群聚一起，以資通訊技術 (Technology) 虛實整合人、機、料、法、環、測、管理與市場資訊，並運用數位化 / 智慧化手法策略 (Strategy) 地達致目標達成、議題改善與流程或制度之推動。

實體試模：現場師傅的獨腳戲？
實體試模是由虛轉實見真章的活動，將產出樣品交予客戶並確認報價，因此試模結果是塑膠製品業接單量產的重要環節，同時試模過程亦測試產出可行的射出成型機臺參數，以制定量產時可遵循的製造規範。然而即使是歷經嚴實的產品設計、模具設計及製程模擬與模流分析，當實際模具上架後依然會經過無數次的試模過程。

若僅憑現場師傅經驗調校機臺，尤其是少量多樣時易陷入反覆試誤的泥淖，導致爭單期限難掌握而丟單；次而乃是新舊師傅水準落差大，業界現況是老人逐漸凋零且新手培養不易，往往新手試模失敗的機會高；再者通常只有現場師傅在試模，但前置的產品設計、工程設計、模具廠人員常常不在場，因此遇問題便需層層回溯改善，倘相關人員又是跨廠、跨國或跨業，資訊不通透不同步時更加深修模與調機的困難度；另外許多業者試模過程並未數位化，紙本記錄不夠詳實、未留歷程足跡且不易保存及查找，一旦量產或加訂時可能導致需要再重試模，徒然浪費時間與成本。

射出試模虛擬工作圈：標準化、數位化、虛實整合與智慧化
肇於前述，射出試模虛擬工作圈的設計概念即是為了以群智協力減低現場師傅的試模壓力、降低次數與總時間並提高試模的成功率。

其中核心手法是將塑膠中心多年淬鍊過的 15 道標準化工法進行數位化設計，包含：射出機料管換料、機座後退 / 可動側機盤後退、依材料種類設定料缸與噴嘴溫度、模具及冷卻水安裝、設定模溫機出水溫度及流量、確認模面溫度已達適當溫度、調整適當的合模力、模具開關模作動及頂出行程、確認熔膠溫度已達設定溫度、預設產品冷卻時間、決定進料計量行程及V/P 點、決定填充時間及射出壓力、決定射出速度、以短射實驗決定多段控制位置以及決定保壓壓力和保壓時間。並整合 MES 之試模工令與現場試模排程並呼叫視訊會議將相關人員群聚一起，以標準化工法進行逐步計算、檢查、交流與討論，工程參數則以漸增式學習自動調整最佳化，現場師傅則以拍攝或錄製現場真實狀況以供驗證或問題描述，同時亦整合機臺量測以充分了解整體製程設定的效果。

後語：科技來於人性、人用科技以轉型未來
基於上述案例，虛擬工作圈將可以虛實整合各種工程計算、文字、語音、影像等異質資料紀錄，運用標準化流程與數位化 / 智慧化手法使得技術清晰透通可見，同時亦完整保存過程影音及資訊足跡並分段索引以利檢索查找及回溯根源探尋，另外當累積眾多工作
情境時亦可遴選代表性案例以利經驗傳承。

前述之射出試模虛擬工作圈在概念提議時便積極獲得迴響，獲得示範場域宗瑋、工法知識提供者塑膠中心、IoT 設備商型創科技之首肯，並快速組成異業合作研發團隊申請工業局科專計畫，希冀在 2020 年底前完成產品研發並於示範場域實際驗證，繼而亦有兩家跨國射出成型工廠也表達期望能於驗證後跨國導入。由一可窺全，虛擬工作圈的新思維將可隨著不同的工作圈性質，可逐項推新以真實解決各種高度依賴人際互動、群體協作或是需臨場診斷之工作窘境。科技始終來自於人性、人用科技以轉型未來，此亦是叡揚持續創新的原動力。■

這篇文章 射出試模虛擬工作圈 最早出現於 CAE模具成型技術雜誌。

前言
塑膠產業今年面臨嚴峻疫情影響，所有商業活動大量減少，日常用品為大宗的塑膠產業，面對業績大幅下滑，除之前政府祭出減塑法令，接著因競爭激烈毛利率日趨下降，整體經營環境日益艱難，業者因應市場環境及法令的變化，除貼近市埸開發新產品或新應用外，主要是以海外擴廠或者投資新技術及設備，加強品質及研發能量，尋求跨域轉型機會，追求高利潤市場商機。為因應市場的快速變化，公司彈性製造能力及加快製造速度，是塑膠業必要競爭策略選擇。

塑膠業開啟數位轉型之必要
塑膠屬於設備型產業，主要設備就是設備和模具，如何讓設備不斷線連續產出，以高速度合格品質在交期內交貨給客戶，在大量生產的時代以儘量追求高效產出即可，但現今少量多樣高客制化的市場下，模具及設備日趨精密及複雜，客戶對於品質要求也愈來愈
高，工廠除追求速度提升現場生產效率外，還需滿足客戶交期承諾，所以如何建置一套現場即時監控，整合數據產生完整生產履歷，及結合品質系統，並透由大數據分析來建置智慧生產知識庫，是塑膠產業經營提升上所面臨難題，這個生產知識庫是可以藉以改善生產數據及方法，並且建立公司長遠經營的智慧資料庫，形成管理知識庫，可以用來自動追蹤稽核整個經營及生產活動，邁向智慧製造數位轉型之路。

塑膠現場活動與精實生產
從走入塑膠業的現場巡廠開始，客戶為了提高達交率，會不自覺的提高原料庫存水位，來解決生產彈性及速度不夠快問題，對於半品的預測也同時拉高水位，所以經常看到現場庫存堆積如山，現場管理也常充滿浪費，包括生產過剩、設備閒置、品質瑕疵、甚
至是稼動率低及產線產能不平準等，浪費以各種形式存在廠內的每個角落，這樣場景使得塑膠業在低毛利、單量少及交期短的狀況下，更是導致企業難以突破如今的困境。精實生產就是「無浪費的生產」，澈底排除任何浪費，透過將流程改善到最簡單，讓浪費可視化，是使問題浮現的最主要方法之一。塑膠現場是一個高效連續的生產活動，當有不良發生時，若不即時處理，不良便會快速被複製出來，所以如何即時監控現場中的任何不良，以及如何在不良發生時快速停機，並通知處理人員前來處理十分重要。透過設計一個系統，在流程中內建品質控管機制，當品質快發生異常前，就會提前發出停線警告，以免生產出不良的產品，並且將預警訊息同時揭露於電子看板，該系統目的在於迅速發布現場問題，並提出警告訊息，最終再即時反應以消除現場的浪費。

建置塑膠業智慧化工廠之數位化架構
全球塑膠產業在各國限塑政策影響下，為提高友善環境，塑膠業除思考如何利用可回收塑膠材料、生質塑膠材料外，如何節能減少浪費，並提升生產效率及材料利用率，以及從源頭到終端都能提供完整生產履歷並友善環境的製造技術，以確保產業永續發展，也是塑膠業所積極思考的重點方向。因此，導入一套塑膠產業的智慧工廠生產技術成為首要之務。

在傳統的塑膠工廠中，大多屬於量產型的生產型態居多，機器老舊且大多數生產參數是沒有聯網的。因此，當產品出貨後遭客訴退貨時，該產品生產當下之生產數據大部份都無法被完整地找出來，常是片斷地拼湊資訊，以致無法快速且正確地分析出不良原因與理出改善的對策，最後結果還是必須依賴老師傅的記憶及經驗法則去解決問題，也因此大部份還是無法依知識積累形成的數據法則去解決問題。

所以，要解決這個問題，第一步要做的便是建立一個數位化積累知識的系統，將傳統型工廠管理，透由數位轉型朝向數據分析、知識積累，並形成預警機制的生產之智慧化工廠發展。惟有如此，塑膠業才能快速執行策略選擇，因為不管是高值化或擴廠策略選擇，工廠都需具備快速複製數據法則，並執行工廠生產品質一致性及穩定性的能力。

塑膠工廠生產數據，除基本的材料、生產數量及人員活動等基本數據外，主要記載環境溫溼度、模溫及射出機射速、射壓等生產參數，形成完整生產屨歷以便回溯使用，並回應客戶生產履歷追蹤需求，而收集的生產數據除用於建立知識庫並分析改善生產品質外，亦同步即時呈現於電子看板戰情系統，使整個生產工廠處於即時監控狀況，讓現場管理人員跳脫傳統現場走動目視管理。

當現場設備異常時管理人員可即時做出因應處置，而當整個生產品質模式建立出來，並將品質機制 (SPC)導入在生產執行系統 (MES)，若現場生產品質趨勢不良時，預警機制就能即時反應於戰情系統，避免像傳統生產模式中，當看到設備亮紅燈時，便已經生產出一堆不良產品，造成生產浪費的發生。所以當不斷的生產數據與品質數據不斷交互驗証及優化，並建立一個解決知識庫後，就可朝向人機互動的生產決策系統及機制，朝向彈性製造、速度效率及品質兼具的塑膠業智慧化工廠邁進。■

這篇文章 塑膠業如何透由數位轉型，邁向智慧製造之路 最早出現於 CAE模具成型技術雜誌。

序言
2020 年新冠肺炎疫情雖打亂全球經濟活動，衝擊整個製造產業，不過也成了加速製造業數位轉型的契機。臺灣射出成型產業長期以來仰賴大量人力作業模式，不管是調機作業、品質檢測、生產報工，甚至訂單進度的掌握都需依靠人力才能進行。也因智慧化程度不夠，不易導入遠端作業與管理模式，所以成為這次受疫情影響較深的產業之一。

射 出 成 型 製 造 是 高 度 依 賴 製 造 端 (OT) 領 域 知 識(Domain Knowledge) 的產業，這也是成型產業邁入智慧製造的一大挑戰，因為若單獨從資訊端 (IT) 角度想要打造智慧方案往往會事半功倍，無法為射出成型廠創造智慧化的最大效益。有鑑於此，本文將從製造面與管理面雙贏的角度切入，期望透過 IT 與 OT 跨領域的技術融合能夠加速成型產業智慧製造的落地。

以 IT 技術解決 OT 製造端困境
鴻海工業 4.0 智慧製造推手李傑教授在他的著作中提到互聯網大數據是從數據中找尋還未產生價值的東西，而工業大數據則需要從痛點中尋找避免生產過程中發生痛點的關鍵。因此在導入各種 IT 技術發展成型產業智慧解決方案時，必須先來瞭解成型加工製造端(OT) 所面臨的各種痛點。在圖 1 可以看到，從產品試模開始，傳統仰賴人員經驗，往往會因經驗不足造成往返修模耗時 1~2 個月，影響產品開發時程。換線生產時，常因調機人員能力不足，又無智慧工具輔助，往往需耗費超過 1 小時進行調機，若平均 1 天換線生產 3 次，每天就有超過 3 小時的產能浪費在調機作業上。此外，量產過程中，不良品問題通常需要透過儀器的檢測才能發現，無法線上即時檢測，若每 4 小時巡檢 1 次，當發現不良品時，已經生產了大量需報廢的成品，甚至會造成不良品流出到客戶端。

瞭解製造痛點後，接著以工研院發展的智能化成型解決方案為例來說明如何導入 IT 技術發展各種智慧功能協助現場人員解決問題。以試模為例，透過各種感測器擷取即時成型曲線，可以將模具內的成型過程可視化，瞭解成型過程遭遇的問題，以數據協助調機人員進行科學化調機作業。而量產階段生產不穩定問題，則可透過關鍵感測特徵擷取與分析，當製程環境產生變異時便即時示警，避免不良品的大量生產。此外，為解決射出廠存在射出機臺品牌不一且新舊機臺共存造成的數據收集困境，可藉導入異質數據擷取技術來滿足整廠數據收集的需求。而在品檢階段，則可結合感測與人工智慧技術發展線上品質檢測系統，收集每模次感測數據進行成型品質推論，即時察覺每模次的品質問題，解決巡檢或人力檢測面臨的問題。

以 OT 數據創造 IT 資訊端價值
射出成型是需要專業領域知識的製造過程，在導入各種資訊系統建構公司智慧製造管理平臺時，若無法結合製造數據與經驗，將不易展現數位轉型的效益。

在成型製造的過程中，從烘料、上模、射出、保壓、冷卻，都可取得各種物理變化的數據包含電壓、電流、壓力、溫度、位置、甚至聲音與影像。只是在這龐大的資料中，若沒有結合 OT 端領域知識，是很難從製造端龐大的數據中，找到實際反應痛點的資訊或特徵。在數位轉型過程中，射出成型廠開始導入各種資訊系統，包含 ERP、MES、PLM…等，不過，以往資訊系統的導入往往忽略製造端資訊的重要性，讓資訊系統導入的價值大大折扣。因此，若能透過機邊智慧系統的整合，將製造資訊即時回饋到資訊系統，將可讓資訊系統可以有更多元、更精準、更即時的資訊來提升生產效率。

以工研院發展的智能化成型解決方案為例，透過機邊系統可提供生產數量、生產週期、生產狀態來進行電子報工，可解決傳統人力作業方式即時性與虛報問題。而透過機邊系統回饋每模次製程參數與感測數據，可讓射出成型廠建立完整的產品履歷，確保產品
的可追溯性。此外，若結合 OT 端數據，資訊系統便可即時掌握現場生產問題，協助公司打造遠端作業的生產環境，更能因應未來疫情期間，可透過遠端（IT端）與近端（OT 端）的協同作業模式來維持公司生產製造能力不受疫情的人力調配影響。■

這篇文章 以 IT 與 OT 融合技術驅動成型智慧製造落地 最早出現於 CAE模具成型技術雜誌。

前言
射出成型為現今塑膠製造業不可或缺的製造方法，擁有生產彈性高及製造成本低之優點，使此產業發展蓬勃快速。過往整個成型過程則分兩大階段，一為新開模具測試生產的試模階段，在此階段將透過數次人員參數調整及修模流程使其模具可生產出合格產品，另一部分則是以測試完成的模具開始進行大量生產的量產階段。此階段為快速生產產品之過程，除須控制其生產穩定性進行 SPC 控管外，發生生產缺陷時也須透過微調參數讓整體良率恢復穩定。

傳統射出成型生產過程相當倚賴人工作業，除初始的生產參數輸入與調整外，生產出的成型品也須以人工取出並確認品質和修邊、打磨等，生產完成後再以人工記錄參數。隨著近年來的工業 4.0 智慧製造議題，各國投入大筆預算進行產業革命。結合雲端運算及大數據、物聯網等技術，並期望有效提升製造業競爭力。而傳統以人工為本的製造技術亦有望隨此波科學化、標準化、智能化的解決方案改善過往人工失誤及經驗傳承的問題。Moldintel 的研發團隊在此產業的深耕開發熟知產業發展瓶頸，進而打造專屬射出成型產業之智能自動化解決方案，期望有效解決產業痛點，提升企業競爭力。

智能品質優化解決方案
過往射出成型過程高度仰賴「老師傅」的經驗進行調模參數設定，其「經驗」一般難以用科學化方式驗證。此外，成型缺陷的改善多半以人為經驗的「撇步」進行解決，當調整受質疑或老闆及主管要求改善過程紀錄時受到相當程度的阻礙，此也加深對於此有經驗之調機人員的依賴。射出成型雲端智能解決方案則本著對於製程的學理研究與長年對不同領域之射出成型經驗進行濃縮與建置，結合現今智慧製造技術所開發的雲端運算專家系統，可快速針對製程提出工程參數的建議與自動修正方案。

傳統射出成型過程之射出成型機如同雙手、雙腳負責執行與動作將產品生產出來，操作人員則扮演重要決策的腦與品質決策的眼，藉由眼睛判斷成型品可能有的問題由神經系統傳遞至大腦，進而思考出解決方案。然而，此種經驗為底的大腦決策常因訓練過程不同而有不同解決想法與對策，以人為本的眼睛檢測也會隨工作時間長短而有誤差，此結果在穩定生產及統計驗證上則面臨極大挑戰。

雲端智能解決方案的開發是以科學化及標準化模式打造專屬射出機的大腦，依循研究學理及後續的機器深度學習，將人為可累積的經驗進行標準化的訓練，以模擬出人為思考的邏輯，進而有依循的穩定製程與解決對策的導引。針對射出成型品質優化的議題，Moldintel 的模組組合將有效的提供其解決方案。射出成型品質與製程參數有絕大關聯，透過適當的參數設定將有助於提升產品連續生產之穩定性，此外，當產品發生缺陷時，智能缺陷排除模組可進一步因應不同參數可修正之缺陷進行參數修正運算，給予一組針對此缺陷的參數化修正，透過數字化修正策略可直接改善產品缺陷。

導入射出成型雲端智能解決方案的優點
射出成型在兩大階段最常遇到的問題都為工程參數的調整，此調整不僅攸關整個製造的產能，也高度影響製造品質。在試模階段，除測試模具穩定性外，如何確立 Golden sample 的標準製造參數也是必須的流程。以往在操作人員的測試下必須花費相當大的時
間在調整出適合量產的條件，如圖 3 可知其 OP1 與OP2 為操作人員針對相同產品所花費的試模次數及時間，此時間跟次數也直接影響整體試模成本。試模成本上除機臺運作成本外，耗費的材料也隨每次的重量大幅增加而造成其成本浪費。故如可有效縮短試模時間與次數也可節省整體成本。雲端智能解決方案從理論基礎出發，針對不同產品形式及大小以標準化的流動指數建立相關參數依據，因此在參數計算與導引可快速接近生產合理參數。在與操作人員之耗費時間及次數上則可節省約 80%，此節省的成本也因每次使用之機臺跟材料單位金額有直接影響。工程參數的重要性於成型缺陷上顯得更為重要，每種缺陷皆與各參數環環相扣，以往透過人的調整都相當耗時費力，且改善速度也與人之經驗有高度相關。雲端解決方案以理論及成型經驗的彙整透過計算可快速導引改善參數，有別以往文字形式的缺陷修正策略，參數化的修正計算可快速協助客戶進行工程品質改善，大幅減少經驗化的修正形式。

如何導入智能解決方案
在上述內容中，我們探討了傳統射出成型產業所遇到的一些瓶頸，以及導入智能解決方案能夠為現今的射出成型產業帶來哪些優勢，至於如何導入智能解決方案，接下來將以 Moldintel 提供之智能品質優化方案為例進行介紹，除透過公司既有電腦或資料處理中心的操作外，因智慧製造技術以跨平臺之網路技術建置，各解決方案可更彈性與快速地透過可攜式裝置如手機、平板等登入使用。全系統除特殊模組之硬體導入外，所有模組皆以訂閱制進行工程服務。不同程度與應用之目的都可彈性選用所需服務，有別以往全系統導入公司的沈重支出，租用服務可減低導入應用的時程及成本，在應用需求降低時也可因應狀況解決訂閱，使公司資金更加靈活運用。全模組智能解決方案導入工廠生產線可分以下三大階段：

資訊化程度低、機臺尚未有連線及既有操作人員
針對此階段客戶，可直接透過公司或人員之電腦與手持裝置登入平臺，進行公司帳號的權限管理，開啟既有訂閱之服務模組即可開始使用。而有機邊硬體之模組則可透過網路連線後，平臺自動驗證身份後進行使用。取消訂閱後，也可自動透過公司帳號登入之權限判別結束解決方案模組的服務，快速即時且不須經由繁雜手續即可節省成本。

機臺與公司部分資訊化，以及有初階操作人員
針對此階段或已有導入本平臺之智慧機臺聯網模組的監控功能之客戶，系統平臺可經公司帳號登入後做機臺串連確認。經連線確認後，初階操作人員只需在成型前輸入所需資訊，則可快速同步至成型機臺中。後續也可針對連續生產或修改的履歷一併儲存於公司資料庫或平臺公有雲中。

機臺與公司高度資訊化，以及有標準化檢測設備
針對此階段之客戶，經系統登入後，解決方案模組會進行機臺及標準化通訊接口串連確認。確認連線後，解決方案模組可快速透過通訊接口將其工程改善參數進行機臺回控，並自動擷取儲存生產之工程參數。後續可進一步搭配標準化檢測流程之結果與各模組進行資料串連，一取得檢測結果便可快速運算並將修正條件自動回控機臺，完成無人化智能自動化生產流程。

上述三種導入形式可大幅改善傳統系統導入的繁雜，並縮短系統操作人員的培訓時間，快速及彈性的導入體驗也將協助客戶減少在生產製造上的時程與成本。藉此也改變普遍對於「工業 4.0 智慧製造需投入大量設備改造資本才能完成」的誤解，以簡單裝置即可改善現有製造之流程，不僅為公司主管帶來製造效能與良率穩定之目的，也幫助產線人員縮短操機時間及進入量產之流程，使現場操作更有效率。

結語
傳統射出成型品質調控多半倚賴有經驗之操作員，除調整無科學化依據外，調整之品質於量產過程中是否為最穩定之情況都需探討；但若能夠導入智能品質優化方案，以經驗科學化結合理論開發標準參數優化參數，並以標準化參數優化產品，將能大幅提升成型可靠度，並使整個成型的流程更加簡潔有效率。■

這篇文章 射出成型智能品質優化 最早出現於 CAE模具成型技術雜誌。

前言
隨著工業 4.0 議題持續升溫，傳統工廠透過數位化轉型為智慧工廠的趨勢在全球製造業持續展開。然而，傳統工廠在面對數位轉型的議題上，往往容易被「數位化」、「工業 4.0」、「物聯網 (IoT)」等關鍵字侷限，認為這是科技業廠或製造業大廠等才有能力做的事，卻忽略了工業 4.0 的本質：轉型。

數位轉型：數位化只是轉型的方法
「轉型是製造業前進工業 4.0 的必然，數位化則是邁向工業 4.0 的方法」。在各個智慧製造主題論壇的演講中，免不了需要介紹工業 4.0 的演進過程，從中我們也能發現，工廠必須跟上每一次的轉型，才能迎向下一階段的挑戰。在這一波工業 4.0 的轉型過程便是透過數位化，我們稱之為「數位轉型」。

在工業 3.0 過程中，製造業透過自動化生產的方式來提升生產效率，而工業 4.0 的目標並不在於創造新的製造技術，而是結合 IT（資訊技術）與 OT（操作技術），連結並優化相關製造元素。大量運用機器人、感測器及物聯網設備，透過聯網數據推動人機協作並改善生產流程，提升生產效率及產品品質，以提高企業競爭力與獲利。

IT 與 OT 存在已久，雙方都不是所謂的新技術。目前製造業面臨巨大挑戰，包括全球化競爭、人工成本上揚、製造品質要求提升等，因此製造業轉型工業 4.0方向勢在必行，虛實整合系統的建立更是工業 4.0 的核心，這過程就必須將 IT 及 OT 融合在一起，否則無法順利完成數位轉型。

射出成型廠的製造智慧
「射出成型智慧工廠」是工業 3.0 完成自動化生產後，數位轉型想達到的目標。隨著技術力的精進，各行業對模具的需求量隨之擴大，連動技術及品質的要求也大幅提升。以模具自動化製造為例，除連接 CAD/CAM 等系統介面外，也透過連接自動化機床、即時生產控制系統，整合工廠管理系統、設計製造系統、機械設備等，來達到工業 3.0 自動化生產的目標。

而下一步邁向智慧製造，則是透過感測器結合、串接物聯網、分析大數據，以及發展雲端等技術來打造工業 4.0 下的智慧射出工廠。整合射出機、供料系統、模溫機、冰水機、烘料機及熱澆道溫度控制系統等週邊設備，射出廠把各項設備的生產參數資訊傳至監控平臺；除記錄機臺生產參數及稼動狀況之外，也可搭配各式感測器進行各項設備站點即時數據收集，透過數據監測以穩定及縮短生產週期。製造業從過去只能被動收集生產結果的數據統計，轉變成主動監控各項設備及各站點的即時數據，隨時掌握製造生產狀況，確保製造目標。

從智慧製造到智慧工廠
不只是生產製造的監控管理，透過物聯網及數據分析，更可建構如模具保養、維修、壽命自動管理系統、遠端機器設備維修及保養系統、設備即時監控稼動管理系統等。其中，模具管理系統對於射出成型工廠而言更是一項挑戰，例如當訂單來了，哪些塑料與模具要及時準備？模具位置在哪？模具的即時狀態如何？哪些模具有磨損或鏽蝕等老化問題，上述這些都是傳統射出工廠每日面對的課題。其中，模具位置及模具狀態等管理，已不單是智慧製造的議題，更是涉及到設備設施管理、工廠管理的延伸。在工廠管理的層面上，僅透過 MES 或 ERP 等系統，已無法涵蓋工廠所需要管理的全部範圍，因為除產線製造外，工廠管理還包括能源、監控、門禁、消防、設施設備等。而面對各式各樣智慧工廠發展延伸的物聯網系統，打造一個單一資訊整合平臺戰情中心已經是可見的未來趨勢。

基於 BIM 的虛實整合智慧管理平臺
工廠管理可以分為三個層次，包括以自動化及控制為主的設備層解決方案；其次為人機界面 (HMI) 和監控系統 (SCADA) 的系統管理方案。目前新趨勢則為生產系統解決方案 (MES)，提供全自動生產資訊管理；運用 MES 來架構虛實化整合平臺，整合成本物料、生產排程與大數據應用等，透過 IT 與 OT 的整合來實現虛實化應用。

MES 稱之為「製造執行系統」，是面向製造執行者端，並不強調管理層面的本質。由目前發展來看，SCADA與 MES 在功能面已有重疊，未來 SCADA 與 MES 仍會持續存在，但是兼具兩大系統功能的新一代管理系統將逐漸取代之。

針對智慧工廠解決方案，NADI 打造的 3D OCMS 解決方案即是基於 BIM 概念為應用基礎，結合數位孿生(Digital Twins) 的概念，將工業 4.0 著重的虛實整合系統應用於智慧工廠管理，透過 3D 可視化的方法，強調真實呈現工廠各項內部物件，在數位孿生的基礎下連結系統、設備及各項感測器，提供精準即時的參數及數據監控分析。NADI SYSTEM 的 3D 可視化中央管理應用平臺，不僅強調管理系統可視化，更重要的是「管理」的直覺操作與反應，在系統平臺層面上，將現行的管理方式向上提升一個等級。

數據整合戰情中心有效落實智慧管理
NADI System 所打造的 3D OCMS 管理平臺是將工廠由生產自動化層面提升至工業 4.0 的智慧工廠管理層級。融合 IT 與 OT 來實現虛實整合化應用，藉由真實還原工廠現場實際場域，打造 3D 可視化戰情管理中心。在具體場域可視化的優勢之下，可以達到虛擬世界的走動式管理，同時透過虛實整合的 3D 可視化戰情中心，確保同仁傳達指令及管理溝通上一致，具體落實有效的智慧管理。■

這篇文章 射出成型工廠邁向數位轉型：智慧工廠的管理智慧 最早出現於 CAE模具成型技術雜誌。

明天過後：今日的風險在考驗業者的變形能力
在中美貿易戰之前，日韓臺灣的業者就已經開始著手佈局於越南、東南亞或其他國家基地以求分散生產風險。然而疫情驟然突起，即使是迅速轉換使用自動化、智慧化等工具，製造業者仍須面對因疫情漣漪效應而導致第一波因缺料、斷單而停工的斷鏈風險，繼之第二波衝擊則是因疫情順勢減少過度消費與人類健康意識抬升，以及第三波宅經濟之逆勢崛起而導致全球經濟結構的大轉變。

在地供料生產的模式改變而促使另一波的短鏈經濟崛起，誠如口罩的在地供應生產便是各國短鏈經濟模式的最佳實證。短鏈經濟的背後其實是反全球化的，過度全球化佈局反因疫情態勢的不斷攀升才驀然發現總有東西受制於人，不論是民族主義作祟亦或被迫轉換思維，產業為了自保，實在是不能掌握的就盡量採購分散，是以在後疫情時期造成了國際分流現象的蓄勢而發。

在地供應生產讓業者需要重新審視自己在價值鏈的定位並快速重組穩定的供應鏈，包含上游原料廠、平行代工廠及下游的加工廠，乃至於生產所需之刀、模、治、檢具及物料，亦或生產設備的零組件供應商或維修廠商；而國際分流除了顛覆傳統分級生產的全球佈局型式並帶動跨國工廠的分流供應之外，中小型工廠亦因傳統展銷方式否變而更加積極地靠向各種產業的國際媒合平臺，乃至於製造業者以製造服務化轉型手法跨足成立品牌商、品牌商又電商化直接銷售訴諸於消費者。是以，疫情帶給製造業者的啟發無非是更高的研發、生產效率與更短的交期，今日的風險即是在考驗業者的變形能力，祈以適應現今惡劣的環境並存活下來。

隔離時代的數位轉型
肇於面臨市場的同業同質產品的搶單風潮、品牌商的國際分流採購與短交期現象，而需求走向更導向於研發創新效率、環保永續健康議題及快速反應能力，其轉機在於創造非你莫屬的差異化產品或服務、高附加價值產品或智慧型產品，以及數位化或智慧化生產 /服務。再加上疫情轉炙，各國紛紛起動邊境防疫隔離措施，企業工廠賣場亦群起分隔以減少人際互動，在在觸動了這一波新隔離時代的遠距數位轉型浪潮：首係「國際拓銷數位化」，透過積極加入或自行成立國際媒合平臺 / 電商平臺，以前店後廠的方式串整樣品管理、營銷資訊與生產履歷資料，並結合配銷資訊與物流平臺進行配送與追蹤，形成新的運籌資訊整合平臺；次之則是「產品開發數位化」，包含運用機器學習 / 大數據分析技術以探索產品創新或時尚流行趨勢、市場情緒反應或輔助產品設計應用情境，並以擴增人類技術 (Augmented Human) 遠距展示或商企策展，以快速反應面臨銷產供三面的劇烈變動；繼之則為「生產數位化」，包含引入數位化 / 自動化 / 智動化設備、自動光學檢驗並整合機臺聯網以即時遠距掌握工廠整體生產效率，即是加速智慧製造的建置。

然而對製造業者而言，在內外的價值網路裡仍存在許多工作，依然需要高度依賴人際互動、群體協作，亦或老師傅臨場經驗判斷始能成事，諸如黑手聚落之間的聯合設計、產銷研間的粹智創新、工務往來委外工廠巡訪、設備商的到場檢修服務、跨國工廠的操作指導與現場糾正、機臺或管線噪震現象診斷等等，是以處在新隔離時代的當口，極需重新審思企業內外跨國、跨業、跨廠之依「人」的作業，並逐步尋求突破性的解決之道。

最後一道的智力轉型數位化即是為了特定的活動或任務，關係人 (People) 藉由視通訊管道 (Channel) 智力群聚一起，以資通訊技術 (Technology) 虛實整合人、機、料、法、環、測、管理與市場資訊，並運用數位化 / 智慧化手法策略 (Strategy) 地達致目標達成、議題改善與流程或制度之推動──叡揚所推動的射出試模虛擬工作圈平臺即是群集智力來進行數位轉型的例子。

數位轉型豐富了精實生產的視野
大量生產是上世紀初由福特汽車所發展出的生產模式，強調的是標準化大規模生產，採用只做單一動作的專職分工，以達到降低成本、快速生產的目的。從此爾後，大量生產及成本低廉的觀念便深植人心。然而隨著少量多樣化的浪潮興起，過去大量生產將產品
向顧客推去 (Push) 的模式已無法符合市場所需，取而代之的是依顧客需求再生產的拉動 (Pull) 模式。由豐田汽車所發展出來的精實生產 (Lean Production)，便是據此以提高生產彈性、減少庫存並避免製造大量不良品，從而在 80 年代透過低成本與高品質的產品成功進入國際市場，繼之於 90 年代後全球汽車工業無不以精實生產做為競爭的入場券，乃至於其他製造業或服務業也相繼投入應用精實思維以減少企業內不必要的浪費。實施精實生產的方法就必須藉助價值溪流圖 (Value Stream Mapping, VSM) 的定義，將所有生產環節繪製成關注焦點的價值鏈圖，再加上如質如期如成本所需之產率時效等價值貢獻量測的虛擬視角(View)，從中發現浪費的根源並逐一加以改善。

當數位轉型遇到精實生產時，肇因視野的寬廣，精實焦點亦由侷限於生產的改善，擴大到供應端的產品研發循環、製造循環、採購與供應循環乃至生產履歷追溯，以及客戶端的拓營配銷活動、產品服務化相關服務與架構在客戶體驗操作的客戶關係鏈網，在任何的增值過程的價值鏈中減少無益的浪費並營造擴大價值的增生。而精實的思維亦同時用以檢視數位轉型過程中是否減少任何無益的浪費，是否可以用重新優化數位化後流程或操作以提高產率時效。

全生產供應價值流的精實生產系統
以下將例舉精實生產系統，將上述理念具體化設計於生產數位化變革中。其首以製造規範系統來定義全生產供應價值流：包含串整 ERP 之產品線及產品資訊，並據以界定共通或特定之製造全途程，可能包含上游原物料供應商、中心廠、平行代工廠、下游加工廠直到品牌商、貿易商等製造、運送、倉儲及品檢之過程。

由此再往下展開各工作站實體的機械配置，並定義個工作站之輸入、產生、製程參數設定，以及品質、交期、成本（人、物、料、設備資源）之價值量測。並藉由生產履歷追溯系統及智慧供應鏈中控臺系統來完成精實革命 (Lean Thinking) 所揭櫫之善用精實系統思考的企業，藉以重新確認產品價值貢獻、確認每一產品的價值流、力求價值活動暢通無阻、由顧客需求驅動生產的拉式管理，以及追求無止境的完善，茲以可用更少的努力、更少的設備、更少的時間與空間，使產出愈接近顧客所要的，以協助企業引進精實生產以消除浪費、創造獲利。

接下來就以價值溪流中的現狀圖與未來圖，用以觀察比較企業進行精實生產前後所產生的效益。將以精實為基底的製造執行系統作為資料處理核心，作業上首先先串整現行營業訂單及工作命令 (Working Order)，進而帶動生產排程並串起物料、設備等資源排程，以及原物料管理、設備管理、刀治模檢具管理、生產管理、半成品管理、環境（能源）管理、品質管理與成品管理。設計上將規劃資料流來源整合中心廠各項生產機臺，以及上游原物料或刀、治、模、檢具供應商、代工廠、下游加工廠之樣本訂單、報價、採購、交付、緊急採購、稽催、驗收及問題單（及 / 或）其掛入之生產設備資料。經加密數據交換平臺，並斷割分派為各工令、各製程為資料維度基底，再結合走動品質管制之品質資料，以供瑕疵改善、交期落後及成本高等議題之生產履歷追溯探源源頭，以形成全途程虛實整合現場管制系統。

最終端則是以智慧供應鏈中控臺來視覺化呈現精實現況與未來圖──諸如過量生產是浪費最主要的根源，造成上游工程生產得比下一道工程所需的更多、更早或更快，不僅會導致多餘庫存，更會造成其他所有類型的浪費；又如說，過量生產的產品需要儲存空間、額外的人工與設備進行處理、分類；品質若有缺陷，還必須重工；忙於製造現在不需要的產品，可能導致不能準時為客戶供貨等現況因素。

後語：叡揚是企業數位轉型的好夥伴
叡揚資訊成立 33 年以來，在軟體開發機制、架構、設計等方面持續演化與進步，且總能在第一時間點探究新技術與商業模式。當全世界在疫情下幾乎靜止了，也觸動大家再次思考全球化的美麗與哀愁，呼應2001 年諾貝爾經濟學得主 Joseph E. Stiglitz 在全球
化的許諾與失落 (Globalization and Its Discontents,2002) 書中所點出的問題。在疫情來臨前，叡揚即已開始布局生產數位化 / 智慧製造的解決方案，包含引入數位化 / 自動化 / 智動化設備、自動光學檢驗並整合機臺聯網，於中美貿易戰提供客戶即時遠距數位化方案以掌握工廠整體生產效率，以及智慧串流交換以加速國際上下游供應之間的黑手聚落黏著度，並在紡織業、塑膠製品業取得示範場域專案。於疫後更超前佈署提出射出試模虛擬工作圈平臺以群集智力來進行數位轉型，以解決企業內外跨國、跨業、跨廠之依「人」試模的作業困境。進而將於新近，更將繼續推向國際拓銷數位化、產品開發數位化等方案領域。叡揚始終秉持「品質與價值、承諾必實現」之堅持，祈以「我們認真在準備！用心邁進中！」的信念成為企業數位轉型的好夥伴。■

這篇文章 當數位轉型遇上精實生產 最早出現於 CAE模具成型技術雜誌。