前言
疫情總會過去，如何迅速復工及以後如何增加可自動 化的產線，又如何可以做到遠端遙控生產，這些都已 成為事件過後最重要的課題。 發生到現在，經歷整個生產體系停滯，如何異地備援、 移地生產、迅速備料、開線生產、提升產能，站在智 慧製造生產鏈的一環，我們有能力更有責任協助工廠 快速導入數位化、自動化，在度過難關的同時，也不 斷向上提升。

知其然，更知其所以然
百業最離不開的就是實體產品，實體產品的第一步就 是外觀，外觀表現該產品的美觀及封裝，量產封裝一 定要是開模品，模具因此成為產品量產前最重要的第 一步。模組設計前期，除模流分析、材料分析以外， 在初期打造出來的模具組件中，透過精準快速的3D 光學檢測設備，量測模具內側的各種不同尺寸、角度、 溝槽、紋路、螺絲孔徑孔位等，也是非常重要的一環。

現在產品走向輕、薄、短、小；而防水、防塵、防泥 巴已是趨勢，但相對的，模具設計與模具生產的挑戰 性也因而更加嚴苛。以往因為臺灣的光學技術尚未達 到國際上最新的科技水準，加上自製率低，所以， 2D/3D光學檢測設備價格較高。也因此工廠往往考慮 再三後，仍舊採用由經驗老道的師傅以目測之傳統方 式來為品質把關。如今，2D/3D光學檢測設備已降到 市場能接受的甜蜜點，在導入高精密3D光學量測的 同時，加上無線數據採集與大數據分析，共同協作實 現“T零”量產目標，已從願望變成標配，因此，模 具界的共同願景「“T零”量產」已指日可待。

智慧製造的「智」動產線光檢系統跟傳統的單站檢測 不同，要有人工智慧亦要能符合「少量多樣高彈性」 的生產，因此我們在光學檢測系統設計與工業物聯網 系統的設計上有別以往。我們搭配模組化快速抽換式 的自動化產線，緊扣即時調控，以「無線多模」方式 連結感測器與機臺形成無線機聯網，數據採集送進公司放心的資料庫，進而導入時間序列、多變異數及無 母數統計模型分析，協助以更精準的數學模型、新生 數據反饋修正，深度學習後再進到AI決策。持續累積 生產異常原因，並導入預設或算出的解決對策，以解 決問題。工廠要做好智慧製造終極目標，透過數位化 及自動化，結合深度學習與AI導入即時對策，透過光 學檢測進行科學實證，用具體數字來預防問題、發現 問題以及解決問題，以達到系統既知其然，更知其所 以然的最高境界。

就是這個光
智慧製造系統有一個環節是重中之重，那就是3D精 密光學自動化量測。在模具製作生產自動化產線的過 程中，3D（三次元）精密量測方法與效率非常重要， 凡是高端手機產品的模具或是防水產品的模具，都有 特別多的內部彎折及溝槽，如何在開模前後，讓3D 的高精度量測設備可以自動化及智慧化地幫剛設計出 來的模具，精準快速地完成所有數據量測，並將數據 送進資料庫，結合光學辨識與數據分析，自動找出與 原設定規格公差不合的地方，快速協助模具設計人員 找到問題點，並重新餵入模具設計系統，讓模具設計 軟體得到AI深度學習自我修正的機制。採集模具設計 及生產大數據，數據庫不只是歷史紀錄，還可以由某 事件找到問題的型態，或幫模具設計人員提供具有類 似相關性問題的歷史設計圖稿，以及過去曾導入的解 決建議方案，讓設計者可以在最短的時間內從問題發 掘到解決對策，主動提供最佳解決方案。

工欲善其事必先利其器，光學檢測精準快速，精準程度決定應用範圍。在採用3D之前，2D平面式量測 也是馬虎不得。我們把「智能光學檢測系統」採藍光 LED遠心平行光源投射系統，提高被測物邊緣穩定。 影像算法採用AI算法，且介面注重使用者經驗並搭 配高精度的載物臺，最小量測單元1μm，精度達到5 μm。優點如下： 1. 秒間一次量測多個目標物；數量不限制 2. 模糊取點功能輔助辨識，AI幫使用者快速決定量測 目標，讓數據不會因為操作人不同而變異。 3. 環境光變化自動修正，次像素處理邊緣銳利與細緻 化，大增解析度； 4. 量測資料數據化，直接銜接 ERP/MES/IPC/WEB/ APP等制式與非制式系統； 5. 工件複雜多段差焦距不模糊大小不改變，低失真鏡 頭在任何範圍都能保持正確量測。
「2D智能光學檢測系統」：其參考規格資料如表一 • 適用案例：首件、初試產、抽樣、IQC、OQC、 PQC； • 適用產品：墊片、密封件、連接器、彈簧、工程塑 料製品、精密機械加工零件、汽車航太零件、沖壓
件、齒輪、軸承、五金扣件、壓鑄件……等。

3D更厲害，量測快狠準
光學檢測2D已經非常夠用，但還是有很多產品非3D 不可，「精密光學3D檢測系統」是專業型光學非接 觸式表面3D輪廓量測儀，採獨家的光學架構與核心 演算法則，針對軟性、極細小、甚至是光學鏡面、曲 面等量測物，都能以高精度、最快速、非接觸方式， 在數分鐘內取得精準量測數據。其最小量測單元達到 0.1 μm，系統精度達到15μm。優異特點如下： 1. 以線性雷射搭配光學影像擷取裝置，及光學尺精密 位移平臺整合，掃描快速； 2. 大量點構成線，單方向掃一次就完成，介面淺顯易 懂，操作簡單； 3. 精密掃描形成面的3D，經由3D色階圖，讓3D影 像更視覺化，清楚表現物體輪廓高低變化； 4. 減震水平調整腳座，內外部設計穩健的支撐結構， 系統穩定度高； 5. 特殊設計方法，非接觸不必破壞產品，迅速掃瞄出 物體剖面及輪廓尺寸數據； 6. 檢測數據及圖檔輸出，可將資料數據化彙整成工程報表； 7. 3D掃描、重建、分析可直接匯出3D CAD檔。

「3D智能光學檢測系統」：其參考規格資料如表二
• 可建構微型圖案三維視覺檢測數據
• 可滿足曲率半徑與圓周檢測需要
以線型雷射之截面輪廓樣貌與雷射測距架構所示 ， 拍攝於相機上面後分析線條在圖片上之位置，計算 每個垂直線上平均亮度之位置重建表面輪廓。結合 產線實現生產中檢測之應用。

• 可應用於AI料件表面瑕疵辨識系統
• 實際案例：應用於首件、初試產、抽樣、IQC、 OQC、PQC
• 適用行業：模具、模後量測、型材、連接器、精密 機械加工零件、精密墊片、鈑金件、工程塑料製品、 汽車航太零件、沖壓件、齒輪、軸承、五金扣件、 壓鑄件……等。

智慧產線聯網的省錢絕招：
無線多模 有良好的光學檢測設備後，還要能在產線上，將辨識 出來的異常訊息立即傳給產線負責的工程師，並同時將生產影響及材料耗費等統計性訊息，透過Line或 E-Mail等方式24小時不停歇地傳給遠端管理者。

為了真正達到工業4.0，其關鍵在於智慧製造，而實 現「智造」的基礎在於「數位化」及「機聯網」。在 傳統產業廠區內，許多新舊設備皆「高度客製化」， 無共通標準，甚至沒有輸出介面，所以傳統產業邁 向智慧製造的第一步就是「數位輸出」及「無線機 聯網」。搭配經驗豐富的團隊診斷全廠，找出機臺 設備可行之訊號輸出與採集方式，介面支持除了 MODBUS，最好還可全面支持 HART、Profibus、PE 等協定。以往許多人直接選用 BT(Bluetooth BLE) 藍 芽及 Wi-Fi(802.11a,802.11b,802.11g, 802.11ac…) 無線 網路等單一模組來聯網。初步架設聯網時，可能訊號 一切正常，但等到機臺正式上線，人員到班，正常產 線運作起來，才發現原來市面上的一般型無線通訊模 組，根本不適用於環境複雜的生產線。

主要原因在於，無線通訊有頻率及握手傳收等層級， 頻率又有需符合國家授權的ISM頻率問題，頻率以外 也有調變解調與通道設定問題。而BT/Wi-Fi之所以不適用在工廠自動化，是因為若頻率與調變解調方式與 大眾、員工使用的手機一樣，會導致產線數據採集裝 置與不相干的手機及無線基地臺間，有太過頻繁地嘗 試連結與處理錯誤連結，以及通道搶奪與通道不足的 問題。有時無線基地臺設定的功率又可能過大，也會 直接造成數據採集裝置受到長期的同頻訊號干擾，而 這也是筆者完全不建議工廠採用市面上最普通的BT/ Wi-Fi無線連網裝置的原因。若認為工廠無線化可以 像家庭隨手插上無線基地臺就上線，可能會導致數據 不穩定，以及問題找不出來且難以解決的窘境。

無線方法與模組很多，圖五中便是國際常用的無線通 訊系統與適用頻寬。其實，並不是說BT/Wi-Fi只有 缺點，應該是說各有各的適用場合及領域，從圖中 可以看出若工廠端的直線距離超過100公尺，或要 裝設的數據採集點有跨建築物、跨馬路，或是室內有 很多鋼板、厚水泥牆或鐵皮隔間的環境，則應該採用 LPWA(Low Power Wide Area) 長距離低功耗的無線 系統解決方案，例如LoRa Plus比較適合。簡單整理 分析如下： • BT會有距離太短、易受干擾等問題； • Wi-Fi則是數據量較大，但距離不夠，且受干擾或搶不到通道的問題會比BT嚴重； • Zigbee的數據量還可以，缺點是模組稍貴，距離 也不太理想，且適用2.4GHz，所以，也還是易受 干擾； • LoRaWAN數據量太小，不能雙向即時傳收，安裝 時一定要買一個很貴的網關，且必須安裝在制高 點，其安裝彈性很小； • 2G/NB-IoT透過運營商基地臺傳收數據，資料量不 大但要長期收費，其模組本身也不便宜； • 3G/4G等同於手機通訊，費用更高，用來傳收產線 數據可說是割雞用牛刀。

經過比較後，LoRa Plus擁有長距離低功耗LPWA的 優點，且改善了LoRaWAN數據量太低、綑綁後臺、 上下行數據不平衡、反應不即時，以及只支持星狀拓 樸的缺點。就工廠的一般需求，各無線通訊系統的比 較權重如表三，總結就是雷達圖面積較大的就是比較 好的系統。LoRa Plus固然較好，但如果要監控雙向 控制的機臺是非常重要與緊急的，則以LoRa Plus為 基礎的多模設計才是最佳的工業4.0無線解決方案。

從上述分析，比較正規作法應該是採LoRa Plus、3G/4G、5G 等多模無縫交遞及 MESH 機制，隨時感 測訊號強度，瀕臨臨界值時先建立替代模式然後切斷 執勤中模式，由新的系統無縫接手，具抗干擾、防駭 客、多模互切、無縫接手、系統穩定，且可靠度高。 高階機種與反應時間要求極高的站臺，也支持5G 1ms內立即反應的擴充模組，可以支持幾百公里外遠 距實時控制，不僅毫無時間差，更可隨時跟國外專家 打開同步視訊會議，暢快溝通，如親臨現場。

3G/4G、5G 等多模無縫交遞及 MESH 機制，隨時感 測訊號強度，瀕臨臨界值時先建立替代模式然後切斷 執勤中模式，由新的系統無縫接手，具抗干擾、防駭 客、多模互切、無縫接手、系統穩定，且可靠度高。 高階機種與反應時間要求極高的站臺，也支持5G 1ms內立即反應的擴充模組，可以支持幾百公里外遠 距實時控制，不僅毫無時間差，更可隨時跟國外專家 打開同步視訊會議，暢快溝通，如親臨現場。

解決機臺間的雞同鴨講
目前產線設備輸出介面與感測器輸出還沒達到全球統 一標準的程度，無線機聯網布建系統應該具有改異求
同，解決機臺間的雞同鴨講的功能，能夠提供萬用機 聯網資料閘道器服務的平臺，才是最佳的平臺。以多 年經驗，完成 Modbus、OPC UA、EUROMAP17、 標準介面與簡易的參數設定工具，對於不同介面及複 雜的不同數據格式轉換，全都解決於後臺，讓客戶IT 及管理階層不必費心，設定方法簡單到水電工都可以 獨立操作，才是最好的系統平臺。
而無線機聯網布建系統應著重落地應用，協助客戶於 現有之新舊設備不同介面間的整合與聯網，事先診 斷，說明架構，佈建計畫，離線設定，快速安裝，無 線聯網，降低成本，數據採集，上線即用。

你還在東市買駿馬，西市買鞍韉，南市買轡 頭，北市買長鞭嗎?
無線機聯網布建系統應提供智慧產線一站式解決服務 平臺，包括感測器、光學鏡頭、訊號轉換、布線包案、 無線節點、無線中繼、閘道套件、專屬雲端、管理軟 體、異常告警、預警服務、手機APP、LINE通知、遠 端遙控、數據採集及建模分析等服務。 實現Plug & Play 隨插即用 而透過IT化參數設定，閘道器啟動後，所有服務將7天24小時不間斷服務，實現Plug & Play 隨插即用。 實現「快速建置、一次到位」 當前期顧問診斷完成後，所有設備參數離線事先設定 好，100臺設備可否在兩週內完成安裝，並穩定上線， 是評估一個平臺是否成熟穩定的參考指標。

知道數據與你的距離
結合IT+OT的軟硬體技術 結合影像辨識、行為分析、邊緣運算，以及分散式物 聯網架構，裝置架設即連即視，聯網便可立即看到數 據及趨勢。 數據可轉成其他格式，也可轉到其他資訊系統 數據也可以下載到PC，可以轉成EXCEL、CVS、 TXT或任何其他格式，數據也可以轉到管理資訊系統 ERP、TIPTOP、SAP及其他資訊系統。 數據標準Dash Board 一般都已做到Pi圓形圖，指針可顯示即時數據，並設 定異常告警上下限，同時也提供量化曲線圖。
點菜單式的數據比較功能 對於不同的裝備及不同的機臺比較項，可以彈性點選 比較，結果立即可視可得，十分利於分析異常、找出 拐點。

結合影像數據與數據分析模型
將2D/3D光學式檢測數據導入數據分析工具，除可 立即檢討模具的“T零”誤差外，也可以立即考核不 同人員、不同機臺間的公差差異，還可用於了解修模 前後的公差變化。
除此之外，也提供高階建模分析，對於需要高精度設 計與無法立即解決的問題，可以透過統計分析、歷史 數據的迴歸與可能誤差最小化等統計手法，找到最佳 的統計模型，也可以做到誤差程度精準量測。另外， 對於尚未發生的結果，也可以事先預測，並給客戶一 個穩健可靠的答案。

找對專家比什麼都重要
「NVP高精光學檢測暨無線機聯網智慧產線解決方 案」高精密、反應捷、易操作、多目標、輸出快、隨 手得、成本低、一站式、服務佳。本文提供讀者高精 光學檢測儀器、智慧產線、無人手臂、無線機聯網裝 置、數據分析模型建立與管理軟體的選擇參考，歡迎 技術交流。■

     

這篇文章 高精光學檢測結合智慧無線聯網， 助您邁向工業4.0 最早出現於 CAE模具成型技術雜誌。

現行設備監控軟體的問題
目前工業4.0的推展仍然方興未艾，各種協助製造業者進行現場管理的製造執行系統(MES)或設備監控軟體如雨後春筍般興起。不過，對於製造工廠業者而言，這些管理軟體仍有些不足：

• 雖然許多設備大廠都有提供自己的設備監控軟體，但大多工廠因生產需求，不會僅限於採購同一家的設備。若要完整監控工廠所有設備，必須同時採用數套監控軟體，而這是不切實際的。
• 大多設備監控軟體只能同時監看10到20臺的設備，且只能顯示有限的設備訊息，如設備狀態、加工參數等，但對於人員、工單、生產效率等資訊，卻限於設備連線無法取得，因而無法呈現。對管理者而言，雖有設備監控軟體，但卻無法滿足管理需求，常有搔不到癢處之感。

運籌帷幄之中，決勝千里之外蘇州群燁智能科技的設備監控管理系統(Equipment
Management Agent, EMA)，採用雲端運算服務SaaS（Software as a Service，軟體即服務）的服務型式，可使用電腦、平板、手機等連網設備，只要透過連網設備內建的瀏覽器，即可透過EMA系統進行設備即時監控及相關報表查詢，方便管理人員出差時亦能隨時掌握工廠生產狀況。EMA同時可以整合各家設備通訊協定，包括不同的CNC及PLC控制器等設備，甚至沒有控制器或通訊模組的老舊設備，亦可透過相關AIoT的技術，取得該設備的狀態訊號，協助製造業者進化為數字工廠。特別的是，EMA系統可以自行定義設備在車間的位置，並可同時呈現上百臺設備狀態，如圖1所示，讓管理者對車間所有設備狀態一目了然，無需再切換頁面或選擇車間，相當適合做為多設備車間的電子看板。

工廠異常，即時管理
在現場管理中，針對每天出現的異常問題，快速應對並及時處理，防止其再發生是很重要的，因此現場管理也稱為異常管理。管理的本質就是在順利的情況下，一旦有什麼異常，則盡快地發現並採取措施。

蘇州群燁科技智能EMA系統除了提供被動式的目視化管理電子看板，亦可透過微信、釘釘、Line等各種即時通訊軟體，主動且即時的回報工廠問題及異常；並可依照問題等級、通報人員層級的設定，讓相關問題及異常可以即時通知負責人員，使問題在第一時間獲得處理，避免損失的產生或擴大。除了直接的負責人員，隨著問題的惡化，系統也會向上通知間接管理人員，讓管理人員可以第一時間給予關注，並適時詢問處理進度，提供必要的人力或設備支援，以縮短問題處理時間。

OEE管理報表，進一步提升設備產能
老闆買進設備總是希望能發揮最大產能，但產能是否已發揮最大效率？如何知道設備的產能損失發揮在哪裡？EMA系統依照整體設備效率(Overall Equipment Effectiveness, OEE) 管理原則，內建設備稼動率、設備產能效率、設備良率、產品不良統計、設備異常分析……等互動式報表，方便管理者藉由報表分析設備產能不如預期的原因。
若稼動率低落，通常是因為設備閒置及異常時間太高，而設備閒置與異常的具體時數及原因，則可由OEE報表得知；若產能效率低落，則代表設備稼動時間雖長，但實際產能卻不如預期，同樣需要檢討；若良率太低，則表示產品品質有問題，同樣可以由OEE不良統計報表分析找出問題所在。藉由EMA系統OEE管理報表的數據佐證，明確指出工廠設備產能浪費原因之所在，實為工廠管理者提升設備產能的最佳利器。

數據採集與資料運用
透過不同的採集方式整併機臺訊息與工序訊息（如圖3），可拼湊出完整的工藝訊息。

訊息分級
獲取到的訊息要依照不同的信息內容進行分級，並對應等級正確的分類在不同等級當中，Level 2獲取的資料為基本sensor獲取到的信息；Level 3是將Level 2 訊息整合，並進行監控與管理；而到了Level 4則是收集Level 3監控與管理的結果並彙整。

在生産過程中，智能工廠利用IoT技術和監控技術，加强信息管理服務，使生産得到極大的控制性，幷進行合理的規劃和調度。同時，建設高效、節能、綠色、環保、舒適的人文化工廠，將原有的智能手段與智能系統等新技術相結合。智能工廠由網絡空間的虛擬數字工廠和物理系統中的物理工廠組成。其中，實體工廠部署了大量的車間、生産綫、加工設備等，爲製造過程提供硬件基礎設施和製造資源，也是實際製造過程的最終載體；虛擬數字工廠則是基於這些製造資源和製造過程的數字化模型而生産的實體工廠。

智能倉儲是物流過程的一個環節，智能倉儲的應用，保證了貨物倉庫管理各個環節數據輸入的速度和準確性，確保企業及時準確地掌握庫存的真實數據，合理保持和控制企業庫存。通過科學的編碼，還可方便地對庫存貨物的批次、保質期等進行管理。利用MES系統的庫位管理功能，更可以及時掌握所有庫存貨物當前所在位置，有利於提高倉庫管理的工作效率。

結語
為了積極拓展大陸工業4.0相關業務，臺灣群燁系統股份有限公司擴大經營蘇州群燁智能科技有限公司。蘇州群燁智能科技有限公司將秉持「專業、創新、誠信、品質、服務」理念，從事工廠、倉庫資訊流自動化及諮詢相關服務，以機聯網技術為基礎，將工廠資訊流自動化做為工廠的神經系統，並輔以AI相關應用做為工廠的大腦，協助各家工廠建置數位化智慧車間及智慧倉儲，解決工廠管理者最困擾的兩件事：工廠績效管理及倉庫管理，進而提升現場生產效率、訂單交期承諾以及存貨周轉，加速企業實現智慧製造，走向雲端，邁向工業4.0！下頁內容為一個智能工廠案例與各位分享。

智能工廠案例
智能工廠是利用各種現代化的技術，實現工廠的辦公、管理及生産自動化，以達到加强及規範企業管理、减少工作失誤、堵塞各種漏洞、提高工作效率、進行安全生産、加强外界聯繫、拓寬國際市場等目的。■

聯絡人：王力弘 總經理
E-mail：willys.w@fablinksys.com
公司網站：www. fablinksys.com

這篇文章 軟體驅動硬體，建構完整智能工廠生態鏈 最早出現於 CAE模具成型技術雜誌。

如何運用OEE與先進演算法，協助改善射出
成型工廠效率 製造業的核心在人與設備，隨著設備的自動化水準不 斷提高，人在製造過程的參與不斷減少，因此設備在 製造過程中的重要性也不斷提高。工業4.0時代要求 設備不僅是具備自動化，還需具備感知外部環境與自 身變化的察覺能力。工業4.0的核心並不在進一步提 高設備的效率和精度，減少浪費及異常是相當重要的 一部分，換句話說，如何更加合理與智慧化地使用設 備，透過智慧運維實現製造業的價值最大化。隨著製 造業過程中資料的累積，物聯網、雲端運算和智慧演 算法等技術的發展和普及，生產環境已經慢慢具備大 數據基礎。在資訊網路系統根據生產目標進行優化決 策分析後，對每一臺設備下達精確指令，將使設備配 合真正的目標實現最優化的運行。

快速佈建與立即享受是體現物聯網(IoT)與設備綜合 效率(OEE)。我們先來了解一下什麼是IoT與OEE？
• IoT（Internet of Thing，物聯網）是網際網路、 傳統電信網等的數據載體，例如SMB（Smart Machine Box，智慧機上盒）係指附加於機械設備， 並具有資料處理、儲存、通訊協議轉譯及傳輸等功 能的IoT裝置，以及提供應用服務模組之軟硬體整 合系統，透過SMB採集射出機或設備的生產狀態、 成型條件……等數據，最終匯聚成大數據。IoT的發 展為射出工廠管理帶來革命性的變化，解決了ERP 和MES等系統在數據採集的難題，實現射出機聯 網、生產管理可視化與大數據分析等的應用。

• OEE（Overall Equipment Effectiveness，設備綜合 效率）是世界公認量化製造生產效率的標準。過去 對於OEE的數據收集主要以人力作業進行收集和 記錄，但錯誤與遺漏的比例偏高。因此，數據量的 不完整，即使計算出OEE恐怕也無法完整了解實 際的產能表現。例如：射出機為何停機？射出機究 竟浪費多少產能在等待換模具或換塑料？稼動率看 起來已經產能滿載，但真的不能再提升了嗎？等等的管理思維。OEE設備綜合效率指標，透過時間效 率 (Availably)、產能效率 (Performance)、製品良 率(Quality)等三項要素計算得出。以理想的100％ 效率與實際的設備效率相互比較，找出射出工廠浪 費的源頭、類型與課題，便能有效提升設備效率為 目標的改善循環。在各種不同製品的射出工廠中， 標準產量的指標雖然很普及，然而組成OEE的低 順位指標中，包括時間效率A、產能效率P，由於 各射出工廠的判斷基準不同，在導入OEE指標時 常會出現許多問題。因此接下來將針對OEE與IoT 應用的深入解說。

OEE設備綜合效率
OEE被用於掌握射出成型的各種不同浪費，包括因 突然故障的暫停等待、因換模或機臺調適的等待、因 製造過多的浪費、因製品不良的報癈與修整、因原料 或搬運的等待、因設備或模具保養不當的週期時間過 長、員工積極性不高的管理浪費……等浪費狀況，並 統計出時間效率、產能效率與製品良率。型創科技公司長期推動提升射出成型與模具技術，擁有華人圈最專業的顧問團隊，創造擁抱變革的環境，持續帶動團 隊成員一同挑戰麻煩、複雜，促使團隊積極參與工作 之改善。

OEE由時間效率A、產能效率P、與製品良率Q所組 成，目的是明確區分出各種不同的浪費，並做出相應 的處理對策。時間效率A用於掌握射出機停的浪費； 產能效率P用於掌握射出機性能使用上的浪費；製品 良率Q則是用於掌握。將上述三項指標加以區分，就 能明確找出導致浪費的責任歸屬與對策。對於全天候 運轉的射出工廠，TEEP（Total Equipment Effective Performance，總體設備綜合效率）是較佳的選擇， TEEP 由 OEE 及利用效率 U(Utilization) 組成，利用效 率Ｕ以掌握休假期或設備保修所產生的浪費。

• 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，這樣就可以找到射出機換模、閒置、異常， 或模具故障的浪費時間。
• 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，可以找出未按照標準產能或週期時間所產 生的浪費。採用產能效率P即可快速找到生產週期 時間過長和短暫閒置的射出機，P指標不可能大於 100%，若超過則表示標準週期時間設置不正確（時 間太長）。

• 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，除了 可用以計算良率，也能用淨有效時間與包含生產不 良品的時間，除去修正時間的良品生產時間之間的 比率來計算良率。
• 利用效率U，以「全部時間」為分母，「負荷 時間（或稱為上班時間）」為分子，以利用效率 U=71.4%為例，即每天三班8小時輪班，每週上 班六天。

射出機的OEE設備綜合效率評價運用方式 IoT的導入是以射出機與人員的效率化為目標，並掌 握射出機浪費與人員浪費等阻礙因素。減少這些浪 費，並進行改善活動，以防止浪費產生是最基本的要務。由各式各樣的特性與現場狀況計算出不同的OEE 數值，可發現各項效率並不相同，同時也可以藉此找 出過去被隱藏的浪費。將利用效率U、時間效率A、 產能效率P、製品效率Q作為基礎，並以射出機為 對象進行管理，接下來將透過幾個案例向各位進行介 紹。

案例一：建立即時異常顯示機制
臺灣北部的一家汽機車零件射出工廠，成立至今超過 40年，面臨製品少量多樣和人手不足的挑戰，每當客 戶要求提供生產履歷時，往往秏費許多時間進行人工 數據抄寫，對於內部的製程改善卻貢献不多，因此希 望透過IoT物聯網建立即時異常顯示機制。過去每天 需要花三小時記錄每臺射出機的生產數據；導入後僅 需30分鐘即可提供客戶所需的報表。在生產工藝部 份，經過科學試模培訓課程，讓師傅建立標準化試模 流程，優化成型條件，平均每套模具的週期時間縮短 3-5秒，提升整合產能效率P 3%-5%，每月可提升生 產能力60萬以上。

案例二：提高交貨準確率
臺灣北部的一家專業塑件射出工廠，面臨交期冗長、 品質無法達成目標、解決能力不足等問題，經常導致 交貨不及的現象。過去經常採用外發加工或假日加班 生產的方式因應，但對工廠而言無疑增加許多額外成 本，因此希望能透過IoT物聯網提高交貨準確率。透 過射出機歷程分析、工時產量分析、生產效率分析等 工具，以生產看板主動通知師傅現場異常的發生，並 調整人力調度安排，使整廠時間效率A從55%提升 至60%，每月可減少50萬以上的外發加工成本。

案例三：改善生產機制
臺灣中部塑膠製品的傳統射出工廠，面臨製品零件不 穩定、後製程組裝的產品不良率過高等問題，導致生 產成本無法降低，原因在於其產品的部份塑膠零件結 構複雜，需透過人工置入埋件成型，因此才希望透過 IoT物聯網來改善機制。業主透過IoM穩定指標，監 管全天候的射出週期時間，當週期時間變異過大時， 便即時提醒生產管理的主管，經IoM指標分析得知經 常發生問題的零件來自特定班別的特定人員，經主管
深入瞭解後得知該作業員因家庭因素導致工作期間精 神不集中，每模次週期時間的變異導致模溫不穩定， 以及塑料在料管停滯時間過久，因而導致當班製品不 良率過高，經公司主管輔導與同事們的關心後，成功 讓該作業員的生產水平恢復過去水準。

案例四：改善生產數量不準確
臺灣南部的一家塑膠製品的射出工廠，員工僅20餘 人，因為客戶少量多樣和人手不足的挑戰，經常生產 過多製品，使製品倉庫庫存過多，導致資金積壓嚴重。 如果遇到製品設計變更，庫存品就必須報癈無法再交 貨，因此希望透過IoT物聯網改善生產數量不準確。 導入後通過主動通報及生產看板，即時掌握生產數 量，減少庫存累積，也減少倉庫租金的支付，每年減 少庫存品報癈成本160萬元與倉庫租金10萬元。

IoT與OEE設備效率評價的配合
有鑑於各家射出成型機供應商使用不同的通訊協議 或格式，歐洲塑料和橡膠機械製造協議遂於2018年 5 月 4 日的美國 NPE 展會上發佈「EUROMAP 77通訊協議」，並以此作為跨製造商的通信標準。然 而目前市場上仍有超過98%的射出成型機尚未支 援最新的通訊協議，射出成型機所採用的協議可分 為「數位接點 (Digital Input/Output)」和「通訊協 議 (Communications Protocol)」 兩 種， 數 位 接 點 可分為乾接點及濕接點兩種；而通訊協議常見的則 有 Modbus-RTU、Modbus-TCP、OPC-UA、OPCDA、自定義等。
射出工廠通常採用多品牌的射出成型機，以滿足實際 生產的需要，因此選用SMB時必須儘可能兼容工廠 內的所有射出成型機。數位接點訊號在設備行業的使 用已有近200年歷史，因此98%以上的射出機均提 供數位接點，雖然各設備商因應各地的國家標準， 可區分為常開及常閉、NPN及PNP的差異，或DC/ AC或電位……等，但均可透過繼電器簡單轉換為所需 要的型式，因此如：模具中子控制、熱流道系統、模 內熱切技術，甚至模內壓力傳感器等，均是採用數位 通訊協議，由此可知其可靠性廣為射出成型行業所接 受。因此在選用SMB時，除必須考慮高度相容性外， 也必須能支持新的EUROMAP 77通訊協議。

對射出工廠而言，內部需要有完善且健全的網路環 境，有線網路具有速度快、穩定性高、安全性佳的優 勢，但仍然存在一定的成本與盲點；無線網路的佈建 則省去一大堆雜亂的網路線及施工成本，比傳統的有 線網路方便許多，通過WI-FI聯盟推動的WPA標準， 支持 WEP、TKIP，以及 AES 加密機制，能在傳輸時 避免被竊聽，或不讓竊聽者辨識出重要的通訊內容， 解決方案供應商提供網路安全支援已成為不可或缺的 考量因素。

OEE數據採集與分析活動應以自動運行為原則，避 免團隊成員因使用認知的不同，導致紀錄的結果也不 一樣，而使用智慧型手機或平板電腦等進行的人工收 集活動，則應列為輔助性活動，紀錄實績與統計時間 雖然不便，但是能提升數據的精確度。結合SMB採 集的數據與人員回報的數據，可以製作出更精確的數 據，並藉以改變團隊成員的認知。SMB是收集秒數以 下時間的稼動狀況數據，然而一般的工作日報則是以 分鐘為單位紀錄時間數據。此外，根據各個作業人員 不同的認知，工作日報所紀錄出的結果也會不一樣。 為了找出解決對策，有的企業是以時刻為基準填寫工作日報，使用像時刻表一樣的紀錄用紙，從工作轉換 與停止的期間當中，將開始與結束的時間記錄下來。 和過去的方式比較起來，紀錄實績與統計時間雖然不 方便，但是能提升數據的精確度。 OEE不僅可以提升設備的綜合使用效率，也能有效提 升所有生產現場人員與射出機的時間效率A，以及產 能效率P，但目前正在導入OEE的企業當中，仍未能 完全掌握，並改善具體的浪費。隨著IoT技術的導入 與使用方式的改變、SMB的導入與MES或ERP的整 合，我相信今後使用IoT的OEE水準將會更為提升， 並確實帶來更大的成效。

後記
筆者於1994年至2005年任職於清華大學張榮語研究 室與科盛科技公司(Moldex3D)專案經理，從事模流 分析的程式開發、顧問輔導與市場推廣；2005年至2015年任職於光寶集團龍生工業公司研發處長，從 事創新射出製程開發，以及生產技術改善；2015年至 今則任職型創科技顧問公司的副總經理，從事AIoM 智慧工廠射出機聯網的開發與顧問輔導，致力於推 動模具與射出成型產業的智慧生產改革，並擔任國際 智能製造推動協會理事、電腦輔助成型技術交流協會 (ACMT)副秘書長。

這些年，從模流分析顧問輔導、射出製程開發、生產 技術改善，再到現在的AIoM智慧工廠射出機聯網開 發等領域，皆為筆者累積了豐富的相關經驗，非常歡 迎對IoT物聯網感興趣的業界同好一同進行交流與合 作，攜手共創未來！■

聯絡人：唐兆璋 副總經理 E-mail：steve.tang@minnotec.com

這篇文章 IoT物聯網，打開數據寶庫的「黃金之鑰」!? 最早出現於 CAE模具成型技術雜誌。