圖一 Source : SEAS

智慧工廠與一般自動化工廠的差異在於資料流動與分析，目前一般的自動化設備，都是透過SCADA採擷第一線的設備的資料，所採擷到的資料並未與與上層的MES、ERP連結，也就是說，目前的自動化設備雖有整合，但整合層次只停留在設備的橫向溝通，系統的垂直整合並不多，而要談智慧工廠，製造、執行、管理、分析等系統，必須全面合一，智慧化方能實現。

智慧工廠的運作模型

製造設備過去強調穩定，對設備的規格、效能需求並不高，不過在所生產的產品生命週期加快與精細度提高後，設備穩定仍是第一要求，但是效能已非過去的陽春規格即可進行，智慧工廠的設備需具有快速運算、大量記憶體/儲存空間、自動化資料蒐集處理，以及可透過網路快速傳遞資訊等特性，以協助企業管理人員的重要工具之一。

運用電腦進行科學計量的管理技術，除了可針對企業內有限的資源做最適當的調配，讓資源的使用效率獲得顯著的提升之外，還能夠達到降低營運成本、減少資料錯置風險的目標。

目前此一技術已經被廣泛應用於規劃、生產、存貨、行銷、財務與人力等各項企業營運管理的功能項目之中，特別是數學規劃模式，現在軟硬體設備已可透過建構數學模型的方式，來顯示出現實營運中可能遇上的各類問題，同時利用理論與計算公式來求取其最佳解，以做為實際問題的解答。

對於其他無法計算出最佳解的問題，也可以利用此一模式，快速求取近似最佳解，讓管理者能夠在進行直覺判斷時，有更合理的依據，而非盲目進行決策，以貨物運輸問題為例，業者有兩個工廠、兩個倉庫、三個銷售點的條件下，其排列組合及運輸方式極多，若依照傳統直覺式的決策，很難從中找出其最佳解，但如果能透過數學規劃模式計算，無論是在求解速度，亦或是最終結果方面，比較有可能得到令人滿意的答案。

找出最佳化流程

數學規劃模式對於解決分量生產派工排程作業、瓶頸機台的排程、序列式生產方式、難以決定每一批量生產的產品及開始生產/結束生產時間、將存貨/欠貨/設置/訂貨/生產/採購/原料等總體成本最小化、選擇訂單使利潤最大化，以及需求預測困難/前置時間長/交期急迫/客戶可能隨時更改訂單的供應鏈管理等生產線常到遇到的問題頗有助益。

舉例來說，現在台灣廠商接的訂單大多是急單，因此製造業者必須在短時間內判斷：現在接受一筆低利潤訂單，但之後可能沒有產能因應高訂潤訂單？亦或是現在拒絕，但之後反而沒有訂單的風險，單純只用先到先服務法則並非是好方法，業者應建立好一套決策模型，才能依據現有已知的資料，計算出正確決定。

不過要建構可代表實際問題的模型，並據此計算出最佳解，管理者所需要參照的資料相當多，而且因問題所處環境的不同，其代表的模式也必須做相對應的調整，以供應鏈管理為例，除了工廠方面的製造途程、跨廠區產能、在製品狀態 、生產成本/時間、原物料耗用情況 、機台換線成本/時間；供給方面的在途量、期初庫存、採購成本/時間 ；需求方面的預測需求、產品售價 、訂單交期/數量…等項目，還得考慮產能、運輸、維護、客戶優先層級、製程平衡需求、替代料/替代機台…等條件限制，才能計算出最佳化的生產、分派產品、訂單欠貨 、瓶頸飄移、可允諾數量、跨廠區資源分配等決策，這必須透過克服人們思考思維、組織權責、運作模式及資料取得方式等困難點，並配合良好模型軟體工具輔助才可達成。

經過業界多年實證結果，以數學規劃模式輔助決策的確可應用在企業及工廠實際營運流程中，並為組織帶來實際的成效，但不同的產業、不同的環境，自然會有不同的考量，因此其採用的數學模型及解決方案亦會有相當的差異。

半導體的智慧工廠目標

以半導體產業為例，就積體電路產品整體生產流程分析，無論是初步氧化、微影製程、蝕刻、離子植入、擴散等程序，絕大部分動作都是在氧化爐、擴散爐、蝕刻機、離子植入機等機台內直接進行，但由於人員進出無塵室一次的時間成本很高，如何儘量以電腦軟硬體取代傳統人工作業，以降低人力介入的成本，避免人為因素所產生的失誤，即成為半導體業者所追求的目標之一。

另一方面，隨著現在半導體相關科技發展已經趨近於物理現象極限，客戶的要求亦日趨多樣化，使得半導體業者製程的彈性與複雜程度變得越來越高，稍有差錯就會使公司發生很大損失，因此新一代智慧工廠對於智慧系統的發展也非常重視。

生產線在運作過程中必須大量依賴智慧系統的協助，不斷對生產步驟依照標準進行相關校正與控制，並即時回饋所蒐集到的各項環境資訊，以做為下一步驟應採取行為的重要判斷依據。而就目前導入的狀況來說，依照應用範圍及達成目標的不同，半導體的生產自動化可再區分為「作業自動化」與「工程自動化」兩大部分。

從原料到成品

所謂作業自動化，即指在產品由原料到成品之間的整體生產製造過程，儘量利用電腦軟硬體來取代人工進行作業的方式，其目的在於加快產品生產速度、降低人工成本、改善資源投入效率及減少錯誤的發生。

在目前半導體產業中，各家業者作業自動化的比例及程度都很高，從機台裝置設定準備開始，經原物料上機台、驗證裝置與物料狀況、作業啟動、程序執行、資料蒐集、作業結束，一直到移置半成品至下一步驟的機台等程序，以往都是要由作業員依照MES系統的指令，以手動方式一步一步進行操作，而現在搭配EAP系統可控制機台自動執行工作程序、AMH系統負責將原料與半成品在倉儲與機台之間移動、RTD系統分派任務/管理機台的工作排程，與AM系統可自動依工作程序調整機台參數設定至所需狀況等，現在有關機台作業的所有工作步驟幾乎都能由電腦軟硬體獨自完成，無需再搭配作業人員的參與。

至於工程自動化的部分，則是指在生產過程中，除了上述的加工步驟程序之外，其他需要控制、調整與分析的部分，以往這些部分只能仰賴員工，依其過往的直覺與經驗進行判斷，但現在透過智慧工廠系統的協助，可以讓工程人員在進行此一工作項目時，能夠做得比以往更好更聰明，這對於企業產品的品質提升會有相當關鍵性影響。

智慧工廠的下一步

舉例來說，在前端連線控制端，SPC系統可根據以往的歷史資料進行流程控制，APC系統則能依據前一筆產品作業生產結果，即時進行控制。由於生產過程中，機台本身的穩定性對於生產品質也很重要，因此有FDC系統對其進行即時的監控，當透過PDS或Trace Data的檢核方式發現有異常狀況時，即會發出警告並採取相關的處理。

在後台離線分析端的部分，在接收到由前端每個不同機台設備所蒐集到的多樣化資料後，工程師即可透過FDC系統在後台端對這些資料進行微觀歷史分析，亦或是藉由EDA系統的幫助，執行歷史工程資料分析的工作。

這些分析可協助工程人員找到問題及異常現象可能產生的原因，並據以提出因應對策後，再將相關指令送回前端系統進行控制調整的動作，除了能大幅減輕工程人員的負擔外，也能夠同時提升其決策品質與效率。

就目前半導體產業的智慧工廠發展步驟來看，下一步，將會針對倉儲與機台、機台與機台之間的原料或半成品調動方式進行改善。過去配送是要等到機台完成前一批產品後，AMH系統才會將物料調動至該機台上進行生產，中間會有閒置等待的時間產生。如果能改為在其完成前，即將所需物料做好相關調度，對於縮短工時會有所幫助。

另外機台的自我診斷也是未來智慧工廠的必備功能，系統除了需要具備可根據歷史記錄與機台的使用狀況，預測機台維護更新的週期，以避免因不適當或非預期性的停機而導致公司蒙受不必要損失的能力外，由於現在市場競爭激烈，產品研發速度與更新頻率很快，公司接到以往未曾生產過的產品訂單機率即大，智慧工廠也應該要有能力在缺乏實機操作的記錄與經驗下，根據以往既有的處理工具資料，推測出該產品所需的機台相關設定與製造品質為何。

節能已成新指標

節能也會是智慧工廠的重要目標，新一代智慧工廠所用的自動化設備，除了要做到生產線製程管理資訊化、網路化、圖像化與遠端監控維護能力，使業者得以透過對於速度/精度的要求，有效提升產品的產量及品質之外，管理人員亦需全力掌握每個設備的耗能狀況，以便後續據此進一步做最佳化的調整。

基於能源費用上漲後節省成本的目的，一般企業可能由「減少能源的消耗量」及「提高用電的成本效益」兩處著手，進行所謂能源的管理，這表示管理者必須先徹底了解所用能源的成本、計價收費方式、維持每日工廠正常運作所需消耗能量及其流向、哪些人是主要用電大戶後，才能仔細檢討既有的購電合約，思考可從何處減少不必要的能源開支和成本，並由此規劃出工廠未來能源需求組合與公司相關用電策略。

這會是一套由上而下的整體管理過程，先擬定出公司經營策略、能源政策、短/中/長期目標、需求預算、效率提升計畫、控制稽核方式，而後再據以從技術及法律角度，透過持續努力，對員工、作業程序及品質控管進行能源方面的改善。

但更大的問題是，要執行上述系統性、持續性的能源管理改善步驟，管理者在計畫、決策及稽核時所需憑藉的各項基本狀況資料與回饋機制，究竟要從何而來？能源管理並非只是單純的技術問題，它還涉及到公司如何收集、整理、規範、管制工廠內的能源耗用狀況，如何進行後續定義、分析及改善過程，使其在營運過程中就能自然而然地減少不必要的能源浪費並使能源由產生到消費的整個價值鏈都達到最佳化。

新一代的智慧工廠會被要求應具備「對設備的能源耗用進行透明描述」的能力，並將能源管理與營運管理、維護管理並列，成為建構完整智慧工廠架構的三大主要管理範疇之一。