從精實生產到智慧製造
✎ 陳建良 陳子立 | 2021-07-10
全球化競爭，管理與技術持續創新，人權意識高漲，國際匯率震盪變化，薪資與物料成本居高不下，國際品牌客戶強調永續、綠能、環保與社會責任，許多工廠正面臨危急存亡之秋，企業接班轉型與再造的壓力如影隨形，是歷年來最嚴峻的經營考驗。2019年底爆發的Coronavirus至今仍然對工廠造成劇烈且慘痛的影響。全球供應鏈斷鏈，客戶訂單急遽縮減或增加，工廠停工與復工安排，防止員工感染上下班、工作與住宿用餐規劃，風險管理與危機處理等都是新的挑戰。
工廠面臨的問題與挑戰，學術界該如何協助解答是大哉問。產學合作較不適合解決日常管理，盤根糾結且錯綜複雜，或是急迫性高的問題。畢竟工廠與大學的節奏不同，目標相異，工廠員工與學校學生的Role and Responsibility不同，工廠主管與大學教授的角色迴異。產學合作議題較適合主題明確，範圍清楚，求解品質期望較高，時間壓力較小，合作過程彼此共同成長。工廠高階主管的支持態度與合理期望，建立強烈共識，團隊合作解決目前與未來問題，願意共同管理風險，在必要時一起處理危機，是產學合作的成功關鍵。
滿足工廠的期望與需求是重點。能找尋並定義客戶痛點，對症下藥才有價值。不是我們擁有的知識、技術與經驗都是工廠需要的。溝通很重要， To Understand, Then To Be Understood是Stephen Covey的經典名言，值得深思與力行。如果有興趣與願意投入經營產學合作，技術研究得愈深、經驗累積得愈多、行業跨得愈廣、對業界貢獻越大，口碑累積越好、人脈結識愈廣，產學合作的機會就愈多，這會形成良性循環。Be Proactive and Be Available是大學教授的挑戰，教學、研究、服務、家庭、健康、產學兼顧，優先取捨輕重緩急，找到平衡點，需有效管理時間與團隊。
工業工程的產學合作有機會研究下一世代的先進製造系統，結合工業工程方法、資訊技術、自動化技術、智慧製造、人力資源管理、管理策略等以協助產業技術升級與永續經營。協助企業推動改善(如圖一所示)，由精實(Lean, Toyota Production System, TPS)合理化紮根減少浪費與提升效率，進一步推動自動化(Automation)與e化(e-Business)，再更進一步進階至智慧製造(Smart Manufacturing)，循序漸進，不斷提升生產力與競爭力，以成就永續經營。
▲ 由精實合理化、自動化、e化到智慧製造
精實生產產學合作的機會包含
人才養成與教育訓練：透過精實生產課程的教育訓練，可以幫助企業與工廠從中高階管理者到現場領班作業員都具備精實管理與改善的基本觀念，進而能將精實改善觀念深植於心中轉換為意識習慣，以形成工廠中持續改善的企業文化。相關課程主題包括精實生產基本概念、5S、七大浪費、快速換線、持續改善、目視管理、防呆設計、品質管理等。
生產與品質制度建立：過去不少工廠(特別是傳統產業)較為業務導向，強化業務功能爭取大量高價訂單來獲取利潤，較忽略工廠內部因生產制度與品質制度不健全造成的許多浪費與成本增加。近年來品牌客戶越來越加強對其生產供應鏈進行生產與品質稽核，並要求降低成本。因此也讓企業與工廠更進一步思考、規劃與執行建立完善的生產與品質制度，包括標準作業程序書(Standard Operating Procedures, SOP)建立、生產作業指導書建立、標準表單格式化、生產檢查表建立、機台設備保養卡建立等。
企業流程再造：協助企業對於現行組織架構與作業流程進行盤點與分析，包括盤點與分析「產、銷、人、發、財、資」流程、跨部門企業流程、管理績效制度等。依據問題分析評估與建立改善計畫及跨部門討論會議，協助各部門設計新的作業流程並建立標準作業程序書，包含流程目的、適用範圍、權責單位、作業內容與流程、相關表單等。經由人員培訓以及新流程試行與檢驗回饋，定期持續再造與改善流程。
現場走動管理與改善：實際走訪生產現場(Gemba Walk)找出缺失與可能改善機會，同時與主管及現場員工討論可行改善方向與行動方案，確認改善方向可行性後立即實行並記錄蒐集改善前後量化績效指標，以說明該改善專案的效益。
輔導執行改善專案：輔導工廠團隊定義改善專案，導入方法與工具，定期討論追蹤執行進度，共同解決問題。工廠舉辦研討會報告改善計畫成果，彼此標竿學習，建立持續改善制度與知識管理平台，分享並拓展改善經驗與成果。
智慧製造產學合作的機會包含
製造大數據分析(Big Data Analytics in Manufacturing)：隨著雲端計算、IoT等技術對製造業的影響日漸深遠，工廠於製造過程所能獲得的數據量也不斷增長。有機會應用機器學習或深度學習技術來協助工廠從大量數據中找出有價值的資訊來協助生產決策，相關應用包括製程品質預測分析、自動視覺檢測、客戶需求行為預測、設備故障預測、採購價格預測與最佳化、預測顧客偏好之智能產品設計等。
智慧排程與產能規劃(Smart Scheduling and Capacity Planning)：傳統工廠生產排程與產能規劃皆採用人工手動計算，不僅容易出錯又耗時耗力。有機會擷取生管人員的排程邏輯與規則，再透過自動化與e化技術來開發具有自動排程能力的智慧排程與產能規劃系統。
設備預測性維護(Predictive Maintenance)：傳統上工廠多仰賴修復性(Corrective)及預防性(Preventive)維護作業來保持設備之運作狀態，容易有維護不及產生高額維修成本或維護過度導致保養浪費之情形。有機會透過感測器來蒐集與監控關鍵機台設備模組的即時狀態參數，建立機器學習模型以預測設備故障發生的機率及其剩餘壽命，以建立設備預測保養策略，在設備故障前進行及時保養並降低整體維護成本。
製造系統模擬分析與規劃(Simulation Modeling in Manufacturing System)：工廠在智慧製造的數位轉型過程中，經常考量導入自動化生產與搬運設備(例如：機器手臂、無人搬運車、自動化生產線)以取代傳統人工作業。然而自動化導入為工廠重大投資，需要量化預估生產作業績效改善以進行投資報酬 (Return on Investment, ROI) 效益評估。有機會採用工業4.0中數位分身(Digital Twin)的概念，利用3D系統模擬技術建立虛擬製造系統，並透過模擬不同規劃策略下的數據化績效指標以進行更有效的數位決策。
謹此野人獻曝，拋磚引玉，期許有更多成功的工業工程產學合作，結合學術理論與實務應用，避免學用落差，減少產學隔閡，促進台灣產業升級，提升生產力，強化國際競爭力，成就永續經營。