一.前言

德國於2011年之後發展工業4.0，引領德國工業走向智慧製造。美國早在2010年，就推動「再工業化」戰略，及智慧製造的計劃。由於美國與德國幾乎同時發展「智慧製造」，使得「智慧製造」在全球受到極大重視。 傳統上的品管運作方式，似乎難於在智慧製造的系統中施行。確實如此，要做到智慧製造，則品質工程師要把原先的品管運作，內建到機器設備中。品質工程師需要跟相關功能的工程師合作，完成機器設備中品管運作系統之建置，再經由數據驅動，讓機器設備自動執行與控制。

二.何謂智慧製造

智慧製造強調產品在製造生命週期中能夠應用數據-驅動製造之智慧系統，故需要建置及應用尖端的、高性能的運作系統，如連結物聯網(internet of things, IoTs)、服務聯網(internet of service, IoS)、訊息-物理系統(cyber-physical systems, CPS)、大數據、雲端運算、人工智慧(artificial intelligence, AI)、機器人之智慧整合控制系統，形成智慧化、全自動化的生產系統(楊錦洲, 2020；Yang et al. 2019)，見圖一。智慧製造可以約略描繪如下：

• 擁有高度的自治性及自主性，原物料、零組件、加工件都會在生產線上依設定的路徑移動。

• 製程參數與條件均已最佳化設定，當物件移動到各製程時，則利用M2M (machine to machine)系統運作，機台會依設定的參數自動生產。

• 各製程之機台及設備之生產參數與條件都會良好控制，確保各製程的產出都是良品。

• 各製程之產出品質及製程參數都會自動量測或感測，所有這些data會傳輸到雲端運算，再以大數據運算以了解製程狀態。

• 當量測之品質有變異時，會透過大數據分析，立即找出造成變異的關鍵因素，並加以調整。

• 生管部門及客戶均可掌控各料號的生產狀況、進度及交期。客戶也能透過IoS來變更訂單之數量與交期。

• 生產線上的原物料、零組件之使用狀況會透過IoS連線到供應商，供應商可即時的補料，做到原物料與零組件的即時供應。

• 生產機台及設備能夠即時的監控零組件的耗損狀態，且設有零組件損壞的預警系統，避免機台、設備無預警的損壞。

三.智慧製造的品管運作

在智慧製造的條件下，傳統的品管運作是不可行的。因為在智慧製造的生產過程中，不可能在製程上，進行抽樣、量測，當品質不符時，再來尋找關鍵因素，及停機改善。原則上， 「各製程的關鍵因素，其最佳參數均已設定，機台也能自動精準控制。在生產過程中，會自動量測及蒐集數據，當品質規格有所變異，會透過大數據分析，找到影響因素，然後機台會自動調整其參數，且加以控制，以確保生產出的物件符合所設定的規格。」 生產線上的前後製程之間的inputs與outputs相互影響，極為複雜(見圖二)。所以要分析關鍵因素及設定參數，已不可能依賴老師傅了。除了善用公司的know-how、專業經驗之外，只有利用大數據分析，但其基本條件是要在生產設備上裝上自動量測器或感測器，及時蒐集生產時的變動參數。再藉由物聯網，儲存到雲端系統，利用大數據分析及AI，以找到關鍵因素及設定參數。這是品管工程師的責任，但又無法獨立完成，需要跟相關功能的工程師通力合作才行。

整個製程的關鍵因素及最佳參數設定之後，還必須機器設備能夠精確的自我控制。在生產過程中若有品質變異，更要透過雲端運算及大數據分析，挖掘造成變異的關鍵因素，並會有參數調整之決策訊息傳送至機台的控制系統，機台就會自動調整。

四.結語

「智慧製造」已是製造業必走之路，卻是一條艱辛、長遠的路。在發展的過程中，大家把重心放在生產設備的自動化、智慧化、數位化，以及使用機器人、AI、IoT、雲端運算、大數據分析等科技工具。而忽略了，智慧製造的過程中無法以目前的品管方式來運作，而必須把品管運作建置在機器設備中。這是品管工程師的主要責任，所以，品管工程師必須要先自我轉型才是。

五.參考文獻：

1. 楊錦洲 (2020). 智能製造單元2：智能製造之闡述，品質月刊，Vol. 56，No.8.

2. Yang, Hai, Kumara, Soundar, Bukkapatnam, Satish T. S., & Tsung, Fugee, 2019, The Internet of things for smart manufacturing: A review, IISE Transactions, 51(11), 1190-1216.