鼎捷软件曹永诚：工厂有效果的“可视化”是如何做到的

鼎捷制造业数字化转型专家 曹永诚

鼎捷软件制造业数字化转型专家，深耕制造业自动化与大数据领域逾25年，专精于先进制程控制(APC)、智慧机台控制系统、机器人自动化、智慧能源管理等领域；辅导百余家制造企业之智能制造蓝图规划与软硬件整合应用，为富士康、日月光、硅品精密等企业特邀内训讲师。

数字化有哪四阶段？数字化最重要的，是可以做到“预测化”，那预测化要怎么做到？有效果的可视化，才能真正产生效益，也就是在对的时间，让对的人，用对的方式，看到对的数据，才能够引导他做对的判断、对的决策。那么，如何才能做到有效益的可视化？

数字化四阶段

依据德国FIR e. V. at RWTH Aachen University, 2017，将数字化定义为四阶段，可透过四阶段建设，让工厂逐渐进展到智能制造。

阶段一：可视化。有效的协助现场，引导做对的判断、对的决策。简单的说，就是让你知道发生了什么事。

阶段二：透通化。让你知道为什么问题发生了。

阶段三：预测化。预测什么事情即将发生。因为如果不知道会发生什么事情，就会天天在救火。救火过程中，产生很多额外的浪费。如果可以知道预先知道会发生什么事，就可以从容应对，浪费就会减少，而效率就会提升。

阶段四：自适应，自动因应的能力。

01可视化-可以提高效率，把所有数据都公平公正公开，让管理有效果

曾经某客户企业把工厂制造OT串联公司IT的数据后，在现场随时看到整个生产状况，包括所有机台生产的状况和订单完成度。生管人员也可以透过电子广告牌，随时掌控现在工单的进度，甚至最重要的延迟工单等信息。

再举一个例子，有一个企业管理者只花了两个月时间，使得整个工厂的绩效增加50%；只因为做了一件事：把每个班的绩效，分别写在白板上。过去没有数字化的时代，员工不见得会认真做事情。但在用真实可靠的数据的今天，绩效直接显示，认真度会明显提升。

02预测化- IT+OT深度融合，以预测健康指标

如何透过IT+OT融合，做到预测健康指标？

每个关键零组件，都有自己的特性曲线。象是图中黑色的线，零组件一开始还健康的时候，相对会比较线性一点，但曲线会随时间逐渐老化跟磨耗，之后会变成像橘色线，越来越不线性化。

如果可以取得零组件的数据，例如是速度的数据，特定速度下，压力反应会有差距，且差距会越来越大，就可以把差距当做是它的健康指标。

当健康指标，从81%、77%、68%逐渐变成55%时，从数据指标的预测，就可以做到预防。就不会让机台突然坏掉、措手不及，降低额外的浪费，且能够从容应对。在机器快要坏掉前，就可以预做准备，让整个产线运作更为顺畅。

01 可视化，一定要对运作有效协助才有用

“在对的时间，让对的人，用对的方式，看到对的数据，才能够引导他做对的判断、对的决策。”

可视化的重点是“有没有效”，数据能不能创造价值，不在于数据本身，而在于给谁看。所以，针对不同的对象，不同的目的，一定要有不同的呈现的方式。

像生管单位，最需要参考的是OEE数据，把时间稼动、性能稼动跟质量稼动，三者切开，才能找到六大浪费中，哪一个项目是超过正常值。设备部门的重点并不是OEE，而是MTBF/MTTR，也就是平均故障时间和状态堆栈图，因为这些分析图表对设备部门，才是能够有效协助他们判断的。

02 马达安装振动传感器，可诊断异常，但只是可视化没帮助

例如，震动传感器，在机台里面，马达是一个很重要的零件，如何判断马达的健康程度，又是靠震动传感器。马达装了震动传感器，就可以将传感器读取的数据进行分析。将数据转到频谱观察斜坡图，若数据斜坡显示异常，就表示马达已经老化。

如果在现场显示传感器的数据，但现场绝大多数的人员包括主管，全部都对这些数据无感，这才是一个最大的问题。

03 经过处理后的数据，才是有效协助的可视化

因为无法有效的协作引导人员，做对的判断和决策，所以就不能当作真正合格的可视化。要如何才能够让可视化，变成有效协助？透过『白盒子理论』，也就是以物理/化学的转换公式，做到『工业机理』的转换。

例如：将震动的数据，透过快速傅立叶转换，以斜坡的特征，就能估算出马达的健康指标；也就是把传感器的原始数据，不只是赤裸裸显示呈现，而是透过傅立叶转换的斜坡，变成健康指标。比如说0%是故障，100%是完全健康，这样的健康指标，才能算是有效的可视。所以，有效的可视，才能够真正有效益、发挥数字价值，但是这样还不够。

如果画面呈现马达的健康是34%，本身能够帮助多少？到底是代表有没有坏掉？看起来好像快要坏掉了，可是又还可以生产，而且还在正常生产中。

通过 IT+OT深度融合，实际的创新应用来加深“可视化”。例如，传感器发生问题，不是只有报警的讯息，应该要提供更多可以协助判断的信息，让整个生产环节、涉及部门都明确清楚问题、原因并因应调整。

来源：砍柴网