智慧製造，簡單且廣義來說，就是結合現行的各種尖端科技，包含我們已經耳熟能詳的人工智慧、大數據、物聯網、雲端運算、5G 等等技術，來改善製造業當中的運作流程，提升規劃彈性、降低風險發生機率、改善總體營運效率。這些會在課本以及學術文獻上出現的老生常談，我們不多提了。
前面林林總總提到一堆炫炮的名詞，但這篇文章就只著重在資料科學在智慧製造的應用上，進而提到一點業界的現況以及實務上的困難。
【相關應用】
首先談到的是資料科學在智慧製造的相關應用。這個主題我認為又可以概略歸納為五個部份：分別是即時監控、智慧排程、智慧量測、良率提升、預測性維護。
# 即時監控
這可以說是最直觀的智慧造應用之一。除了業務與財務相關的資訊之外，大老闆或者高階經理人總是會希望能夠隨時知道廠房運作的相關數據，在辦公室有大螢幕隨時秀出各項數據只是基本，最好是能夠手機拿出來一划就能看到關鍵數字、或者定時收到相關彙總報表，說穿了也就是商業智慧（Business Intelligence，BI）。
# 智慧排程
算是即時監控的延伸，能夠隨時掌握各機台、物料、人員等資源的使用情況，並依照專門的演算法以及事先設定好的規則，進行自動化與最佳化的生產、搬運、進出貨排程。此時，作業研究（Operation Research，OR / Management Science，MS）就是在這時候派上用場了！# 智慧量測
主要是基於影像辨識技術的一種應用。簡單來說就是透過機器拍攝到的攝影畫面，搭配機器視覺的演算法應用，而能夠在不觸碰到產線製品的情況下，測量其長寬高、計算其面積、角度、曲面弧度等等。當然也可以搭配溫度感測計、測量其表面溫度等等。
由於製造業的產線當中，可能存在高溫、或者對人體有害的物質等等風險。另一方面，產線上的製品，以物理觸碰的方式來量測產品，也可能導致產品壞損。這時候，透過機器視覺演算法所達到的智慧量測，就是一種能夠大幅降低作業風險、乃至於將整個測量作業自動化的方法！
# 良率提升
也是另一個最直觀的智慧製造應用，做製造業沒有不希望提升良率的。透過分析生產環節的各項數據，包含聲音、影像、溫度濕度、電流電壓等等資料，搭配演算法的相關應用，有效偵測瑕疵品，甚至找出良率的瓶頸。目前的一些一級大廠，已經陸續在使用影像辨識技術來進行自動化的瑕疵品檢測，也就是自動化光學檢測（Automated Optical Inspection，AOI）# 預測性維護
可以算是良率提升的進一步應用。良率的提升，重點在產品。預測性維護（Predictive Maintenance，PdM），重點在於設備的預先保養、檢修與汰換。產線的正常運作，對製造業來說極其重要，尤其是像光電、半導體這一類高科技製造業。任何非預期的設備故障而造成的產線停擺，都會對企業造成龐大的損失。定期性的設備維護活動，也就是所謂的預防性維護（Preventive Maintenance，PvM），雖然能大幅降低非預期的故障風險，但是需要設備停機才能進行的維護活動，相對也帶來了機會成本（停機維護期間，產線持續運作的產能）預測性維護，就是在非預期的故障發生前，預測出設備還能正常運轉的時間，將常規運轉的產能盡可能做到最大化的利用，長期下來，不僅能夠減少內停機維護活動的總成本，也減少了非預期性的故障風險。這也是許多一流大廠在多年前就已經到導入的應用。
【業界現況】
看完上述五項主要應用，讀者們應當都能發現，這些應用非常仰賴基礎軟硬體設施的添購、佈署、串聯、與整合，也就是物聯網（Internet of Things，IoT）、網宇實體系統（Cyber-Physical System，CPS）、甚至是機器人流程自動化系統（Robotic Process Automation，RPA）的架設。畢竟，做資料科學的第一步，就是要先有資料，進而才能實踐所謂的智慧製造。但是就現況而言，智慧製造普遍還難以在台灣落地，其中最主的原因便是，沒有資料、以及資料品質低落難以應用。
# 業主投入意願不高
許多老闆認為，過去沒有導入這些炫砲的玩意，公司依舊能夠正常運作跟存活。而為了搞這些新潮的玩意，還必須砸大錢買一堆軟硬體跟聘請專業員工來操作，但是，這些投資能換得多少收益或者減少多少成本，卻又無法明確得知，既然如此，何必要蒐集資料？這裡必須說明的是，上述所提到的情況，大部份具備以下特徵：
- 屬於傳統產業的製造業者
- 規模不大的中小型製造業主
- 非產業當中的技術領先者
# 資料品質良莠不齊
智慧製造難以在台灣落地的另一個主要原因在於，縱使已經完成了相關軟硬體設備的添購與佈署，但仍然有可能因為諸多因素，造成資料品質的良莠不齊、資料當中包還太多未知因素、以及人為介入而產生的結果，使得資料無法有效利用於上述的應用當中。
造成資料品質低落的原因有很多，大多數情況都得深入現場探究才會知道原因，即便是同一家公司、相同地區不同廠房、相同廠房不同產線、相同產線不同工作站、都可能有不同的問題。我自己就曾聽過業界友人以及前輩談論過以下情況：
業界軼聞 1：
『某科技大廠到了南台灣設廠，把在新竹廠房的製程原封不動搬過來。結果，在新竹廠房可以 run 到很高良率的製程，使用一樣製程的南臺灣廠房，良率卻一直上不來。相關人員一開始也摸不著頭緒，研究了老半天之後才發現，是空氣的問題。南臺灣的空氣品質較遭，連帶影響部分精密設備的運作。最後的解法，是在通風口加上空氣濾網，才解決了這個問題。』
業界軼聞 2：
『某項原本由國外廠商生產的產品 A，某台廠透過授權等方式拿到了製程以及原料配方。台廠的老闆一看，想說把其中一項成比較高的國外進口原料 X，替換成其他成本較低的牌子，然後用一樣的製程，叫底下的工程師去做，心想反正製程都一樣，最後應該差不了多少，還可以賣跟原廠一樣的價錢拉高利潤。
想當然爾，這原料一換，原本的 A 到了製程後段就出了問題，通過不了某些檢測。工程師雖然有向老闆反應這問題，但老闆認為，一樣的製程，一樣是原料，沒有國外的原料 X 就可以，其他牌子的 X 就不行的道理。工程師很無奈，但也只好硬著頭皮想辦法，最後是用許多非常規的方法「work around」過去，才讓產品通過檢測。』