图一 Source : SEAS

智能工厂与一般自动化工厂的差异在于数据流动与分析，目前一般的自动化设备，都是透过SCADA采撷第一线的设备的数据，所采撷到的数据并未与与上层的MES、ERP链接，也就是说，目前的自动化设备虽有整合，但整合层次只停留在设备的横向沟通，系统的垂直整合并不多，而要谈智能工厂，制造、执行、管理、分析等系统，必须全面合一，智能化方能实现。

智能工厂的运作模型

制造设备过去强调稳定，对设备的规格、效能需求并不高，不过在所生产的产品生命周期加快与精细度提高后，设备稳定仍是第一要求，但是效能已非过去的阳春规格即可进行，智能工厂的设备需具有快速运算、海量存储器/储存空间、自动化数据搜集处理，以及可透过网络快速传递信息等特性，以协助企业管理人员的重要工具之一。

运用计算机进行科学计量的管理技术，除了可针对企业内有限的资源做最适当的调配，让资源的使用效率获得显著的提升之外，还能够达到降低营运成本、减少数据错置风险的目标。

目前此一技术已经被广泛应用于规划、生产、存货、营销、财务与人力等各项企业营运管理的功能项目之中，特别是数学规划模式，现在软硬件设备已可透过建构数学模型的方式，来显示出现实营运中可能遇上的各类问题，同时利用理论与计算公式来求取其最佳解，以做为实际问题的解答。

对于其他无法计算出最佳解的问题，也可以利用此一模式，快速求取近似最佳解，让管理者能够在进行直觉判断时，有更合理的依据，而非盲目进行决策，以货物运输问题为例，业者有两个工厂、两个仓库、三个销售点的条件下，其排列组合及运输方式极多，若依照传统直觉式的决策，很难从中找出其最佳解，但如果能透过数学规划模式计算，无论是在求解速度，亦或是最终结果方面，比较有可能得到令人满意的答案。

找出优化流程

数学规划模式对于解决分量生产派工排程作业、瓶颈机台的排程、序列式生产方式、难以决定每一批量生产的产品及开始生产/结束生产时间、将存货/欠货/设置/订货/生产/采购/原料等总体成本最小化、选择订单使利润最大化，以及需求预测困难/前置时间长/交期急迫/客户可能随时更改订单的供应链管理等生产线常到遇到的问题颇有帮助。

举例来说，现在台湾厂商接的订单大多是急单，因此制造业者必须在短时间内判断：现在接受一笔低利润订单，但之后可能没有产能因应高订润订单？亦或是现在拒绝，但之后反而没有订单的风险，单纯只用先到先服务法则并非是好方法，业者应建立好一套决策模型，才能依据现有已知的数据，计算出正确决定。

不过要建构可代表实际问题的模型，并据此计算出最佳解，管理者所需要参照的数据相当多，而且因问题所处环境的不同，其代表的模式也必须做相对应的调整，以供应链管理为例，除了工厂方面的制造途程、跨厂区产能、在制品状态 、生产成本/时间、原物料耗用情况 、机台换线成本/时间；供给方面的在途量、期初库存、采购成本/时间 ；需求方面的预测需求、产品售价 、订单交期/数量...等项目，还得考虑产能、运输、维护、客户优先层级、制程平衡需求、替代料/替代机台...等条件限制，才能计算出优化的生产、分派产品、订单欠货 、瓶颈飘移、可允诺数量、跨厂区资源分配等决策，这必须透过克服人们思考思维、组织权责、运作模式及数据取得方式等困难点，并配合良好模型软件工具辅助才可达成。

经过业界多年实证结果，以数学规划模式辅助决策的确可应用在企业及工厂实际营运流程中，并为组织带来实际的成效，但不同的产业、不同的环境，自然会有不同的考虑，因此其采用的数学模型及解决方案亦会有相当的差异。

半导体的智能工厂目标

以半导体产业为例，就集成电路产品整体生产流程分析，无论是初步氧化、微影制程、蚀刻、离子植入、扩散等程序，绝大部分动作都是在氧化炉、扩散炉、蚀刻机、离子植入机等机台内直接进行，但由于人员进出无尘室一次的时间成本很高，如何尽量以计算机软硬件取代传统人工操作，以降低人力介入的成本，避免人为因素所产生的失误，即成为半导体业者所追求的目标之一。

另一方面，随着现在半导体相关科技发展已经趋近于物理现象极限，客户的要求亦日趋多样化，使得半导体业者制程的弹性与复杂程度变得越来越高，稍有差错就会使公司发生很大损失，因此新一代智能工厂对于智能系统的发展也非常重视。

生产线在运作过程中必须大量依赖智能系统的协助，不断对生产步骤依照标准进行相关校正与控制，并实时回馈所搜集到的各项环境信息，以做为下一步骤应采取行为的重要判断依据。而就目前导入的状况来说，依照应用范围及达成目标的不同，半导体的生产自动化可再区分为「作业自动化」与「工程自动化」两大部分。

从原料到成品

所谓作业自动化，即指在产品由原料到成品之间的整体生产制造过程，尽量利用计算机软硬件来取代人工进行作业的方式，其目的在于加快产品生产速度、降低人工成本、改善资源投入效率及减少错误的发生。

在目前半导体产业中，各家业者作业自动化的比例及程度都很高，从机台装置设定准备开始，经原物料上机台、验证装置与物料状况、作业启动、程序执行、数据搜集、作业结束，一直到移置半成品至下一步骤的机台等程序，以往都是要由作业员依照MES系统的指令，以手动方式一步一步进行操作，而现在搭配EAP系统可控制机台自动执行工作程序、AMH系统负责将原料与半成品在仓储与机台之间移动、RTD系统分派任务/管理机台的工作排程，与AM系统可自动依工作程序调整机台参数设定至所需状况等，现在有关机台作业的所有工作步骤几乎都能由计算机软硬件独自完成，无需再搭配作业人员的参与。

至于工程自动化的部分，则是指在生产过程中，除了上述的加工步骤程序之外，其他需要控制、调整与分析的部分，以往这些部分只能仰赖员工，依其过往的直觉与经验进行判断，但现在透过智能工厂系统的协助，可以让工程人员在进行此一工作项目时，能够做得比以往更好更聪明，这对于企业产品的质量提升会有相当关键性影响。

智能工厂的下一步

举例来说，在前端联机控制端，SPC系统可根据以往的历史数据进行流程控制，APC系统则能依据前一笔产品作业生产结果，实时进行控制。由于生产过程中，机台本身的稳定性对于生产质量也很重要，因此有FDC系统对其进行实时的监控，当透过PDS或Trace Data的检核方式发现有异常状况时，即会发出警告并采取相关的处理。

在后台脱机分析端的部分，在接收到由前端每个不同机台设备所搜集到的多样化数据后，工程师即可透过FDC系统在后台端对这些数据进行微观历史分析，亦或是藉由EDA系统的帮助，执行历史工程数据分析的工作。

这些分析可协助工程人员找到问题及异常现象可能产生的原因，并据以提出因应对策后，再将相关指令送回前端系统进行控制调整的动作，除了能大幅减轻工程人员的负担外，也能够同时提升其决策质量与效率。

就目前半导体产业的智能工厂发展步骤来看，下一步，将会针对仓储与机台、机台与机台之间的原料或半成品调动方式进行改善。过去配送是要等到机台完成前一批产品后，AMH系统才会将物料调动至该机台上进行生产，中间会有闲置等待的时间产生。如果能改为在其完成前，即将所需物料做好相关调度，对于缩短工时会有所帮助。

另外机台的自我诊断也是未来智能工厂的必备功能，系统除了需要具备可根据历史记录与机台的使用状况，预测机台维护更新的周期，以避免因不适当或非预期性的停机而导致公司蒙受不必要损失的能力外，由于现在市场竞争激烈，产品研发速度与更新频率很快，公司接到以往未曾生产过的产品订单机率即大，智能工厂也应该要有能力在缺乏实机操作的记录与经验下，根据以往既有的处理工具数据，推测出该产品所需的机台相关设定与制造质量为何。

节能已成新指针

节能也会是智能工厂的重要目标，新一代智能工厂所用的自动化设备，除了要做到生产线制程管理信息化、网络化、图像化与远程监控维护能力，使业者得以透过对于速度/精度的要求，有效提升产品的产量及质量之外，管理人员亦需全力掌握每个设备的耗能状况，以便后续据此进一步做优化的调整。

基于能源费用上涨后节省成本的目的，一般企业可能由「减少能源的消耗量」及「提高用电的成本效益」两处着手，进行所谓能源的管理，这表示管理者必须先彻底了解所用能源的成本、计价收费方式、维持每日工厂正常运作所需消耗能量及其流向、哪些人是主要用电大户后，才能仔细检讨既有的购电合约，思考可从何处减少不必要的能源开支和成本，并由此规划出工厂未来能源需求组合与公司相关用电策略。

这会是一套由上而下的整体管理过程，先拟定出公司经营策略、能源政策、短/中/长期目标、需求预算、效率提升计划、控制稽核方式，而后再据以从技术及法律角度，透过持续努力，对员工、作业程序及质量控管进行能源方面的改善。

但更大的问题是，要执行上述系统性、持续性的能源管理改善步骤，管理者在计划、决策及稽核时所需凭借的各项基本状况数据与回馈机制，究竟要从何而来？能源管理并非只是单纯的技术问题，它还涉及到公司如何收集、整理、规范、管制工厂内的能源耗用状况，如何进行后续定义、分析及改善过程，使其在营运过程中就能自然而然地减少不必要的能源浪费并使能源由产生到消费的整个价值链都达到优化。

新一代的智能工厂会被要求应具备「对设备的能源耗用进行透明描述」的能力，并将能源管理与营运管理、维护管理并列，成为建构完整智能工厂架构的三大主要管理范畴之一。