品質管理
工業4.0/智慧製造
當智慧工廠乃至智慧製造的生產模式成為常態時，自動化生產流程中的品質管控是否仍如人工作業一樣維持高品質，是高精密產業未來在產能與品質間的生產難題...
製造業是許多國家發展的基礎，對於出口導向的台灣製造產業尤甚。工研院預估，2022年的台灣製造業產值可望突破新台幣25兆元，年成長6.04%，雖最近部分產業因遭遇經濟逆風影響，但對業界而言，生產現場的智慧製造與企業的數位轉型是未來方向不變的趨勢，具有長期投資性與高度商機，預估也是少數持續成長的產業。
疫情衝擊下，台灣機械產業於2021年出口額仍成長20%以上，產值超過新台幣1.3兆元，作為2050淨零碳排政策之一的智慧製造，也將是未來台灣推動的核心產業之一。
台灣國際智慧製造系統整合展於2022年11月23日展開，現場聚焦於「智慧製造及解決方案」、「未來工廠設備」及「跨領域應用」，同時藉由智慧製造應用論壇，邀請工研院、華碩等業者分析智慧製造整合趨勢，也同步針對淨零碳排、資安、AI智慧管理解決方案等議題探討，應對未來產業進化趨勢。
少子化、淨零碳排等議題催化下，未來執行自動化的智慧製造也是製造業必須面對的命題。
但對於高精密產業而言，產品良率高低才是最終能否信任智慧製造的關鍵。技術與產品的升級，也是智慧製造在導入之餘，製造品質必須跟上的重點。當產品不斷創新，功能面趨於複雜，精密度不斷提升，製造技術也相對應越發困難，當掌握先進的製造技術，也就確保控制良率，而提升高優質的核心競爭力與優勢，但智慧製造與AI的組合，該如何界定自動化後的品質管控，成為業界的癥結點。
CSQ監事、中原大學工業系兼任教授楊錦洲目前針對自動品質監控區分等級，分為Level1~5共5個等級，其等級與內容區分如下：
生產機器可自動蒐集機台影響因素參數值，及所屬品質項目數據，完整記錄。
機器系統對蒐集到的數據能加以整理及分析，得到並生成可與參數規格或品質項目標準相比的數值。
機器控制系統所分析結果能與參數規格或品質標準比較，並做出精準判定。
機器控制系統執行精準判定，進一步做出正確決策，如生產條件不合格則進行調整。
機器本身依據所出的決策立即進行自我調整，將生產參數控制在規格內。
台灣製造業因多為中小企業，即便現有許多開啟自動化生產的產業，但可能連Level1的等級都未到，而精密機器因有控制電腦，可撰寫程式控制與記錄所有參數，其等級界於Level3~5之間。目前採用自動化廠商，多數在機台上設定參數，在每批製造生產使用首件檢驗等方法，但製程良率須等產程到最終檢驗才能確定，即便過程中抽樣檢查，最後發現不良率過高才開始改善，無法達到預防效果，其成效仍非企業所希望。
運用大數據改善品質並自動執行參數紀錄的台積電原則上已接近Level4，但如需要真正達到Level5，AI的自我學習效果不可或缺，也是進入自動化良率是否能提升的重要關鍵。只是影響良率的因素眾多，除了機器需要學習，人在其中也是變因之一，即便有SOP作為守則，是否能遵循又是另一回事，智慧製造並非像無人工廠的運作，品管工程師的專業與技術精進搭配才是智慧製造在產品良率的重要勝負關鍵。
企業數字化與無人工廠的結合，數智化營運讓企業蛻變重生迎接新造趨勢
內文資料來源：
延伸閱讀
我們使用本身的Cookie和第三方的Cookie進行分析，並根據您的瀏覽習慣和個人資料向您展示與您的偏好相關的廣告。如欲瞭解更多資訊，您可以查閱我們的隱私權政策。