巴甌科技如何扮演「潤滑劑」，讓廠商導入適合自動化方案、良率大幅提升？

想導入自動化設備，須經三項評估

巴甌科技扮演的是「潤滑劑」角色，也就是協助企業量身打造最適合的轉型解決方案，而非強行置入昂貴無用的全自動化設備。一般而言，要自動化轉型，至少要經過以下三項評估：

一、初步評估：幫助企業理解導入自動化的成本，避免盲目投資。自動化方案可能高達數千萬元，企業必須對症下藥，才能把錢花在刀口上。

二、選擇優先改善的環節：轉型應該先從接近成品端的環節開始，因為該階段數據價值較高，可為企業提供直接、有效的產線優化建議。

三、在多久時間內可見效：相較於大企業可花費兩到三年建置自動化設備，中小企業恐怕無法等那麼久。因此，中小企業的自動化轉型方案，應該要在較短時間內產生效益。

巴甌科技會透過分析企業控制器、設備年代，找到最合適的數據擷取方案。例如某企業使用造價不菲的德國精密儀測量振動，但該設備無法透過第三方通訊把數據傳輸出去，只能單純顯示數據。因此，巴甌科技就透過CCD相機拍攝儀器顯示數值，再轉換成數據，便於進行後續分析。

妥善運用數據，就能提升良率

對於企業而言，這些自生產過程中擷取的數據，到底可發揮何種效用？

首先是尺寸變化分析，透過紀錄生產過程中的尺寸變動，找出影響產品品質因素。

其次是設備與模具比較。例如有企業擁有多台射出機、不同供應商模具，但因產品瑕疵率不穩定，無法判斷哪一個模具或設備較好。透過數據統計，可精準分析不同模具的變異幅度，找出較穩定選項。

再者是生產設備和效能評估，也就是藉由生產數據分析不同機器運作狀況，判斷哪一台機器穩定程度較高，進而優化排程與設備選擇。

整體而言，數據分析的終極目標，是提升生產品質，確保產品品質一致而穩定，降低客訴與報廢率，提升市場競爭力。

特別是在智慧製造領域，提高生產效率、降低停機時間，一直都是企業關注焦點。如某藥廠過去在潔淨室內以人工檢測瓶身瑕疵，但這種檢測方式受限於環境變數太多，像是人員進出導致污染風險，導致檢測精度難以穩定控制。

但導入自動化檢測設備後，檢測流程自動化，並保持在無塵環境內完成，檢測精度大幅提升，客訴數量也從一年十多件降為只剩下一件，顯示自動化設備導入，確實能有效提升良率和生產穩定性。

AI結合智慧製造，找出產線真正痛點

而AI應用在智慧製造，主要著重在後端數據分析與缺陷分類，改善生產流程。例如某膠帶製造商希望透過AI分析瑕疵類型，把檢測出的缺陷數據傳送到軟體應用中心，分析出不同類型瑕疵，其中八成來自蚊蟲，兩成是油漬，進而發現癥結並非設備問題，而是生產環境需改善，減少開放式進出口，以減少蚊蟲進入產線的機會。

另一個案例則和眼鏡鏡片生產有關。眼鏡鏡片某些瑕疵在水化（指把鏡片浸泡到純水和生理食鹽水裡面鏡片吸收水份）前無法檢測，只會在水化後顯現。為解決此問題，巴甌科技協助該廠用AI分析鏡片水化前數據，透過色階變異數、平均數統計方式，預測哪些乾片會在水化後出現瑕疵，廠方就能提前篩選問題產品。

不過，AI應用在智慧製造仍有挑戰，特別是傳統產業仍有廠商缺乏數據概念，甚至倚賴人工紀錄。因此，企業導入AI前，必須具備基本資訊系統，才能處理龐大數據。如果沒有合適的系統儲存、分析，AI價值將難以發揮。因此，導入AI前應先解決數據管理問題，才能確保AI發揮效力，提升生產效能。