從參加軟體協會的AI專業廠商交流研討會到今年參加智慧工廠與智慧製造小組的各項研討會與同業媒合會，談到數位發展部將過去經濟部工業局與科技部的各專項補助款整合，讓AI廠商應用與導入之相關工廠得統一窗口申請補助。另外2023年開始將AI能量登錄廠商提供更多補助，在應用AI工具改善工廠競爭力方面更具優勢，承繼前幾年的各項計畫，台灣也已經有多家廠商準備好相關系統、設備與成功案例，相信台灣智慧工廠環境已經逐漸成熟。

 
政府針對AI投入智慧工廠從數年前即已經開始投入，這幾年相關廠商與應用已經越來越成熟，這從今年軟協與工業局各項成果發表與媒合會即可看出。(詳情請參考軟協網站與經濟部工業局網站)

 
筆者本身有參與智慧工廠推動小組，負責品質力部分，前端機台智慧化資料產出是基礎工作。過去老機台無法輸出，新機台輸出格式資料各不相容的情況已經有大幅改善。同時，相關SENSOR (溫度、壓力、流量、電性等)從開發到安裝等廠商也如雨後春筍紛紛茁壯，讓人驚喜的是他們組成聯盟讓智慧工廠的標準化能更快更有效的建立，從而使得智慧工廠機台資料的產生&整合奠定良好的基礎。另外，數據化成資訊流與管理圖表也快速成熟，機台之製程參數數據與量測機台的品質結果與生產效率的智慧化調校，並進而掌握少量多樣生產精準生產與彈性生產的技術，將對AIP&AIQ的理想提供進一步的科學化基礎。

 
【智慧工廠的落地應用_AIQ】
掌握了製程參數的變化，可以了解製程機台的實際情況，掌握了品質量測的數據，可以知道經過製造程序後，工件與達成目標的差異。如果能同時掌握P&Q的變化，將可以在Q出問題時，及時找出造成異常P原因並馬上調整，讓損失達到最小，甚至可以在Q尚未超規即調整P讓不良不會發生，達到上醫治未病的最高境界。

 
從另一個角度看，同時掌握P&Q 後可以依據需求分析出P&Q的各種關係，比如調整Pn(多個製程參數組合)與Qn(多個管制項目)的各項數據組合，達成管理最佳化的目的。比如說客戶要求某管制項目的目標原為100-120，限縮到105-115，那麼該調整哪幾台機台的那些參數，從多少調整到多少才能以最低成本達成目標。

 
以往沒掌握這些資訊時要花很長時間試錯，但在少量生產下等你試完可能已經結束，更不用說花多少成本了 !　如果現在掌握，不但可快速有效的調整，能彈性生產與達成成本最低的最佳方案，更能夠用科學化的程式達到快速複製、移轉、優化等現代生產的精髓。

 
最後，祝台灣競爭力越來越好，掌握機會，突破並且再創高峰！