產品特寫

智慧機械先 ERP 還是 MES?別飛太遠!回頭看看基礎建設

游經輝 游經輝
Tags:製造執行系統智慧機械工業 4.0MES

近年政府大力推動產業升級,從工業 4.0、生產力 4.0、智能工廠到智慧機械產業化一系列的智慧製造重點發展,牽扯層面廣大且非一蹴可及,對於想投入的業主也需耗費一番時間了解,是要先投入 ERP(Enterprise Resource Planning;企業資源規劃)、MES(Manufacturing Execution System;製造執行系統)還是自動化呢?這個決策問題其實隨著產業別與公司競爭力會有所不同,建議大家回到最基本面先行探討工業網路與 IoT(Internet of Things;物聯網)等基礎建設,再來討論與上位系統像是資通 ciMes(Computer Integrated Manufacturing Execution System;製造執行系統)或是 ERP 系統相關整合,甚至是彈性製造等議題。

首先思考兩個截然不同的情境:

情境 1:設備充分具備與上位系統或服務平台溝通的能力

例如:EAP(Equipment Automation Program;機台自動化程式)/BC(Block Control;整線設備管控)等,設備可進行狀態監控,如溫度、真空度、震動值、電流值、警報等資料紀錄,進一步藉由資料科學找出設備健康模型進行設備預防保養;或是藉由設備和感測器的訊號作為樣本建立預測模型,進行事先預警。當樣本趨勢變化時,分析系統能根據新的樣本修正模型,並用新的模型進行預測,這就是智慧機械自我監控與改善的能力。理想上機型相同、機台健康狀態相似的就有機會讓中央監控系統統一蒐集樣本,並將更新後的模型發放到 Edge 端,倘若無法由中央系統統籌,就由 Edge 端各自處理。

接著,將視野放大到整個工廠營運,從 ERP 接單,MES 進行生產製造的控管,透過 EAP 與設備連線進行自動化整合,這樣的組合帶來的效益為何?依據 ERP 訂單交期,交由 APS(Advanced Planning and Scheduling;先進排程與規劃)或是 MES 派工模組(Dispatching)安排工單乃至工序在各個設備的製造順序;可結合自動倉儲或無人搬運車進行物料派送,到達設備端準備進行生產時,檢查人、機、料、法、環是否合格,機台生產需要的製造參數等配方統一再由配方管理系統(Recipe Management System,RMS)進行控管,並結合彈性夾治具等硬體,可實現彈性製造;品質資訊透過設備進行電子資料蒐集自動拋轉至 MES 進行統計製程管制(Statistical Process Control,SPC),倘若異常時會觸發設備停機或生產批扣留。不過上述議題需搭配不少周邊,例如進出站的量測裝置、異常排除與修復等。

情境 2:無設備或設備不具通訊能力

設備要改造成智慧機械,在合理的成本考量下可行性不高,因為會外加其他昂貴感測器的情況並不常發生。大多透過乾接點的方式(DIO 卡)擷取機台狀態或是用感測器取得生產數量或狀態,但此類的設備大多也因老舊,往往在實際實施後所帶來的效應不高,且容易出現訊號不穩的情形,若以此做為設備監控,常常只能看個概括而已。在工廠營運方面,透過 MES 與標籤管理模組(Label Management System,LMS),讓人員在設備上料時讀取物料與工單條碼、檢查物料是否合法、刷入設備 ID 時檢核設備是否為製程上合法的設備等,除了資料多為人工輸入外,其實可透過一維或二維條碼減少人員輸入與輸入錯誤,管理者也能在系統上查詢各項資訊。

關於上述情境 1 與情境 2,ciMes 團隊承接非常多的類似案例,並可直接針對客戶需求協助規劃解決方案。搶先尋求協助

另一項在智慧機械常見的議題就是邊緣計算(Edge Computing)與人工智慧(Artificial Intelligence,AI)。如果所有的設備資訊都要往雲端拋,第一個會出現的是儲存容量的問題,第二個則是網路問題,這也就是現在工業 4.0、雲端、5G 等議題會常常一起討論的原因。因高端設備與感測器的資料本身一秒可能幾百筆到幾千筆以上,且有時關心的是尖峰值(Peak),取樣頻率不夠高則會錯失,那麼網路速度不夠快、流量不夠大、伺服器儲存空間不夠都是個問題,更何況這些都是 AI 需要餵養的資料。因而將資料與運算留在 Edge 端不失為一個合適的方式,成本也比較低,例如:一台 IPC(Industrial Personal Computer;工業電腦) 或是 Gateway(匣道器) 就可以解決這個問題,然後將資料萃取成有意義的資料,如時間區間內的平均值、標準差、中位數、最大值、最小值放上雲端,也不失為一個方式。

上述舉例說明是可能的發展,並非絕對,例如:少樣多量的企業導入自動化的成效可能會比其他來得高,智慧機械的議題很多也仍在發展中,想像空間也不少,但也別飛太遠。