20190419：智慧製造與品質論壇實施計畫 (改 9 樓)

hlperng

研討題目：智慧製造與品質論壇實施計畫
研討日期：2019年04月19日（星期五) 13:30-16:30
研討地點：台北市大安區羅斯福路二段 75 號 9 (10) 樓
主辦單位：中華民國品質學會
協辦單位：臺北科技大學國際產學聯盟


研討會資料

• 李家華： 20190419_01-李嘉華-工業4.0之前的準備.pdf (1.47 MB, 下載次數: 1928)
  2019-4-23 10:27:26 上傳

  下載次數: 1928
• 楊錦洲： 20190419_02-楊錦洲-智慧製造興起品質工程師的挑戰.pdf (2.88 MB, 下載次數: 1981)
  2019-4-23 10:28:45 上傳

  下載次數: 1981
• 鄭兆凱： 20190419_03-鄭兆凱-智慧製造與品質論壇與談.pdf (2.46 MB, 下載次數: 1987)
  2019-4-23 10:30:17 上傳

  下載次數: 1987
  
  

hlperng

智慧製造與品質論實施計畫研討會

原海報公告研討會地點為品質學會 10 樓，因報名人數太多改在 9 樓大教室。

田墨忠博士主持
製造業品管，工業 4.0 智慧製造

楊錦洲理事長致詞：
李嘉華 SSC 論文，三年前辦工業 4.0 ，人工智慧、智慧製造，關燈工廠，機器產品百分百良品。
品質人員大部分作製程檢驗，品管工程師
良品 Key Factor ，設定關鍵參數，思考認證考試，AI 品管工程師考試
主講，收錢 500 元送一本書
品質學會年會 11 月 2 日在中原

李嘉華執行長：
工業 4.0 的準備動作
歷史，品管工作 10 年，華新麗華品保工程師 63 年，帶著問題找答案，帶著答案提問題，可以讓別人接受。華新科董事，英業達退休之後。華新麗華電訊電纜轉到大溪迪吉多電子業，看過迪吉多所有的微縮影片。VT 200 terminal ，400 美金賣 4 萬。奎茂 (Qume) 變成慧智 (Wyse)，建立品管系統。半導體很重要，租在光復路加油站後到交大旁聽微處理器課程。溫世仁找上，建立英業達品質系統，副總下馬威拿一大袋採購零件要求做進料檢驗。PC 研發部門負責研發品質，可恃性、可靠性，after service 是否需要納入考慮。公司的功力不是只用在製程上。
溫世仁打品牌，辛苦只賺零頭。
甘肅省黃羊川種蒜頭，1999，確認英文教材，打字，coding 三個關鍵項目，推動網路教學，鄉下沒有誘惑。以校帶鄉，推動電子商務服務業，在武威古浪鎮蓋五星級的黃羊川國際會議中心，希望透過網路讓窮鄉僻壤與世界接軌。2003 年底中風腦溢血，台灣沒有房子，住國賓飯店，許遠東基金會開會。和信醫院，因而造成「千鄉萬才計畫」喊停。若沒有這件意外，就不會有馬雲現在的成就。
在黃羊川舉辦告別式，...
台北科大教書教了一年半，學生投訴。EMBA 班講課，分享經驗！只演講、不上課。101 年升級典範科大。
郭台銘恨李！葉老闆。
姚立德，拉下教授。華人品牌的理想？台灣電子產業基礎，醫療服務發展。台北科大，專利。
穿戴裝置、穿戴科技，大健康產業。台灣健保一定會垮！
太重視治療，忽視預防。體質風險，穿戴裝置進行自主管理。
北歐半年，台灣七年。
智慧製造，累積資料庫，西門子推動 工業 4.0，縮短上市時間。
台灣虛實整合，
市場細分化，資訊透明，挑戰為客製化與短交期，必須改變經營思維。透過價值鏈資訊的連結與優化，提供市場反應與速度。
社會變化增速，市場可能瞬間消失。在市場當地直接交貨，紡織業到處設廠就是案例。循環經濟、智慧製造得獎者。
5G 萬物互聯，4G 移動視訊
人類基本需求滿足的程度，食衣住行育樂健美？衣服回收困難，物物交換是可行之道。
組織若只是透過貿易商，不了解終端客戶需求。世界局勢變化超過想像！
氣候變遷、綠色經濟、循環經濟、共享經濟、知識經濟，資源有效的配置與運用，
沒有時間差，稍縱即逝，管理財是基本條件。（在地球上，只有時差、沒有秒差，同步同時）
萬物聯網，感測器應用，大數據，雲端運算，人工智慧，手機 5G，量子電腦
核心競爭力，組織文化，制度系統，職場數位化，
大陸推動半導體 14 奈米以下有困難，組織文化的差異。
資訊力：收集力，整體力，內外資訊的連結程度與資料庫的正確、豐富、完整與更新速度。（scope and depth)
需要的組織文化，
數位職場，企業神經網路，ISO 品質系統認證，供應鏈連結，價值鏈連結。

預警、預防、預測、智慧排程
彎道超車，導入新科技時機

Nokia 的案例
We didn't do anything wrong, but somehow, we lost!
We didn't to anything wrong!

高階主管輕忽世界趨勢！（柯達對數位相機的發明、王安電腦對個人電腦與試算表的出現）

end of seminar#1


楊錦洲
吸收新知，自己比較會想。數學系，讀書，清華數學研究所，喜歡動腦筋，新的東西。
OKR (Objectives and Key Results) vs. KPI (Key Performance Indicators)
智慧製造，智能製造。
量產階段，管制圖、做改善。沒有提供書面資料，

資料快
四次工業革命，
alpha go win 圍棋高手
生產智慧化

自動化、自働化、智動化（自我學習）
內建品管，
預測維修 (predictive)，自動維護 (proactive)、自主維護 (autonomous)
資訊安全，網路安全
AI 自動量測，取數據 (自動量測) (CMD)、推結論（自動分析）、做決策（自動判斷）(ARO)
機器要能夠調整，ARO: auto reconfiguration order)，
CMD: conditions monitoring and diagnosis




品質品質監控的等級分為五級：

• 自動蒐集商產上的 data
• 分析所蒐集的 data
• 根據分析傑作判定
• 根據判定結果做決策
• 機器本審會調整
  

自動化、自働化（level 3) ，單機，以尺度為主，若涉及化學成分分析將有困難。

智慧機器，自動品質監控的基礎
B1:最基礎的工程
B2: 找出生產控制條件
B3: 機器的精確控制

改作控制的前端工程與後端工程，尋找最佳控制是目標，要做好基礎工程。
自動品質監控的現況：
利用 big data 與 data mining，簡禎富教授，做為改善的基礎。
Level 5 必須靠人工智慧。機器不斷自我學習才有可能做到。

人與 AI 之協作
透過人類與AI的協作，可顯著提升AI系統與機器設備應用的績效，人類與人工智慧可積極彼此互補的強項。
企業要能了解人類要如何才能最有效的擴大機器的能力。

人類需要扮演三個重要的腳色
訓練師：人類（AI 專家）必須交島機器學習演算，如額執行搭被設定該做的工作。
解釋者：人工智慧處理的結果，需要這個領域的專家，向外行使用解釋處理結果的意涵。
維持者：

智慧型機器以三種方式協助類擴大能力
* 增強人類認知力，人工智慧時時提供適當的資訊，
AI時代員工心腳色：融合技能，才能讓員工有效地在人機介面工作。
員工也應該知道如何把自己獨特的人類技能，與聰明的機器結合再一起，取得雙方各自作業所無法得到的各家效果。
員工要學習如何．．．

智慧製造需要品管工程師？
生產線完全自動化的生產，而且生產出的都是良品，則必須:

• 生產線的機器設備能完整的考量到關鍵要素及生產條件
• 能在關鍵要素上設定準的生產參數與控制條件
• 機器能精確的自我
  

品管工程師的傳統腳色

品管工程師在產品量產時的主要任務

• 設定產品量產的品質控制與保證計畫
• 批量或早晚班的首末件檢查，參數調整
  

品管工程師的腳色轉換

• 品管工程必須把量產前關鍵工作做得徹底，才能把生產的品質控制機能見到機器設備中
• 因為智慧製造的機器已無法讓品管工程做到智成抽樣，管制圖
  

AI 時代的智能製造的品管活動中

在AI時代的智能製造，全部都是良品

善用 IPO 分析，首先要確認

• 產品的功能，品質衡量項目及其標準 (A)
• 生產線的最終品質衡量項目及其標準 (B)
• 個製成(站)之品質衡量項目及其標準 (C)
  

找出 key factors，包括耗材 (化學材料、加工材料)

環境控制，潔淨程度，

CTQ: critical to quality
需要專業知識，品質工程師要結合各專業工程師一起討論找出關鍵因子

由後工程逆向往前面推，前製成會影響到後製程的良率。
品質工程師的 AI 專業能力，利用 IPO 分析找出關鍵因子，這是很困難的工作。
利用生產線的既有 data ，利用 AI 比對分析，去除系統性因子之後，隨機因子可以配合實驗設計找出關鍵因子。
製造過程的所有規格參數都需要滿足！

最根本的做法就是生產要控制好所有的這些規格，參數或生產條件，所以要設定控制指標，稱之為先期指標，管制圖應該用在這些先期指標上才是正確的。

six sigam and DFSS，
DMAVE, DIMDOV

製造要走到馬雲所說的新製造，亦即結合人工智慧、機器人、物聯網、

工業自動化生產線案例
雲移物大智網
智慧製造五大指標：互聯、優化、

企業因應之道
環境變遷、階段步驟、核心技術、員工培育

企業如何因應AI潮流如果經理人不在AI領域加強學習與應用，那就沒有善盡職責，未來十年，人工智慧不太會取代經理人，但是部會使用人工智慧的經理人



IPO 分析，DFSS，撰寫程式

end of seminar#2

hlperng

引言人 鄭兆凱三個案件:
工廠最後只剩下人與狗！（屋主與看門狗）

品管人管甚麼數據？
100 筆資料只有 40 筆被儲存，只有一筆作決策（有意義的）。管可預測的資料還是管不可預測的資料？管不可預測的資料是決策者。（過去：統計、當下：機率、未來：決策）

Discussion #1: 智慧製造改變產業創新的速度與模式﹑企業如何因應內部流程的改造

• 工業技術發展的生命週期越變越短，產業需加強已領先佔領商機
• 永續發展為產業的重點，預測性創新是競爭力關鍵
  

Q: (吳英志)，速度快，發展越來越慢，1.5 年，遇到瓶頸，0.1 微米，施敏教授認為。昨非今是、昨是今非？企業如何因應？A: 摩爾定律
半導體技術思考社會變化，摩爾定律會碰到天花板。半導體朝橫向立體擴充，未來至少十年會是關鍵影響力量。感測器的技術發展，線幅只是一項，半導體技術科技發展。
車子十年前，電子元件比例變化為指數型發展，感測器加上半導體技術，是引導技術的方向。穿戴感測器也會增加，萬物聯網。不要受到既有思維的限制。創新與應用兩個面向的變化都需要考量。

Discussion #2: 生產智慧化以後，有了AI輔助決策，如何管理品質風險
rule-based decision making, statistical reasoning, machine learning (Decision tree), aritificial intelligent
類神經網路訓練，best practice 並不最佳範例，最好方案，google 案例，早期 google map 只有一個選擇，最好範例是最差的選擇，增加替代道路選項。
AI 流氓演算法，科技與法律的衝突，M2M hand shaking, 訓練樣本，共謀機制，購物平台，
AI 會囚徒理論。有預測、沒教育！主謀與共謀，汙點證人，最大利益。
AI 無法預測早顯性問題，放棄訊號不好的數據。預測品質，

楊：未來 Q 人如何存活，另外一組人取代 Q 人，Q 如何不會被邊緣化？能者多勞、適者生存！取代，了解工具，key factors, 最佳參數，與各專業工程師協作。品管工程師強處再分析能力與工具的運用。

李：stay hungry, stay foolish，永續學習，競爭力來自學習速度。domain know-how，學習速度快，卡位早，就不會被淘汰。

導入 80 萬機械手臂，作業從 12 人變成 0  人，管理品質風險，先找到答案，再找問題，搶得解決問題的先機。
導入視覺檢測系統，輸入必須是對的，決策才是正確的。進料品管！
尺寸量測、功能量測，先找到品質答案（標準），測得的結果才不會有風險。
品管工程師兼者看，自動化無人工廠，線上或線外存活的應該就只有品管工程師。例行工作由 AI 負責了，決策還是要靠人。CP & CPK 比管制界線重要。供應商管理，溝通規格標準。

來：智慧重要。sensor ，地震可不可預測？捷運停駛兩小時，決策速度在於資訊是否即時且足夠！有價值的數據，sensors ，預測準度與效度 (legacy)。

學航太機械控制，可靠度不容許有意外，所有東西必須要確定。預測創新概念，都會防洪與顧客夥伴，感測量目前現在資料，預測未來，結合衛星雲圖、過去地資、地貌、水紋，無線連結。預測未來時間的效能，油箱剩餘里程預測。感測器複雜但不適神，預測未來，樣本訓練。adaptive prediction and control。石門水庫放水，三噸農用只有一噸。
model-based proactive, prognostic and health management，不確定預測，品質觀念不會改變。航太產業絕對的標準，機率出現為準，量子力學不確定度的干擾。
未來是由顧客絕對規格，選配與標配，無中生有。最終產品有差別，技術、物料無差異。
ARO 的能耐，變形金剛！有形、無形的選擇與表現。

IPO 模式，mimo，樣本訓練，容錯機制。感測器的應用可以創造很多商機，產業可以彎道超車。工作母機世界排名第四，產值 cp，航太精密切割機，與 GE 和 Simens 並列。400 個感測器變成 100 多個感測器。CMD 的課題，RCM, PHM, RUL 等議題。

楊: data mining，生產條件都要先掌握，蒐集更多的數據。

白: 智慧是知識加上定見，三里四項，東西一定會壞掉。研發可以自動修理的機器設備，(ARO, Auto Reconfiguration Order)，系統設計、參數設計、容差設計。

人的基本功，實驗設計、相關回歸

Discussion #3: 智慧製造，企業資源如何帶動價值鏈與商業模型
工業 4.0 是商業模式，及時客製化。沒有 MOQ (minimum order quantity)，一件也賣。JIT 生產，三日安定期。供應鏈管理配合政策，顧客自己下規格。那些項目需要，哪些項目不需要。
進化型 (evolutionary), time to market
破壞型 (disruptive)
賣單品轉為賣服務，永久生意，製造業服務化，位階提升到平台經濟，到生態系統經濟，拉幫結拜，找到 stakeholders，不要變成別人的一部分。


Discussion #4:


Discussion #5:


Discussion #6:


Discussion #7: 如何定義工業 4.0 KPI