頁:
[1]
[經營策略][工業3.5：台灣企業邁向智慧製造與數位決策的戰略][簡禎富]
本帖最後由 a11333333 於 2022-6-18 12:43 PM 編輯【書本類型】：經營策略
【書名】：工業3.5：台灣企業邁向智慧製造與數位決策的戰略
【作者】：簡禎富
【ISBN】：9789863983804 (繁體中文)
【內容】：
第一本針對台灣企業量身打造的數位轉型實戰手冊！
AI、大數據、物聯網、雲端改變生產方式，重啟全球產業新賽局。
第一本針對台灣企業量身打造的數位轉型教戰手冊，
掌握智慧製造策略與管理財數位化的核心，結合產學資源以工業3.5為混合策略，
提前收割升級智慧製造的價值，並在重構中的全球產業鏈中卡位！
大數據、人工智慧、物聯網掀起全球新一波價值鏈解構與重組，
台灣中小企業資源有限，如何結合整個供應鏈，開啟數位轉型的新機會？
清華講座教授暨美光講座教授簡禎富，二十多年來他深入產學合作第一線，與台灣各產業龍頭合作，深耕智慧製造和大數據分析的研究結果，指出工業4.0革命的三大願景中，大數據與虛實整合系統只是基礎架構和工具目標，根本目標在於掌握彈性決策的核心能力。
工業3.5藉助AI、大數據及數位決策系統為破壞性創新，結合產學資源，為企業解決需求個人化、產品週期愈來愈短、人力短缺、企業接班等經營難題。並從經營決策、資源管理、人才培育與藍湖策略這四個大方向上，協助企業有效管理資源，優化經營：
1.決策數位轉型：作者首創PDCCCR製造策略架構，搭配龍捲風圖找出關鍵變因，以協助企業建立數位大腦，不斷學習並優化決策，帶領企業搶先進入智慧製造。
2.全面資源管理：將原本蘊藏在老師傅、資深高階主管的管理與決策智慧數位化，以解決人才斷層、企業接班問題。
3.培養最適人機協作人才：以書院、學堂、微課程協助人才持續精進，培養出善於人機協作的「鋼鐵人」，提升員工即戰力和決策力。
4.量身打造智慧製造戰略：企業應該如同每個大戶人家，都有自己的家庭醫生。透過產學合作，為企業量身打造智慧製造解決方案，用有限資源創造最大效益。
生產方式推動產業革命和社會變遷！
工業3.5提供企業數位策略藍圖，厚植實力，搶先收割工業革命升級轉換的價值。
【讀後感想】：
王英郎指出：「7奈米製程的控制因素是21倍，5奈米製程是48倍。過去是用工程師來調機台、調裝置，他說，現在已不是人類能夠做到，要用機器學習來調機，5奈米都是電腦在調機。台積電每個工廠有2000至5000台機台，同時生產上千種產品，數千道工序，每天產生800萬至1000萬派工命令，不能靠人控制，要靠電腦。」這話不誇張，筆者曾經有幸在戶國神山待過，公司確實收集了大量的訊號，當然，一般時候不會接觸那麼多，但確實若沒有電腦幫忙確實不太可能分析出太多東西，那麼問題來了，為什麼台積電要跨入大數據自動化分析呢！？
因為已經超過人類可以負擔的量，如今產生的訊號多如浩瀚星海點點星光，單靠人分析根本來不及問題產生的速度，以即人進步的速度有限，因為大多數關聯性有時在工程師眼裡根本沒有關係，但電腦卻能分析出來有其關聯。筆者多年前曾看過一本介紹大數據的書籍，裡面有個案例印象深刻，尿布與啤酒看似沒有關聯，但若將兩者擺在同一個走道，竟能增啤酒的銷量。這是電腦得到的分析結論，若單靠人應該一輩子都不會發現，人對兩樣商品連想在一起的機率太低了，後來詳細調查發現通常爸爸買了尿布後都會在買上啤酒，若在同一個走道則因為方便則會刺激購買的慾望，這便是大數據的魔力，如何在看似垃圾無意義的訊息內挖覺黃金，這便是此書介紹的重點。
一間工廠，只要開業無時無刻都產生各種訊號，只是看有無收集起來，而這點便是台灣目前公司所欠缺的關鍵點。台灣跨入自動化已經多年，但遇到問題大多數都扔是靠經驗去維修，當然這樣的運作方式多年下來也沒有比較差，但換個方式想，若這些資深員工走了，那麼經驗也就跟著被帶走，在退一萬步來說，沒有比較差但也沒有更上一層樓。最大問題在於自動化要收及訊號需要投入大量的金費建構，買的機台設備也需要安裝相關訊號收集器，這些都是錢，也是讓多數望之怯步的主因，但這些真的不好嗎！？若公司得需要精益求精，這是必定要走的路，首先世界大公司都在奔跑地往前走東西也只會越來越精密，若不跟上腳步最終只會被淘汰，第二，即使不被淘汰那麼也只能在鴻海里廝殺，以台灣現在人力成本來計算，根本不可能與大陸或者崛起的東南亞各國比拼，這也近年來各大代工台灣公司紛紛拋棄代工蘋果的主因。也許會痛一陣子，絕對比公司被淘汰或者在毛三到四裡苦苦掙扎來的好。
再來，那便是關鍵參數的設定與監控。收集各種參數了，如何定義有用的參數，壓力 、 溫度 、 速度等等參數多到數不清，如何讓其發揮作用，這是第二步。在神山裡，雖然真的很痛苦，但不得不敬佩這點利害。不是所有問題都攔截，但八成都可以在設備產生問題進而影響到產品前先逮到，提早將問題處理掉。很多人貨者專家常會說波音公司很厲害現在飛機是賣飛行時數，時間到了就要進廠維修，其實台灣公司也辦的到預測設備損壞，不用妄自菲薄，台灣也有能做到，其實就要不要花錢收集數據。
第三步，那便利用AI 幫忙檢測，人，在利害，處理的速度扔有限，且人會累，電腦只要有電就可以一直工作，且只要設定好關鍵參數與關係，便能從龐大且雜亂無序的數據找到關聯性，這也是為什麼近年資訊人才大受歡迎的關係，前期的設定越好後續帶來的效應越加可觀。一旦找出關聯性，將能一口大大幅精進產線問題，不管節省人力物力還是成本。就筆者過往在神山的經驗，所照顧的製程一直有個沉痾，需要人不斷修改參數以符合生產標準，也因為一直修改就需要不停用測試wafer 去看是否符合標準，不僅浪費時間也浪費人力，更浪費成本(因為神山有很多特殊氣體都超級貴)。之後透過AI 將所有有可能的參數收集便且分析，當然還是需要人力的投入，但已經大幅減少了人與物的成本，這相當驚人。神山是筆者目前工作到現在，設備越舊卻產生的價值越高的地方。
從數據收集到AI分析無法一步登天，對於經費人力投入都是相當大量，但，這條充滿荊棘路是台灣公司不得步走的路，柳暗花明又一村，還是在世界競爭跌入紅海最後消失於世界視野裡，台灣目前已經站在這分叉口，就像當年設立科學園區，讓從勞力密集卻低薪的加工出口業，走上勞力密集薪水較高個科技代工業，轉捩點走對了帶來的效益會隨著時間而放大。如今，台灣岔口在一次出現，低出生率可以預見未來人工不足的問題，自動化如何更進一步，如何讓人力投入更需要腦力的崗位，這值得當下的台灣人深思。
...<div class='locked'><em>瀏覽完整內容，請先 <a href='member.php?mod=register'>註冊</a> 或 <a href='javascript:;' onclick="lsSubmit()">登入會員</a></em></div><div></div>
頁:
[1]