一、動機與挑戰

傳統產業人工品檢負荷大不良品成本居高不下

自行車花鼓核心料件之生產製程，分為棒材入料、車床、铣床、導角、委外陽極、組立等，如圖1所示。車床之花鼓成型製程使用11把CNC（Computer Numerical Control，數位控制工具機）刀具，22道CNC工序，加工總時間約30分鐘，而此製程品質主要關鍵因素為培林同心度，培林位異常不良率3%，次要關鍵為尺寸異常及外觀異常。業者為維護品質與生產成本，在品檢上採100%人工檢測，頻率為每5pcs一波，每波檢測時間約7分鐘，每日每機台加工料檢測時間約25分鐘，每周每機台進行品檢耗時約125分鐘。每波檢測結果須採取對策微調CNC機台加工補償進行位置補償與內徑補償，補償一次耗時約3分鐘，每日每機台約補償5次，耗時15分鐘。如機台調整誤差過大造成廢料發現時已經有5pcs加工廢料，廢料成本約600元，機台加工5pcs 機台時間成本約150分鐘、機台誤稼動成本難以估算。G興業由於產品的品質檢測成本過高。故希望能夠以數位化方式來降低品檢頻率。

圖1  花鼓成型生產製程流程圖

資料來源：G興業者，資策會整理，2020年

二、策略與方向

將製程參數可視化，再將數位化資訊，運用大數據分析預測製程變數，提升在製品品質

即時擷取製程關鍵參數，如轉速、進給率、CNC主軸震動訊號、主軸負載電流等數據呈現。另，依管理者需求，採個別監控及群體監控顯示機台稼動管理，如圖2，將製程參數可視化，使管理者可使用行動裝置即時監控，隨時掌握機台狀況。

圖2  稼動管理功能畫面

資料來源：G業者興業公司，資策會整理，2020年

過去因生產資訊取得缺乏即時性，以紙本登記搭配ERP（Enterprise Resource Planning，企業資源規劃系統）系統報工，資訊取得缺乏時效性，管理者無法即時掌握生產情況，更無法搶進國際急單。導入｢生產決策看板系統｣串聯派工情況與即時生產資訊，使管理者掌握訂單生產時程、人員作業進度，介接MES（Manufacturing Execution System，生產執行系統）系統之派工、工單、目標產量等資訊，如圖3，與機台生產資訊整合，完成AI建模。面臨急單需求，可即時掌握生產情況，即時輔助生產決策評估，立即回饋客戶需求。

圖3  系統介接流程圖

資料來源：G業者興業公司，資策會整理，2020年

導入製程品質關聯分析技術，藉此降低品質檢測成本、降低培林同心度不良率，提升製程品質。將花鼓成型製程之車床關鍵參數、品質檢測數據、培林位同心度偏差結果、不良半成品/成品的生產資料，透過Principle Component Analysis、Random Forest等演算法，產出問題相關的模式規則，如圖4，找出問題可能影響製程變數，藉由機台加工徵兆預測在製品良率。品質檢測頻率由5pcs一波，降低至15pcs一波；花鼓之培林同心度不良率由3%降為1%以下；降低人工追蹤不良成因的品檢工時3人天/月降至1人天/月，減少人工抽檢可能遺漏不良品的產出，為每個生產自行車花鼓車床製程把關。

圖4  品質關聯分析架構

資料來源：G興業，資策會整理，2020年

三、成效與價值創造

傳統產業藉助研發法人結合系統業者全面導入數位化能量協助企業轉型

透過蒐集製程生產參數，完成AI建模，降低品質檢測成本，實現國內第一條具品質預測功能的花鼓產線，降低檢測成本，達成品質穩定及優化之目的。

G興業為自行車中高階零組件的生產廠商，主要產品以花鼓為主，藉申請政府計畫資源挹注，推動智慧製造流程與內部流程優化，與資策會及采威國際協助投入產線智慧化之試驗，度過疫情時代困境，以高競爭力生產線爭取到新的國際自行車品牌支持，產能滿載迎接需求訂單回彈，實現國際市場彎道超車。

【成功關鍵】傳統金屬製造業藉助系統業者與資策會，運用政府計畫資源協助數位轉型