將訊號轉化為生產指令，以 PCB 為例

一、從生管現場到營運決策

製造現場的日常，往往是一場生管人員與時間的競賽。過去我們習慣依賴白板登記、紙本工單與資深人員的直覺排程，然而面對市場交期大幅壓縮、客戶少量多樣的客製化挑戰，這些經驗法則往往在現場發生機台跳脫、缺料或參數異常的時候不起作用。製造業的管理若要主動掌控，關鍵在於打破現場的資訊斷層，而這個轉型的核心起點，正是工業物聯網（IIoT, Industrial Internet of Things）。

揭開智慧工廠的數據路徑

對於剛接觸現代製造業的人來說，常會將 IIoT 與我們日常使用的消費型物聯網（IoT，如智慧音箱、智慧手環）搞混。兩者雖然僅差一個「I」，但應用場景與穩定度要求卻完全不同。

IIoT 則是貫穿整間工廠的神經，透過在各類機台、感測器、輸送帶與產線上裝設訊號採集裝置，將機台的運作狀態（例如. 主軸轉速、溫度、震動、電流）與 WIP 的流向，轉化為持續不斷的數位訊號。其核心任務，就是將製造現場的行為，即時且精準地轉化為管理層看得懂、算得動的數據。

在製造業的營運鏈路中，IIoT 是生管排程從靜態猜測邁向動態調度的關鍵。沒有即時、乾淨的數據回傳，上層的排程系統就像是套用固定的演算法一樣，一成不變；但如果你建立了完整的 IIoT 架構，生管人員便能在辦公室螢幕前即時看見生產線的心跳，讓調度決策立足於真實數據之上。

製造現場的五大維度觀察

在實際的工廠環境中，IIoT 會因應不同的應用情境、產線條件與組織角色展現出不同的面貌。身處製造業現場的管理者與工程師，往往能從以下五個維度找到最迫切的共鳴：

• 依「用途維度」分類（從資產監控到製程優化）：
  • 設備健康預警：監控高單價或瓶頸機台的軸承振動、馬達溫度，在設備徹底停機前發出預警，落實預測性維護（Predictive Maintenance）。
  • 工藝品質回溯：記錄關鍵站點的製程參數（例如. 熱壓溫度、槽液濃度），當不良品產生時，能立刻比對當下的感測曲線，揪出隱性變異。
  • 物料追蹤與稼動率計算：透過感測器與 RFID 自動計算機台實際生產節拍與停等時間，產出設備綜合效率（OEE）。
• 依「環境維度」分類（克服工業現場的條件）：
  • 高雜訊與強干擾場域：製造車間充斥高壓電磁干擾與機械震動，IIoT 強調具備工業級防護、抗雜訊干擾的通訊模組，確保資料傳輸不封包遺失。
  • 高溫、高濕與化學腐蝕：針對特殊化學製程或熱處理站點，採集節點需具備耐腐蝕、高防護等級（IP67 以上）的外殼與探針設計。
• 依「時機節點」分類（從事後覆盤走向事前預防）：
  • 即時邊緣運算（Edge Computing）：在機台端直接進行異常比對，一旦壓力或溫度超出安全閥值即刻聯鎖停機，避免批量報廢。
  • 生管即時回饋：產線發生卡料或換模超時，訊號立即推播至生管儀表板，啟動緩衝派工機制。
  • 月度/季度營運推演：將長期的海量感測數據匯入數據湖，作為擴產評估、設備折舊分析與碳足跡計算的基礎。
• 依「使用者視角」分類（跨越 OT 與 IT 的共同語言）：
  • 現場生管調度員：最在意機台何時能做完這批料與目前有沒有隱形停機，IIoT 提供了免去人工抄表、百分之百真實的進度回饋。
  • 設備維修工程師：關注哪一顆馬達即將超溫過載，IIoT 是預防非預期停機的聽診器。
  • 企業營運決策層：關注「整廠設備綜合效率（OEE）、能耗成本與交期達成率」，IIoT 是打破部門本位主義、串聯 OT 與 IT 數據的營運戰情室。
• 依「市場推力」分類（驅動導入的外部競爭壓力）：
  • 供應鏈透明化訴求：終端國際品牌要求一線代工廠提供即時生產進度與完整的全製程生產履歷。
  • 綠色製造與碳盤查法規：各國碳邊境稅開徵在即，企業必須透過智慧電表與氣體流量計，即時精算單一工單的真實能源消耗。

對於製造業而言，IIoT 的價值是將產線上每一個變化的數據轉化為可執行的管理決策。當生管與營運主管能掌握現場每一處動態，工廠才開始具備了應對未知變化的彈性，也才能為後續導入更精準的排程系統與智慧製造藍圖，奠定最堅實的數據根基。

二、PCB 製造的五大營運痛點

印刷電路板（PCB）製造流程繁瑣，橫跨內層、壓合、鑽孔、電鍍、防焊及成型等多達數十道工序。在流程長與乾濕製程交替的環境下，傳統靠人工巡檢與紙本回報的管理模式，無法應對高精密與高頻率交期的雙重考驗。

五大核心痛點與 IIoT 的關鍵

• 瓶頸機台停機難料：壓合爐與高精度 CNC 鑽孔機屬高資本瓶頸站點，主軸軸承磨損或加熱管老化常造成突發性無預警停機，衝擊全廠排程並導致交期延誤。IIoT 透過高頻振動感測器與電流互感器實施設備健康監測，在機件惡化前發出異常預警，落實預測性維護以杜絕無預警停機。
• 濕製程化學槽液失衡：化學鍍銅與蝕刻槽液易受溫度、pH 值與金屬離子濃度波動影響，若依賴人工定時取樣，常因反饋滯後導致整批板件孔金屬化不良而整批報廢。透過 IIoT 部署耐腐蝕連續式感測器即時監測槽液酸鹼度與化學濃度，並串聯自動添加機構進行微補償，維持製程黃金參數。
• 在製品堆積週轉遲緩：高多樣少量的生產型態使各工序生產節拍嚴重不均，大量 WIP 滯留於暫存區，容易佔用產線空間、拉長資金積壓，影響生產週期。利用 RFID 電子標籤與條碼掃描節點，即時追蹤載具板籃位置與停留時間，清楚揭示 WIP 堆積熱點以加速流轉。
• 客戶緊急插單重排癱瘓：當客戶提出急單需求時，生管因缺乏機台即時完工進度，只能憑經驗推估插單，往往造成後續工單連鎖延誤與嚴重等料塞車。IIoT 即時回傳各機台當前工單完工率與剩餘加工時間，為即時動態調度提供具備快速時效的真實排程基準。
• 能耗與實質稼動黑箱：壓合爐與電鍍槽等高能耗設備長期存在無效待機空轉，管理層難以釐清單片 PCB 的實際電耗、碳排放量與純設備綜合效率（OEE）。IIoT 聯網整合智慧電表、氣體流量計與機台 PLC 運轉訊號，切分有效加工與待機功耗，將能源黑箱透明化。

我們調研了超過 50 家 PCB 廠，發現現場痛點的根因往往不在於設備老舊，而在於關鍵資訊受限於工序屏障而形成的「數據斷層」。藉由 IIoT 建立起連續、準確的底層訊號採集網絡，才能為整廠管理消除資訊死角，真正掌握製程節奏。

三、用 APS 攻克 PCB 排程

在 IIoT 為工廠佈建好網絡之後，如何將這些海量的現場訊號轉化為高效的生產指令？這就必須仰賴製造現場的先進規劃與排程系統（APS, Advanced Planning and Scheduling）。

從無限產能走向有限約束的演算法

根我們的技術剖析，傳統製造管理多半依賴 ERP 的 MRP 邏輯，然而 MRP 本質上建立在無限產能的理想假設下，排程時往往忽略機台實際負載、模具壽命與人員配置，最終只能產出與現實不符的靜態時間表。

APS 的核心，是立足於有限產能與多重約束條件下的高階最佳化決策引擎。 它能同時納入訂單交期、設備負載、模治具可用度、換模清理時間等極其繁雜的現場限制，透過數學最佳化演算法，在數分鐘內推導出最佳派工順序與排程解。

解決 PCB製程痛點的核心價值

面對第二段所提及的 PCB 製造痛點，APS 展現了其核心價值：

• 解決長流程工序相依死結：針對 PCB 內層、壓合、鑽孔、電鍍等多達數十道工序，APS 能精準考量上下游製程的時間約束（例如. 壓合後的靜置時限、電鍍前的表面處理時限），避免板件在站點間因等料而形成龐大的 WIP 堆積。
• 動態吸納瓶頸與突發異常：當壓合爐或鑽孔機出現無預警降速、或是遇到客戶緊急插單時，生管不再需要耗費 3 到 4 小時手動調整 Excel，APS 能透過內建的 What-If 情境模擬，以動態重排在數分鐘內重新平衡全廠產能，將插單對後續訂單的震盪衝擊降到最低。
• 爐批整批最佳化排程：針對壓合爐與烘烤製程，APS 能自動比對不同訂單的板厚、層數與溫度曲線要求，智能合併最佳化爐批批次，減少空爐運轉與能源浪費。

如果說 IIoT 是感知工廠現場動態的數據蒐集器，那麼 APS 就是負責運用這些數據的關鍵。唯有將真實的現場訊號注入這套先進排程演算法中，PCB 製造業在遇到異常狀況時，才能及時處理，甚至是預防其發生，邁向自主運轉的智慧製造目標。

四、以數據驅動的降本增效實踐

在智慧製造的架構中，數據沒有沒有經過運算，是靜態數據，也稱作固定資料；算力缺少實時數據則是想像力美好的假說。若僅導入 IIoT，生管人員只看得到現場跳出的異常警報，卻依然要靠人工計算如何調整後續產線；若單獨導入 APS，排程演算法則會因缺乏機台實際運行狀態，淪為與現實不符的紙上談兵。唯有將 IIoT 與 APS 進行整合，才能真正形成底層即時感知、上層動態閉環的智慧決策體系。

IIoT 與 APS 的智慧互動閉環：

IIoT 與 APS 之間的互動機制，具體展現於現場狀況發生的每一秒，讓工廠從感知到自動調度：

1. 即時感知與狀態回饋：IIoT 邊緣端持續監控各站點，當鑽孔機斷針報警、化學槽液濃度偏移進入微調停機，或是載具板籃提早 10 分鐘完成壓合時，現場設備訊號與 WIP 流轉數據會即時同步上傳。
2. 運算重構與動態演算：APS 接收到真實產線數據後，立即結合當前機台負載、模治具可用度與交期優先級，透過有限產能演算法啟動動態重排（Dynamic Rescheduling），在數分鐘內推演出對全廠波及最小的替代路徑。
3. 指令下發與閉環校正：APS 自動將更新後的派工順序直接下發至各機台機聯網介面，現場作業員與 AGV 搬運車依據最新指令無縫銜接，化解第二段提到的五大痛點，完成「感知、決策、執行」的自癒閉環。

PCB 製造現場的實證效益

透過 IIoT 與 APS 的整合，PCB 廠在成本掌握與產能提效上能取得顯著的量化回報：

你說，現在製造現場在這不可預測的市場中，扮演什麼角色？大部分的企業仍然透過詢問 AI ，來找到自我的安全感。但 AI 真的懂你的工廠嗎？如果連工廠都不一定懂，那市場面怎麼可能會懂？

所以我們會建議導入 IIoT，讓工廠被賦予感知的能力；導入 APS ，讓工廠隨著變動快速挑整，透過數據與演算法的相互驅動，我們不一定能夠百分之百滿足市場變局，但我們能更扎扎實實得在每一次現場波動轉化為效率的機會，落實可量化、看得見的降本增效。

五、IIoT 實現智慧製造的 5 個步驟

根據過往的經驗，許多企業會問我們：「所以我們應該先買哪個系統？」我們其實真的很像賣系統，但是要將 IIoT 的訊號與 APS 演算對焦，不是買一個「系統」就能夠解決了，如果有哪家業務自信滿滿地跟你說，買哪個系統一定沒問題，我想他真的不懂 PCB，許多 PCB 企業在轉型初期因為想全廠連網或追求一步到位，導致投資回報遲遲無法顯現。要讓智慧製造穩健落地，企業需要一套小步快跑、以終為始的實施路徑。

IIoT 實現智慧製造的 5 個步驟

1. 聚焦關鍵瓶頸站點：不直接全廠鋪設，而是優先評估壓合爐、高精度 CNC 鑽孔機或電鍍線等高資本、易塞車的瓶頸站點，集中資源定義核心監控指標。
2. 打通工業通訊協議：釐清老舊與新式機台的通訊介面，採用 OPC UA、SECS/GEM 或 MQTT 等標準化工業協議，解決設備孤島問題，實現統一數據採集。
3. 部署邊緣運算與異常看板：在機台端建立邊緣運算節點，針對溫度、振動、槽液濃度設定安全閥值，並架設現場電子看板，讓異常即時被看見與處置。
4. 串接有限產能排程機制：將乾淨、即時的現場機台狀態與 WIP 流轉數據注入 APS，建立涵蓋工序相依、模治具約束的動態排程模型，並以 What-If 模擬驗證排程精準度。
5. 固化管理規則與持續迭代：將老師傅的調度經驗與異常應變處置標準化、參數化，固化為系統的演算法規則庫，建立跨部門的人機協同文化。

智慧製造除了倚靠單點技術的堆疊，更重要的是將每一個點貫穿，精準掌握現場工藝、數據架構與排程邏輯的轉型，我們會這樣說：「走對路徑，轉型才能避開試錯成本。」

若您的 PCB 產線正面臨在製品堆積、交期預估困難或排程彈性不足的挑戰，歡迎預約鼎華智能專業顧問團隊，我們將為您量身進行產線健康度評估與 POC 落地規劃，攜手打造敏捷自主的智慧製造工廠。