如何可以透过机联网，采集加工过程中，不同阶段的标准工时后，不仅可以精算每张订单成本，还可确保不做白工？过去工厂的稳定运作，都需要靠长时间的经验累积来维持。如何将老师傅的经验数字化，成为公司保留的重要资产？

制造业因为少量多样的趋势，需要面对成千上万的品号，标准工时往往是靠用拍脑袋的方式粗估，但这是很关键重要的标准工时却不准确，很难做好成本的管控，导致公司的盈利变得更糟。

以机加工来讲，是用机器的加工时间，计算代工成本。如果用不精确的标准工时，计算出来的成本也不会精确。

如果每张订单真正的毛利都不知道，业务接单后，生产的优先权该怎么安排？或是生产时，架机时间都是老师傅说了算，有时候架半个小时，有时候架一个小时，主管到现场去问，也没有办法去检讨，因为根本不知道合理的架机时间。

如果可以把机台一天的过程，从开机、暖机、架机、首件试作、正式加工等等，各阶段所需的时间数据，都透过机联网完整收集，就可以透过大数据，知道这个品号搭配这个模具，进行这个加工工艺，合理的架机时间应该是多久，进而做出相应的安排。

产量就像昨天的报纸一样，今天如果产量不见了，那消失就消失了，第二天就算有再精妙的报表，也只能后悔，再来就只能骂人而已，什么事也不能做，除非时光机可以时光到流。

在排程时，因为没有精准的标准工时，计算误差会很大。若再用APS做自动排程，就会出现garbage in/garbage out的状况。因为使用不精准的数据，就算算法再怎么好，最后算出来的生产排程，也不会精准，导致空机率太高。

不要再回到经验加纸本的时代，

应该要靠的是真实可靠的数据。

工厂的运作，一定要走到数据导向，而且还要做到敏态管理，才能达到双智慧闭环。在工厂里的闭环回路，最重要的就是做到稳定生产。简单来说，把工单发到工厂进行生产制造，工厂中有机器、人、原料等等，经过任务执行的计划和SOP，派工派到每个机台。

但是计划赶不上变化，永远有突发状况，所以必须随时知道现场状况，进行PDCA的调整，才能够做到稳定生产。

过去这一段都是靠老师的眼睛、耳朵和感觉，以老师傅的头脑来运作PDCA。但这种状况，一来因为每个人的经验会有所不同，二没有办法一直维持。

所以当靠老师傅做不到时，

该怎么办？

大部分的公司就会摆乖乖，为什么？因为已经超过老师傅的经验。但是相对来讲，如果把IT端和OT端都做到数字化，就可以有所本的来解决问题，什么叫本？本就是数据。凡走过必留下痕迹。痕迹是什么？也是数据。

所以透过这些走过的数据，就有机会，在异常发生时，可以分析真正的根本原因，甚至于透过根本原因的分析，找到特征值，做到异常侦测、甚至早期预警。而且机器本身一定会老化，一定会波动，补偿修正老化和波动，就让工厂可以运作得更好。

但是老师傅逐渐退休，现在年轻人也越来越不想进工厂，尤其是现场。常常听说老师傅不想教，其实不是不想教，而是不会教。老师傅学会如何做调机，不是从学理，而是像AI的Neural一样，是透过多次学习累积的方法，自然而然就知道该怎么调。

所以老师傅讲不出道理，或者他讲的出来，也是硬掰的，所以年轻人会觉得学不会。但从另外一个角度，应该可以透过in的资料(例如：机台的现况、环境参数、工艺参数，包括不良品数量和种类)，和out的资料(例如：老师傅如何调机，什么地方调多少)，来当做数据，通过这些数据来建立AI数学模型，就有机会建立一个人工的老师傅头脑。

让人工的老师傅头脑，变成数字化，

累积之后，变成公司的资产，

这是一个很重要的燃眉之急。

当系统建立，大家都认为老师傅会排斥，但这是一个自我成长的成长过程，客户实践经验告诉我们老师傅也会顺应改变慢慢改变心态，主动提出更有用的经验，变成一个经验法则模型。