第四章:塑膠射出廠的智慧應用-數據驅動的決策與執行

        在建構了穩固的後端技術基石後，本章將聚焦於前端的「智慧應用層」。這些應用是將底層數據轉化為實際生產力、賦能現場人員的關鍵。我們將展示數據如何從沉默的參數，變為驅動決策、預測風險、優化流程的智慧資產。

       本章將逐一介紹四大核心應用：從數據整合平台與RWD報工系統如何為數據賦予情境，到 Cycle Time 智慧預警如何實現主動管理，再到GA 智慧排程與行動倉儲App 如何將智慧化延伸至排程與物料管理的每一個環節。

本章節快速導覽：

• 4.1 射出製程數據整合平台
• 4.2 PHP RWD生產報工系統
• 4.3 Cycle Time智慧預警
• 4.4 GA智慧排程
• 4.5 行動倉儲RWD網頁式App

Author:Jush Li

4.1 射出製程數據整合平台

        為解決傳統射出製造現場中「數據記錄繁瑣、分散於紙本與多重系統、不易統一利用」的痛點，設計了一套塑膠射出製程數據整合與管理平台。該平台的核心目標，是將第一線生產過程中產生的海量、異質化數據，轉化為高度結構化、可追溯且具商業價值的數位資產。整個系統主要由以下三大構件協同運作:

4.4.1 直觀易用的網頁操作介面

1. 1. 工單與模具一鍵關聯

        系統自動拉取 ERP 或 MES 中的「製令單號」、「品號／品名」及「模具編號」，操作員只需選擇對應項，即可為即將開始的生產任務做好完整標籤。此舉確保所有後續數據，無論來自機台自動擷取或人工回報，均能對應到特定批次與模具。

1. 2. 核心參數全覆蓋

• • • 穴數與重量:記錄單件成品與料骨重量，以及單週期產出穴數，為良率與物料平衡分析提供依據。
    • 多階段製程條件:詳實捕捉射出機的「注射壓力」、「保壓壓力」、「螺桿速度」、「各段溫度」、「塑化時間」、「冷卻時間」等動態參數，並支援自定義數量的參數欄位，以因應不同機型與工藝需求。
    • 品質與備註:提供彈性的文字欄位，操作員可補充「首件尺寸OK才可大量生產」等關鍵檢驗註記，確保任何異常都不被遺漏。

3.全流程數據電子化

        傳統上散落於紙本、Excel或PLC記錄器的參數，皆透過此介面統一匯入，同步觸發後端API呼叫；每一筆操作都自動生成「時戳＋工單＋機台＋參數值」的結構化紀錄，為後續分析與稽核提供完整資訊。

圖 4.1-1:成型管理-紀錄

4.1.2 以 RESTful API 為智慧中樞

介面背後，「塑膠射出製程數據整合平台」採用RESTful 架構風格設計了一組高可用、可擴展的API，成為整體系統的中央神經系統：

• • • 抽象化資料模型

    RESTful API 將所有製程紀錄、機台、工單、品質異常等實體，封裝為一系列「資源」(resources)如:/molding-records、/machines、/orders 等。前端只需對這些資源發出標準的HTTP請求 (GET、POST、PUT、DELETE)，即可實現複雜的資料操作，而無須關切底層ERP資料庫的變動或結構細節。

• • • JSON 輕量交換

        所有請求與回應均以JSON 格式承載，典型回應範例如下：

        JSON的可讀性與跨語言相容性，使得前端開發無需額外轉換，並能在多種環境 (JavaScript、Python、.NET) 中輕鬆取用。

• • • 高可維護性

        由於API合約 (contract) 與參數結構由OpenAPI定義，一旦API 路徑或資料格式確立，便可保證無論後端資料庫如何演進，前端程式碼只需依照合約調用，免受資料庫結構變化影響，大幅降低維護成本。

4.1.3 OpenAPI (Swagger) 互動式文件與測試

為提升開發效率與協作品質，平台採用OpenAPI規範（前稱 Swagger）進行 API 定義，並自動生成互動式文件：

• • • 可互動的線上文件

        前端、測試、QA或第三方整合方皆可透過Swagger UI，一覽所有端點說明、參數格式與範例回應，並在同一介面上發起測試請求，立即檢視回應結果。

• • • 契約式開發

        API 規範作為「契約」，在需求提出階段即共同確認文件內容；後端工程師根據OpenAPI YAML/JSON編寫程式，前端開發同時參考文件，實現並行開發 (parallel development)，有效縮短交付週期。

4.1.4 小節

        透過直觀的現場報工介面、穩健的RESTful API核心與動態的Swagger文件，我們構築了一條從「現場參數擷取」到「IT 應用消費」的完整數據通路。此平台不僅克服了傳統紙本與silo化系統的種種侷限，還將生產一線的每一滴數據都轉化為可視化、可分析、可追溯的企業數位資產，為下一步的智慧製造 (AI分析、預測性維護、即時排程優化) 打下堅實基礎。

4.2 PHP RWD生產報工系統

        在推動智慧製造的過程中，射出成型產業往往面臨一個關鍵難題:即使安裝了工業物聯網（IIoT）閘道器，自動蒐集了溫度、壓力、螺桿速度等製程參數，這些「機台語言」的數據依然是沉默的。它們無法自行告訴我們，在某一時間刻，這台機器究竟在生產哪一張工單、哪一個品項？缺乏「生產情境」的連結，使大量寶貴的數據無法轉化為可操作的洞察，數據價值大打折扣。

        為破解這一「情境斷鏈」痛點，我們開發了專屬於塑膠射出成型現場的 PHP RWD 報工系統，作為「智慧數據融合與生產管理平台」的重要一環。該系統以人機協同為核心，透過極簡直觀的響應式網頁介面，讓操作員將人工回報的不良數量、工時與機聯網回傳的自動參數做無縫整合，完整重建每一筆生產任務的全貌。

1. 塑膠射出現場操作員的「智慧報工站」

圖 4.2-1:RWD 報工操作介面截圖

• • • 即時情境綁定
      • 操作員於生產開始前，透過下拉選單快速選擇「製令單號」、「品號」、「模具編號」及「機台編號」。
      • 點擊「報工 (Job Start)」後，系統將自動為該機台打上當前工單的標籤，後續所有 IIoT 參數（溫度、壓力、週期時間）都會被聯繫到正確的工單與品項。
    • 人機數據互補
      • 不良品回報:在「完工 (Job End)」時，操作員可輸入人工判斷的不良品數與異常原因（如流紋、牽絲），彌補機聯網無法蒐集的質檢資訊。
      • 工時計算:系統自動抓取「報工開始」與「報工結束」時戳，精準計算出實際工時，並與 PLC 讀取的機台運轉時間進行對比，以識別等待或人為延遲。
    • 操作簡潔化
      • 介面採用響應式（RWD）網頁式設計，可在工業平板或手機上流暢運行。
      • 核心欄位自动校驗，避免重複或漏錄，並於欄位旁提供即時說明，確保使用者無需繁複培訓即可上手。

2. 管理者的「生產可視化儀表板」

圖 4.2-2:生產日報表查詢介面

    報工與機聯網數據在後端整合後，管理者即可在這套生產可視化儀表板 中，透過多維度篩選和彈性查詢，全面檢視工廠運作狀態：

• • • 數據融合呈現
      • 報表同時列出「製令單號」、「品號」、「產線」、「操作員」等報工資訊，以及「Cycle Time（單模時間）」、「OEE」、「不良率」等指標。
      • 每筆紀錄點擊後，可展開詳情面板，檢視該工單所有階段的溫度曲線、壓力波型與不良原因備註，快速鎖定品質問題。
    • 品質分析
      • 系統自動計算良品數與不良數的比率，並可按原因分類（流紋、白點、色差…），使品管人員能立即追溯到對應的製程參數異常區間。
      • 結合趨勢圖，可跨日、跨班別檢視品質波動，預警可能的設備失調或材料批次問題。
    • 生產查詢與追溯
      • 支援「日期區間」、「品號」、「機台」、「操作員」等多條件篩選。
      • 點選任意結果列後，系統提供「查看歷史紀錄」功能，一鍵回溯到該機台過去的所有報工／IIoT 資料，助力品質稽核與責任歸屬。
    • 跨裝置無縫存取
      • 無論在辦公室的 PC 大螢幕上，或在廠區巡檢時使用手機平板，都能以最佳排版檢視儀表板，實現真正的行動監控。

3. 小節

        透過PHP RWD生產報工系統，將“機聯網的冷數據”與“人工回報的溫度”在時空與工單層面進行整合。操作員在最前線的一次點擊，便賦予了整個 IoT 架構「生產情境」，為後續的品質分析、時效評估與異常預警提供了不可或缺的關鍵關聯。管理者也因此能從海量的製程參數與工時／不良統計中，一眼洞悉生產狀態，將數據真正化為驅動精準決策與持續改善的智慧資產。

4.3 Cycle Time智慧預警

        為了從大量的生產數據中主動偵測異常，並及早干預，我們在平台中引入了 Cycle Time 智慧預警模組。它基於「歷史基準」與「即時比對」的雙重機制，將生產節拍監控提升為主動式決策支援，確保任何微小的生產異常都能在第一時間被發現與處理。

4.3.1 系統概覽與示意

圖 4.3-1:異常 Cycle Time 紅色預警

    整個智慧預警的工作流程可分為三大步驟，形成一個閉環的Actionable Intelligence:

1. 1. 數據情境化與關聯

        憑藉4.2節的報工系統，所有機聯網回傳的製程參數（螺桿行程、保壓時間、冷卻時間等）都已與「工單號」、「品號」及「模具編號」精準綁定，確保每筆資料都有清晰的生產上下文。

1. 2. 建立歷史 Cycle Time 基準

        系統會針對每種「機台 + 模具 + 品號」的組合，自動匯總並分析過往生產記錄，計算出該組合最穩定的平均單模時間（Cycle Time Baseline）。此基準並非固定值，而是隨著新數據持續學習、加權更新，成為評估生產效率的「黃金標準」。

1. 3. 即時比對與智慧預警
      • 毫秒級比對:每當機台完成一個射出循環，即時擷取該次的 Cycle Time，並與對應的歷史基準做底層演算法比對。
      • 異常偵測：若即時值超出設定容差（通常 ±3%），系統自動認定為「生產異常」。
      • 視覺化預警:如圖3-1 所示，異常的 Cycle Time 即以醒目的紅色字體呈現，並在儀表板上顯示機台名稱及超差百分比，提醒管理者立即派員檢查。

4.3.2 主動式管理:從監控到決策

圖 4.3-2:當前射出機台數據監控

• • • 即時發現，快速響應

        管理者只需凝視一次儀表板，即可在數十台機台中迅速指出紅色預警，將注意力集中在最迫切的問題上。Cycle Time偏差常常是機械磨損、模具磨耗、原料異常、或冷卻系統故障的前兆，提早干預可避免大批不良品的產生。

• • • 數據驅動的客觀判斷

        當紅色預警出現時，該機台下方同時展示「當前值 vs. 基準值」的折線圖，以及過去24小時的趨勢走勢，讓管理者能快速判斷是瞬時偶發波動，抑或是需要調整設備參數或更換模具。

• • • 持續優化的閉環

        每一次被標記為「異常」的事件，系統都會將對應的製程數據與最終確認的原因(例如：塑膠原料或溫控設定異常)一併存檔。這些標註不僅用於後續追溯，還會回饋至歷史基準演算法中，強化未來的偵測準確度與預警靈敏度。

4.3.3 系統價值與效益

• • • 從被動監控到主動預警:不再需人員定期巡線或手動翻閱數據報表，智慧預警讓系統主動告知「哪裡異常」，大幅縮短反應時間。
    • 降低品質風險:及時排除生產節拍異常，減少不良品率與返工成本，提升整體生產效率與交期準確度。
    • 賦能管理者:以數據為依據，將經驗判斷固化為可量化的指標，讓決策更客觀、更具說服力。
    • 持續學習與迭代:隨著運行時間增加，系統的歷史基準與預警規則會不斷精進，實現越用越準、越預警越穩的長期效益。

4.3.4 小節

        透過「歷史基準+即時比對」的智慧預警機制，本模組將射出製程的Cycle Time監控從冷冰冰的數據，升級為可操作的預警指標，真正實現「即時智慧製造」。這不僅是監控工具，更是生產線上的第一道守護者，為企業邁向全面自動化、精益化運營提供了不可或缺的核心支撐。

4.4 GA智慧排程

        在塑膠射出生產排程領域，排程問題因其高度複雜性與嚴苛限制（如模具-機台相容、換模前置時間、原料乾燥需求、專業人力資源等），被歸類為NP-hard 等級，傳統人工或通用ERP排程難以應對。為此，我們引入了基因演算法（Genetic Algorithm, GA）與人機協作的雙階段智慧排程機制，既解決運算瓶頸，又保留排程師的彈性判斷，輕鬆應對客戶急單。

4.4.1 AI 預排:基因演算法驅動全域優化

圖 4.4-1:GA 初始預排甘特圖

1. 1. 1. 群體初始化
         • 每個「染色體」代表一種完整排程，編碼格式為一系列 (工單ID, 操作ID, 機台ID) 的序列。
         • 隨機生成多個初始方案，組成「族群」。
      2. 適應度函數設計
         • 除了最小化總完工時間（Makespan），還整合了換模成本、機台稼動率與交期延遲等多指標，對違反硬性限制（如模具不相容、乾燥時間不足）的方案給予嚴格懲罰，確保可行性。
      3. 演化操作
         • 選擇（Selection）:依適應度高低保留優秀方案。
         • 交配（Crossover）:將兩方案的排程片段互換，探索新的排程組合。
         • 突變（Mutation）:隨機改變某些基因（如交換兩個工單的順序），維持多樣性並跳脫局部最優。
      4. 收斂與可視化
         • 多代演化後，群體收斂至高適應度方案。
         • 系統將最優方案以甘特圖呈現（如圖4-1），解決約80%的複雜計算，為生產排程人員提供一個「最佳起點」。

4.4.2 手動微調:RWD+RESTful API的彈性掌控

圖 4.4-2:排程清單微調與拖放介面

        儘管GA能快速生成高度優化的初始方案，但真正的生產現場往往需要結合臨時因素與經驗判斷。為此，我們透過響應式網頁（RWD）與RESTful API，賦予生產排程人員強大而靈活的微調能力:

1. 1. 1. 直觀互動
         • 在甘特圖或表格式清單中，可直接拖放工單調整順序、變更機台。
         • 所有操作即時發送PUT/jobs/{id}、PUT/schedules/active等API 請求，後端即刻更新，前端無需重載。
      2. 多端一致體驗
         • RWD設計確保無論是在辦公大螢幕、工業平板，或是手機上，都能流暢編輯與檢視排程。
      3. 急單快速插入
         • 當接獲高優先急單時，排程人員可在現有圖表中拖入新工單，系統自動計算其對整體Makespan與換模成本的影響。
         • 或者，觸發一次小範圍的GA微調，快速重算受影響區段的最優方案，兼顧急單需求與全局效率。

4.4.3 效益與價值

• • • 大幅縮短排程時間:GA預排+手動微調相比純人工排程，常能將規劃時間從數小時縮減至數分鐘。
    • 精準平衡多目標:同時考慮交期、成本與稼動率，以量化方式權衡，排程師可依需選擇最合適的方案。
    • 靈活應變:結合 AI 與人機協作，快速響應急單與突發狀況，提高準時交期率。
    • 持續優化:每次微調記錄都可回饋至 GA 適應度函數，演算法隨時間學習臨場智慧，方案品質不斷進化。

4.4.4 小節

        本節所述的GA智慧排程，將先進的基因演算法與直覺易用的RWD微調介面緊密結合，實現了「AI 預排 + 人工微調」、「批量優化 + 緊急彈性」的最佳平衡，為塑膠射出成型產業提供了一套兼具效率、準確與靈活的次世代排程解決方案。

4.5 行動倉儲RWD網頁式App

        在現代化智慧工廠環境中，效率與精準並重，任何需切換至桌面系統的環節都會成為瓶頸。本節介紹一款專為射出成型與倉儲場景設計的行動優先庫存管理 App—透過 QR Code 掃描與 One-Tap 操作，實現從物料領用、盤點到成品入庫的全流程無縫銜接。

4.5.1 即時物料追溯與動態查詢

圖 4.5-1:物料查詢

• • • QR Code 深度整合:料箱／貨架標籤上嵌入唯一識別碼，掃描即可獲取品號、批次、庫存狀態、有效期與供應商資訊。
    • 跨系統同步:前端行動App即時呼叫RESTful API，查詢WMS或ERP中的實時庫存數據，保證資訊一致性。

4.5.2 倉庫收料:一鍵完成入庫登錄

圖 4.5-2:倉庫收料

• • • 倉庫收料:一按即OK，免浪費時間打ERP進料單。
    • 自動驗證與入庫:掃描到貨單或包裝箱 QR Code 後，一鍵觸發API，系統自動校核採購訂單與質檢結果，完成上架建單與庫存調整。
    • 精細權限控制:結合0與角色RBAC，僅授權倉管人員可進行收料操作，並於後端日誌中完整記錄操作審計軌跡。

4.5.3 即時盤點與動態差異調整

圖 4.5-3:即時盤點

• • • 掃描與核對:支持多掃模式，一次性掃描整排貨架，App即時計算盤點結果並與系統庫存比對。
    • 差異預警:當實盤數量與系統值不符時，自動標示並推送異常通知給管理者，支援現場調整與後台審核。
    • 盤點報表生成:盤點結束後即時上傳至ERP，系統生成標準化盤點報表（CSV／PDF）。

4.5.4 成品入庫與追溯管理

圖 4.5-4:塑膠射出客製化入庫

• • • 工單關聯:掃描包裝袋或格欄上的QR Code，即可自動關聯生產工單號、機台編號與成品批次。
    • 上層系統對接:成品入庫資料通過API同步至MES、ERP或雲端履歷庫，實現從生產到出貨的全鏈路可視化。

4.5.5 小節

• • • 零切換成本:全手機化操作，免除切回ERP／WMS的繁瑣，提高一線人員效率
    • 高度可靠:端到端加密與細粒度授權，確保盤點、收料、入庫資料的安全合規
    • 無縫集成:與現有企業系統 API 無縫對接，快速部署，輕量升級。

        此行動倉儲App，將生產、倉儲緊密串連，以QR Code為中樞，高效賦能現場作業，構築智慧工廠的最後一哩。