稳态制造效率产生方法及系统与流程

本发明中所述实施例内容是有关于一种制造效率产生方法以及系统，且特别是有关于一种稳态制造效率产生方法以及系统。

背景技术：

在现有技术中，若欲计算一制品的稳态制造效率，会对所有在不同时间点所取得的效率值进行计算。然而，当制造过程中的某一时间点发生异常，透过上述方式所计算出来的制品的稳态制造效率将会不精准。而另一种方式是利用核密度估计法(Kernel Density Estimation；K.D.E)以计算一制品的稳态制造效率。然而，当利用K.D.E计算产品的稳态制造效率时，所有在不同时间点所取得的效率值皆需被计算，使得计算时间及计算负担非常庞大。

技术实现要素：

有鉴于此，本发明提出一种稳态制造效率产生方法及稳态制造效率产生系统，借以解决先前技术所述及的问题。

本发明的一实施方式是关于一种稳态制造效率产生方法。稳态制造效率产生方法包含：依据多个历史效率值产生一即时分群参数组；依据即时分群参数组对对应于一制品的多个即时效率值进行分群，以产生多个即时效率群；选择包含最多即时效率值的即时效率群作为一稳态效率群；以及依据稳态效率群中所述即时效率值的平均值产生一稳态制造效率值。

本发明的另一实施方式是关于一种稳态制造效率产生系统。稳态效率产生系统包含一分群参数产生模块以及一稳态效率产生模块。分群参数产生模块用以依据多个历史效率值产生一即时分群参数组。稳态效率产生模块用以依据即时分群参数组对对应于一制品的多个即时效率值进行分群以产生多个即时效率群，选择包含最多即时效率值的即时效率群作为一稳态效率群，且依据稳态效率群中所述即时效率值的平均值产生一稳态制造效率值。

综上所述，本发明中的稳态制造效率产生方法以及系统是依据即时分群参数组对多个即时效率值进行分群，且只有部分的即时效率值会被用以计算稳态制造效率，因此可节省计算时间。另外，即时分群参数组是依据多个历史效率值所产生，因此即时分群参数组针对分群方面极具有参考价值。再者，由于包含最多即时效率值的即时效率群被选作稳态效率群以计算稳态制造效率，因此异常效率值不会包含在稳态效率群中，使得异常效率值不会被用来计算稳态制造效率，进而提高稳态制造效率的准确性。

附图说明

为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说明如下：

图1是依照本发明一实施例所绘示的一种稳态制造效率产生系统的示意图；

图2是依照本发明一实施例所绘示的一种稳态制造效率产生方法的流程图；以及

图3A～3D是依照本发明一实施例所绘示的稳态制造效率的计算的示意图。

具体实施方式

下文是举实施例配合所附附图作详细说明，但所提供的实施例并非用以限制本发明所涵盖的范围，而结构运作的描述非用以限制其执行的顺序，任何由元件重新组合的结构，所产生具有均等功效的装置，皆为本发明所涵盖的范围。此外，附图仅以说明为目的，并未依照原尺寸作图。为使便于理解，下述说明中相同元件或相似元件将以相同的符号标示来说明。

图1是依照本发明一实施例所绘示的一种稳态制造效率产生系统100的示意图。如图1所示，在一些实施例中，稳态制造效率产生系统100包含分群参数产生模块111及稳态效率产生模块112。稳态效率产生模块112耦接分群参数产生模块111。分群参数产生模块111用以依据多个历史效率值产生一即时分群参数组。稳态效率产生模块112用以依据即时分群参数组对对应于一制品的多个即时效率值进行分群以产生多个即时效率群。稳态效率产生模块112 用以选择包含最多即时效率值的即时效率群作为稳态效率群。稳态效率产生模块112用以依据稳态效率群中所述即时效率值的平均值产生制品的稳态制造效率值。在一些实施例中，稳态效率产生模块112是利用“数据分箱技术(data binning technique)”产生即时分群参数组及对所述即时效率值进行分群。

由于稳态制造效率产生系统100是依据即时分群参数组对多个即时效率值进行分群，且只有部分的即时效率值会被用以计算稳态制造效率，因此可节省计算时间。另外，即时分群参数组是依据多个历史效率值所产生，因此即时分群参数组针对分群方面极具有参考价值。再者，由于包含最多即时效率值的即时效率群被选作稳态效率群以计算稳态制造效率，因此异常效率值不会包含在稳态效率群中，使得异常效率值不会被用来计算稳态制造效率，进而提高稳态制造效率的准确性。

在一些实施例中，稳态制造效率产生系统100还包含稳态效率预测模块113。稳态效率预测模块113耦接稳态效率产生模块112及分群参数产生模块111。在一些实施例中，稳态制造效率产生系统100还包含即时效率监控模块114。即时效率监控模块114耦接稳态效率预测模块113及稳态效率产生模块112。在一些实施例中，稳态制造效率产生系统100还包含即时数据接收模块115。即时数据接收模块115耦接即时效率监控模块114及稳态效率产生模块112。在一些实施例中，稳态制造效率产生系统100还包含数据库120。数据库120可例如是储存装置或云端伺服器。数据库120耦接分群参数产生模块111、稳态效率产生模块112、稳态效率预测模块113及即时数据接收模块115。

关于本文中所使用的“耦接”，可指二或多个元件相互“直接”作实体或电性接触，或是相互“间接”作实体或电性接触，亦可指二个或多个元件相互操作或动作。

如上所述的分群参数产生模块111及稳态效率产生模块112、稳态效率预测模块113、即时效率监控模块114及即时数据接收模块115，其具体实施方式可为软件、硬件与/或固件。举例来说，若以执行速度及精确性为首要考量，则上述模块基本上可选用硬件与/或固件为主；若以设计弹性为首要考量，则上述模块基本上可选用软件为主；或者，上述模块可同时采用软件、硬件及固件协同作业。应了解到，以上所举的这些例子并没有所谓孰优孰劣之分，亦并非用以限制本发明，熟悉此项技艺者当视当时需要，弹性选择上述模块的具体 实施方式。在一些实施例中，分群参数产生模块111及稳态效率产生模块112、稳态效率预测模块113、即时效率监控模块114及即时数据接收模块115可整合至处理装置中。处理装置包含中央处理器、控制元件、微处理器或其他可执行指令的硬件元件。在一些其他实施例中，分群参数产生模块111及稳态效率产生模块112、稳态效率预测模块113、即时效率监控模块114及即时数据接收模块115可被实作为计算机程序且储存于储存装置中。储存装置包含非暂态计算机可读取记录媒体或其他具有储存功能的装置。此计算机程序包括多个程序指令。所述程序指令可由中央处理器来执行，以执行各模块的功能。

图2是依照本发明一实施例所绘示的一种稳态制造效率产生方法200的流程图。如图2所示，稳态制造效率产生方法200包含步骤S202、步骤S204、步骤S206及步骤S208。图2中的稳态制造效率产生方法200可应用于图1中的稳态制造效率产生系统100。

如图1及图2所示，在步骤S202中，分群参数产生模块111用以依据多个历史效率值H1～Hn产生即时分群参数组X(Xm，Xb)。Xm代表位移长度，而Xb代表分群宽度。历史效率值H1～Hn被储存于数据库120中。在一些实施例中，历史效率值H1～Hn皆对应于相同的制品。在一些实施例中，历史效率值H1～Hn的部分对应于相同的制品。

为便于了解的目的，以下将以历史效率值H1～Hn皆对应于相同的制品(制品P)为例进行说明。举例来说，在过去一段时间期间中，制品P被制造了三次。此时间期间可例如为一季、半年、一年或一个产品世代，但不以此些为限制。历史效率值H1～H5是第一次制造过程中于五个时间点的制造效率。历史效率值H6～H10是第二次制造过程中于五个时间点的制造效率。历史效率值H11～H15是第三次制造过程中于五个时间点的制造效率。分群参数产生模块111会先依据历史分群参数组(Xm1，Xb1)对历史效率值H1～H5进行分群。Xm1代表位移长度，且Xb1代表分群宽度。

分群参数产生模块111对历史效率值H1～H5进行分群，以产生多个历史效率群。假设位移长度Xm1为0.1且分群宽度Xb1为0.3。如此，第一历史效率群的范围为0～0.3、第二历史效率群的范围为0.1～0.4、第三历史效率群的范围为0.2～0.5，以此类推。若历史效率值H1为0.05、历史效率值H2为0.35、历史效率值H3为0.40、历史效率值H4为0.45、历史效率值H5为0.50。此 时，第一历史效率群包含历史效率值H1。第二历史效率群包含历史效率值H2及历史效率值H3。第三历史效率群包含历史效率值H2、历史效率值H3、历史效率值H4及历史效率值H5。换言之，第三历史效率群包含最多历史效率值，而第二历史效率群包含次多历史效率值。需特别注意的是，在一些实施例中，两历史效率群之间会重叠。也就是说，一历史效率值可能会包含于两个或多个历史效率群中。而在一些其他实施例中，两历史效率群之间不会重叠。两历史效率群之间是否重叠是基于历史分群参数组的设计。

另外，在上述举例中，第一历史效率群的平均值为0.05，第二历史效率群的平均值为0.375，且第三历史效率群的平均值为0.425。换言之，第三历史效率群的平均值为最大，而第二历史效率群的平均值为次大。在这种情况(包含最多历史效率值的历史效率群的平均值大于包含次多历史效率值的历史效率群的平均值)下，历史分群参数组(Xm1，Xb1)即为制品P的第一次制造过程的准即时分群参数组。

另外，分群参数产生模块111会分别利用其它历史分群参数组(Xm2，Xb2)～(Xmn，Xbn)对历史效率值H1～H5进行分群。需特别注意的是，可能有多个历史分群参数组为制品P的第一次制造过程的准即时分群参数组。

另外，分群参数产生模块111亦会分别利用上述所述历史分群参数组(Xm1，Xb1)～(Xmn，Xbn)对历史效率值H6～H10进行分群，以取得一或多个制品P的第二次制造过程的准即时分群参数组。需特别注意的是，可能有多个历史分群参数组为制品P的第二次制造过程的准即时分群参数组。另外，分群参数产生模块111亦会分别利用上述所述历史分群参数组(Xm1，Xb1)～(Xmn，Xbn)对历史效率值H11～H15进行分群，以取得一或多个制品P的第三次制造过程的准即时分群参数组。需特别注意的是，可能有多个历史分群参数组为制品P的第三次制造过程的准即时分群参数组。

当一历史分群参数组符合准即时分群参数组的机率最大时，此历史分群参数组将被选择作为即时分群参数组。举例来说，若历史分群参数组(Xm1，Xb1)是制品P的第一次制造过程的准即时分群参数组，且历史分群参数组(Xm1，Xb1)亦是制品P的第二次制造过程的准即时分群参数组，但其它历史分群参数组皆仅是制品P的第二次制造过程的准即时分群参数组，历史分群参数组(Xm1，Xb1)将被选择作为即时分群参数组(Xm，Xb)。

在一些实施例中，当经过一预定时间后，分群参数产生模块111可重新决定即时分群参数组。预定时间可例如为一季、半年、一年或一个产品世代，但不以此为限制。

在步骤S204中，当即时分群参数组被决定之后，稳态效率产生模块112会依据即时分群参数组对对应于一制品的多个即时效率值R1～Rn进行分群以产生多个即时效率群。需特别注意的是，即时效率值R1～Rn所对应的制品可以是制品P或其它制品。换句话说，在一些实施例中，即时效率值R1～Rn可以是制品P于n个时间点的制造效率值。在一些其他实施例中，即时效率值R1～Rn可以是其他种制品于n个时间点的制造效率值。

图3A～3D是依照本发明一实施例所绘示的稳态制造效率的计算的示意图。举例来说，假设即时分群参数组(Xm，Xb)中的位移长度Xm为0.1且分群宽度Xb为0.3。即时效率群G1的范围为0～0.3、即时效率群G2的范围为0.1～0.4、即时效率群G3的范围为0.2～0.5、即时效率群G4的范围为0.3～0.6，以此类推。

在步骤S206中，稳态效率产生模块112用以选择包含最多即时效率值的即时效率群作做为稳态效率群。在步骤S208中，稳态效率产生模块112用以依据稳态效率群中所述即时效率值的平均值产生稳态制造效率值E。

举例来说，如图3A所示，稳态效率产生模块112于第一时间点接收到的即时效率值R1是0.32。稳态效率产生模块112将会判断出即时效率值R1同时属于即时效率群G1、即时效率群G2及即时效率群G3。此时，稳态制造效率为0.32。

接着，如图3B所示，稳态效率产生模块112于第二时间点接收到的即时效率值R2是0.15。稳态效率产生模块112将会判断出即时效率值R2同时属于即时效率群G1及即时效率群G2。此时，由于即时效率群G2包含最多即时效率值，因此稳态效率产生模块112将会选择即时效率群G2作为稳态效率群。此时，即时效率群G2中所述即时效率值的平均值即为稳态制造效率。也就是说，稳态制造效率变成0.235。

接着，如图3C所示，稳态效率产生模块112于第三时间点接收到即时效率值R3是0.29。稳态效率产生模块112将会判断出即时效率值R3同时属于即时效率群G1、即时效率群G2及即时效率群G3。也就是说，稳态效率产生 模块112将会判断出即时效率值R3属于稳态效率群(即时效率群G2)。此时，由于即时效率群G2仍包含最多即时效率值，稳态效率产生模块112会依据目前的稳态制造效率值E(0.235)、即时效率群G2中旧即时效率值的数量N(2)及新即时效率值R(0.29)产生新稳态制造效率值E’，如公式(1)。如此一来，稳态制造效率值被更新成0.253。

E'＝(E×N+R)/(N+1) (1)

如此一来，当有新即时效率值被接收时，稳态效率产生模块112不用对所有即时效率值重新计算，以提升计算速度。

接着，如图3D所示，稳态效率产生模块112于第四时间点接收到的即时效率值R4是0.49。稳态效率产生模块112将会判断出即时效率值R4同时属于即时效率群G3及即时效率群G4。此时，即时效率群G2及即时效率群G3皆包含最多即时效率值。稳态效率产生模块112可利用公式(1)计算出即时效率群G2及即时效率群G3中所述即时效率值的平均值。即时效率群G2的平均值为0.253，而即时效率群G3的平均值为0.367。接着，稳态效率产生模块112将会选择平均值最大的即时效率群作为稳态效率群。也就是说，稳态效率产生模块112将会选择即时效率群G3作为稳态效率群。此时，稳态制造效率值将依据即时效率群G3的平均值而被更新为0.367。

如图1所示，即时数据接收模块115用以接收即时效率值R1～Rn以及至少一制品特征A。举例来说，即时效率值R1～Rn可对应于一制品于n个时间的制造效率，而制品特征A可以是此制品的规格、材料、制造商、制造设备等。即时效率R1～Rn及制品特征A被储存于数据库120中。当即时效率值R1～Rn储存于数据库120中一预设时间后，即时效率值R1～Rn会转变成历史效率值H1～Hn。此预设时间可例如为一季、半年、一年或一个产品世代，但不以此些为限制。

在一些实施例中，由稳态效率产生模块112所产生的稳态制造效率值E亦会被传送至数据库200。数据库120可用以储存稳态制造效率值E与制品特征A之间的一对应关系。举例来说，一个制品对应于制品特征A，且此制品对应于稳态制造效率值E。如此一来，稳态制造效率产生系统100可判断出哪一个制品具有最高的稳态制造效率值E。当制造商欲产生一新制品时，可依据数据库120中的数据决定此新制品的制品特征(例如：规格)，进而提高此新 制品的制造效率。

另外，数据库200中的多个稳态制造效率E以及对应于所述稳态制造效率E的多个制品特征A会被传送至稳态效率预测模块113。稳态效率预测模块113可依据所述稳态制造效率E、所述制品特征A及事例学习法(instance-based learning)建立一稳态效率预测模型。在一些实施例中，稳态效率预测模块113是利用其他建模方法建立稳态效率预测模型。如此，当即时数据接收模块115接收到一预测制品的制品特征A’时，稳态效率产生模块112可用以判断制品特征A’是否为制品特征A。若否，制品特征A’将被认为是新制品特征。接着，稳态效率产生模块112可用以将新制品特征A’传输至稳态效率预测模块113。而稳态效率预测模块113可依据新制品特征A’及稳态效率预测模型产生此预测制品的预测稳态效率值B。在一些实施例中，稳态效率预测模块113会利用例如回归法、内插法或其他方法挑选出与新制品特征A’较为相近的多个制品特征A，且依据被挑选出的制品特征A以及对应于所述被挑选出的制品特征A的多个稳态制造效率E建立稳态效率预测模型。如此一来，稳态效率预测模型将是适合用来预测此预测制品的预测稳态效率值B。而制造商可依据预测稳态效率值B推算出制品的制造时程。当预测稳态效率值B愈准确时，推算出来的制造时程亦将愈准确，而制造商的报价亦可愈准确。如此一来，违约发生的机率可降低。

在一些实施例中，当稳态效率产生模块112判断出制品特征A’为新制品特征时，稳态效率产生模块112会将图3A中的即时效率群G1～G4中的数值清空，且重新产生即时分群参数组。

在一些实施例中，如图1所示，即时效率监控模块114依据来自即时数据收集模块115的即时效率值R1～Rn、来自稳态效率产生模块112的稳态制造效率值E以及来自稳态效率预测模块113的预测稳态效率值B判断一异常事件是否发生。举例来说，当制造设备发生异常时，即时效率值R1～Rn小于稳态制造效率值E，且即时效率值R1～Rn亦小于预测稳态效率值B时。此时，即时效率监控模块114可发出一警示信号，以提醒相关人员进行异常排除。如此一来，可减少低效率的状况发生，并加速制品的制造效率。

综上所述，本发明中的稳态制造效率产生方法以及系统是依据即时分群参数组对多个即时效率值进行分群，且只有部分的即时效率值会被用以计算稳态 制造效率，因此可节省计算时间。另外，即时分群参数组是依据多个历史效率值所产生，因此即时分群参数组针对分群方面极具有参考价值。再者，由于包含最多即时效率值的即时效率群被选作稳态效率群以计算稳态制造效率，因此异常效率值不会包含在稳态效率群中，使得异常效率值不会被用来计算稳态制造效率，进而提高稳态制造效率的准确性。

虽然本发明已以实施方式揭露如上，然其并非用以限定本发明，任何本领域具通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的权利要求书所界定的范围为准。