規劃工廠數位轉型時，常會同時聽到 ERP、MES、SCADA、PLC、IIoT、OEE、API 與 Dashboard。這些名詞看起來都和「資料」「智慧製造」有關，卻不是同一類東西。
有些是管理系統，有些是設備控制器；有些描述資料交換方式，有些只是計算指標；Dashboard 則負責呈現資訊，本身通常不是原始資料來源。若沒有先釐清角色，企業可能買了功能很多的系統，最後仍無法回答真正的管理問題。
先分清楚四種概念
在逐一看名詞前，可以先把它們分為四類：
- 系統：ERP、MES、SCADA、Historian、BI 等，負責管理、處理或保存特定資料。
- 設備與控制：PLC、感測器、機台控制器等，直接接觸現場訊號與動作。
- 架構與介面：IIoT、API、Edge Gateway 等，描述設備或系統如何連線、交換與處理資料。
- 指標與畫面：OEE 是計算指標，Dashboard 是呈現與互動介面。
因此，「導入 OEE」可能代表先定義計算方式、收集生產資料，再用 Dashboard 顯示結果；它不一定等於購買一套名為 OEE 的軟體。
從工廠資料層級理解常見名詞
ERP：企業資源規劃
ERP 是 Enterprise Resource Planning，中文常譯為企業資源規劃。它通常管理較上層的企業資源與交易，例如訂單、採購、庫存、財務、人力與成本。
ERP 擅長回答：
- 客戶訂單與需求是多少？
- 原料與成品庫存是否足夠？
- 採購、出貨與財務狀態如何？
- 生產需要哪些物料與資源？
ERP 可以產生生產需求或工單，但未必能直接知道機台當下是否停機、某一站已完成多少數量。這些現場執行資訊通常需要 MES 或其他生產管理機制補足。
MES：製造執行系統
MES 是 Manufacturing Execution System，中文為製造執行系統。它位於企業計畫與生產現場之間，關注工單如何被執行、追蹤與回報。
MES 常見功能包含：
- 工單派工與進度追蹤。
- 人員、設備與物料使用紀錄。
- 生產數量、不良與報廢回報。
- 製程、批次與生產履歷。
- 現場異常與電子表單。
不是每一家工廠都需要一次導入完整 MES。若目前最急迫的問題只是每日產量與停機資訊分散，也可以先建立較小範圍的資料庫與 Dashboard，驗證流程後再擴大。
SCADA：監控與資料採集
SCADA 是 Supervisory Control and Data Acquisition，中文通常稱為監控與資料採集系統。它主要面向設備與製程，呈現即時狀態、趨勢、警報與操作畫面。
SCADA 常見於連續製程、公用系統、能源設備或需要集中監控的場域。它可以顯示溫度、壓力、流量、開關狀態與警報，但不一定包含訂單、成本、庫存或完整工單管理。
SCADA 是否允許遠端控制，需要依製程風險、權限與安全設計決定；「能看」與「能控制」不應視為相同權限。
PLC：可程式控制器
PLC 是 Programmable Logic Controller，可程式控制器。它直接讀取感測器與按鈕訊號，依控制程式驅動馬達、閥件、輸送帶或其他設備。
PLC 的首要任務是穩定控制設備，不是製作主管報表。取得 PLC 資料時，應先確認通訊協定、點位意義、取樣頻率及是否會影響控制系統負載；也不應為了資料採集而任意修改既有控制程式。
Sensor 與 Machine Controller：資料最前端
感測器負責量測溫度、壓力、電流、震動、流量或位置等物理量；機台控制器則可能由設備原廠提供，內部資料格式與開放程度各不相同。
「機台有螢幕」不代表資料能被外部系統取得。導入前應確認是否有通訊介面、資料權限、原廠限制、時間戳記與斷線補傳能力。
連接資料時常見的名詞
IIoT：工業物聯網
IIoT 是 Industrial Internet of Things，工業物聯網。它不是單一產品，而是一種讓設備、感測器、閘道器與系統交換資料的架構概念。
一套 IIoT 架構可能包含：
- 感測器與設備控制器。
- 工業通訊協定。
- Edge Gateway 邊緣閘道器。
- 訊息平台或資料庫。
- 雲端或地端應用。
- 帳號、憑證、監控與資安機制。
連上網路只是第一步；若資料沒有設備代碼、時間、單位、品質狀態與使用情境，仍然難以產生管理價值。
Edge Gateway：邊緣閘道器
Edge Gateway 位於設備與上層系統之間，可負責協定轉換、資料整理、暫存、過濾與安全傳輸。當設備使用不同協定，或工廠不希望所有原始訊號直接送往雲端時，閘道器特別重要。
選擇時要確認支援的協定、點位數、資料保存時間、斷線補傳、遠端更新、帳號權限與維護責任，而不是只看硬體規格。
API：應用程式介面
API 是 Application Programming Interface，應用程式介面。它定義不同系統如何提出請求與交換資料，例如 Dashboard 向 MES 取得工單進度，或 ERP 將訂單資訊傳給生產系統。
有 API 不代表整合一定簡單，仍需確認：
- 可讀取與寫入哪些資料。
- 欄位、格式與代碼是否一致。
- 更新頻率、容量與錯誤處理。
- 驗證方式與權限。
- 版本變更與維護責任。
API 是交換資料的門，不是資料品質的保證。
Historian：時序歷史資料庫
Historian 常用於保存設備與製程的時間序列資料，例如每分鐘溫度、壓力、電流與設備狀態。它擅長處理大量帶有時間戳記的數值，並支援趨勢查詢。
它與一般交易資料庫的用途不同。工單、使用者、簽核與庫存異動通常適合關聯式資料庫；高頻設備訊號則可能由 Historian 或時序資料庫保存。實際架構可依資料量、查詢需求與成本搭配。
指標與呈現工具
OEE：整體設備效率
OEE 是 Overall Equipment Effectiveness，整體設備效率，通常由三個部分組成：
- 稼動率：計畫生產時間中，設備實際運轉的比例。
- 性能效率：實際生產速度相較理想速度的程度。
- 良率：合格品占總生產數量的比例。
三者相乘形成 OEE，但每一項的時間邊界、停機分類、理想週期與良品定義都必須先約定。若不同班別使用不同算法，數字即使精確到小數點，也無法公平比較。
OEE 是協助找出損失的指標，不是單獨判斷工廠績效的唯一答案。產品組合、換線頻率、訂單狀況與設備角色都會影響解讀。
Dashboard：管理儀表板
Dashboard 是將資料整理成指標、趨勢、狀態與警示的互動畫面。它可以同時讀取 ERP、MES、SCADA、資料庫或 Excel，但本身不會自動修正錯誤資料。
有效的 Dashboard 應該回答：
- 使用者目前需要做什麼決策？
- 數字來源與最後更新時間為何？
- 異常能否向下追查原因？
- 發生紅燈後，誰負責處理與結案？
若只把所有資料塞進一個大螢幕，畫面可能很豐富，卻無法縮短決策與處理時間。
BI：商業智慧
BI 是 Business Intelligence，商業智慧，泛指資料分析、報表與互動探索工具。BI 與 Dashboard 常重疊，但 BI 通常更強調跨資料來源分析、鑽取與自助式報表。
選用 BI 工具前，仍應先建立資料模型、權限與指標定義。工具可以加快分析，卻不會自動理解各部門對「產量」「完工」或「停機」的不同定義。
OT 與 IT 為什麼需要一起討論
OT 是 Operational Technology，營運技術，包含控制與監測實體製程的設備與系統；IT 是 Information Technology，資訊技術，通常負責企業資訊、應用服務、帳號與網路。
兩者的優先順序可能不同：IT 常重視機密性、完整性與可用性；OT 現場往往先考慮人員安全、製程穩定與設備可用性。數位轉型會讓兩者連結更緊密，因此需要共同決定網路區隔、帳號、更新、備份、遠端維護與事件處理方式。
怎麼判斷目前需要哪一種工具
不要先問「ERP、MES 或 SCADA 哪個最好」，可以依問題反推：
- 訂單、採購、庫存與成本不一致：先檢查 ERP 與主檔流程。
- 工單進度、在製品與生產履歷不清楚：評估 MES 或生產追蹤方案。
- 設備狀態、製程數值與警報無法集中查看：評估 SCADA 或設備資料採集。
- 不同設備協定無法整合：評估 IIoT 架構與 Edge Gateway。
- 已有資料但主管無法快速判斷：整理指標並建立 Dashboard／BI。
- 想改善設備損失：先定義 OEE 與停機分類，再決定採集與呈現工具。
- 系統彼此重複輸入：盤點 API、資料責任與整合流程。
同一間工廠可能需要多種工具，也可能只需要先把既有資料可靠整合。選擇的依據不是名詞是否熱門，而是問題、資料、使用者、更新速度與責任流程。
常見誤解
- ERP 已上線，所以現場資料一定完整。
- MES 可以直接取代所有 ERP、SCADA 與設備控制。
- 機台有網路孔，就一定能取得可用資料。
- Dashboard 上有即時數字，資料就一定正確。
- OEE 越高越好，不需要考慮產品與訂單情境。
- 有 API 就能直接整合，不需要統一欄位與權限。
- OT 系統不能停機，所以不需要更新、備份或資安管理。
結論
理解工廠數位轉型名詞的重點，不是背縮寫，而是知道它們在資料流中負責哪一段。
- ERP 管企業資源，MES 管生產執行。
- SCADA 監看製程，PLC 控制設備。
- IIoT 與 API 協助連線與交換資料。
- Historian 保存時間序列，OEE 衡量設備損失。
- Dashboard／BI 呈現與分析資訊，但不取代資料治理。
- OT 與 IT 必須共同確保系統安全、穩定且可維護。
對應服務 CTA
若您的工廠正評估 ERP、MES、設備聯網或 Dashboard，禹芃科技可協助先盤點管理問題、資料來源與既有系統，釐清需要補強的是採集、整合、指標還是畫面，再規劃可逐步擴充的智慧工廠／Dashboard 方案。