工业4.0，也有人将之称为第四次工业革命，从德国率先提出这个说法以来，全球随之兴起，各国开始有了自己的“口号”，包括美国推动“先进制造伙伴计划(AMP)”、中国主打“智能制造2025”等，以及日本、韩国、法国、英国，工业4.0的概念遍地开花。

智能工厂驱动全球经济

智能工厂是推动工业4.0的重要引擎，借助物联网、机器人、大数据、人工智能等技术，不仅可借此提高生产力与制造效率，更同时也成为驱动全球经济的一股力量。国际管理顾问公司Capgemini发布一项研究调查报告，该报告针对营收超过10亿美元的制造商进行调查，根据这份报告中的数据指出，制造商预期对于智能工厂的投资，将在未来五年内促使制造效率提高达27%，相较于1990年代的速度增长有七倍之多，不仅如此，这也将挹注全球经济高达5000亿美元，甚至可望来到1.5兆美元的惊人价值。

智能工厂成为全球产业迈向工业4.0的过程当中，必然历经的转型过程，目前各国也都在加速智能工厂的建置，该报告还指出，预估到了2022年底，在这些制造商的工厂当中，将有21%的比例将会是一座又一座的智能工厂。

而若从目前各国布署情况来看，如美国、德国、法国及英国等这些在早期便已投入智能工厂计划的国家，已有半数着手转型智能工厂，但在印度及中国却仅有28%及25%。

德国虽一向被认定为全球制造业的标竿，但现阶段也无一家企业可以达到真正4.0的水平，那么我们的企业也就更不用说了。更何况转型工业4.0的确不是件容易的事，由于过去各部门分工精细，从营运层、管理层、现场端等各自为政，但因工业4.0诉求软硬件、跨部门垂直整合，且每一家企业在导入的诉求上皆有所不同，从确保企业各部都能够掌握整个流程运作，就已非易事了，何况后续还得深入研究技术层面执行的问题。

“迈向工业4.0实是一段漫长的过程，不可能一蹴可及，即便是如鸿海、英业达已及堪称『最接近4.0』的台积电等大厂，也不敢自称完全达到工业4.0。”

面对台湾企业的现况，鼎新计算机副总裁潘泰龢与陈慈婷皆一致这么认为。

但当企业欲导入工业4.0时，首要面对的却是“不知道自己能做些什么。”博世工厂自动化销售协理陈俊隆就观察到，发展工业4.0最大的阻碍，是来自于客户的需求不明确。台湾的制造业也面临了相同的问题，大家都不知道自己应该如何着手，所以他们需要一个有相当制造经验的专家，去检视工厂内部的问题点是什么，并且如何优化。若是这一类的厂商不能明确的了解自身需求，那么即可能产生需求方与供给方的落差。

而对于智能工厂，鸿海集团副总裁吕芳铭也表示，企业真正的根本在于“核心”，也就是自身的实力，最重要的是要把本业做好，强化企业的运作与提升竞争力，再加上物联网等科技方法的协助，才能“如虎添翼”，否则只会画虎不成反类犬，沦为一只“蝙蝠”。

图一 : 智能工厂是推动工业4.0的重要引擎，不仅可借此提高生产力与制造效率，同时也成为驱动全球经济的一股力量。(Source：shmds)

关灯工厂≠智能工厂

谈到智能工厂的发展，机器人可以说是其核心装备之一，尤其在现今劳动人口缺乏的情况下，工业机器人更是替代人力的不二首选。不论是传统工业机器人到现今越来越广泛使用的协作型机器人，目的都是在为整个工厂提升生产效能。

根据国际机器人联合会(IFR)的报告指出，截至2019年，全球部署的工业机器人将会增加到260万台，这比过去写下新纪录的2015年时期又增加了约一百万台。而从行业区分，则有70%的工业机器人被应用在汽车、电子及金属机械等领域较多，可视为需求最为强劲的市场。

被外界誉为智能工厂的标竿，鸿海集团的关灯工厂目前朝第六座迈进，预计年底将成立。这些关灯工厂手中握有6万台工业机器人大军实现全自动化生产线，规模堪称全球之最，但即便如此，鸿海也不敢自诩自己走在“工业4.0”上，而是称自己在“工业3.5”的阶段。

许多人在定义工业4.0的时候，大部分都会认为应是一座充满全自动化的工厂。但事实上，一间全自动化的工厂并不能代表即是智能制造，因为自动化技术从过去到现在持续不断演进，并不是应对工业4.0的浪潮下所应运而生。国际工业大数据专家李杰就说，“自动化”可以取代人力执行重复性的工作，把做不好的工作做好，但“智慧化”却可以做到人力不能做的事情，甚至做得更好。

对于智能制造，我们应该着重思考的是“智慧化”而非自动化。鼎新集团副总裁潘泰龢表示，推动智慧化的关键就在于人工智能，赋予机器如人的大脑般具有分析、思考、推论、决策的能力，未来不需要人类在一旁监看，也能做出相应且合适的决策，这才是真正关灯工厂的意义。吕芳铭在今年Computex2017展会上也曾表示，鸿海发展关灯工厂的下一步，就是要透过大数据、人工智能等技术实现智能化。

图二 : 被外界誉为智能工厂的标竿，鸿海集团的关灯工厂目前朝第六座迈进，预计年底将成立。

人工智能领衔机器人

不过人工智能的定义很广泛，这当中由许多技术集结而成，尤以工业机器人而言，机器学习的应用十分重要。比较浅显的说法，就是让机器人去模拟或实现人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使其不断改善自身的性能。

领军全球工业机器人的制造商库卡(KUKA)表示，人工智能可协助机器人适应环境所带来的不确定性与任何变动。不仅工业环境，机器人势必还会进入其他应用领域，如专业服务型机器人或一般服务型机器人，这些机器人的对象则变成一般大众，因此必须变得更加灵活、更具调性，而此时，机器学习将会派上用场，协助这类型的机器人对于应用领域所需的专业技能更加熟稔与迅速适应私人环境。

结合人工智能技术的机器人，库卡便透过开放模式来收集并解读数据，并借助Microsoft Azure云端平台对这些数据进行分析。而库卡目前也正在针对许多项目进行研究中，例如RobDream。在RobDream中，机器人能够在停工阶段提升自己的能力进行优化，和人类一样处理发生的事情，并从经验中学习，像是针对算法进行情境相关的优化与配置。

对于库卡而言，有一个特别重视的市场，就是电子业。原因在于现今市场上有越来越多电子产品推陈出新，许多业者因此必须加快产品的开发速度、缩短产品生命周期来迎战对手，因此产线需具备高度的灵活性以满足快速变化的生产需求，但此同时，又必须要求成本尽可能维持在最低的水平，库卡表示：“这正是我们的机器人发挥作用的地方!”。

日本工业领域人工智能专家Tomi则认为，机器学习可为将来生产线带来一些重大变化，“它正在改革整个制造环境”。例如，透过机器视觉代替过去以肉眼进行检查作业，这种方式是透过把工程师的人工检测经验转化为深度学习算法去实现无人化检测。或是大幅改善工业机器人在进行零件分捡的作业性能，经过机器学习后，机器人即可知道每次的动作是成功或是失败，亦或是移动到哪个位置会有更高的成功率等，根据实验证实，机器人在历经8小时的学习后，分捡成功率竟可达到90%，这已和一名纯熟的作业人员拥有相当的水平。

甚至，更可作为工业机器人的故障感知，在异常前预测，从而避免机器故障带来的损失和影响。现在的工业机器人大多配有传感器来搜集正常或异常工作时的波型、电流等讯息，而透过机器学习后，通过反复观测到的波型，可以检测到人类难以感知的细微变化，并在机器人彻底故障前就提出预警。

图三 : 人工智能赋予机器如人的大脑般具有分析、思考、推论、决策的能力，未来不需要人类在一旁监看，也能做出相应且合适的决策。(Source：CBC.ca)

工业4.0发展至今仍无标准化的架构，为此也在执行上增加不小的难度，面对智能制造的转型，企业在踏出第一步前，必须先了解自己最主要的需求为何，而非仅仅追求百分百的自动化生产流程。而诸如人工智能等新技术的出现，或许一般中小企业或传统产业等“门外汉”对此并不了解，因此最好的方法，还是不要自行关起门来做，而是诉求专业分工，借助如系统整合商的专业技术协助导入，以达到优化的效果。