發生什麼事？
過去三年因疫情、俄烏戰爭陸續爆發，嚴重衝擊全球產業運作，包括供應鏈中斷、人力不足、市場需求萎縮、物流運輸能量受限等，顯示出「不確定性」已成為產業的新常態。
- 然而， 過去製造業的成功方程式 - 優化運營提高成本效率，力求最低成本獲得高品質產品，已無法應對大環境的不確定性。現在全球生產者為確保競爭力，必須有三個關鍵戰略：（Boston Consulting Group）
- 藉由區域化加強營運韌性，必須大量投資生產自動化：區域化生產所需工廠和產量較小，這會降低設備與材料使用率，規模效益降低。若企業光只是複製在低成本國家的勞動密集型生產設施和技術到高成本國家，在經濟上不可行，公司必須走向生產流程自動化和數位化。
- 因應節能減碳趨勢，提高應對永續的壓力：製造業藉由縮短供應鏈，可減少貨運產生的二氧化碳排放量，有助於遵守社會和道德標準。然而，區域化帶來了生產經濟規模的挑戰，企業必須找到兼顧永續與提高產量水準的方法。
- 滿足不斷變化的客戶需求，提升市場反應能力：為了快速回應客戶需求變化，製造商必須能靈活地製造多元產品，快速調整產量。然而在全球通膨影響下，強調靈活下仍需優化建置、降低成本，成為各行各業的當務之急。
重點是什麼？
智慧製造成了製造業力求在全球供應鏈中維持競爭力的必要之路，製造業從 Automation 走到 Automated，AI 等科技在其中扮演了什麼角色？
- 智慧自動化不外乎四個重點：減少人力；減少物料，甚至要能回收再製造；機台設備智慧化；產線工作站都能高效率的運作。最終目標就是要最佳化人、料、機台與產線，達到節能、減碳。（詳見文末 工研院機械所所長饒達仁訪談）
- Production as a Service（PaaS）改變製造業的思考模式，需要靈活的生產系統，使操作員能夠高效地製造多種產品，並快速適應波動的周期時間和產量。這需要新的自動化方法，例如先進的機器人、自動導引車（AGV）和物聯網（IoT）技術，強大的流程（包括物流）以實現工具、技術之間的快速轉換。
- 自動化是「行動者」，AI 是「思考者」。自動化系統收集數據，而 AI 系統分析和理解數據。自動化可以完成任務，而 AI 能夠確定如何改進。（HiTechNectar）
- 「AI 工具用在哪裡，效益就應在哪裡」。企業應盤點生產線的瓶頸在哪，了解產線是否已是最佳狀態，再藉由不同的 AI 模組達到全面精實化。在重複性高、穩定性高的生產型態，AI 應用的效益才會出來。（詳見文末 台灣大學機械工程系終身特聘教授覺文郁訪談）
- AI 協助人們快速整合來自於異質系統的資訊，讓人可以快速做判斷。進一步應用 AI 將大量數據化繁為簡，協助人們做複雜的決策，這會是趨勢。（詳見文末 Rockwell 智慧製造應用發展經理王展帆訪談）
- 機器人流程自動化（Robotic process automation, RPA）雖然名稱中有「機器人」，但該技術並不使用機器人技術，而是藉由虛擬機器人軟體或「機器人」來減少流程中涉及的人力。這些軟體通常有 AI、機器學習、光學字元辨識（OCR）和其他認知技術，允許機器人回應各種觸發事件並執行複雜任務。（Spiceworks）
智慧製造的挑戰？
- 數據收集該怎麼做？
- Gartner 在 2018 年的 CIO 調查中曾指出，在 2022 年會有 85% 的人工智慧項目將交付錯誤的結果，肇因於數據、算法或管理團隊的偏見，也由此可以理解為何企業對採用這些技術猶豫不決。
- 此調查也顯示，53% 的組織自評數據利用與分析的能力「有限」，內部缺乏數據科學方面的技能，將大幅依賴外部供應商來填補空白。但長期而言，企業仍須將 AI 知識從外部專家轉移到自身員工。
- 兼備產業專業知識與數位化人才在哪？
- 覺文郁指出，製造業長期面對人力短缺的挑戰，但難從外部找到同時懂產線智慧化及產業專業知識的人才，反而應從公司內部找專長背景比較接近的人才學習 AI 工具，加快智慧化速度。
- 數位整合如何串起製造業的三板塊：研發、製造生產、銷售？
- 王展帆表示，在談數位轉型時，需要滿足幾項需求，包括研發出有差異化的產品、規模化生產達到經濟效益、快速上市，同時又可以用靈活的商業模式去賦能研發與製造生產，讓這三方串聯起來。
未來會如何？
- 老師傅的經驗如何數位化傳承，會是接下來要面對的挑戰之一。
- 覺文郁說明，產業專業知識都藏在資深師傅的經驗，導入數位化、智慧化，會與師傅原有的行為有所衝突，員工也會怕被 AI 取代。因此企業主需思考如何保護好資深員工的價值、一起數位轉型，讓企業可以永續經營。
- 生成式 AI 應用於智慧製造仍有一段學習之路要走，人類老師的指導是發展關鍵。
- 饒達仁分析，AI 應用都還必須有人工來判定結果到底對不對、並不是有了 AI 後就取代所有工作，而是從勞力為主的模式，轉變為智慧人工的投入。
- 每個場域都有獨特性，先了解真正的問題點，再決定符合需求的 AI 應用。
- 王展帆表示，AI 的製程應用不只談「客製化」，而是了解「真正的問題點在哪？」，需要根據每個場域的狀況做調整。
在台灣，多數製造業為中小企業，如何在有限資源與人力下，以智慧製造轉型迎頭追上全球節能減碳、去全球化供應鏈的趨勢？請見以下《旭時報》與專家們的深度訪談。
