工业4.0是炒作还是商机？

 利用网宇实体系统(CPS)架构的5C元素，有助于衡量不同制造业族群在工业4.0的技术成熟度，以及在导入工业4.0应用与策略时所面临的挑战…

工业4.0(Industry 4.0)正成为时下热门的关键词，大家都在讨论如何透过人机协作的方式，在这一波数字化浪潮中提升制造价值链的效率与生产力。

然而，根据Mckinsey在去年针对全球制造相关业者进行的工业4.0调查显示，目前大约只有四成的业者在实现工业4.0的应用与策略方面取得成效。

工业4.0究竟只是市场炒作一场，还是可透过转型带来希望的绝佳机会?业界在实现工业4.0的过程中究竟遭遇到哪些问题?目前的实施成效如何?未来又该如何跳脱市场炒作，真正落实工业4.0?

对此，英特尔(Intel)亚太区制造业解决方案总监李立仁表示，制造业是一个族群多元且分散的产业，包括半导体、汽车、石化、组装、金属加工与纺织等等。不同的族群在技术的使用与成熟度方面各不相同，因此在工业4.0发展道路上处于不同的位置，所面临的问题也不尽相同。

因此，他指出，藉由网宇实体系统(Cyber Physics System)架构的5个元素(5C)——连结(Connect)、转化(Convert)、虚拟(Cyber)、认知(Cognitive)与配置(Cofigure)，有助于业者评估自家公司在工业4.0发展的技术成熟度以及面对的挑战。

借助网宇实体系统的5C架构，有助于衡量导入工业4.0的技术成熟度

在最基本的连结(connect)阶段，必须把工厂设备和业务整合(M2B)、机器对机器(M2M)整合起来，而其挑战就在于如何将设备机台的讯息转化成可供大数据和人工智能(AI)进行分析用的数据。因此，在这个阶段的重点是如何以物联网(IoT)实现M2M的结合以及操作技术(OT)与信息技术(IT)的整合。

在链接之后，就必须把OT的数据转化为有价值可分析的信息。例如如何将设备机台的数据导入大数据平台，以支持失效分析、良率分析等不同应用场景。而在虚拟阶段中的关键在于Cyber Twin，具备实现工业4.0的关键能力;可在连接所有的设备端点后，实现虚拟化、同步化的数字工厂，并具备感知、预测的能力，并进一步用于模拟与重新排程，实现优化的结果。

而在设备连结、具备智慧化分析运算后，下一步的认知阶段重点在于确保累积的数据进入学习系统，并整合边缘、大数据以及让工厂自主学习的重要技术——人工智能(AI;包括机器学习与深度学习)，实现自我诊断与决策。

最后是根据生产环境、订单需求、机台设备等变化，不断自行重新排程至优化的执行与计划结果，目标在于达到自主配置的工厂/企业/价值链。

李立仁指出，“5C代表工业4.0的五个能力阶段，面对的典型问题各不相同。”从物联网的连结、OT到IT转化、Cyber Twin的模拟、AI能力的自主学习到自主配置优化的工厂，不同的族群或客户在每个阶段的技术成熟度不同，也分别遭遇不同的挑战，必须先确定客户发展至哪一个阶段，遭遇哪些问题，才能建议其技术导入方向。

除了技术的成熟度以外，发展工业4.0还需要高度的人力资源与资本资源的投入，毕竟这还是一个高度成本竞争的环境，但要如何确定导入蓝牙、物联网还是AI等技术的投资报酬率(ROI)呢?

因此，具有商业价值的应用场景也是目前进入工业4.0的障碍之一。

李立仁建议，先找到一个好的应用场景或转型其他商业模式，例如提升良率或设备维修服务，将有助于发掘出新的商机，落实工业4.0的愿景。例如，有些业者导入工业4.0后，将设备维运变成一种服务，取得客户端的设备运作数据，在云端同步运算，同时介入设备的控制系统，进行故障排除的服务。

此外，建立完整的生态系统也至关重要。如果每一家方案供货商都提出针对片段范围的方案或升级而不进行整合，其成效也会大大折扣。因此，在发展工业4.0的道路上，跨生态系统的合作伙伴之间垂直整合，提供端对端的解决方案，也有助于产业加速导入。