智能工厂和工业4.0以及大数据

工业4.0精髓在于 智能工厂

经济部工业局副局长吕正华指出，当劳动人口逐渐减少，如何提升人均产值成为大家关心的议题；而德国提出工业4.0背后的思维，无非是希望利用自动化技术加上云端科技等，提升生产效率并弥补人力不足。

吕正华进一步表示，工业4.0精随在于智能工厂，而智能工厂的核心，则在于“虚实合一”。要达成虚实合一，则必须运用物联网技术，整合实实在在的机器与相较虚渺的软体、通讯、网路、云端等科技，并做到大数据探勘和分析，将庞杂的资料转化为有用的资讯，以便决策。

换句话说，工业4.0最终其达成的目标即是智能制造，而此目标体现在建构智能工厂。智能二字是建立在机器可以通讯、运算、分析进而移动之上，如同人能与外界沟通、思考、分析进而下决策并有所移动。

在智能工厂里，所有工具机台和机器人均为智能机器，意即，机器与机器之间能透过通讯架构彼此沟通，并透过机器专用应用平台串联机台，成为虚实合一制造系统(Cyber-Physical System；CPS)。

而机器运转中产生的大数据皆上传至安全云端网络，由分析引擎找出关键资讯，进行预兆通知、事前维护等。此外，不同厂房之间也具备沟通协调能力。分析认为，“整合”是智能工厂内涵最重要的词汇。

MES 智能工厂所创造的不但是应运而生的全新生产流程，更垂直整合工厂管理和企业管理流程，水平整合价值链，实现产品及其生产系统的生命周期管理，可确保有效运用能源、掌握产品上市时间和确保产出品质，提升生产效率和能源应用效率，最终可达成永续制造。

后端大数据分析是成败最后一里

工研院南分院云端服务中心主任程瑞曦则强调，物联网、云端运算和大数据三者宛如兄弟，缺一则无法形成应用，智能工厂也将功亏一篑。

针对大数据的特性，程瑞曦指出，相较于从前习惯的抽样资料，大数据具有样本等同于母体、资料数量重于资料品质、资料相关性先于因果关系三大特点。

由于从前是抽样，母体和样本有差距，样本的品质也显得格外重要，否则容易出现偏差；但在大数据时代，当数量已等同于样本，由于所有的可能性都已经涵盖其中，反而没有品质问题。

此外，在运用大数据时，必须摆脱从前事事寻求因果关系的旧思维，而应将重点放在资料所显现出的观点或趋势；背后的原因不再重要，重要的是抓到趋势后可用于创造效益。

至于智能工厂中大数据的应用方向，程瑞曦认为有五大方向：探知、诊断、控管、预测以及视觉化，可能用来改善品质、降低成本、缩短工时、提高产量等。

而在应用之前，则必须根据目的慎选主题以决定资料搜集的范围，接着以e化方式搜集，避免人为影响，而且必须由业者或领域专家亲自检视欲运用的资料成分并与ICT人员讨论，才能确保资料正确性，达到解决问题的目的。

不过，工研院机械座智能系统技术组组长钟裕亮指出，台湾制造业除了半导体业，一般而言在ICT方面大概落后德国10~20年。

且在工厂智能化之前，机器先得智能化；而在机器智能化之前，零组件要先智能化，能够自我监测健康状态，透过无线射频等方式回传资料。这一连串过程中处处是需求，也代表许多ICT业者可投入的缺口，商机处处。