工業4.0對臺灣科技業有感嗎？ - 工程師

※ 引述《Hiterler (希特勒)》之銘言：
: 什麼工業人工智慧 智慧型工廠 供應端最佳化
: 從2011喊了快十年
: 真的有改變科技業什麼嗎？
: 機械手臂也是老早就有的東西
: 還是本魯之前待的公司太小 接觸顧客少
: 所以沒有什麼用到的層面？
: -----
我就這幾年玩工業控制和這一兩年玩工業AI看到的跟諸位分享，
有錯還請不吝指正。

有不少應用是ML/DL熱門以後才跟著出現或進化的，
在工業上比較常用兩項:電腦視覺(CV)、故障預測和健康管理(PHM)
其他的我比較少碰到所以就沒特別提了。
至於工業上的數據分析(比如加工時間、故障率...之類的)，
很多用最佳化或ML手法就可以得到一個不錯的解了，
用DL反而有種大砲打小鳥的感覺。
至於供應端最佳化，那種得要是全球性的供應鏈來分析才有參考意義，
台灣大部分廠商只有50家以下的直接供應商，
而且不少都沒有MES可供串接的情況下，
用隨機分布來算供應商到貨時間還比較快。

我都跟我的客戶和潛在客戶說工業4.0是浮動的，沒標準答案，還沒塵埃落定，
還在IT革命(第三次工業革命)的影響之中，
不然就說第四次工業革命就好啦，後面幹嘛要有小數點，
追求一個浮動標準是沒意義的，
重點在於要如何讓自己工廠獲利能最大化，如何合理配置人工、自動化以及AI的比例，
才是真的"智慧"。

比如說紡織業，利用CV(電腦視覺)可以讓錯誤檢出率提高個20%以上，
但對於機械加工業，CV在加工中幾乎無用武之地(你要用乾切削就當我沒說)。

對於某些設備產業，使用RNN based model(LSTM,GRU...etc)，
可以近乎100%抓出設備出錯前的特徵，
但對加工業，只要換個工件種類，模型就得重新訓練。

講得再深入一點，
對於一間小工廠而言，把一條產線IOT化的錢都可以再蓋一條新產線了，
而IOT上傳的數據他們也沒能力分析，
甚至這種工廠連MES都沒有，更沒聽過SAP這種東西，當然ERP也是不存在的。
對於這種想搞IOT化工廠的老闆我都建議他們把錢省下來蓋新產線比較實在，
或是只把幾個PLC或是機械手臂連接網路能夠在故障的時候發送訊息就好，
有些甚至連自動化都稱不上(只有單一設備)，
但，
光是這個看起來很簡單的PLC連網就能讓他們把晚班顧機台的人力省下來，
一點小投資，就有大大的收益。
至於再更進階的科技升級就我看來是沒意義的，
因為他們的訂單量就是這個小量體，還沒到量變能產生質變的程度。
這可以做為台灣很多小工廠的一個縮影。

而大間的科技業公司(集團)，員工人數過萬，我接觸過的兩三家，
公司內部連AI部門都有了，
加上本來就有的Automation部門、RD部門、IT部門、CIM部門、EE部門，
他們自己就玩得風生水起的，有些應用我也覺得有趣，
而且其中一間的CTO本人也很懂這些技術，細節都講得出來，
對於一個快60歲的人來說，我深感佩服。(只是實際執行是怎樣我就不知道了 呵呵)
對於這種不缺人才也不缺資金的公司，
有時候只缺個知道這些技術是啥或者方向正確不隨波逐流的頭兒吧。

我認為台灣的工業鍊一直缺有力的頭跟尾，
頭是製造設備的廠商，
尾是系統整合產品的廠商，
而中間段的代工廠、元件廠普遍來說水準是中間偏上的，
加上一些感測和分析的技術作為輔助，
的確能夠提高毛利率和提升生產效率，這是不可否認的。

以上是我目前和台灣廠商打交道的經驗和心得，
感謝各位的閱讀。

--