繼物聯(lián)網(wǎng)(IoT)后，工業(yè)4.0(Industry 4.0)接棒成為火熱話題，在全球發(fā)燒,。樂觀者認為，工業(yè)4.0代表的智能制造(Smart Manufacturing)將提高生產(chǎn)效益,，開創(chuàng)出更多高科技就業(yè)機會，讓人類再也無須從事無聊,、危險又骯臟的工作,，晉升為管理人才，進而使民眾享有更好的生活,。
但從悲觀者的角度來看,，智能機器替代人類所引發(fā)的失業(yè)潮將無可避免。為什么工業(yè)4.0會引起如此大的回響,？工業(yè)4.0,、物聯(lián)網(wǎng),、智能工廠(Smart Factory)三者如何交織出智能制造的篇章？巨量資料(Big Data)又在其中扮演何種角色,？
解決解勞力短缺 全球力推智能制造
制造業(yè)是一國國力之基礎,，也是養(yǎng)活最多人口,、創(chuàng)造重要經(jīng)濟價值的產(chǎn)業(yè),。而隨著世界工廠大陸的角色隨著勞動問題浮出，世界主要制造業(yè)國家人口結構轉(zhuǎn)變,，走向高齡少子化,，從歐美到亞洲地區(qū)，近來莫不戮力在制造業(yè)政策上下功夫,。
諸如美國的AMP計劃,，引導制造業(yè)回流；德國致力于打造智能工廠,，向世界推行工業(yè)4.0,；日本發(fā)展人機共存未來工廠，韓國則以自身ICT網(wǎng)際網(wǎng)路與機器人技術,，發(fā)展下世代智能工廠,，而大陸除了十二五計劃發(fā)展機器人自動化生產(chǎn)等高階設備，十三五計劃也正如火如荼規(guī)劃中,。
這些政策并非憑空而生,，而是其來有自。從國與國之間的競爭態(tài)勢來看,，各國莫不期待在未來的制造業(yè)領域保有一席之地甚至領先,，維持競爭力。另一方面,，制造業(yè)國家普遍面臨高齡少子化社會浪潮,，因而必須正視勞動力短缺問題。
缺工所引發(fā)的問題除了墊高人力成本以及生產(chǎn)品質(zhì)青黃不接等,，也使得制造業(yè)在應付日益縮短的產(chǎn)品生命周期以及少量多樣的制造趨勢時,，出現(xiàn)困難。
而臺灣所面臨的問題亦是如此,。研華科技經(jīng)理施文森表示,，2016年起，15~64歲的工作人口將以每年18萬的趨勢萎縮,，如何透過工業(yè)4.0提升臺灣生產(chǎn)的動能,，來面臨創(chuàng)業(yè)上的調(diào)整與改變，至關重要,。他并認為在工業(yè)4.0架構的發(fā)展之下,，結合機器人與物聯(lián)網(wǎng),，將是制造業(yè)回流臺灣的發(fā)展關鍵。
工業(yè)4.0精髓在于智能工廠
經(jīng)濟部工業(yè)局副局長呂正華指出,，當勞動人口逐漸減少,，如何提升人均產(chǎn)值成為大家關心的議題；而德國提出工業(yè)4.0背后的思維,，無非是希望利用自動化技術加上云端科技等,，提升生產(chǎn)效率并彌補人力不足。
呂正華進一步表示,，工業(yè)4.0精隨在于智能工廠,，而智能工廠的核心，則在于“虛實合一”,。要達成虛實合一,，則必須運用物聯(lián)網(wǎng)技術，整合實實在在的機器與相較虛渺的軟體,、通訊,、網(wǎng)路、云端等科技,，并做到巨量資料探勘和分析,，將龐雜的資料轉(zhuǎn)化為有用的資訊，以便決策,。
換句話說,，工業(yè)4.0最終其達成的目標即是智能制造，而此目標體現(xiàn)在建構智能工廠,。智能二字是建立在機器可以通訊,、運算、分析進而移動之上,，如同人能與外界溝通,、思考、分析進而下決策并有所移動,。
在智能工廠里,，所有工具機臺和機器人均為智能機器，意即,，機器與機器之間能透過通訊架構彼此溝通,，并透過機器專用應用平臺串聯(lián)機臺，成為虛實合一制造系統(tǒng)(Cyber-Physical System,；CPS),。
而機器運轉(zhuǎn)中產(chǎn)生的巨量資料皆上傳至安全云端網(wǎng)絡，由分析引擎找出關鍵資訊,，進行預兆通知,、事前維護等,。此外，不同廠房之間也具備溝通協(xié)調(diào)能力,。分析認為,，“整合”是智能工廠內(nèi)涵最重要的詞匯。
智能工廠所創(chuàng)造的不但是應運而生的全新生產(chǎn)流程,，更垂直整合工廠管理和企業(yè)管理流程,，水平整合價值鏈，實現(xiàn)產(chǎn)品及其生產(chǎn)系統(tǒng)的生命周期管理,，可確保有效運用能源,、掌握產(chǎn)品上市時間和確保產(chǎn)出品質(zhì),，提升生產(chǎn)效率和能源應用效率,，最終可達成永續(xù)制造。
后端巨量資料分析是成敗最后一哩
工研院南分院云端服務中心主任程瑞曦則強調(diào),，物聯(lián)網(wǎng),、云端運算和巨量資料三者宛如兄弟，缺一則無法形成應用,，智能工廠也將功虧一簣,。
針對巨量資料的特性，程瑞曦指出,，相較于從前習慣的抽樣資料,，巨量資料具有樣本等同于母體、資料數(shù)量重于資料品質(zhì),、資料相關性先于因果關系三大特點,。
由于從前是抽樣，母體和樣本有差距,，樣本的品質(zhì)也顯得格外重要,，否則容易出現(xiàn)偏差；但在巨量資料時代,，當數(shù)量已等同于樣本,，由于所有的可能性都已經(jīng)涵蓋其中，反而沒有品質(zhì)問題,。
此外,，在運用巨量資料時，必須擺脫從前事事尋求因果關系的舊思維,，而應將重點放在資料所顯現(xiàn)出的觀點或趨勢,；背后的原因不再重要，重要的是抓到趨勢后可用于創(chuàng)造效益,。
至于智能工廠中巨量資料的應用方向,，程瑞曦認為有五大方向：探知,、診斷、控管,、預測以及視覺化,，可能用來改善品質(zhì)、降低成本,、縮短工時,、提高產(chǎn)量等。
而在應用之前,，則必須根據(jù)目的慎選主題以決定資料搜集的范圍,，接著以e化方式搜集，避免人為影響,，而且必須由業(yè)者或領域?qū)＜矣H自檢視欲運用的資料成分并與ICT人員討論,，才能確保資料正確性，達到解決問題的目的,。
不過,，工研院機械座智能系統(tǒng)技術組組長鐘裕亮指出，臺灣制造業(yè)除了半導體業(yè),，一般而言在ICT方面大概落后德國10~20年,。
且在工廠智能化之前，機器先得智能化,；而在機器智能化之前,，零組件要先智能化，能夠自我監(jiān)測健康狀態(tài),，透過無線射頻等方式回傳資料,。這一連串過程中處處是需求，也代表許多ICT業(yè)者可投入的缺口,，商機處處,。