繼物聯網(IoT)后，工業4.0(Industry 4.0)接棒成為火熱話題，在全球發燒。樂觀者認為，工業4.0代表的智能制造(Smart Manufacturing)將提高生產效益，開創出更多高科技就業機會，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的失業潮將無可避免。為什么工業4.0會引起如此大的回響？工業4.0、物聯網、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

       制造業是一國國力之基礎，也是養活最多人口、創造重要經濟價值的產業。而隨著世界工廠大陸的角色隨著勞動問題浮出，世界主要制造業國家人口結構轉變，走向高齡少子化，從歐美到亞洲地區，近來莫不戮力在制造業政策上下功夫。

       諸如美國的AMP計劃，引導制造業回流；德國致力于打造智能工廠，向世界推行工業4.0；日本發展人機共存未來工廠，韓國則以自身ICT網際網路與機器人技術，發展下世代智能工廠，而大陸除了十二五計劃發展機器人自動化生產等高階設備，十三五計劃也正如火如荼規劃中。

       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勢來看，各國莫不期待在未來的制造業領域保有一席之地甚至領先，維持競爭力。另一方面，制造業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。

       缺工所引發的問題除了墊高人力成本以及生產品質青黃不接等，也使得制造業在應付日益縮短的產品生命周期以及少量多樣的制造趨勢時，出現困難。

       而臺灣所面臨的問題亦是如此。研華科技經理施文森表示，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4.0提升臺灣生產的動能，來面臨創業上的調整與改變，至關重要。他并認為在工業4.0架構的發展之下，結合機器人與物聯網，將是制造業回流臺灣的發展關鍵。

       工業4.0精髓在于智能工廠

       經濟部工業局副局長呂正華指出，當勞動人口逐漸減少，如何提升人均產值成為大家關心的議題；而德國提出工業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，提升生產效率并彌補人力不足。

       呂正華進一步表示，工業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，則必須運用物聯網技術，整合實實在在的機器與相較虛渺的軟體、通訊、網路、云端等科技，并做到巨量資料探勘和分析，將龐雜的資料轉化為有用的資訊，以便決策。

       換句話說，工業4.0最終其達成的目標即是智能制造，而此目標體現在建構智能工廠。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機臺，成為虛實合一制造系統(Cyber-Physical System；CPS)。

       而機器運轉中產生的巨量資料皆上傳至安全云端網絡，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調能力。分析認為，“整合”是智能工廠內涵最重要的詞匯。

       智能工廠所創造的不但是應運而生的全新生產流程，更垂直整合工廠管理和企業管理流程，水平整合價值鏈，實現產品及其生產系統的生命周期管理，可確保有效運用能源、掌握產品上市時間和確保產出品質，提升生產效率和能源應用效率，最終可達成永續制造。

       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，物聯網、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、資料數量重于資料品質、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，樣本的品質也顯得格外重要，否則容易出現偏差；但在巨量資料時代，當數量已等同于樣本，由于所有的可能性都已經涵蓋其中，反而沒有品質問題。

       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、降低成本、縮短工時、提高產量等。

       而在應用之前，則必須根據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，而且必須由業者或領域專家親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技術組組長鐘裕亮指出，臺灣制造業除了半導體業，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，能夠自我監測健康狀態，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業者可投入的缺口，商機處處。