數據和人工智慧技術的智慧製造浪潮

智慧製造是一種新興的生產模式，它利用數字化、自動化、網絡化、智能化等新技術，實現生產過程的高效率、靈活性和持續性。智慧製造的背景主要有以下幾點：

1. 工業4.0的興起：工業4.0是指以數字化和智能化為特點的第四次工業革命，它的興起推動了智慧製造的發展。工業4.0以物聯網、大數據、人工智能等技術為支撐，實現了生產、供應鏈、產品和服務等方面的智能化。
2. 市場競爭的加劇：隨著全球化和市場競爭的加劇，企業需要提高生產效率、降低成本、提高品質，以滿足市場需求。智慧製造的生產模式可以提高生產效率和品質，降低成本，從而增強企業的市場競爭力。
3. 生產模式的轉型：傳統的生產模式已經無法滿足現代市場的需求，企業需要轉型到更加靈活、高效的生產模式。智慧製造可以實現生產過程的自動化和靈活化，從而提高生產效率和產品質量。
4. 技術的進步：數字化、自動化、網絡化、智能化等技術的進步，為智慧製造的實現提供了技術支撐。例如，物聯網技術可以實現生產線的智能化和自動化，大數據技術可以分析和預測市場需求和產品銷售情況，人工智能技術可以實現設備的自主調整和控制。

市場研究機構Mordor Intelligence表示「智慧製造市場的規模預計在2021年至2026年間將以年均複合增長率8.85%的速度增長，到2026年將達到1986.16億美元」，而IBM和Oxford Economics 也指出「直至2022年，全球70%的製造企業將會在生產、供應鏈和產品和服務等方面應用智慧製造技術」，GE Digital亦表示「於2025年，全球製造企業中有80%的企業將會在生產過程中應用數據分析和人工智慧技術，以提高生產效率和品質」。由此全球性統計數據不難看出，智慧製造正在被越來越多的企業和國家所探索與採用。

數據和人工智慧在智慧製造中的應用與發展

數據和人工智慧（AI）主要體現在 (1)智慧製造需要大量的數據支持，包括生產過程數據、產品資訊、供應鏈數據等。數據收集和處理技術可以實現數據的高效收集、處理和儲存，確保生產過程中的數據準確、可靠。(2)數據分析和建模技術可以實現數據的深度挖掘和分析，從而獲得更多的產品和市場信息，並且建立相應的數據模型和預測模型，以預測未來市場和產品趨勢。(3)實現產品和生產過程的智能化，例如機器視覺可以實現產品的自動檢測和分類，人工智慧可以實現生產過程的自主調整和控制，從而提高生產效率和質量。(4)幫助企業實現智能化決策和管理，從而提高企業的管理效率和靈活性。例如，數據分析可以幫助企業做出更加準確的決策，AI可以實現智能化的生產排程和生產資源配置，從而提高企業的生產效率和質量。

就目前企業運用數據和AI技術於智慧製造有以下幾個主要方面：

• 生產過程優化: 幫助企業提高生產效率、質量和持續性，從而實現更加智能化、高效化和持續化的製造運營。

-預測性維護：預測設備或機器的故障和損壞情況，提前進行維修和保養，從而減少停機時間和維修成本，提高生產效率和質量。

-優化生產計劃：分析和預測市場需求和產品銷售情況，幫助企業優化生產計劃，提高產品生產效率和質量。

-自動化生產：實現生產線的自動化，減少人為干預，提高生產效率和質量。例如，應用機器視覺技術可以實現自動化的檢測和品質控制。

-資源優化管理：實現資源的優化管理，如能源和水資源的節約和利用。通過數據分析和AI技術的應用，企業可以實現更加節約和高效的資源管理，減少對環境的影響。

-供應鏈優化和協同：實現供應鏈的優化和協同，通過數據的分析和AI模型的建立，可以預測和分析供應鏈中的問題，並且進行及時的調整和優化，提高供應鏈的效率和靈活性。

-運營風險預警和管理：幫助企業預測和管理運營風險，通過數據的收集和分析，可以及時發現和預測運營風險，並且采取相應的措施，減少風險的影響

• 品質管理和改進：幫助企業實現產品質量的監控和改進。透過數據分析和AI技術的應用，企業可以及時發現產品質量問題，進行改進和控制，提高產品質量和客戶滿意度。

-智能監控和檢測：實現智能監控和檢測，通過機器視覺技術和圖像處理技術，可以自動檢測產品的缺陷和不良品，提高檢測效率和準確性。

-品質預測和控制：進行產品品質的預測和控制，通過數據分析和AI模型的建立，可以預測產品的品質問題，並且實現及時的品質控制，降低不良品率和退貨率。

-故障分析和改進：進行故障分析和改進，通過數據的收集和分析，可以了解產品的故障情況，並且進行改進措施，提高產品的品質和可靠性。

-質量管理和追溯：實現產品質量管理和追溯，通過數據的收集和儲存，可以實現產品的全生命週期追溯，並且保證產品符合相關的質量標準和法規要求。

-知識管理和傳承：進行知識管理和傳承，通過數據的收集和分析，可以實現產品製造和品質控制的知識管理和傳承，確保企業的產品品質和技術領先優勢。

-工人培訓和管理：進行工人培訓和管理。通過數據分析和AI技術的應用，企業可以了解工人的工作表現和訓練需求，進行相應的培訓和管理，提高工人的工作效率和生產能力。

往往為了體現上述應用案例，企業並須在軟硬體及內外部資訊整合等有一筆可觀投資；因此，勤業眾信認為最重要的乃是找出適合企業的「應用案例」以發展智慧製造，而其可從以下幾個方面入手 (圖1) : 1. 分析市場需求和趨勢、2. 分析企業生產過程中存在的問題和瓶頸，以及相對應的價值、3. 對競爭對手的分析，找到競爭對手所應用的智慧製造技術和應用案例，從而找到自身的優勢和不足之處。

_{圖1: Deloitte Technology Strategy Framework}

勤業眾信認為要找出運用案例以發展智慧製造，需要從市場需求、企業生產分析、技術研究和開發以及競爭對手分析等方面進行研究，找到可以解決的問題和瓶頸，提出適當的智慧製造解決方案，進一步推進智慧製造的投資與發展。

運用數據和人工智慧的挑戰 – 資料治理

數據與人工智慧在智慧製造的發展過程中，扮演著重要的元件，但「資料治理」乃是其重要基礎，具有重要的影響層面:

1. 數據質量管理：智慧製造中涉及到大量的數據和信息，這些數據和信息可能來自不同的系統、應用和設備，因此需要對數據進行統一管理和控制。資料治理可以確保數據質量的一致性、完整性和準確性，從而提高數據的可信度和可用性。
2. 數據安全管理：智慧製造中的數據和信息可能包含商業機密或個人隱私等敏感信息，因此需要對數據進行安全管理。資料治理可以確保數據的安全性和隱私性，通過設置權限和安全措施，保護數據不被未授權的人員訪問和使用。
3. 數據共享和交換：智慧製造中不同系統和設備之間需要進行數據共享和交換，以實現數據和信息的無縫流通。資料治理可以確保數據共享和交換的準確性和可靠性，從而提高生產效率和降低生產成本。
4. 數據分析和應用：智慧製造中需要對大量的數據進行分析和應用，以提高生產效率和產品質量。資料治理可以確保數據分析和應用的可靠性和準確性，從而幫助企業做出更好的決策和行動。

綜合以上幾點，不難看出資料治理在智慧製造中具有非常重要的影響層面，可以提高數據和信息的可信度和可用性，從而促進智慧製造的發展和應用，圖2為Deloitte針對製造業針對數據分析應用及智慧製造的所涉及相關資料治理議題的執行框架。

_{圖2: Deloitte Data Governance Framework with Purview Implementation}

透過統一數據治理服務，可幫助組織發現、理解和管理其數據，在智慧製造的資料治理方面，它提供了以下重要功能：

1. 數據發現：Purview可以自動發現和分類不同數據來源（例如本地數據庫、雲存儲和大數據系統）中的數據資產。這使得智慧製造組織可以獲得對其數據風景的可視性，了解其數據資產的範圍和規模。
2. 數據譜系：Purview提供端到端的數據譜系跟踪，允許組織跟踪數據在不同系統和流程之間的流動。在智慧製造中，數據通常由各種相互連接的系統和設備生成和消耗，因此譜系跟踪尤為重要。
3. 數據分類：Purview允許組織使用自定義或預定義的分類法對其數據資產進行分類。這有助於確保數據得到適當的分類和標籤，以符合規範和安全的要求。
4. 數據目錄：Purview提供集中的數據目錄，使組織可以在不同系統和數據來源之間搜索和發現數據資產。這有助於智慧製造組織更有效地利用其數據，並做出更有根據的決策。
5. 數據治理：Purview提供各種數據治理功能，例如數據訪問策略、數據屏蔽和數據保留策略。這些功能有助於組織確保其數據得到適當的保護和管理，符合其監管和合規要求。

總的來說，勤業眾信運用 Azure Purview的所提供的功能配合Deloitte Data governance Framework為智慧製造的數據治理提供了重要的能力，幫助組織有效地管理其數據，並利用其帶來的商業價值。

未來的發展趨勢

數據和人工智慧是智慧製造中不可或缺的元素，未來將持續發揮重要的影響力並扮演更重要的角色，其主要發展趨勢如下：

1. 數據收集和分析技術的提高：隨著感測器技術和大數據分析技術的發展，數據收集和分析的效率和精度將不斷提高，讓企業可以更好地了解生產過程中的實時情況和問題，並及時進行處理和優化。
2. 人工智慧技術的應用：隨著人工智慧技術的普及，智慧製造中的各種應用也會更加智能化和自動化，例如智能監測和控制、智能設計和優化、智能製造和調度等。
3. 數字孪生技術的發展：數字孪生技術可以通過對現實世界的物理物體和過程進行建模和仿真，以評估不同生產方案的效果和風險。未來，這種技術將會更廣泛地應用在智慧製造中，幫助企業進行更精確的生產規劃和優化。
4. 自主學習系統的出現：自主學習系統是指通過機器學習技術，讓系統自主學習和優化生產過程。未來，這種技術將會更加普及和成熟，讓企業能夠更加快速地適應生產環境的變化。
5. 數據共享和協作的增加：隨著智慧製造的發展，各個企業之間的數據共享和協作也將越來越重要，而數據平台/市集等將成為未來數據共享和協作的重要手段，促進智慧製造的發展。

台灣作為全球製造業重要的基地之一，具有優秀工程師和技術人才，並於半導體、電子、機械等領域的製造技術和生產設備處於國際先進水平，同時擁有豐富的供應鏈和產業聚集區。台灣政府積極推動智慧製造發展，並投入大量資源進行相關技術研發和人才培訓、相關政策和計畫包括「智慧製造創新研發計畫」、「5+2產業創新計畫」等，以促進智慧製造技術的發展和應用，跨產業整合也在加速進行，如智慧製造和醫療、智慧製造和農業等產業之間的整合，將為智慧製造發展帶來更多的機會。

綜合以上優勢，台灣在智慧製造領域具有良好的發展潛力和競爭優勢，未來將繼續加強技術研發和應用，推動產業升級和轉型，以應對全球智慧製造市場的挑戰。