工業4.0，也有人將之稱為第四次工業革命，從德國率先提出這個說法以來，全球隨之興起，各國開始有了自己的“口號”，包括美國推動“先進制造伙伴計劃(AMP)”、中國主打“智能制造2025”等，以及日本、韓國、法國、英國，工業4.0的概念遍地開花。
智能工廠驅動全球經濟
智能工廠是推動工業4.0的重要引擎，借助物聯網、機器人、大數據、人工智能等技術，不僅可借此提高生產力與制造效率，更同時也成為驅動全球經濟的一股力量。國際管理顧問公司Capgemini發布一項研究調查報告，該報告針對營收超過10億美元的制造商進行調查，根據這份報告中的數據指出，制造商預期對于智能工廠的投資，將在未來五年內促使制造效率提高達27%，相較于1990年代的速度增長有七倍之多，不僅如此，這也將挹注全球經濟高達5000億美元，甚至可望來到1.5兆美元的驚人價值。
智能工廠成為全球產業邁向工業4.0的過程當中，必然歷經的轉型過程，目前各國也都在加速智能工廠的建置，該報告還指出，預估到了2022年底，在這些制造商的工廠當中，將有21%的比例將會是一座又一座的智能工廠。
而若從目前各國布署情況來看，如美國、德國、法國及英國等這些在早期便已投入智能工廠計劃的國家，已有半數著手轉型智能工廠，但在印度及中國卻僅有28%及25%。
德國雖一向被認定為全球制造業的標竿，但現階段也無一家企業可以達到真正4.0的水平，那么我們的企業也就更不用說了。更何況轉型工業4.0的確不是件容易的事，由于過去各部門分工精細，從營運層、管理層、現場端等各自為政，但因工業4.0訴求軟硬件、跨部門垂直整合，且每一家企業在導入的訴求上皆有所不同，從確保企業各部都能夠掌握整個流程運作，就已非易事了，何況后續還得深入研究技術層面執行的問題。
“邁向工業4.0實是一段漫長的過程，不可能一蹴可及，即便是如鴻海、英業達已及堪稱『最接近4.0』的臺積電等大廠，也不敢自稱完全達到工業4.0。”
面對臺灣企業的現況，鼎新計算機副總裁潘泰龢與陳慈婷皆一致這么認為。
但當企業欲導入工業4.0時，首要面對的卻是“不知道自己能做些什么。”博世工廠自動化銷售協理陳俊隆就觀察到，發展工業4.0最大的阻礙，是來自于客戶的需求不明確。臺灣的制造業也面臨了相同的問題，大家都不知道自己應該如何著手，所以他們需要一個有相當制造經驗的專家，去檢視工廠內部的問題點是什么，并且如何優化。若是這一類的廠商不能明確的了解自身需求，那么即可能產生需求方與供給方的落差。
而對于智能工廠，鴻海集團副總裁呂芳銘也表示，企業真正的根本在于“核心”，也就是自身的實力，最重要的是要把本業做好，強化企業的運作與提升競爭力，再加上物聯網等科技方法的協助，才能“如虎添翼”，否則只會畫虎不成反類犬，淪為一只“蝙蝠”。
圖一 : 智能工廠是推動工業4.0的重要引擎，不僅可借此提高生產力與制造效率，同時也成為驅動全球經濟的一股力量。
關燈工廠≠智能工廠
談到智能工廠的發展，機器人可以說是其核心裝備之一，尤其在現今勞動人口缺乏的情況下，工業機器人更是替代人力的不二首選。不論是傳統工業機器人到現今越來越廣泛使用的協作型機器人，目的都是在為整個工廠提升生產效能。
根據國際機器人聯合會(IFR)的報告指出，截至2019年，全球部署的工業機器人將會增加到260萬臺，這比過去寫下新紀錄的2015年時期又增加了約一百萬臺。而從行業區分，則有70%的工業機器人被應用在汽車、電子及金屬機械等領域較多，可視為需求最為強勁的市場。
被外界譽為智能工廠的標竿，鴻海集團的關燈工廠目前朝第六座邁進，預計年底將成立。這些關燈工廠手中握有6萬臺工業機器人大軍實現全自動化生產線，規模堪稱全球之最，但即便如此，鴻海也不敢自詡自己走在“工業4.0”上，而是稱自己在“工業3.5”的階段。
許多人在定義工業4.0的時候，大部分都會認為應是一座充滿全自動化的工廠。但事實上，一間全自動化的工廠并不能代表即是智能制造，因為自動化技術從過去到現在持續不斷演進，并不是應對工業4.0的浪潮下所應運而生。國際工業大數據專家李杰就說，“自動化”可以取代人力執行重復性的工作，把做不好的工作做好，但“智慧化”卻可以做到人力不能做的事情，甚至做得更好。
對于智能制造，我們應該著重思考的是“智慧化”而非自動化。鼎新集團副總裁潘泰龢表示，推動智慧化的關鍵就在于人工智能，賦予機器如人的大腦般具有分析、思考、推論、決策的能力，未來不需要人類在一旁監看，也能做出相應且合適的決策，這才是真正關燈工廠的意義。呂芳銘在今年Computex2017展會上也曾表示，鴻海發展關燈工廠的下一步，就是要透過大數據、人工智能等技術實現智能化。
圖二 : 被外界譽為智能工廠的標竿，鴻海集團的關燈工廠目前朝第六座邁進，預計年底將成立。圖為富士康昆山廠板對板連接器母端生產區。
人工智能領銜機器人
不過人工智能的定義很廣泛，這當中由許多技術集結而成，尤以工業機器人而言，機器學習的應用十分重要。比較淺顯的說法，就是讓機器人去模擬或實現人類的學習行為，以獲取新的知識或技能，并重新組織已有的知識結構使其不斷改善自身的性能。
領軍全球工業機器人的制造商庫卡(KUKA)表示，人工智能可協助機器人適應環境所帶來的不確定性與任何變動。不僅工業環境，機器人勢必還會進入其他應用領域，如專業服務型機器人或一般服務型機器人，這些機器人的對象則變成一般大眾，因此必須變得更加靈活、更具調性，而此時，機器學習將會派上用場，協助這類型的機器人對于應用領域所需的專業技能更加熟稔與迅速適應私人環境。
結合人工智能技術的機器人，庫卡便透過開放模式來收集并解讀數據，并借助Microsoft Azure云端平臺對這些數據進行分析。而庫卡目前也正在針對許多項目進行研究中，例如RobDream。在RobDream中，機器人能夠在停工階段提升自己的能力進行優化，和人類一樣處理發生的事情，并從經驗中學習，像是針對算法進行情境相關的優化與配置。
對于庫卡而言，有一個特別重視的市場，就是電子業。原因在于現今市場上有越來越多電子產品推陳出新，許多業者因此必須加快產品的開發速度、縮短產品生命周期來迎戰對手，因此產線需具備高度的靈活性以滿足快速變化的生產需求，但此同時，又必須要求成本盡可能維持在最低的水平，庫卡表示：“這正是我們的機器人發揮作用的地方!”。
日本工業領域人工智能專家Tomi則認為，機器學習可為將來生產線帶來一些重大變化，“它正在改革整個制造環境”。例如，透過機器視覺代替過去以肉眼進行檢查作業，這種方式是透過把工程師的人工檢測經驗轉化為深度學習算法去實現無人化檢測。或是大幅改善工業機器人在進行零件分撿的作業性能，經過機器學習后，機器人即可知道每次的動作是成功或是失敗，亦或是移動到哪個位置會有更高的成功率等，根據實驗證實，機器人在歷經8小時的學習后，分撿成功率竟可達到90%，這已和一名純熟的作業人員擁有相當的水平。
甚至，更可作為工業機器人的故障感知，在異常前預測，從而避免機器故障帶來的損失和影響。現在的工業機器人大多配有傳感器來搜集正常或異常工作時的波型、電流等訊息，而透過機器學習后，通過反復觀測到的波型，可以檢測到人類難以感知的細微變化，并在機器人徹底故障前就提出預警。
圖三 : 人工智能賦予機器如人的大腦般具有分析、思考、推論、決策的能力，未來不需要人類在一旁監看，也能做出相應且合適的決策。
工業4.0發展至今仍無標準化的架構，為此也在執行上增加不小的難度，面對智能制造的轉型，企業在踏出第一步前，必須先了解自己最主要的需求為何，而非僅僅追求百分百的自動化生產流程。而諸如人工智能等新技術的出現，或許一般中小企業或傳統產業等“門外漢”對此并不了解，因此最好的方法，還是不要自行關起門來做，而是訴求專業分工，借助如系統整合商的專業技術協助導入，以達到優化的效果。