協作，製造業的智能下一步

工業4.0、智慧製造、機器手臂、各式感測器等，這些都是近年在談論生產製造智慧化少不了的名詞，甚至討論追逐包括全自動化工廠、關燈無人工廠等這些如同聖盃一樣的終極目標，例如Tesla的製造工廠。但製造業不是互聯網，沒有太多快捷方式或商業模式，可以短期擁有破壞式創新，連Elon Musk也承認，之前在工廠內Humans are Underrated人類的價值被低估了。

Elon Musk則是燒了巨大的金額來追逐終極的全自動化工廠(Tesla工廠目前仍有3萬多員工)，然而這種遊戲並不是適合其他所有人的。工廠在導入自動化或智慧化，其實可以歸納幾個簡單的衡量點，尤其是在近期的科技發展下，我們認為「協作」才是智慧化的下一步。

目前在生產製造端會碰到下列問題，並用來衡量智慧化的投入：

產線產品的利潤是否足夠支撐新科技的導入：這裡出現了雞跟蛋的問題，當產品利潤不佳時，只有大量標準品生產量才能因應科技的導入成本；而小量訂製時，又將產生「智慧不足的自動化導入」，出現生產彈性不足的問題，最終投入成本還是看不到收回的時程表。所以，如果產線還在做利潤低到10%的平板時，很難導入新智能化方案來改進效率的。

端到端的完全解決方案需求：生產是流動的，且得整合前期供料、設計與後期的物流等等，科技直接深度導入後，任何單一環節停滯或單一效率成長，都無法解決最終產出的問題。例如升級了電性測試，但還是卡在人工的外觀目測階段，如果大家看過工廠在十幾年前瘋狂導入ERP的痛苦就可知道(平均中型ERP導入成本在50萬美元以下，但最大的問題是流程與人員配合訓練的時間)。

工廠是由人、系統、機器共同組成的，有一定的管理流程包袱，且層層相扣。如果有機會與工廠的專案經理聊天，就會知道大量的時間卡在系統與人之間的協調問題。

欠缺數位化的基礎建設：許多機器、流程、環境資料、採購檢測等，都缺乏完整的資料整合，或根本還在紙本運作。但問題不是不願意智慧化，而是一次升級的成本太為巨大。

「協作」，是在最小限度下，改造生產製造環境，並且充分與現場作業人員、既有環境流程做整合，在資源足夠或擁有百萬數量訂單能解決上述問題時，進入智慧化。最容易瞭解的就是機器手臂大廠如ABB、KUGA、FANUC、Universal等，都把協作機器手臂視為明星產品。

根據日本機器人工業會(Japan Robot Association；JARA)統計，2025年全球協作型機器人市場規模將成長至57億美元，為2017年5億美元的12倍之多。而相關專利也在2018、2019兩年即將到期，更多白牌手臂將讓這個市場迅速普及化。但「協作」並不只限於機器臂的應用、電腦視覺的參與、感測器的布建、自駕輸送車、機器資料化等等，都是進入「協作」的切入點，輕度的介入既有流程與環境，實行小部分或單一功能的智慧化為優先。

作者近期在矽谷與工業智慧化的新創公司，一同去生產一線交流開拓機會時，深切體驗到「協作」的需求，例如Arch System透過讀取各式機器的底層數位訊號，來煉接不同廠牌、年代與功能的生產機器，為協作打好基礎。

Canvas應用自駕車的技術，在混雜不規律的工廠環境中ㄝ，完成基本物流服務。Ready Robotics充分應運軟體實力，在不同廠牌型號手臂中，完成開發管理整合，簡化導入學習與提升製造細節修改的彈性。Augury則在機器外部聲音與震動方面有深入的機器學習成果，特別在馬達應用的工廠中，管理設備的運作。Piskik則研發無源的感測器晶片，解決感測器布建的痛點，達成基礎智慧化環境的普及。

上述新創都在矽谷已是價值上億的公司，這次的深度交流充分的反映了上述的論點，工廠導入智慧化不是一蹴可及，得一步步從各個環節中去改善，輕度地介入既有生產程式，等待驗證後，即可迅速地大規模導入。

IIoT及工業4.0的市場相當巨大，根據IDC對2016年物聯網領域的投資支出統計，支出金額排前三大的產業分別是製造業(1,780億美元)、交通運輸業(780億美元)和公用事業(69億美元)。其次，IIoT和工業4.0具備長週期的特性，一旦驗證ROI，就會收穫長期合作的客戶夥伴。現在所有製造業企業都面臨著AI智慧化競爭的壓力，並都在進行不同程度的驗證與測試，這進一步證明，IIoT及工業4.0的市場潛力無窮。

(本文作者為Legend Star聯想之星Comet Labs, US Operation Partner王仁中，記者張琳一整理)