洛克威爾自動化（Rockwell Automation）解決方案暨工程服務事業群總監王展帆指出，自動化和數位分身應用在現代製造業中是密不可分的關係。在傳統的製造環境中，經驗豐富的老師傅往往憑藉長期累積的知識和直覺來執行複雜的任務，他們的專業知識往往深藏於個人的經驗之中，不易被書面化或數據化。
然而，隨著製造業向自動化轉型，這些隱含的知識需要轉化為可以被機器理解和執行的形式，才得以運用數位分身技術來創建虛擬模型，複製現實世界的製造設備與流程。在虛擬模型中實際操作執行的結果，須由老師傅判斷與持續地改善，才得以達到精準度。
儘管數位分身技術已被證實可為多種應用場景帶來效益，王展帆觀察，實際上能夠完全實施此技術的企業仍屬少數。他進一步說明，多數企業可能僅是因應趨勢而推動數位分身專案項目，未必真正理解其深層價值。因此，企業在著手推動數位分身之前，首先應該詳細盤點現有的管理方法、邏輯以及營運流程。若只是盲目追求技術而忽略基礎的整理，最終可能只造就一個表面資訊豐富的儀表板，而無法從數據中獲得真正的洞察。
「數位分身的核心價值在於其能夠透過精確的數據模擬，提供對實際操作場景的深入了解，進而帶來實質的營運改善。但這需要企業先有清晰的運營邏輯與足夠的資料支持。」王展帆說。
模擬技術整合3D建模
Rockwell旗下的Emulate3D，為2019年收購取得的技術。雖然數位分身的概念在當時還未完全普及或達到炒作階段，但Rockwell已經開始著手在工業自動化領域引進數位分身技術。隨著人工智慧（AI）應用開始展現商業價值，再加上生成式AI（GenAI）正深入到各行各業的工作流程中，也讓工業領域的數位分身技術備受關注。
王展帆說明，實際上在Rockwell收購之前，Emulate3D工業自動化系統模擬技術就已經在市場上有20年的歷史，其技術並非新創之物，而是經過長時間檢驗與認證的成熟產品。同樣的，數位分身技術的應用場景並非全新概念，而是一種演進過程，它源自於過去幫助企業實現決策最佳化的工具和方法。隨著運算能力變得更強大，Emulate3D的技術也不再僅限於執行關鍵設備的模擬，如今能夠涵蓋更廣泛的模擬範圍，推動更多的創新和效率改進。
Rockwell所提供的Emulate3D平台，能夠進行機械結構與控制系統的整合模擬。該平台可以與CAD（電腦輔助設計）系統無縫整合，讓工程師和設計師將多樣的機械設計圖納入模擬環境中，包括各種活動部件如機械手臂等。透過整合PLC（可程式邏輯控制器）的控制邏輯，可藉由Emulate3D先行進行各項模擬測試，以確認系統是否會遇到任何問題。
透過Emulate3D平台實作可帶來的幫助，王展帆認為，首先是藉此進行生產線或設備升級的預測，無須等待所有零組件全數到位即可開始進行設計與邏輯決策，以縮短專案項目時程。例如，原本需要三個月完成的生產線修改專案，透過Emulate3D的模擬環境驗證，可能縮短到兩週內即可完成，不僅節省時間，同時意味著更早實現經濟效益。
洛克威爾自動化解決方案暨工程服務事業群總監王展帆建議，引進數位分身技術之前，須先行盤點營運邏輯，以及收集工作流程產生的資料，確保資料的連續性和完整性，技術才可發揮應有的效益。
其次是Emulate3D平台可支援持續性改善與故障預測，這正是數位分身技術受到企業青睞的因素之一，藉由模擬長時間運行的狀態，例如將模擬時間加速至一百倍，觀察一週或一年的運行效果，以預測機器可能的耗損或故障，如螺絲鬆動等問題。
此外，Emulate3D也提供假設性驗證的功能，幫助企業探索不同生產線設計方法的潛在差異。透過模擬真實環境運行方式，平台不僅為測試驗證之用，更可扮演決策支援的角色，讓現場工程師在製程過程中微調參數前，先預見不同配置產生的結果。
圖形化介面降低學習門檻
就Emulate3D最終用戶類別來看，王展帆說明，首先是製造設備的製造商，包括專門負責設計機械構造的工程師以及電控工程師。這些工程師從事複雜的設計和創新研究工作，必須不斷改進和調整設備以滿足行業的具體需求。
另一類型是終端客戶，例如工廠管理者或工業工程師。這些工業工程師通常涉及廣泛的職責，例如生產管理、廠長的幕僚等角色，可利用Emulate3D平台來優化生產流程和提高工廠營運效率。
至於學習門檻方面，Emulate3D平台設計了圖形化的操作介面，使得用戶即使缺乏深厚的程式設計能力也能輕鬆上手。王展帆認為，這種設計考量來自於工業工程領域的實際需求，因為許多工程師本身並非程式設計專業出身，他們需要的是能夠直觀操作、快速實現工程模擬的工具。
「面對市場上其他數位分身技術往往需要較高的程式碼撰寫技能，Emulate3D的低學習門檻成為吸引用戶的一大優勢。」王展帆說。Emulate3D不僅滿足了專業工程師的需求，也使得更多非專業背景的用戶能夠利用此平台進行工業設計與管理，有助於推動技術的普及和工業自動化的發展。
生成式AI扮演專家指引操作
近年來討論度相當高的GenAI，王展帆觀察，在製造業中的應用主要集中於提供專家系統的能力，以協助降低操作門檻並提高生產效率。例如，透過將工廠的標準作業程序（SOP）資料餵入GenAI運行訓練，工廠人員在遇到問題時，可藉由自然語言方式快速地得到操作指引，不僅有助於加快問題的排除，亦可藉此促進知識的傳承、提高工作效率。
須留意的是，GenAI在製造業的應用，並不適合於直接部署在產線特定環節用以提升良率。王展帆說明，主要是GenAI提供的決策和回答目前仍無法為百分之百準確，因此更適用於有清晰且嚴謹的SOP應用場景。當操作流程較為彈性時，GenAI所能提供的只是建議，其判斷能力可能受限。畢竟GenAI準確度、是否有「幻覺」，很大程度須仰賴於餵入的資料品質。只有當工廠的營運邏輯被清晰定義且資料品質得到嚴格管控之後，生成的建議和決策才能達到預期水準。