傳統的生產模式已難以因應市場變化，因此各國無不積極推動製造業升級轉型，期望導入新科技來提高生產效率，以快速反應市場需求。新科技導入包含設備聯網、供應鏈互聯協作，以及銷售與生產大數據分析，其中大數據分析是產生最終價值與效益的關鍵。
在高齡少子化趨勢下，已開發國家皆面臨生產力下滑之壓力，加上網路普及資訊發達，導致產品生命週期縮短，少量多樣成為主流，傳統的生產模式已難以因應市場變化。因此，各國無不積極推動製造業升級轉型的相關政策，期望透過新科技的導入，達到提高生產效率與靈活度，快速反應市場需求等目的。新科技導入主要包含設備聯網、供應鏈互聯協作，以及銷售與生產大數據分析，其中大數據分析是產生最終價值與效益的關鍵。
現階段以感測大數據分析為主
大數據分析在製造業轉型上，會因企業業務或生產型態之差異，而有不同的用途。例如，業務型態為B2C的企業，由於行銷與庫存成本相對吃重，著重於連結客戶屬性、消費行為、社群的產品評價資料，以及銷售區域特性等，進行大數據分析，以期達到產品改良、精準行銷，提升經營績效等目的。業務型態為B2C的企業，則以生產成本與品質為重，可藉由設備聯網與供應鏈互聯協作的大數據分析，達到高效率生產與品質控制的效果。而對製造業而言，產品本身為基本且關鍵的要素，若出現產品重大瑕疵，除衝擊產品銷售外，對商譽的影響更是深遠，因此產品開發設計、製造流程等與產品品質息息相關的環節也不容忽視。
一般而言，大多數企業現階段以「容易處理、型式固定」的機械式感測數據分析為主。如何透過在生產設備設置感測器收集數據，提升生產性，並整合設計開發階段的電腦輔助設計、產品生命周期管理（PLM），以及企業資源規劃（ERP）基礎營運管理平台，進行系統間協作與大數據分析，達到最大綜效，可謂業者規劃佈局與思考精進的主要方向。
隱性知識成分析缺口
雖然藉此已足以達到一定程度的生產效率與品質提升，但是在產品開發製造過程，資深技術或設計人員長年累積的經驗與Know-how等隱性知識，對產品品質更具有關鍵性影響，也是新進的廠商所不及的資產。
例如在產品設計開發階段，必須針對主要元件尺寸形狀、配置位置、材料特性與耐久性等進行確認。進入量產階段，生產技術可行性、單一元件乃至系統層次檢測等，項目繁多且定義困難，逐項進行相當耗時費力。因此，將此工作交付熟悉相關作業的資深技術人員負責，是常見的做法。資深技術人員憑藉過去經驗以及對應設計特性的品質潛在風險等隱性知識，可大幅提高整體檢測的效率。
由於這些隱性知識無法量化或具體化，往往成為收集大數據進行分析的嚴重缺口，因此，對業者而言，如何有效將隱性知識可視顯性化，進一步建立模型，並達到可信賴的精準度，將是一大挑戰。而透過人工智慧深化大數據分析與應用，運用虛擬／擴增實境（VR/AR）輔助收集完整資料等，都是可思考的方向。
可視顯性化為第一要務
運用人工智慧技術，針對過去大量隱性知識資料進行學習，將可就過去類似產品曾出現何種瑕疵、材質選擇上有何種風險，以及事先應檢查的重點事項或方法等進行推論，並對新產品開發提出建議。此外，從過去的數據與模式（Pattern）也可能發現新的關聯性，讓潛藏的風險浮現，除事先防範未然，大幅縮短產品上市的前置作業時間外，對尚不熟悉設計流程的新手，也可透過人工智慧協助分析提出建議，在作業上獲得有效的支援。
人工智慧的應用乃以大量的數據為根本，因此第一要務即在於經驗等隱性知識的可視化、顯性化的處理。由於各領域有不同的技術項目、專業知識、功能類別等，建議可選擇資料最豐富完整的領域著手，透過訪談內外部專家學者，收集過去發生品質瑕疵的具體現象與原因等，運用人工智慧學習與反覆進行原因分析。雖然每次產品出現瑕疵的原因，可能各不相同，但經由重複的分析，即可萃取歸納出共通的因素或規則，逐步形成完整、可視化的圖表結構。
分析精準度為效益關鍵
在業務中運用人工智慧欲達到預期效益，最重要的關鍵在於提出建議「精準度」。其代表的是相關人員對所提出建議的認同感與信任度。若對人工智慧提出建議存在質疑，無法充分信任時，勢必出現回頭檢視其分析結果與建議的狀況，將導致拖累業務執行效率的反效果。因此，在導入人工智慧進行學習時，除專家學者參與之外，也必須徹底驗證建議結果，並了解結果產生的過程與邏輯依據，才能提升相關人員對人工智慧建議的信任度。
運用VR/AR是提升製造業人工智慧應用精準度的另一方式。VR/AR裝置配備各種感測與影音收錄等功能，可完整如實地記錄發生事件的始末，避免因人為作業偏差，導致輸入資料錯誤或疏漏的狀況。
此外，過去累積在資深技術人員身上的隱性知識等資料，也可藉此回饋給所有的作業人員，或資深技術人員可利用通訊方式，進行遠距即時指導與作業狀況監控等，以確保作業品質的一致性。同時，也解決資深技術人員退休離職，產生的經驗傳承、技術斷層等課題。
過去臺灣製造業憑著相對成本優勢與靈活性，成為全球產業價值鏈中，舉足輕重的一環。然而，在紅色供應鏈崛起、各國推動製造業升級之下，競爭態勢已由成本、品質、交期，演變至少量多樣與客製化服務上。面對此變局，臺灣製造業必須有更積極作為與前瞻性思維。導入人工智慧進行大數據應用分析，提升營運績效無疑是一大重點，而除了感測數據的收集分析外，多年累積的經驗值等隱性知識，更是創新研發與提升品質的重要依據，值得重視與充分利用。
＜本文作者周維忠，現任資策會MIC主任，專業於資訊應用相關技術及基礎環境與市場趨勢研究，長期深度觀察資訊應用新興技術發展、創新服務模式與市場競爭態勢。資策會產業情報研究所（MIC）長期觀測紀錄高科技產業市場情報及發展趨勢，是臺灣資通訊產業最重要的軍師，也是政府倚重的專業智庫。更多資訊請參閱官網 https://mic.iii.org.tw/＞