智能(néng)化是近年来制造业最重要的趋势，历经过去几年的市场教育，这两年市场询问度已开始提高，而从2016年开始，IT产业掀起人工智能(néng)（AI）热潮，AI与物(wù)联网的整合将成為(wèi)未来各垂直领域的主流系统，在制造业中，AI也将成為(wèi)工业物(wù)联网的核心运算架构之一。

    自从德國(guó)率先喊出工业4.0后，相关科(kē)技也同步的突飞猛进，包括工业物(wù)联网、大数据分(fēn)析、机器人等技术发展至今，已渐渐打造出新(xīn)型态的智能(néng)工厂与全新(xīn)的工业化标准。

    尤其近几年来，人工智能(néng)（AI）浪潮袭来，更赋予工业4.0全新(xīn)的发展方向，明确分(fēn)野自动化及智动化的差异，包括机器视觉、深度學(xué)习等利用(yòng)算法分(fēn)析為(wèi)主的人工智能(néng)技术，已成為(wèi)工业4.0未来发展的全新(xīn)趋势，不仅让自动化与机器人的技术更為(wèi)精准、制造业也开始进入如无人工厂等全新(xīn)的科(kē)技领域。

    自动化是现代工业的技术根基，AI导入将全面提升自动化系统效益

    就目前发展来看，智能(néng)制造有(yǒu)三大趋势，首先是生产网络，这部分(fēn)主要是应用(yòng)制造运行管理(lǐ)系统（Manufacturing Operations Management, MOM），协助生产价值链中的供货商(shāng)获得并交换实时生产信息，供货商(shāng)所提供的全部零组件都可(kě)在正确的时间以正确的顺序到达生产線(xiàn)。

    第二个趋势是虚拟仿真与真实物(wù)理(lǐ)系统的完美融合，在生产制造过程中的每一步都将在虚拟世界被设计、模拟及优化，為(wèi)真实的物(wù)理(lǐ)世界包括物(wù)料、产品、工厂等建立起一个高度仿真的数字双生（Digital Twin，Twin Model）。

    第三个趋势则是信息物(wù)理(lǐ)系统（Cyber-Physical System，CPS），在此系统中，产品信息都将被输入到产品零组件本身，它们会根据自身生产需求，直接与生产系统和设备沟通，发出下一道生产工序指令，指挥设备自行组织生产，这种自主生产模式能(néng)够满足每位用(yòng)户的订制化需求。

    以大数据建立运算模式

    上述的三大趋势，未来都会与AI有(yǒu)一定程度的整合，例如在产線(xiàn)监控、机器人、无人搬运車(chē)等，都将有(yǒu)AI运算功能(néng)设计，主因在于大量订制化的趋势，工厂需要面对的产品类型、产線(xiàn)调动等各种生产情境的难度也会大增，虽然透过传感器及大数据分(fēn)析，管理(lǐ)者已经可(kě)以掌握更多(duō)用(yòng)来帮助决策的信息，但也因為(wèi)信息量大量增加，增加管理(lǐ)者的信息分(fēn)析压力，加上市场变化愈来愈快速，人类的分(fēn)析速度恐怕已经愈来愈难跟上提供速度愈来愈快的前端数据，自然也就更难让制造现场的机台能(néng)够迅速反应客户需求，AI应用(yòng)于制造业，将可(kě)让系统从大数据分(fēn)析找出规律性建立模式，进而學(xué)习避免前面发生的错误，甚至做到提前预测，应用(yòng)于制造领域，不仅可(kě)以缩短停机时间，更可(kě)适时做出产線(xiàn)调整，减少呆料及废料的发生频率。

 
连网是工业物(wù)联网架构的基础，未来AI将会分(fēn)析设备设网所取得的大量数据，作出具智能(néng)的判断与建议

    对工业物(wù)联网来说，取得数据和分(fēn)析数据是核心任務(wù)，而来自传感器的数据点经过多(duō)个阶段才能(néng)转化為(wèi)可(kě)操作的见解，工业物(wù)联网平台包括可(kě)扩展的数据处理(lǐ)流程，能(néng)够处理(lǐ)需要立即关注的实时数据，以及仅在一段时间内有(yǒu)意义的数据，当检测到压力和温度阈值的异常组合之后，物(wù)联网平台关闭液化石油气灌装机可(kě)能(néng)已经太晚了，应该在毫秒(miǎo)之内检测到异常，然后依规则触发立即反应。

    就目前发展来看，AI有(yǒu)几种算法，例如热点路径分(fēn)析的核心是负责检测异常的规则引擎，物(wù)联网平台嵌入复杂的规则引擎，可(kě)以从传感器数据流动态评估复杂的模式，由了解模式和数据格式的领域专家来定义规则引擎的基准阈值和路由逻辑，这种逻辑作為(wèi)规则引擎在编排讯息流中的关键输入，在数据点移动到数据处理(lǐ)流程下一个阶段之前，為(wèi)每个数据点定义嵌套的语句条件，规则引擎已经成為(wèi)物(wù)联网平台的核心，而机器學(xué)习的关键领域之一是从现有(yǒu)数据集中找到模式，将类似的数据点分(fēn)组，并预测未来数据点的价值。

    机器學(xué)习有(yǒu)关的高阶算法可(kě)用(yòng)于分(fēn)类和预测分(fēn)析，由于这些算法可(kě)以从现有(yǒu)数据中學(xué)习，且大多(duō)数物(wù)联网数据都是基于时间序列，因此这些算法可(kě)以根据历史数据预测传感器的未来值，这些多(duō)种机器學(xué)习算法的组合，将可(kě)替代工业物(wù)联网平台中的传统规则引擎，虽然领域专家仍然需要根据条件定义采取行动，但这些智能(néng)算法提供更高的准确性和精准度。

    AI + HI大幅提升效益

    工业物(wù)联网中的机器學(xué)习最大应用(yòng)之一是设备的预测性维护，透过关联性和分(fēn)析模式变化来预测设备故障，并报告如设备的剩余使用(yòng)寿命等关键指标，预测维护未来也可(kě)应用(yòng)在航空航天、制造、汽車(chē)、运输、物(wù)流和供应链等领域，例如预测模型安排至汽車(chē)服務(wù)中心，在航空业中，预测维护方案的目标是根据维护历史和飞行路線(xiàn)讯息等相关数据来预测航班延迟或取消的可(kě)能(néng)性。

在工业领域，AI与HI必须协力合作，方能(néng)创造系统最大价值

    观察物(wù)联网的发展态势，目前工业物(wù)联网是所有(yǒu)垂直应用(yòng)中，发展最快的类别之一，AI在工业物(wù)联网主要是协助操作者与管理(lǐ)者，筛选从大量设备撷取出的数据，并做出判断，但是目前的AI并无法做出具有(yǒu)逻辑性的决策，因此在制造领域，AI必须与人类智慧结合，才会是系统的最佳效益。