协作，制造业的智能下一步

工业4.0、智能制造、机器手臂、各式传感器等，这些都是近年在谈论生产制造智能化少不了的名词，甚至讨论追逐包括全自动化工厂、关灯无人工厂等这些如同圣盃一样的终极目标，例如Tesla的制造工厂。但制造业不是互联网，没有太多快捷方式或商业模式，可以短期拥有破坏式创新，连Elon Musk也承认，之前在工厂内Humans are Underrated人类的价值被低估了。

Elon Musk则是烧了巨大的金额来追逐终极的全自动化工厂(Tesla工厂目前仍有3万多员工)，然而这种游戏并不是适合其他所有人的。工厂在导入自动化或智能化，其实可以归纳几个简单的衡量点，尤其是在近期的科技发展下，我们认为「协作」才是智能化的下一步。

目前在生产制造端会碰到下列问题，并用来衡量智能化的投入：

产线产品的利润是否足够支撑新科技的导入：这里出现了鸡跟蛋的问题，当产品利润不佳时，只有大量标准品生产量才能因应科技的导入成本；而小量订制时，又将产生「智能不足的自动化导入」，出现生产弹性不足的问题，最终投入成本还是看不到收回的时程表。所以，如果产线还在做利润低到10%的平板时，很难导入新智能化方案来改进效率的。

端到端的完全解决方案需求：生产是流动的，且得整合前期供料、设计与后期的物流等等，科技直接深度导入后，任何单一环节停滞或单一效率成长，都无法解决最终产出的问题。例如升级了电性测试，但还是卡在人工的外观目测阶段，如果大家看过工厂在十几年前疯狂导入ERP的痛苦就可知道(平均中型ERP导入成本在50万美元以下，但最大的问题是流程与人员配合训练的时间)。

工厂是由人、系统、机器共同组成的，有一定的管理流程包袱，且层层相扣。如果有机会与工厂的专案经理聊天，就会知道大量的时间卡在系统与人之间的协调问题。

欠缺数码化的基础建设：许多机器、流程、环境数据、采购检测等，都缺乏完整的数据整合，或根本还在纸本运作。但问题不是不愿意智能化，而是一次升级的成本太为巨大。

「协作」，是在最小限度下，改造生产制造环境，并且充分与现场作业人员、既有环境流程做整合，在资源足够或拥有百万数量订单能解决上述问题时，进入智能化。最容易了解的就是机器手臂大厂如ABB、KUGA、FANUC、Universal等，都把协作机器手臂视为明星产品。

根据日本机器人工业会(Japan Robot Association；JARA)统计，2025年全球协作型机器人市场规模将成长至57亿美元，为2017年5亿美元的12倍之多。而相关专利也在2018、2019两年即将到期，更多白牌手臂将让这个市场迅速普及化。但「协作」并不只限于机器臂的应用、电脑视觉的参与、传感器的布建、自驾输送车、机器数据化等等，都是进入「协作」的切入点，轻度的介入既有流程与环境，实行小部分或单一功能的智能化为优先。

作者近期在硅谷与工业智能化的新创公司，一同去生产一线交流开拓机会时，深切体验到「协作」的需求，例如Arch System透过读取各式机器的底层数码信号，来炼接不同厂牌、年代与功能的生产机器，为协作打好基础。

Canvas应用自驾车的技术，在混杂不规律的工厂环境中ㄝ，完成基本物流服务。Ready Robotics充分应运软件实力，在不同厂牌型号手臂中，完成开发管理整合，简化导入学习与提升制造细节修改的弹性。Augury则在机器外部声音与震动方面有深入的机器学习成果，特别在马达应用的工厂中，管理设备的运作。Piskik则研发无源的传感器芯片，解决传感器布建的痛点，达成基础智能化环境的普及。

上述新创都在硅谷已是价值上亿的公司，这次的深度交流充分的反映了上述的论点，工厂导入智能化不是一蹴可及，得一步步从各个环节中去改善，轻度地介入既有生产程序，等待验证后，即可迅速地大规模导入。

IIoT及工业4.0的市场相当巨大，根据IDC对2016年物联网领域的投资支出统计，支出金额排前三大的产业分别是制造业(1,780亿美元)、交通运输业(780亿美元)和公用事业(69亿美元)。其次，IIoT和工业4.0具备长周期的特性，一旦验证ROI，就会收获长期合作的客户夥伴。现在所有制造业企业都面临着AI智能化竞争的压力，并都在进行不同程度的验证与测试，这进一步证明，IIoT及工业4.0的市场潜力无穷。

(本文作者为Legend Star联想之星Comet Labs, US Operation Partner王仁中，记者张琳一整理)