在全球一片AI人工智慧的聲浪下，從政府到民間，從商務到工業，整個社會逐步進入AI+IoT時代。越來越多的設備開啟了智慧化進程，但許多企業也開始焦慮了，不參與這場科技競賽怕會被淘汱，可是加入又覺得現階段人力、技術、形態及財務現狀並不足以支應這樣的改變，該怎麼面對呢?精益管理告訴你:先透過人才梯隊的培養才是根本。
 
人工智慧（AI）結合物聯網（IoT）已是2018年最熱門的趨勢，尤其在全球各國都重金投入在這方面的許多建設，民間像無人車､無人餐廳､銀行…等應用服務及產品的產生，更讓人感到AI智慧對商業及生活模式改變的迫切。今年在上海舉辦的「2018世界人工智慧大會」上，阿裡巴巴公司董事局主席兼CEO馬雲先生也在會中告訴所有的企業，「人工智慧將定義人們未來的生活方式，會帶來社會變革，但人們不需擔憂人工智慧，而應該擁抱人工智慧，迎接新技術帶來的挑戰。傳統製造業如果不能從規模化、標準化，並向個性化和智慧化轉型，將很難生存下去」。
 
面對AI智慧製造的趨勢下，中小企業該何去何從?華宇企管顧問團表示：要形成AI智慧製造前，所有經驗資訊數據的收集是人做出來的而非機器，如果只購入高價格設備，而無優秀使用設備的人才團隊，也是沒有意義的。相較於讓設備升級，反而培育會善用設備的人才團隊，才是AI智慧製造推行是否能成功的關鍵核心!
 
雖然工業4.0的前景十分美好，但實現工業4.0卻必定是一個長期的過程，前期會付出不小的資金和人力投入，並且在變革的過程中，將會有很大的挑戰，這裡僅舉幾5個實質之挑戰點：
 

• 挑戰一：高資金成本投入

 
工業4.0投入之初，需眾多人力及強大硬體支撐，並要完成資料採集獲取、連接傳輸、計算分析，才得以呈現推送等功能。因此，硬體投入成本相當高昂，例如振動感測器，成本較高，對環境要求也高，環境惡劣的廠房，安裝相應的採集數據設備都十分困難。
 
此外，當資料連接建立後的每時每刻，都有海量的資料從機器中傳出，目前的大多數工廠普遍並不具備這樣的硬體條件和資料連接的基礎，架設數位化的分析平臺亦是筆大費用。
 

• 挑戰二：軟硬體的開發

 
進入工業4.0時，面對不同種類的資料形式、機械結構以及不同資料的分析手段，需要經過整合建立統一標準化的分析平臺。但現今大部份工廠皆缺乏統一的標準，資料收集多又雜，準確度不一，這都使得分析的效率都一直處於較低的水準。
 

• 挑戰三：資訊安全

 
在智慧化的過程中，資料不斷增加，資料交流不斷增多，勢必會像互聯網一樣帶來安全隱患。更令人擔心的是，工業資料中常含有大量商業機密，資料在傳輸和分析過程中，會增加洩密的風險。
 
所以如何在安全性得到保障的情況下，建立工廠內資料與工廠外分析平臺的連接，以及如何尋求合適的資料分析形式，保證分析和交互的私密安全性，是未來在進行工業4.0變革的時候需要面對的重要挑戰。
 

• 挑戰四：建置前與後的人才培育及佈局

 
工業4.0歸根究底還是需要人來實現，建立工業4.0未來的工程師，不只要專注於一個領域，而是需要掌握多學科的知識。除了要熟悉機器和生產線的環境，還要瞭解企業整體結構和運行原理，同時還要掌握電腦科學和電腦工程的知識。然而目前這類綜合性人才在工業界奇缺，而針對複合型人才的培育機制同樣匱乏，所以人力資源的缺口也是工業4.0實現的挑戰之一。
 

• 挑戰五：信息化、資訊化基礎建設

 
工業4.0是一個以物聯網+互聯網的工業應用模式，以最大限度的去提高生產效率。基於大資料庫的基礎下，廠家可提前知道這個月該生產多少量，給哪裡出多少貨，以保證有效運行，降低庫存。
 
那麼問題來了，這些要怎麼知道？這需要完整的資訊化基礎，更需要工業3.0+各種資訊採集。但現在工廠及生產線自動化程度到那呢？目前看來大多還處在工業2.0的電氣時代，完全談不上資訊採集，又要如何取得要的數據資料呢？
 
總結以上的重重挑戰，市場專家都認為，工業4.0目前仍較適合某些大型企業，比如汽車製造商，可是對中小企業來說也並非沒可討論的空間。尤其在於進入工業4.0之前，關鍵人才的佈局及培育就是最刻不容緩的事。
 
 
原文連結》http://www.aheadmaster.com/aheadweb/index.php/industry/social/item/4-0