新製造數位轉型中心－鼎新電腦

過去10年間，許多先進國家都將智慧製造視為重點發展項目，包括2011年德國的「工業4.0」與美國的「先進製造業國家戰略計畫」、2014南韓的「創新3.0」、 2015年日本提出的「機器人新戰略」與中國「製造2025」。台灣也自2014年起力推5+2產業創新計畫，將「智慧機械」列為重點項目，旨在將台灣由精密機械升級為智慧機械，創造就業機會並擴大供應鏈輸出；更在2016年通過「智慧機械產業推動方案」，期望國內的精密機械產業成果，能結合(AI)、大數據(Big Data)等ICT技術能量，協助產業導入智慧化相關技術，建構智慧機械產業的新生態體系。

從中不難看出，台灣與其他先進國家，均將AI、大數據等相關軟硬體與基礎設施的整合，視為是國家發展製造業生態體系的關鍵，更是全球製造業供應鏈搶先布局的重點。

然而，台灣製造業近年在導入AI、數位轉型的過程中，無可避免的面臨許多現實的挑戰，例如工廠機台設備老舊無連網能力、業者不清楚AI導入後的效益、欠缺資料整備與機敏資料處理經驗、缺乏實驗認證場域、投資成本考量等。因此，在這場全球競逐大戰中，台灣製造業若要實現AI落地，必須貫徹三大策略：跨域合作、軟硬兼施、產業落地，如此將大有機會率先搶攻全球AI商機。

關鍵三策略之一：展開跨域合作

跨域合作，指的是AI結合領域知識(Domain Knowledge)。自AI出現以來，聽過太多有關AI的「狂想」，彷彿AI無所不能。然而，驅動AI的必備條件就是要有充足、有效的資料，才能確保AI學習的成效。

以PCB印刷電路板、半導體晶圓的瑕疵檢測為例，如果缺少PCB業者、半導體業者的瑕疵影像資料與專業的瑕疵標記知識，空有AI影像辨識技術，也無從判斷哪些產品有瑕疵。

台灣製造業出口值佔整體出口總值的七成，是台灣創匯主力，上下游供應鏈完整、長年更累積出寶貴的領域知識與資料，例如配方資料、檢測資料等。發展AI的過程中，可以很容易結合相關的領域知識，從中淬煉大量標記資料，透過AI與硬體設備的結合，提升硬體設備價值，方能透過AI演算法，以提升效能、減少浪費、創造價值。

資料來源：DIGITIMES智慧應用/作者馮文生，更多內容  https://www.digitimes.com.tw/iot/article.asp?cat=158&cat2=10&ct=o&id=0000582344_F6E2QFA55JY0AK31MZWT1

智慧機械解決方案  https://www.digiwin.com/tw/dsc/solution/WB002476/industry