撰文/OOSGA
製造業正在經歷一場規模龐大的數位轉型，所謂的第四次工業革命已然來臨，不僅正在大幅的取代效率不足、成本過高、生產線不靈活、上市時間（Go-To-Market）緩慢等等尚未轉型的傳統製造業，同時，擁抱工業4.0的製造業者更是不斷的推出具破壞性力量的產品、服務、甚至是商業模式。
我們在這一篇文章中，將完整解析工業4.0的定義、起源、以及背後驅動的科技，最後我們將會明確的舉出工業4.0究竟在哪些製造業領域中創造價值，以及業者如何有效的導入工業4.0運營模式。
工業4.0是什麼？
工業4.0，又稱第四次工業革命，其真正的核心是連接度（Connectivity），工廠結合了九種科技驅動著八種不同的價值動因，在總共26個不同的層面當中，引領著組織轉型。
微觀來看，它是機器與機器之間的橋樑，在沒有人類干涉的情況之下，機器與機器之間透過數據互相傳遞訊息，經典的例子包括自動販賣機自動將庫存的數據傳送到到總機以效率化營運流程。而正如同自動販賣機的例子一般，在製造業當中，庫存層面的物聯網應用也是最常見的例子，例如實時供應鏈優化（Real-Time Supply Chain Optimization）、實時成品率優化（Real-Time Yield Optimization）。
一間國際卡車製造商在他們當次所生產的十萬輛卡車內的引擎以及其他機件安裝監測器（Monitor），並透過他們所訓練的模型（機器學習）預測哪一輛卡車將在近期故障，當發現潛在故障可能時，系統將會自動通知司機此情況並與卡車附近的維修中心預約保養時間。同時，系統將會自動寄出相關機件（卡車內部故障的機件）至維修中心，並傳遞詳細情況給維修技師。
這不僅降低了危機發生的風險、提高使用者經驗、同時也為這間製造商帶來了新的收益來源
宏觀來看，它更是社會需求與供給之間的橋樑，需求無所不在。然而，在這個市場上依然有龐大的需求尚無法被滿足。而這出於三個界線。技術的界線、獲利的界線、 道德與法律的界線。
而因為各式各樣的科技興起、發展以及全球化，製造商得以不斷的推進技術的界線，打破以往所定義的不可能。然而，真正重新定義整個市場的是工業4.0在獲利界線上的推進。
近期的天氣、新聞的內容、市場的走向以及消費者洞見等等的數據都能被轉化成可執行的見解（Actionable Insight）並反映在如資源分配、供需匹配、上市時間、存貨等等的層面上。就如同在市場上建立一座連接消費者與製造商的橋樑，成為雙向的溝通渠道。
再者，工業4.0是被隱藏的需求以及尚未存在的供給之間的橋樑
思考一下，雖然每個人的身高、比例、以及體重等都大不相同，但市場上往往同一種設計的椅子都只有一種高度。這是因為對於製造業者來說，造模的成本極高，所以業者必須要事先評估好「會滿足到最多人的設計為何？」，再以此造模、並開始大量生產。
但現在，像 In Situ 3D列印、實境模擬、積層製造、大數據等科技的出現，製造商得已大幅的壓低了訂製的成本，而這也造就了大規模訂製（Mass Customization）的誕生。雖然現在尚不成熟，但未來，這些科技將會給予市場各式各樣需求的人，最適合他們的解決辦法。
為什麼工業4.0如此重要？
工業4.0正在飛快的擴散至整個製造業，尚未轉型的既存企業將會面臨前所未見的危機。對於製造業來說，轉型已然不是選擇，而是所有企業都必須正視的挑戰。
當你的競爭者生產的成本較低、上市時間更快、售後服務更好、且品質也更高的同時，你將如何在市場上保有競爭性？ 同時，在現代，消費者的要求只會越來越多、越來越雜，你該如何跟上這個快速的節奏？
再者，擁抱轉型的業者將能夠大幅拉近製造商與消費者的距離、建立雙向的橋樑、成為關聯性極強的存在，並提供消費者卓越的價值。
如果今天你問一間製造業者「你的價值主張為何？」，而你得到的答案是「我們想要讓客戶能夠更有效率、且更有效能的通過我們所製造的工具成功地完成他們的任務」。這時，也許如何製造出最精良的工具就不該是組織的重心了，反之，業者應該要放更多的重心在定義客戶所遇到的問題，並思考如何在有效益的情況之下，幫助客戶解決問題。 而這，就是為何製造商並需開始架構明確的策略以數位轉型，擁抱工業4.0。
工業的轉型 – 從蒸氣動力到數位轉型
第一次的工業革命，或稱工業1.0，是源於蒸汽機的出現（更精準地說是技術的改良），而這也是人類史上第一次機器這個概念問世，以往依靠人力、畜力、水利、以及風力的勞動都能夠在一定程度上透過機器化以生產提高效率。而比較值得提出的是，工業革命也導致了工廠系統的誕生，因為機器的出現，勞工從以往的分散式勞動，轉化成集中性、有組織性的工作模式
第二次工業革命，電力開始取代蒸氣與水、成為主要的動力來源，而這也是許多系統性工作管理原理的出現，組織開始把「製作成品」的整個工作切割成上游至下游的製作流程。而這也是流水線的誕生。全世界上第一個流水線就是由福特公司於1913年為了壓低製作Model T的成本而導入。那時雖然不能稱為一次成功的流水線管理模型，然而依然是產業的先驅，並由Toyota成功的建立起完整的生產線系統。
第三次工業革命，像是電晶體、積體電路科技的誕生，讓技術員能夠把邏輯寫進控制系統當中。而這技術讓製造商能夠自動化許多產品製作過程上的種種功能。
我們更可以說第三次工業革命建立於福特所導入的生產線概念上，並讓整個過程更有效率、更有效能。
第四次工業革命，更快的網路速度、更強大的運算能力、以及各個層面不同的科技革新，推進了九種主要的科技驅動著製造業轉型。而第四次工業革命最核心的概念即是連接度，他連接著需求與供給、並建立社會與製造之間的橋樑。
轉型工業4.0的九種科技
波士頓顧問團隊提出，主要有九種科技驅動著製造業轉型工業4.0，而這分別為大數據、雲端科技、自動化、系統整合、物聯網、網路安全、積層製造、擴增實境、以及模擬。而在這九種科技當中，物聯網，或是更精確的說，工業物聯網（Industryial Internet of Things, IIoT），是真正讓所生產機能串連在一起的橋樑，成功串連這些機能以及發揮這九種科技的製造業者將可以重新定義傳統的生產者、供給商、以及消費者的關係，並在生產機能中創建一個生態系統。
雲端（Cloud Technology）
雲端其實就是所謂的網際網路，而雲端運算，顧名思義，就是發生於網際網路上的運算。業者現在能夠利用雲端服務來傳遞各式各樣不同的資訊，其中包括數據、伺服器、分析、以及各式各樣的功能，所有的東西都能夠在雲端上運作、儲存、以及存取。
雲端平台也使公司端不再需要投資龐大資金在硬體設備上，也讓業者不需花大量的時間、精力、與人才於維護這些設施，但卻能更有效率與效能的完成同樣的任務。如此的低成本、高敏捷、與高彈性的因素，驅動了整個雲端市場的成長，而也是如此特性，雲端已成為許多新創直接默認的選項，其中不乏也有國際級的大型企業不斷的採納雲端科技，其實，現在已經有90％的公司在雲端上運作了。
物聯網（Internet Of Things）
物聯網，顧名思義就是讓物品上網。經由坎入式裝置與API等，我們能讓任何裝置或設備實時的傳遞訊息到某個平台，並在上面做各式樣的動作如基礎的數據分析到機器學習與AI，而物聯網實時的特性也讓許多充滿未來性的概念變的可能，例如一個汽車與汽車彼此溝通（V2V）或是汽車與所有的基礎設施互相傳遞訊息（V2I）的智慧城市，或是供應鏈管理與消費者需求完整匹配的製造商，或是一個能夠坎入身體內的晶片，並且無時無刻的都將資料上傳到雲端作分析，一有警訊或是建議都能夠立刻告知。
雖然這些概念彷彿遙不可及，但是各個產業的領導著們都不斷地朝著這個方向前進，根據Gartner預測，2020年，全世界將會有200億個裝置互相連接，而其中有一半會上線。物聯網將根本的轉變商業運作的方式，讓整個組織變得更為數據驅動。
大數據（Big Data & Analytic）
詞彙的定義一直是爭議不斷，然而，我們認為，在最根本的層面，大數據與數據是一樣的。而之所以會有「大」數據，只是出於近幾年來，數據量變得極為龐大，以往我們無法轉化成數據做分析的資料（許多非結構化數據），在現代都成為了可能。
在現代，我們能夠量化文字，通過語法分析得出用戶的想表達的為何、甚至預測他的情緒，我們也可以通過機器學習去訓練語言翻譯的模型。我們能夠透過圖片的數據，去預測一個人的基本情報以及情緒，甚至中國有一間公司利用機器學習的技巧讓一個叫做「魯班」的機器人，自動設計廣告圖片。 同時，我們更是將大數據應用至影片、物聯網、行為模式、以及所有能夠想像的領域。
而這大數據究竟有多大？ 答案是每天都有二十萬兆bytes（18個零）的新數據產生，同時，我們更是在思考如何追蹤更多的數據、增加新的數據追蹤點。 分析大數據軟體的市場更是被預估將在2023年時成長至770億美金。
積層製造（Additive Manufacturing）
積層製造，又是3D列印的根基，利用一層層的方式製造出一個完整品，工程師只需利用例如CAD般的3D模型軟體來建立模型，並傳送電子檔案至積層製造機中，如3D列印一般的裝置便能即刻開始製作成品。
而積層製造不僅解決了以往我們模組的初期成本昂貴而導致商品無法客製化、新品上市速度緩慢、市場測試的成本昂貴等的問題，同時這也讓未來每個人都能夠參與設計的概念變得實際（例如，即便不是公司的內部成員，也可以上傳電子檔，並讓某個中間商處理製造以及運送）。
自動化（Automation）
從第三次工業革命以來，自動化就在工廠中扮演著重要的角色，然而過往的自動機器是沒有智慧的，機器只能執行它所被設計的動作，而這隨著物聯網與人工智慧技術發展趨向成熟，未來的自動化，我們將可以頻繁地看見具備智慧的機器人不斷的被應用工廠中。
而正因為機器人變得智慧，以往業者出於初期投資成本過高的理由也漸漸消失。不論是日本、美國還是德國市場，都漸漸地出現可以學習且便宜的機器人供業者選擇。
系統整合（System Integration）
系統整合，顧名思義，就是根據用途，將各式各樣不同的系統、子系統、或是其他軟體或是數據平台等，透過API或是其他方式整合至一個中央控管平台。
將各個不同的業務功能整合，或是既存的硬體與軟體串連進一個系統中的程序非常複雜，然而，組織能夠取得的效益卻是非常龐大的。不僅組織能夠更有效率地執行各項業務，業者更是能利用完整的數據來做更有效的分析。
網路安全（Cyber Security）
網路安全即是從網路攻擊中保護網路、資訊、軟體、以及系統等的過程。 隨著組織的技術不斷的變得越來越複雜，網路安全的重要性也越來越重要。 駭客可能從釣魚網站、惡意軟體、或是社交工程中奪取企業的重要資訊、引導管理者做出錯誤的決策、甚至是直接勒索金錢等。
擴增實境（Augmented Reality）
擴增實境，一般稱作AR，利用圖像分析技術與照相機，讓螢幕的畫面能夠與現實結合，最有名的例子即是Pokemon Go的一款手機遊戲。
現在在工廠中的應用，最為頻繁的即是視覺化設備的數據，這讓工作人員不需往返於螢幕以及儀器間，可以實時的觀看設備的資訊。 團隊更可以結合模擬的技術，實時地在工作現場與同事一同模擬實際工作環境等。
模擬（Simulation）
模擬在工業的應用中在未來會非常重要，業者甚至可以模擬整個生產線，來判斷某個產品或是專案的可執行性，此種方式不僅大幅的降低因錯誤而發生的成本，這更是讓業者能夠以更快的方式進入市場，搶得先機。
驅動工業4.0的八種價值動因（Value Driver）
對於許多製造業者來說，所謂升級工業4.0，或是趕上數位轉型的趨勢，這些詞彙都是非常抽象的概念，並沒有真正的幫助業者理解。而在這個數位時代，不僅新技術不斷地浮出水面，許多科技也不斷的進步、成熟，這對於欲轉型的業者來說更是增加了資源分配以及決策的複雜度。
其實，如同其他產業的數位轉型，升級工業4.0從來都不該從科技的角度去切入，而是應該從價值層面做分析，並思考現有的商業問題為何? 我們該如何解決這項問題? 並建立於這個問題之上，在結合數位科技定義出解決方案。 為了更好的做到這一件事情，我們可以參考麥肯錫所設計的轉型指南針，以更好的針對自己所遇到的痛點（或是想優化的層面）來尋找最相關的技術。
就好比業者可能發現產品上市後，即便測試的在完善，依然會出現許多種不同層面的問題而導致顧客無法流暢的使用產品甚至無法使用（產品缺陷、產品失能）。這時，業者就可以思考兩種層面，品質以及售後服務，並評估最有效益的改善方法為何。
是導入預測性維護、遠程維護、還是虛擬指導的自助服務？ 還是在產品製作的時候加入數位管理、先進製程控制、或是統計製程控制？
供需匹配 Supply / Demand Match
製造業者所遇到的最大的挑戰之一即是供需匹配了，要生產什麼產品？要生產多少數量？什麼時候開始生產？若製造商所得到的答案遠遠的偏差於實際需求時，業者將必須承擔多種嚴重的負面後果。
原材料的不足、臨時增量所導致的成本上升、存貨暴增的運營成本、甚至是存貨不足的商機損失等等，都是製造商所承擔的巨大風險，所以業者在預測需求時都必須極為警慎。竭盡所能地降低高存貨、無存貨、死水金流、達不到既有KPI等等後果的風險。
然而，擁抱轉型的製造商透過兩種數位能力以優化供需匹配，其分別為數據驅動的需求預測以及數據驅動的價值設計。而這代表什麼意思？
傳統製造商通常是依靠多種統計預測模式以降低需求的不確定性，雖然有許多種統計模型，但概括來講，這些模型即是通過歷史的銷售數據以抓出常見模式，並以此為基準去決定生產量。此類型的模型在面對重複性的模式（Pattern）時，然而，需求並非重複性的模式，
微觀層面來看，需求可能會行銷活動、流行趨勢的改變、競爭者動向、甚至是數位破壞玩家的進入等影響。宏觀層面來看，如颱風、地震等的極端天氣因素，市場失調、失業、金融風暴等的經濟因素，也都會大幅的提升需求的不確定性。
而這就是前兩者的數位能力能夠帶給製造商的優勢了，不僅業者現在能夠抓取更多的數據點（如社群媒體、氣象預報、經濟預測、以及自家設計的儀器等）進入模型當中，同時，業者還能夠讓抓去數據點的監測器（或第三方數據）與生產線做即時溝通。
數位供應鏈將會如何顛覆供應鏈管理並大幅提高供需匹配?
上市時間 Time To Market
從Idea到產品，業者總共花了多少時間？隨著全球化加劇，時常銷售位置與生產位置都位於不同的國家（多數為中國，占比全世界40%的製造量）。
而在回答上市時間時，對象也很重要，一間CPG公司的答案可能是數月、一間高科技公司的答案通常單位是年、而當你向Inditex（Zara的的母公司）問出此問題時，答案是兩週。
上市時間在節奏極快的現代時常是製造業能否搶得先機的關鍵，許多業者為了縮短上市時間，跳過了生產過程中的幾個階段、或是降低某些階段的標準以加速生產流程。然而，這不僅會導致產品品質的降低，甚至還可能因為強迫性的效能提高而延長了上市時間。
售後服務 Service / Aftersales
在過去，售後服務所提供的價值時常遭製造商所忽略。然而，隨著製造商開始意識到服務層面的重要性，越來越多的公司開始思考如何整合售後服務至現有的營運流程當中，並為組織增加新的收益來源。
貝恩顧問的公司的調查甚至發現，製造業中，相較於年成長率5％的產品層面，服務層面的年成長率為9%，而同一份調查也指出，對於製造耶來說售後服務的利潤平均在39%，然而新產品卻只有27%。
同時，值得提出的是，售後服務遠不局限於產品公司，麥肯錫於一次報告中指出，OEMs將會在售後服務的市場中發現未開發的金礦，而一點也不誇張。工業OEMs於售後市場中是擁有龐大商機的。一間OEM在審視了售後生命價值（Aftermarket lifetime value）發現，短期計畫中核心服務將會貢獻成長的90％。
若要在售後上取得成功，製造商可以360度的審視既有的商業流程，並思考如何在不同環節點上去優化既有運營，或是提供更具效率、效能、且更符合效益的售後服務，以提高運營的獲利性與客戶體驗。
我們認為，在整個售後流程中，有四個環節點是製造商能夠通過結合既有數位科技去創造最多價值。從最初的合約管理流程 ( Contract Management ) ，製造商可以思考如何系統性的管理與分析合約內容 ；再來是部件管理 ( Parts Management )，製造商也可以思考如何追蹤部件動向，甚至是遠程的監控部件，並提供客戶預測性維護的服務；
再來還有服務管理 ( Service Management )，製造商可以在進一步的優化服務流程，提供更及時的產品支援以及維護，甚至是通過創新的方式開闢另一道金流；而最後則是物流管理 ( Logistics Management )，製造商也能夠透過逆向物流以加速維修效率以及客戶的等候。
OEM的售後策略－ 製造商如何透過售後提高產品獲利與客戶體驗
資產運用 Asset Utilization
資產運用看得比整體設備效率（OEE）更深一層，它探討的是整個安裝的設備使用情況以及生產效能。
在任何一發子彈都不該浪費且必須精確的時代，審視的看進資產運用並架構實際的策略去優化它將能夠帶給製造商一定程度的競爭優勢。
運營可以從4個層面去計算資產運用，產量、整體設備效率、非規劃的停機時間、以及維修支出，若組織的資產運用率低於70％，時常，業者將失去極大機會將資本放在投資報酬率更高的資產與項目當中，而讓競爭者搶得先機，同時失去了在價值線內進入的優勢。
而在資產運用的層面上，工業4.0帶來完整的解決辦法，路由彈性、製造彈性、遠端監控、以及預測性維護等技術，運營得以創造真正的彈性製造系統，並大幅的增加資產運用率。
資源＆流程 Resources & Processes
如何讓生產程序更有效率、更有效能？如何提高生產力？這些問題的答案對於製造商來說即是利潤空間。 競爭對手即便是把成本壓低僅5%，在價格較敏感的空間中，競爭對手將會徹底拿取市場的主動權。
而資源如何更有效地被應用、以及如何提高生產流程，工業4.0提出了解決辦法。 通過大數據、物聯網、以及自動化等技術，製造商得以從三種層面去思考如何優化資源與流程，其分別為智能能耗、Intelligent Lot、實時產量優化。
以智能能耗為例，據一份2017年六月的物聯網投資報告中顯示，建築的智能能耗將佔比整體物聯網投資的5.6％左右，且投資額度將持續成長至2021。
在製造業中，大數據分析將會如何優化供應鏈以及製程?
勞動 Labor
從電力、機器出現以來，製造業就不斷地開始嘗試將勞動成本最小化（同時也代表著運營自動化），由福特公司的創辦人於1913年導入了生產線的系統之後，越來越多的生產工作也隨著科技進步而被自動化，現代，我們更是看到具備學習能力的機器人加入生產線當中，與人類一同工作。
而這些科技在降低勞動成本的潛能是業者不可忽視的，例如，智慧機器人的導入意味著許多複雜且重複性較低的工作將可以在未來僅靠著電力即能運作。而遠端監控以及數位成效管理也代表著一個員工可以同事可以在不進廠情況下，監控以及操縱數十台機器，並追蹤成效以及優化產能。
再者，以往需要Creative Problem Solving以及設計性思維等的工作，將也會在未來被自動化，麥肯錫甚至預估2025年將會有5~7兆美金的知識性工作被自動化。
存貨 Inventories
通常組織會使用庫存管理軟體系統以效率化存貨的管理，而較新的軟體甚至能夠與會計、ERP以及其他平台整合，而許多運營會使用如JIT, 以及ABC分析以效能化存貨管理。
然而，在工業4.0的時代，通過物聯網、大數據、以及系統整合、以及3D列印，組織管理庫存的模式已然與之前大不相同。
出於網路速度以及運算速度的提升，近乎所有的分析與運算都能在實時達成，並且通過機器學習等技術不斷的優化成效。
品質 Quality
品質控管可以說是所有製造業的商業功能中最為重要的功能之一，在一個對於品質要求只會越來越高的現代，全球品質控管軟體的市場甚至被預估將成長到130億美金。
而其中，統計製程控制、先進製程控制、以及數位品質管理將是主要的驅動品質管理效能的科技。
