工業(yè)4.0是近年所有制造業(yè)皆在努力實踐的目標，麥肯錫(McKinsey)去年針對歐、美、日等地的制造大廠進行調(diào)查，根據(jù)調(diào)查顯示，在這些推行工業(yè)4.0的企業(yè)當中，僅有四成認為有獲得成效或在改善制造流程中取得良好進展，這個結(jié)果雖然不至于太慘，但也算不上取得好成績。而觀察臺灣市場，半導體大廠英特爾則認為，由于制造業(yè)族群分布零散，不同產(chǎn)業(yè)在落實工業(yè)4.0中，從技術(shù)成熟度、策略方針到問題痛點等都具有很大的差異化。企業(yè)在實踐工業(yè)4.0的第一步，應(yīng)當先審視自己所處的位置，以找出最合適的解決方案。下面就隨工業(yè)控制小編一起來了解一下相關(guān)內(nèi)容吧。

　　英特爾亞太區(qū)制造業(yè)產(chǎn)業(yè)解決方案總監(jiān)李立仁表示，英特爾期望協(xié)助臺灣企業(yè)于工業(yè)4.0浪潮下，精準轉(zhuǎn)型智能制造。

　　英特爾亞太區(qū)制造業(yè)產(chǎn)業(yè)解決方案總監(jiān)李立仁表示，不同族群在工業(yè)4.0所使用的技術(shù)成熟度來說有很大的差異，例如傳產(chǎn)可能連第一步將設(shè)備連網(wǎng)的階段可能都還未達到，可遑論現(xiàn)今炙手可熱的人工智能等。但有的產(chǎn)業(yè)卻已經(jīng)在深入研究如何運用AI、機器學習等技術(shù)，讓設(shè)備自主優(yōu)化。李立仁近一步觀察，其中，又以半導體和面板業(yè)在技術(shù)上較為領(lǐng)先。

　　那么企業(yè)如何審視自己究竟達到工業(yè)2.0還是3.0呢?李立仁表示，企業(yè)可透過訊息物理系統(tǒng)(CyberPhysicsSystem)當中的5C架構(gòu)來進行評判標準，他認為，此5C標準非常適合用來檢視工業(yè)4.0技術(shù)的成熟度，并輔助企業(yè)審視各階段所需的代表性能力與技術(shù)。

　　5C架構(gòu)從最底層初階技術(shù)至最高層高階應(yīng)用共可分為五個能力組成，分別是鏈接(Connect)、轉(zhuǎn)化(Covert)、虛擬(Cyber)、認知(Configure)以及自我配置(Configure)。進一步說明，最基本的鏈接，在這階段最主要的就是將OT與IT進行整合，透過物聯(lián)網(wǎng)技術(shù)讓機器與機器間能夠互相通訊、進行串聯(lián)。

　　其次，在轉(zhuǎn)化的階段中，則是讓設(shè)備機臺在初步的連網(wǎng)后，將擷取到的信息轉(zhuǎn)換為具有分析價值的數(shù)據(jù)信息，例如設(shè)備的失效或良率的分析。其中，設(shè)備端點須具備分析、智能化的能力是這一階段中非常關(guān)鍵的能力。在第三個階段虛擬中，則是強調(diào)虛擬化的數(shù)字工廠(DigitalTwins)，在所以機臺都連網(wǎng)之后，形成另外一個虛擬、同步化的工廠運行，而其數(shù)字工廠具備感知、預測能力，可預測「非計劃內(nèi)」的設(shè)備故障，當故障訊息被數(shù)字工廠擷取后，更可以仿真接下來如何執(zhí)行優(yōu)化的重新排程。李立仁也舉例，像日本近年就非常致力于推動數(shù)字工廠的運行。

　　至于第四層認知，在這個階段主要則是導入如機器學習、深度學習等一系列的人工智能技術(shù)，讓機器可自我學習、進化，并從大數(shù)據(jù)分析中不斷進行推算與仿真，進而在設(shè)備端預防機器故障與良率不佳的狀況。

　　最后一個階段自我配置，則是能夠機器能夠藉由感知、學習的結(jié)果，以自主的方式改變機器設(shè)備的設(shè)定，就好比自動駕駛的概念，利用系統(tǒng)對環(huán)境變化的判斷與分析自動更改執(zhí)行命令。而工廠的機器同樣也能夠根據(jù)感測系統(tǒng)、訂單需求等的變化重新排程，訂立優(yōu)化的結(jié)果，這也是目前工業(yè)4.0追求的最高層級。