大前研一在最近的新書「科技4.0」 一書中，直接將世界分別兩國–世界只分iOS 與 Android 兩個國別，手機是進入世界的入口。 一手滑過就可以掌握世界的消費者，隨身攜帶全世界且無所不在。 您的企業是否「夠格」被稱為是科技4.0的企業，就要看您能否支撐起消費者在無國界網路與有形實體世界的服務需求了，而您的企業是否已經進入AIoT階段，就是最好的檢驗。

5C快速審視製造業IND.20~4.0

對此，英特爾（INTEL）亞太區製造業產業解決方案總監李立仁提出了5C 階段，來檢驗您的企業是否進入AIoT 階段，提供產業界很好的參考。

以製造業為例，科技4.0 在製造業主要的技術在於流程自動化、 3D列印與機器深度學習的能力，在工業界，我們通常以工業4.0 來檢驗。 不同製造業族群所使用的技術成熟度來說有很大的差異，例如傳產可能連第一步將設備連網的階段可能都還未達到，可遑論現今炙手可熱的人工智慧等。但有的產業卻已經在深入研究如何運用AI、機器學習等技術，讓設備自主優化。李立仁近一步觀察，其中，又以半導體和面板業在技術上較為領先。

那麼企業如何審視自己究竟達到工業2.0還是3.0呢？

李立仁表示，企業可透過訊息物理系統(Cyber Physics System)當中的5C架構來進行評判標準，他認為，此5C標準非常適合用來檢視工業4.0技術的成熟度，並輔助企業審視各階段所需的代表性能力與技術。

5C架構從最底層初階技術至最高層高階應用共可分為五個能力組成，分別是連結(Connect)、轉化(Covert)、虛擬(Cyber)、認知(Cognitive)以及自我配置(Configure)。

進一步說明，最基本的連結，在這階段最主要的就是將OT與IT進行整合，透過物聯網技術讓機器與機器間能夠互相通訊、進行串聯。

其次，在轉化的階段中，則是讓設備機台在初步的連網後，將擷取到的資訊轉換為具有分析價值的數據資訊，例如設備的失效或良率的分析。其中，設備端點須具備分析、智能化的能力是這一階段中非常關鍵的能力。

在第三個階段虛擬中，則是強調虛擬化的數位工廠(Digital Twins)，在所有機台都連網之後，形成另外一個虛擬、同步化的工廠運行，而其數位工廠具備感知、預測能力，可預測「非計畫內」的設備故障，當故障訊息被數位工廠擷取後，更可以模擬接下來如何執行最佳化的重新排程。李立仁也舉例，像日本近年就非常致力於推動數位工廠的運行。

至於第四層認知，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慧技術，讓機器可自我學習、進化，並從大數據分析中不斷進行推算與模擬，進而在設備端預防機器故障與良率不佳的狀況。

最後一個階段自我配置，則是能夠機器能夠藉由感知、學習的結果，以自主的方式改變機器設備的設定，就好比自動駕駛的概念，利用系統對環境變化的判斷與分析自動更改執行命令。而工廠的機器同樣也能夠根據感測系統、訂單需求等的變化重新排程，訂立最佳化的結果，這也是目前工業4.0追求的最高層級。

台灣IND4.0挑戰:各行業成熟度不一 尋聯手跨生態商業合作

李立仁談到，台灣有很大族群是電子業，半導體產業與面板業走在工業自動化的尖端。以台積電為例，該公司已達「認知」階段，具備高度機器學習的能力，可以在設備端預測、預防良率不佳之處。這類高度自動化的廠商，現階段面臨著如何將每年機台蒐集的龐大資料量雲端化的難題。 如何劃分保留在工廠端的資料與上傳到雲端的資料，著實為難以定義的挑戰。

另一方面，許多組裝業、代工業的多數情況則還停留在基礎的階段，其首要解決的問題，就是連結所有設備，並將設備蒐集而來的資料轉換成有用的資訊。在傳統離散式的產業型態，廠房內夾雜許多不同設備，整合OT與IT為大多數傳統產業無法克服的第一步。顯而易見的，每個階段面對的客戶成熟度不同，遭遇的困難也因其而異。

工業4.0需要高度人力資源與成本資源投入，工廠須先確知導入高度資料中心的技術，可獲得相對應的投資報酬。 從與多家需要升級工廠的製造業互動過程中，歸納出兩點目前台灣工廠升級時所遇到的阻礙，首先，當設備維運變成服務，這些服務需要取得設備端客戶學習資料，建構具有商業價值的應用場域，須突破此進入工業4.0的障礙；第二，如同上述談及的5C階段，之中夾帶著各式各樣的技術，難以有單一廠商可提供完整的解決方案，故未來聯手跨生態系統合作的商業模式將愈趨明朗。

資料來源:Intel亞太區製造業解決方案總監李立仁公開演講;KKNews (2017/11)