聯合國全球永續發展目標(SDGs)，希望於2030年前漸進改善全球的能源使用與生產效率，並鼓勵透過科技升級，朝向更環保的生產模式，減少經濟成長與環境惡化的關聯。因應全球暖化與氣候變遷，世界各國皆致力節能減碳，台灣亦設定2050年溫室氣體排放應降為2005年排放量50%以下的目標，期望邁向低碳社會、低碳經濟，以迎向綠色永續環境。

在各國政策以及因應氣候變遷、能源與環保、市場與客戶需求等內外部生產因素與發展條件變動下，減少能源消耗與碳排放，已成為企業和公司發展方向。而台灣自產能源缺乏，高達98%的能源供給依賴進口，面對資源有限的環境，近年製造業也紛紛藉由數位轉型、導入綠能科技來升級智慧製造，以積極發展高效率、節能製程，並創造新商業模式。

智慧製造是產業朝向綠色經濟、環保營運的發展方向，但如何充分利用科技，創造企業的綠金，是目前製造業者普遍遭遇的困境，業者可以掌握以下智慧製造發展的3大關鍵，以提高企業競爭力。

關鍵一：謀事在「人」，以「人」為本

近年智慧製造是產業關注的當紅議題，但智慧製造並非是單純要讓機器取代人，而是要透過科技讓人在工廠裡成為重要角色，藉由人機協同合作，並以照顧員工的角度，來設法提升員工產值、避免工作出錯或職業傷害，進而提升產業實力。

舉例來說，像老師傅的工作經驗，也能經由在製程中導入感測器、機器視覺、人工智慧(AI)、大數據分析、工業物聯網等先進技術，結合科技與人的經驗，來數位傳承老師傅的領域專業知識，讓機器協助人做出更正確的決策，提高員工的附加價值；此外，作業員也能透過系統數據分析與建議，從重複性高的工作內容，轉而進行流程管理與決策。

像工研院研發的CPS研磨拋光機器人，即是結合水五金產業老師傅的研磨經驗，開發虛擬化研磨路徑，調教機器人自動研磨拋光，不僅讓老師傅的工法不失傳，也能讓年輕作業員升級為管理者，脫離3K環境，讓新世代更願意投入傳統產業。

關鍵二：資訊數位化，優化製程降低生產能源浪費

這一波智慧製造的趨勢強調以數據做決策，因此資訊數位化十分重要。過去製造業多以人工統計資料、各系統間的資料沒有直接串連彙整，這種方式在作業溝通的時效性較低，唯有掌握更多真實的生產製造數據，才能減少人工作業的錯誤，提高執行正確率。

在邁向智慧製造的過程中，應蒐集工作流程中的各項數據，讓生產設備、原物料、品質檢驗系統的資訊數位化，再藉由整合各系統的資訊及統計分析，打造完善的數據分析資料庫，達到製程的有效監控與即時管理。

此外，企業也需學習如何運用數據分析來進行有效的判斷與決策，才能快速調整製程，降低生產原料和能源浪費，提高生產效率。舉例來說，工研院開發的迴轉機械預兆診斷系統，搭配AI演算法，開發自動化、客製化的監測軟體模組，針對多種迴轉機械常見故障進行精準鑑別，避免人為誤判及時間浪費，有助設備的生產排程、預兆診斷、健康趨勢預測。

關鍵三：產線自動化，先從「檢驗」開始

近年從德國倡議工業4.0為開端，轉型智慧製造的資訊如雨後春筍浮現，而產線自動化也是中小企業積極追求的目標，但對業者而言，究竟該先從哪個生產環節進行自動化？許多中小企業在面對這波資訊潮，並不容易決定要如何起步投資。

傳統產業像塑膠業、金屬加工業等等，由於產品的種類和材質多樣，產線自動化難以有統一標準，產線有些製程仍須仰賴人工完成，這是傳統產業在升級產線自動化時會面臨到的困擾。

業者在思考產線自動化時，可以利用自動光學檢驗技術(AOI)，先從「檢驗」著手，來進行產品的自動化品質檢測。這是因為當前AOI技術在平板顯示、半導體等產業應用成熟，導入成本低，但此技術在傳統產業仍未普及，因此業者在建置自動化產線時，可以嘗試先進行檢驗站的自動化，再逐漸設置產線其他站點的自動化措施。

目前工研院已累積超過20年的AOI檢測技術，能協助產業進行外觀瑕疵檢測、尺寸量測，用於金屬加工業，可解決過去因金屬曲度、光源變化等因素，難以判斷瑕疵的問題，精確判讀金屬加工表面有無瑕疵；透過機器視覺量測重要尺寸，取代現場作業員的卡尺，減輕負擔，也確保品質。

綜上所述，企業可以把握這3大關鍵進行數位轉型，邁向智慧製造。另一方面，工研院已擘劃2030技術策略與藍圖，協助製造業者導入高階科技，引領台灣實現智慧製造新藍海，共同為永續環境與綠色經濟努力。

(本文作者為工研院機械與機電系統研究所所長胡竹生)

胡竹生簡介：
美國加州大學柏克萊分校機械工程碩士、博士；國立台灣大學機械工程系學士。為現任工研院機械與系統研究所所長、國立交通大學電機系教授。過去曾擔任工研院機械所技術總監兼智慧機器人組組長、國家實驗研究院晶片系統設計中心顧問研究員等職位，也曾在學界任職於交通大學電機與控制工程系副系主任。