工業4.0應用：

工業4.0是一種商業模式的思維改變，也就是依賴Cyber(電腦虛擬)的方式，打造一個系統化的客戶服務。這種客製化的服務可以達到即時，而且可以將生產自動化，並且完全依照客戶個體的需求，滿足客戶並且收費會與標準品差不多，甚至更少。這種思維並不是一個生產單位或是服務個體可以快速達到的，所需要的資源眾多，因此德國政府便主導這項產業的改變。從人才的培育開始。

工業4.0大致可以分為多種的模塊、各模塊相互溝通，並且有獨立的Cyber physical systems。Artesis產品所能夠切入的是Smart sensor這塊，包含Predictive analytics。這一塊就包含工業物聯網、包含預知保養。

很多人都認為創新很重要，也就是很多工業4.0所重視的部分，包含客製化製造的創新、業務流程的創新、商業模式的創新、生產製程的創新、產品或服務的創新，但是卻忽略了提供這些創新的資源來自既有商業模式，往往這些既有商業模式都有工廠，而這些工廠要如何最佳化卻被忽略了，最佳化包含保養最佳化。在投入工業4.0之前應該先將資源投入工業物聯網與預知保養，原因很簡單，這些東西是公司所熟悉的。工業4.0的概念，說的簡單一點，就是應用現有的科技，全面的激進的改進。如果最熟悉的領域還無法激進的改進，那完全沒經歷過的領域的成功率會比較高嗎?而且如同ERP一樣，要牽連的模塊太多，如果要先練兵，既有生產線保養最佳化不就是最好的試驗床? 工業4.0最重要的還是文化的部分，而領導能力、團體合作、溝通、雙贏與熱忱成為必備的公司文化重點價值。如果沒有這些價值的話，成功的機率相對不高。

工業4.0有成功的案例嗎?我們可以看看半導體產業。半導體產業是要將元件越做越小，管控製程品質就相當重要，並且產品的生命週期很短，形成很短的Close loop，也就是很快就知道哪裡有問題了。再來就是因為製程太多且多元化，因此管理與財務的計算需要蒐集很多的資料。因此半導體製造公司面臨著很嚴峻個挑戰，但是因為機台端都佈有許多傳感器，因此很早期半導體製造便導入工業物聯網。又因為產業的特性、導致他們需要將很脆弱的製程去迎合客戶的設計，而且是客戶驅動的產業，因此他們在光罩製造前就跑Simulation，跑完Simulation 再小量試產，並且了解Device要如何改善，這就是一個Cyber physical system 的雛型，由電腦輔助改善，在生產中需要最佳化製程，那就需要在資料庫內把所有資料抓出來，用Statistica手動的去計算Correlation，因為同樣的機台眾多，因此很快地可以透過Failure Bin去找到Low yield的根因。在台灣，已經有相當成功的案例，但是高科技應用的滲透力不高，在廠務端，合作夥伴沒有提供相關的科技，並且商業上也無法與廠務的廠商制衡，因此無法應用上。即使高階主管了解工業4.0的重要性，也沒辦法強制在廠務端導入。其中的原因是因為沒有必要性，或是長官陷入良率改善的繁忙迴圈中，廠務的重要性永遠追不上製程端。

半導體的例子告訴我們，如果心態與文化不改變，以前沒想過推行工業4.0的公司永遠也不會推行，但是數據告訴我們，一定會有公司遲早推行，那很有可能成為下一個業界的霸主，當然也有反過來的，對於OT與財務不了解，瘋狂的部屬IT高科技，有可能因為沒有最佳化而導致花費過多而失去競爭。以上所指的是涉及工業物聯網的部分，工業4.0則與生意模式息息相關，如果應用高科技但是不符合商業模式，則後果更慘，因此大數據分析正確的商業模式也是必要的。

Artesis在工業4.0的應用為何?工業4.0所需要的是各模組互相溝通，所以我們需要傳送資產數據與資訊給其他模組。因此對於其他模組較為重要的資訊為排程、成本花費還有簡易能懂的技術資料，這些資料大部份都在Edge端處理過，可以很簡單的傳輸到其他模組，且提供的資訊準確度高、最早可在十二個月前顯示異常的偵測。