2016/11/4

1

Since 2000

主講人:宋德震 博士

http://www.ko-tec-stem.com

工業4.0導論

主題

• 工業4.0的源起和未來

• 大數據在工業4.0的應用

• 3D-Printer• 商業模式的變革

• 培養科學人/工業4.0素養

• 跨領域人才的培養

工業4.0重要元素與概念

• Industry 4.0/以虛擬網路-實體物理生產系統（Cyber-Physical Production System ,CPPS）為核心

• 工業互聯網/GE/智慧製造與智慧服務體系的深度融合

• 虛擬網路—實體物理系統（Cyber-Physical System ,CPS）• 物聯網（Internet of Things ,IoT)/ 智慧感測網、機器與機器（M2M）訊息

傳遞、雲端計算與儲存技術

• 資料的分析與預測（Data Predictive Analytics)• 互聯網+• 預診斷與健康管理技術（Prognostics and Health Management ,PHM）

2016/11/4

2

關於KOTEC

機器人周邊零組件開發

教育平台建置

提供學校與工業最佳解

決方案

與工業4.0接軌

機器的組成

機構/器官

機器/組織

機件/細胞

什麼是機器人

驅動系統驅動系統

控制系統控制系統

傳感系統傳感系統

生活中的機器人

2016/11/4

3

薩利機長和參數

https://www.youtube.com/watch?v=pPXJExU5Ee0

2030• 人類移民火星• 實現工業4.0

One-year mission

• NASA(2015.3、2.3億公里)

• Scott Kelly(同卵雙胞胎在地球-對照組-實驗設計)

• 血液、唾液和尿液樣本

• 了解低重力、宇宙輻射對眼球和DNA的影響

http://io9.gizmodo.com/5980117/new-16-billion-supercomputer-project-will-attempt-to-

simulate-the-human-brain

The Human Brain Project

• 80個世界頂尖研究單位跨領域的200名學者，一同解讀超過上兆個腦神經鏈結的人類情感、意識跟想法。

• 歐盟委員會(European Commission)的10年16億歐元的計劃，總部設在瑞士的洛桑。瑞典諾貝爾得獎人文塞(Torsten Wiesel)最近表示：「歐洲要在大腦研究有重大突破，讓腦神經學家用強大的電腦運算技術處理大腦的資訊，在研究過後還會給電腦建構新的構型。」

New $1.6 billion supercomputer project will attempt to simulate the human brain

2016/11/4

4

雙手萬能

• 人類使用雙手，並發明了許多工具，

讓人類從「3D」的工作中解脫出來。

➡ Difficult➡ Dirty➡ Dangerous

18世紀未20世紀初（19世紀

70年代較合適）20世紀 今天

第一次工業革命 第二次工業革命 第三次工業革命 第四次工業革命

蒸汽機用於生產 電力用於生產應用電子與資訊技術，實現生產自動化。

實現物聯網

的世界

第一台機械織布機（1784年）

辛辛那提屠宰產線（1870年）

第一台莫迪康可程式邏輯控制器（

1969年）完全智慧製造

四次工業革命歷程

• 2011年，4.0一詞最早出現在德國漢諾威工業博覽會上

• 2012年，美國總統歐巴⾺喊出「美國再工業化」，希望⼤⼒推動美國的智慧型機器⼈⼯業。

• 2012年10月，由博士（Bosch ）向德國政府提出4.0的建議

• 2013年4月，德國在漢諾威工業博覽會上提交最終報告

• 德國聯邦教育、經濟、科技部、工程與科學學院、夫朗和斐應用研究促

進會、西門子....等紛表支持，並聯手實踐

• 德國政府把4.0列入「High Tec Strategy 2020」十大未來發展專案之一

工業4.0起源

➡要推行工業4.0，首先要建購工業4.0平台

- -Industy-Science Reserch Alliance

跨領域的思維

• 哥倫布發現新大陸

• 軋棉機為何没有出現在英國的工業革命

• 教科書：飛梭-珍妮紡紗機-瓦特改良蒸氣機

• 羅列、簡介的歷史無法培養宏觀和跨領域的思惟

2016/11/4

5

• 2008年金融海嘯歐盟的省思

➡虛擬經濟的脆弱性

➡去工業化（向開發中國家發展）

➡產業空心化

➡地球的環保與永續

德國為何發起工業4.0

• 德國出生率年年創新低，今年甚至「領先」日本成為全球出生率最低的國家，每1000人中只有8.2個新生兒。數年來都維持如此低迷的生育情況直接也間接導致了德國沒有足夠的年輕勞動力以及人口老化現象。現今的德國人口數約八千一百萬，到2060年則預估降至七千一百萬，撫養比則將會從32%上升至59％。

• 除了人口結構失衡，以製造業立國的德國，人力短缺的問題也逐漸惡化。目前4.7%的失業率已是東西德合併後的最低數字，但根據德國雇主聯合會調查，德國仍然缺少14萬名工程師、程式設計師、技師，醫療與休閒業也缺乏大量符合條件的工作者。至2020年，德國預計將缺少180萬名合格工作者，照此趨勢，2040年勞動空缺將達到390萬人。

德國人口概況

全球製造業面臨的大驅勢

工程人才需求漸增

2016/11/4

6

美國工程人才的隱憂

90秒認識工業4.0

德國工業4.0策略

• 領先供應商策略

➡讓德國製造業高度智慧化

• 領先市場策略

➡配合工業大數據，提高德國製造廠商效率和收益

2016/11/4

7

➡ 1918- -1500萬輛（黑色）➡ 1919 Ford Model T Coupe

Ford Model T

西門子三化

• 電氣化

➡重點在能源

➡2015.5收購Rolls-Royce能源業務

➡西門子收購艾斯敦（Alstom）敗給奇異

• 自動化

➡成都的自動化工廠不良率在百萬分之15以下

• 數位化

➡虛實整合

工業4.0應用領域

2016/11/4

8

工業4.0將創造十大新興職缺

AR

工業4.0會啓動產業革新

• 將徹底顛覆傳統製造業的生產方式與商業模式

• 將大幅改變人們的知識技術創新方式

• 將為人類帶來全方位的智慧生活

➡ 目前如阿里巴巴、小米....等以網路發展為主，輕製造的公

司，如果不重視產業智慧化的核心衝擊，以行銷為主的網

路公司，可能會因產業鏈重組而落後或退出市場。

台灣準備好了嗎

• 教育（學校和師資）未擁有相對專業能力

• 現有實習工具機不符4.0需求

• 拿什麼教和教什麼

• 年輕人不投入工廠

• 技職教育不被重視

• ………..

➡有效比事實重要

2016/11/4

9

• 工業4.0將創造更多行動辦公室

➡減少現場的勞工，但創造更多坐辦公室的員工，需

要有更努力的人，去撰寫軟體等，創造更多的辦公

室工作機會。

人會被機器人取代嗎

工業4.0的特徵• 透過價值網路實現橫向整合

• 端對端數位整合橫跨整個價值鏈

• 垂直整合與網路化的製造系統

• 機器人只是自動化的一部份；

而自動化，更是商業模式改變的一小部份。

工業4.0的實現面向

• 全方位（萬物）互聯

• 全方位整合（橫向、縱向）

• 即時準確的大數據分析

• 層出不窮的創新

• 深入性的轉型（生產型到服務型）

德國的做法

2016/11/4

10

全球預測性維護專利申請趨勢

ABB預測系統

做與不做預測性維護差異

➡ PDM是以軟體為基礎的技術，它將所有與產品相關的信息和所有與產品有關的過程集成到一起

• 十六年前成立• 勞斯萊斯不賣飛機引擎改賣「飛行時數」做到「機器狀態監控」和「預防性維護」

賣服務不賣產品

2016/11/4

11

網路巨人的未來

• Google➡無人駕駛汽車、穿戴裝置

• 亞馬遜

➡無人機物流、實體超市

➡工業強國在推動4.0時、網路

巨人也在併吞實體經濟

➡光有技術還無法掌握先機和

贏得市場

跨領域人才

• PLEST分析角度論➡ 政策（ Policy）➡ 法律 （Legal）➡ 經濟（Economic）➡ 社會（Social）➡ 技術（Technological）結合形成一種製造業的”超級大趨勢”（Mega Trend）。

跨界是大勢所趨

2016/11/4

12

• 阿里巴巴與四十大盜的女僕

• 比狼學得快

Big Data

資訊認知的三個層次

麥肯錫的新人培訓精神

• 不急著解決眼前問題，先找出「關鍵點」

➡呼叫總部，我中彈了- -談看不見的價值

1941年，第二次世界大戰期間，美國哥倫比亞大學著名的

統計學家沃爾德教授(Abraham Wald，1902-1950)，來了

一個意外的訪客，那是英國皇家空軍的作戰指揮官.......

2016/11/4

13

大數據的特性

• 數量大-Volume• 速度快-Velocity• 多樣性-Variety• 不確定性-Veracity

➡Big Data比的不是統計技術、不是數據規模，

而是解讀能力

➡另一個關鍵要素是「Lean」-精實思考，不是一

次到位，而是邊決策邊修正

數據的含金量

大而亂數據

Big and Messy小而準數據

Small and Accurate

開放數據

Open Data

➡大多數的人都忽略了Big Data的第五個V➡ Value

• B2C 或B2B 模式，正在逐步由網路時代以消

費者為中心的C2B（Consumer-to-Business）模式所取代。C2B的2(to)代表參與之意涵

，也就是客戶參與製造的需求提出者。

商業模式改變

新石油

• 亞馬遜前首席科學家韋斯特（Andreas

Weygend）指出，未來企業的競爭不是

電力與石油，而是”關鍵數據”。

• 大數據的變革就是”智能革命，智能指的

是”未來”與”可控”。

2016/11/4

14

從猜到預測

• 每月第一個星期五

• 藥檢人數增加的意義

➡不要陷入數據競賽，而是要從內部資料中找到

正確的分析點，挖到金礦才能「點客成金」

4P革命

舊

4P

Product

產品

Price

價格

Place

通路

Promotion

促銷

新

4P

People

消費者

Performance

成效

Process

過程

Prediction

預測

人機分工

• 百貨公司週年慶/VIP的產生

• 機器做勞力和日常循環的事，行銷人員則做

策略思考、優化流程和決策。

厚數據

LEGO 財務危機 星際大戰

ASUS zenfone 顔色大戰

全國電子V.S燦坤

全家V.S關東煮

➡厚數據與大數據最大的不同之處，是厚數據更視產業數據的深

度和情境。

➡數據越複雜解釋越簡單

2016/11/4

15

智慧化與人的管理的衝突

• 機械高度智慧化之後的省思

➡人依賴機器

➡還是人依賴自己的管理

什麼是人工智慧

機器・人

機器人下棋

1988 Deep Thought（許𡶶雄-IBM）

首次擊敗國際西洋棋大師本特

·拉爾森。

1996.2.10 Deep Thought

1997.5.11 Deep Blue 卡斯帕洛夫

2011.2.18 Watson 贏得Jeopardy益智問答

2016.3.10 AlphaGoGoogle 贏得韓國棋王李世乭

➡2016.311:經濟日報

2016/11/4

16

3D列印應用領域

• 消費級：小玩具及飾品

• 工業級：模具（金屬粉末耗材匣昂貴）

• 生物級：「印」出器官（生物墨水-Bioink）

➡每一滴生物墨水含1-3萬個細胞，一個噴自體幹細胞混合

而成的Bioink；另一個噴特殊凝膠（Hydrogel）

3D列印商機• 不同材料需有不同的3D列印機

• 20年前：2000萬• Now： ＜2萬• 美國飛機製造商奇異公司2012年買下

Morris（金屬粉末燒結技術來製造飛

機零件）

奇點

• 在一般情況下，空間和時間都存在一個奇

點，其表現方式如「黑洞」「宇宙大爆炸

• 當奇點成真，超級機器人將走向「智慧爆

炸」

• 奇點就是邊界/緣或臨界點

難分勝負的3D雙雄之分

➡3D systems歷史股價

➡Stratasys歷史股價

2016/11/4

17

企業進化

機器人在工業上的應用

從德國BENZ和fischer公司看工業機器人的發展

98%人力被ROBOT取代

2030年將有20億人的工作將被ROBOT取代

*2015攝于德國BENZ總公司

2016/11/4

18

BENZ&PORSCHE

BMW&ROLLES-ROYCE 人的觀點

✓ 數據會說話呢？還是人在說話？

✓ 減法思考下的思維（Dimension Reduction）✓ 化繁為簡

✓未來的市場比的不是銀子，而是點子，但光有點子多

、快還不足以攻城掠地，而是誰先讓點子走出會議室

。

2016/11/4

19

年輕人的困境

• 只要/有小確幸

• 有夢,但只在島內

• 缺少破壞式創新的格局

• 狼和哈士奇/有狼性才有破壞式創新

• 市場太小（ABC）/大-分工細-效率高

• 人才是國際的－經濟優先（上海外灘:2/38）

➡小王子：「被馴養，就必須冒著掉眼淚的風險」

定位與價值

• Tesla（汽車界的Apple）之所以會成功，是因為

生產理念和工業4.0的生產變革相同，將核心定位

成「智慧終端機」

➡熱戀時25%零組件取自台灣

Thank you for taking the time

to view this presentation.