其實用不到工業4.0 光談自動化生產(工業3.0 ?)
高雄到底有那些工業？那些工業要導入自動化？
因為自動化的難度依據不同產品差很多
機械業零組件 電子業零組件 腳踏車 船 手錶 NB 風扇 POWER 網通產品等等等
會需要視覺辨識 coding 組裝精度 貼膠帶 噴漆 coating 旋轉移動 上膠 點焊
研磨拋光 電鍍 陽極
所需要的自動化技術各行業都差很多
甚至產品也會需要為了符合自動化作修改
最重要的是 產品的利潤與產量是否能夠支撐自動化生產
感覺太平島挖石油還簡單些.....
※ 引述《cueohmygod (跳跳)》之銘言：
: 大家早！剛好搭高鐵搭車中，來回一下自己可以稍微回答的問題。
: 最近很多討論工業4.0跟AI，剛好我就是做相關的研究最近接的案子也是在高雄的某傳統
: 產業。
: 我這邊只是就我所知的簡單幫大家釐清一些觀念，講的不對希望大家鞭小力點。
: 首先工業4.0跟AI是階段並不是兩個不同的方向，
: （3.0）
: 開始是把所有資料整合在一起去做決策，
: 拿製造來舉例：
: 工廠的製造有四個流程都是自動化
: A>B>C>D，而每台機器都有一個參數值
: (初始值)假設A的參數是2.5
: B為1.5
: C為3
: D為2
: 而值組合為2.5>1.5>3>2，當然這個值的組合可能不是可以產出高良率或最佳產能的最好
: 組合，經過有「經驗的人」去反覆調整可能變為
: A=2.7
: B=1.3
: C=3.1
: D=1.8 ,
: 到這邊就是目前很多傳統產業的現況，多數是利用人為的經驗判斷去調整參數。
: 但這個值會是最佳答案嗎？不一定是，這時候會透過數據模型及大量資料去找出近似答案
: 。
: 一定有人會疑問，為什麼是找近似答案，因為當排列組合實在太多及限制條件時，且不一
: 定會有最佳解時，我們只能盡可能找近似值。
: 因為找出最佳答案可能會花費非常多的時間跟金錢，商人在做生意不可能每天都在等你找
: （4.0）
: 所以開始進入所謂的「機器學習」時期，前面有提到透過數據模型找出近似答案，但希望
: 朝著最佳答案方向時該怎麼辦？
: 這時候就是利用電腦自我調適的方式一直去找出最靠近的解。
: （AI)
: 當開始電腦開始學習找尋答案這段時間，開始會把一些突發狀況的因素加入進去，
: 如，機器停機維修、突然故障等 其他會影響流程的因素時，該怎麼做處理的「方式」教
: 會電腦去判斷跟反應。
: 這樣才是達到AI的世界！
: 最後講白了，要做可以做，絕對也是以後的趨勢。但是要考量到，每個階段都不是短時間
: 可以達到的，還要去驗證結果，而且會要投入大量的物力跟人力去把AI養成有用的。一間
: 中小企業絕對養不起，沒有一定的製造規模，養了也是弱智AI（資料量不足or收集緩慢）
: 最壞的情況就是聚集了一堆精英人力、大量的財力，然後找不到答案，提早下課！