【專欄】智慧製造對產業來說是幫助還是負擔?三張圖表讓你快速搞懂
【專欄】智慧製造對產業來說是幫助還是負擔?三張圖表讓你快速搞懂

以資本市場而言,智慧製造時常與傳產製造作直接聯想,往往讓人有投入規模較大、回收週期長且驗證複雜度高等印象,對於個人或有投資年限的資方並不算特別友善。而實際上的智慧製造本就是要因地制宜並且持續迭代,就如同70年代全球石油危機而產生的重大建設加大投資與優惠,也是在經過了二十載的累積造就現今矽島之名,智慧製造的本質亦是如此,須結合全市場之力共同發揮。

總體環境基礎與真正該解決的問題

全台近150萬家企業當中,中小企業規模的製造業超過15萬家,貢獻了約1.5兆銷售總額,其中有三分之二都發生在國內,而在過去20年間製造業產能外移,使本地產線的驗證週期與複雜度更提升,讓製造業者對於導入智慧製造的想法又更加退縮,回歸到經營理念與心態上我們可以歸因於:

【 識富專欄 】表格一.png
圖/ 識富提供

雖是簡化且粗暴的描述,但產業確實受制於物料/資本週期/政策等情勢,有時也必須被迫跟進類似氛圍,這並不是錯事,只是也使轉型前後的新投入資本無法更有感體現。而綜觀全球各機構主張與政策目標,我們依然可以得到以下導入智慧工廠的簡化目標:

【 識富專欄 】表格二.png
圖/ 識富提供

智慧製造能加速企業自動化涉入程度、能源/資源消化的效率及資料萃取與模型回歸,也因此,以近年來全球倡議的零碳排議題,當工廠導入智慧製造的解決方案,將有助於透過物聯網紀錄機台運作過程,並從中獲取數據協助判斷資源分配,讓工廠運轉能更有效率、避免不必要的能源消耗做到初步零碳排佈局。

隨著解決方案導入、數據搜集,也能逐步滿足對智慧製造的想像跟目的,提升營運效率。

底層分級與定義

綜觀海內外各論點、出現在市場上的各項方案,以及實際的產業常態後,智慧製造其實可以追本朔源的用「資料密度與迭代程度」以及「自動化涉入程度」兩項指標為基礎,並搭配軟硬體的搭配難度與細緻度,簡化為下述4+1種等級:

【 識富專欄 】表格三.png
圖/ 識富提供

其中的Lv5為分類中的最高級,代表能完全自動生產與外在要素預測,但在現行技術中可說是暫存的架空概念,不過能以此為目標藍圖、作為勾勒下一世代製造規模。由低至高不代優劣,而是高者包含低者層層包覆,簡單描述不同等級的解釋可以下表簡化:

【 識富專欄 】表格四.png
圖/ 識富提供

整體來說,以上述五種等級描述現行的智慧製造方案,針對單點或線都可搭配前述的四個目標做錨定,並開始做量化對比,讓無論是中小企業或集團經營都能有效、快速的找出符合自己企業經營型態和週期的階段目標與里程碑,並依照過程隨時修正。

新創團隊切入智慧製造的解方

同時以此為基礎時,我也觀察到目前市場上新創團隊為了解決企業導入智慧製造的痛點提供的解決方案,多以單點技術延伸的應用。包括解決成本結構優化、稀釋資本投入壓力及擴張可生產產品規格等。以成本結構優化的項目來看,有不少新創團隊以雲端解決方案提供企業選擇,透過數位工具的協助、讓場域內的設備運作更加數位化,當資訊得以被蒐集就能協助管理者執行更精準的判斷,從產線稼動率的調整、乃至於原物料的準備都能有所改善,藉此優化營運成本的結構。

而目前市場上不少企業在迎向智慧製造的路徑上,多以第二階段並逐步邁向第三階段的速度前進,包括衛星倉/離散倉儲、OEE管理軟體及近場感測等都屬於熟悉的第二階段;至於邊緣運算、資料中台為主的資料萃取I/O或能模仿機器手臂的自動進送/揀選等,都可被視為第三階段的智慧製造等級。

最後,我想給實務上正在考慮投入智慧製造的企業或是正在尋找如何切入這個領域提供解決方案的新創團隊幾個建議。首先包括明確定義想要的目標值(也包括新創解決方案能否顯著改善企業痛點能力)、將軟硬體分別的貢獻歸類、避免單一服務商壟斷(同時也是觀察市場上相同解決方案的提供者數量與差異性),最後則是界定資本投入前後對照指標,以期不管是從導入解決方案的企業、或瞄準智慧製造市場投資的角度,希望都能有所幫助。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:傅珮晴、侯品如

關鍵字: #智慧製造
往下滑看下一篇文章
導航不是愈高階愈好!桃園產官資源如何賦能互宇向量,讓複雜技術真正「用得起、用得上」?
導航不是愈高階愈好!桃園產官資源如何賦能互宇向量,讓複雜技術真正「用得起、用得上」?

當無人機、無人船失去衛星定位訊號,還能繼續完成任務嗎?這道問題不只考驗導航設備的精度,更牽涉不同技術如何搭配,才能兼顧成本、可靠性與實際部署需求。

要理解自主載具如何在衛星訊號中斷時持續導航,得先認識「慣性導航」。互宇向量執行長鍾宏彬拿棒球作比喻:投手把球投出去後,球沒有GPS或遙控器,仍會依照出手角度、力量與旋轉向前運動。慣性導航則透過感測加速度與旋轉變化,持續推算載具的姿態、速度與位置。不過,慣性導航的誤差會隨時間累積,衛星定位訊號一旦中斷,位置推算也可能逐漸偏移。因此,自主載具需要不同定位與感測技術相互配合。2022年成立的互宇向量,便從這項需求切入,協助客戶選擇適合的導航技術,並將系統整合到產品中。

先定義任務,再決定導航規格

「以終點當起點。」鍾宏彬如此形容互宇向量的產品開發原則。相較於先提供設備、再由客戶自行整合,互宇向量在開發初期便參與討論,了解客戶要完成什麼任務,再決定性能、材料、演算法與預算。這套方法稱為「前端部署」。

以無人機精準投送為例,客戶希望載具不只抵達指定區域,還能接近建築物完成投送。飛行距離、定位精度、是否有人遙控,以及衛星訊號中斷後需要自主運作多久,都會影響系統設計。互宇向量必須先釐清這些條件,再選擇感測元件、調整導航架構,而不是直接套用既有產品。

互宇向量的技術涵蓋光纖陀螺儀(FOG)、慣性量測單元(IMU)、姿態與航向參考系統(AHRS),以及GNSS/INS融合導航方案。團隊曾與產業夥伴在實際水域驗證無人船導航系統,也透過觀音山隧道測試,觀察衛星訊號中斷時的導航表現。

對客戶而言,驗證的重點在於系統能否在任務要求的時間內維持足夠精度。互宇向量也不一定選用最高規格的零組件,而是依照需求調整演算法、材料與系統配置,必要時整合其他供應商的技術,減少客戶自行開發、測試與整合的時間及成本。

從光纖陀螺到系統整合,互宇向量把技術推向可部署的產品

鍾宏彬2010年投入光纖陀螺核心技術研究,2016年共同創辦極星光電。當時核心元件的客戶多具備自行整合能力,應用市場相對有限。他逐漸意識到,若想讓技術接觸更多使用者,就不能只停留在零件,還得往感測模組與完整系統發展。2022年成立互宇向量後,鍾宏彬延續過去累積的技術,採取合作設計製造(JDM)模式,讓團隊從產品開發初期便參與設計與驗證。

他把這種服務形容為「高階料理包」:客戶不必自行採購所有原料、研究怎麼煮,而是由互宇向量協助整合適合的技術,完成產品部署。公司不走低價、拚量路線,而是選擇與少數具有長期需求的專業客戶深入合作。目前團隊服務約12家核心客戶,透過持續參與產品開發,累積技術與合作經驗。

航太市場考驗的不只是技術,還有供應鏈與驗證能力

航太是互宇向量積極拓展的市場。目前約四成業務聚焦航太應用;2023年,團隊也與國家太空中心(TASA)展開策略性合作,推進MIOC與FOG技術的太空應用。

航太產業尤其重視「飛行履歷」(Flight Heritage)。鍾宏彬打趣地說,普通杯子就是杯子,但如果真的上過太空,「它就變成太空杯」。設備即使通過完整的地面測試,仍不等於經歷過發射與太空環境。對國際航太客戶而言,實際飛行驗證是評估設備可靠性的重要依據。鍾宏彬回憶,團隊過去花了兩、三年尋找海外企業客戶,始終不得其門而入。後來有國際業者得知互宇向量與國家太空中心合作,反而主動找上門。這段經驗讓他體會到,進入航太供應鏈除了技術能力,還需要讓國際客戶看見合作經驗與可信度。

從中央大學到蘆竹,桃園產官資源如何成為互宇的產業支點?

互宇向量與桃園的淵源,早在公司成立前就已開始。鍾宏彬從中央大學求學、攻讀博士到投入研究,一路留在桃園;第一次創業落腳楊梅,互宇向量則從青埔搬到蘆竹,建立廠辦空間。他笑稱,自己就像桃園「生出來的baby」。

桃園及北部地區聚集電路板、電子製造與機械加工等供應商,具備成熟的產業基礎。不過,部分業者長期專注既有市場,未必想過自身技術還能延伸至無人載具與航太應用。鍾宏彬舉例,互宇向量曾與傳統機械加工業者合作,協助對方了解航太供應鏈的品質驗證與製造要求,探索跨入新市場的可能。對這些業者而言,挑戰未必是技術能力不足,而是過去缺乏接觸航太應用的機會,不熟悉相關規格與驗證流程。

創業過程中,互宇向量也持續接觸桃園市政府青年事務局及相關局處、育成體系,參與創業交流與產業展會。鍾宏彬看重的是這些場合能讓團隊認識不同領域企業,拓展未來合作的可能。包括Meet桃園+在內的創業輔導與產業交流平台,也為在地新創提供接觸產業資源的機會。

從光纖陀螺核心元件走向完整導航系統,再延伸至航太合作與海外市場,互宇向量逐步建立從任務規劃、技術整合到系統驗證的能力。接下來,如何運用桃園既有的電子製造與精密加工基礎,找到更多能共同開發產品的夥伴,將是團隊拓展國際市場的重要課題。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓