一條汽車零組件產線，機械手臂不停擺動，看似高度自動化，但只要前端修改零件尺寸，後面數十台設備的參數、製程安排，都需要跟著調整。過去，這些工作得靠老師傅逐一修改、反覆測試。
如今，當AI開始走進工廠，企業除了關心設備有沒有連網，還在意AI能不能直接參與設計、優化製程，甚至把最佳方案送回產線。
「先是工業3.0的自動化，再來是工業4.0，現在已經進入工業AI的時代。」台灣西門子總裁暨執行長張合翕（翕音同系）強調，工業AI建立在既有的連網、資料標準化與數位化基礎上，已經進一步參與設計、模擬與生產。而串起實體工廠與AI的關鍵，正是「數位雙生（Digital Twin）」。
簡單來說，先在虛擬世界打造一個產品、機台甚至整座工廠的「分身」。但它不是3D模型，而是將尺寸、材料、設備參數與實際生產資料一起放入電腦平台，讓企業可以在產品製造之前，能先回答一個問題：「如果這樣改，會發生什麼事？」
螢幕上，一顆航空引擎幫浦正在運轉。藍、紅色流體沿著幫浦內部穿梭，熱能如何產生、潤滑油從哪裡流過，看得一清二楚。乍看之下，像是一段精細的3D動畫，不過張合翕停下畫面強調：「它看起來像一張圖片，但背後其實是真實物理資料。」
造幫浦先復刻「影分身」，電腦run過無誤再投產
這顆幫浦，還沒有真正被製造出來，工程師先在西門子設計的軟體中，替它打造一個數位分身。換句話說，在金屬真正送進工廠加工以前，工程師已經可以先讓這顆航空幫浦在電腦裡「跑過一次」。
但設計完成，才只是第一關。畫面接著切換到一台銑床（銑音同顯，用高速旋轉的刀具去除材料的精密工具機）。航空零件要被真正切削出來，工程師又得面對另一道難題：該用哪一把刀？主軸轉多快？工作台移動的速度又該設多少？
直覺上機台跑得愈快，零件就能愈早做完。但製造現場沒有這麼簡單。「它理論上可以更快，但速度愈快，震動就愈大，品質也愈差。」張合翕說。尤其航空引擎零件對精度要求極高，一味搶加工速度，換來的是品質下降。
如果設計師臨時改變幫浦的結構，新的造型超出機台可以加工的極限，系統不用等到工廠真的做出第1顆零件，才發現「做不出來」；在設計修改的那一刻，製造端就能立刻把問題回傳給設計師。
張合翕強調，數位雙生的關鍵在於把虛擬世界與實體世界銜接起來。企業可以先在虛擬環境模擬不同參數，找到速度、品質與成本間的最佳組合，經過工程師驗證後，再把結果部署到實際產線。
如果數位雙生只是讓工程師少做幾次試驗，企業未必願意大筆投資。真正關鍵的是，它能為公司省下真金白銀。
百事可樂就是西門子舉出的案例。哪裡放機台？產線怎麼走？不同設備該如何配置？甚至一個改動會不會讓生產卡住？都先在虛擬世界裡反覆測試。張合翕說，百事其中一座工廠透過數位雙生優化後，資本支出降低約15％，產線吞吐量則提升20％。
降本15％只是「開端」⋯ 標準流程將是企業萬能地基
對大型製造業來說，15％不是一個漂亮的簡報數字，而是少買一批設備、少改一次工程，也少走幾次冤枉路。
企業談數位雙生，常聚焦在「能不能把工廠搬進虛擬世界」；但真正決定企業願不願意投資的，仍是它能不能少花錢、少犯錯，並更快把產品做出來。
只是，到了工業AI時代，數位雙生還只是其中一塊拼圖。台灣西門子業務推動加速協理范栩把企業導入AI，比喻成「在數位世界聘請一名新員工」。
一家公司今天如果找來新人，卻沒有標準作業程序（SOP）、教育訓練、文件與工作標準，不可能期待他一個星期就完全上手，AI也是如此。若企業連流程都沒有標準化，老師傅的經驗只存在腦中，資料還散落在紙本、Excel或不同設備裡，即使買了最強的AI模型，也沒有足夠的企業知識可以學。
因此，企業真正的第一步需要先把流程標準化、資料數位化、系統模組化，讓AI有資料可以讀、有規則可以遵循。
這也是為什麼AI浪潮，反而讓製造業重新回頭檢視過去十年做過的數位化投資。過去不少企業會問：「工廠本來就能生產，為什麼一定要把資料數位化？」現在答案變得很直接，當競爭對手已經開始讓AI讀取設備、製程與工程資料，如果自己的資料仍停留在線下，AI根本學不會。
范栩觀察，部分高科技企業已經建立完整資料庫，甚至在IT或決策層部署機器人，協助操作、生產管理與工程人員提出建議。但很多情況仍停留在「AI給建議、人去執行」，工程師還是得重新修改程式，再部署到現場設備。
加速落地的combo技：擴充硬體＋串起生態系
西門子目前也在自家工廠測試代理式AI與製造執行系統（MES）結合的「動態排程」。當系統發現設備即將故障，或原料突然短缺，AI便能依照現場狀況重新安排訂單與機台，盡可能維持生產不中斷。不過，范栩坦言，這仍是相當前沿的應用，距離大規模落地還需要更多驗證。
MES 是什麼？
Manufacturing Execution System，製造執行系統的簡稱。專門負責串接訂單、產線、設備與人員資訊，掌握每一道製程做到哪裡、設備是否異常，並協助安排生產進度與追蹤。
面對這波產業變化，張合翕提出3個關鍵字：硬體、生態系與速度。
首先，企業不能只把目光放在軟體與模型。沒有足夠的運算、通訊與設備基礎，AI很難真正部署到生產現場。其次，工業場域牽涉晶片、設備、軟體與系統整合，很少有一家公司能獨立完成，因此，能不能串起不同合作夥伴、形成完整生態系，將影響商業落地的速度。最後則是速度。AI技術仍快速演進，企業必須在導入、驗證與修正之間持續循環，把學到的經驗快速送回下一次部署。
「消費型AI確實吸引了最多媒體關注，然而，真正能夠改變世界的力量，其實來自工業AI。」張合翕說。對台灣而言，工業AI帶來的機會，也不只是一個新的軟體市場，而是讓過去累積數十年的製造、硬體與工程能力，在AI時代重新被定價。
責任編輯：謝宗穎
