當AI走進工廠，製造業面臨一個十分棘手的問題，明明已經累積大量資料，為什麼AI工具還是很難直接派上用場？
「問題往往不在於沒有資料，而是資料散落在不同地方。」台灣施耐德電機配電產品事業部暨半導體行業總經理薛乃寧指出，大部分運作數十年的工廠，同時，存在不同年代、不同品牌的感測器、控制器、能源管理與製程系統，每套設備又有各自的軟體和資料庫。
薛乃寧觀察，「客戶很常跟我們講一句話，就是『我們非常多系統』。」許多工廠一套設備搭配一套管理工具，最後形成一座座「資料孤島」，系統愈多，資料串接反而愈困難。
如果把工廠比喻成一支手機，機台、感測器就像相機、麥克風，AI則像上面的各種App；而工業平台，則介於兩者之間的「作業系統」。它往下連接機台、感測器與能源設備，取得生產現場OT（營運技術）資料；往上串接MES（製造執行系統）等IT（資訊技術）系統，再疊加AI、數位雙生與分析工具。
OT是什麼？ 營運科技（Operational Technology）：由設備自動運作，多用於監控與執行生產流程，如機台、感測器與產線控制系統。
IT是什麼？ 資訊科技（Information Technology）：主要由人操作，常用來處理資料與工作流程，如電腦、軟體、資料庫與企業管理系統。
目的不在於替工廠多裝一套軟體，而在於讓原本各說各話的設備與系統，開始使用同一套語言。這成為研華、施耐德電機等大廠進攻工業AI前，在爭奪的基礎設施。有趣的是，它們切入工業平台的入口完全不同。
研華推IWS迎合半導體需求：可地端整合、5％疊加優化
在大眾眼中，研華最為人熟知的是工業電腦（IPC），長期站在生產現場最靠近設備。現在，它正從邊緣伺服器（Edge Server）、一路往軟體延伸，希望把自己從「賣工業電腦」，演進成工廠的邊緣運算平台。
研華科技物聯網自動化事業群副總經理林清波指出，過去工業3.0解決的是自動化，進入工業4.0後，企業開始追求設備聯網與資料透明，但多數情況仍是「機器產生資料、人看資料、人做決定」。
因此，研華往上發展WISE－PaaS資料平台等軟體工具，並推出IWS（Integrated Wise Station，軟硬體整合產品平台），把工業級邊緣運算伺服器、資料平台與AI整合在一起。
換句話說，不必把所有生產資料送上公有雲，而是在工廠內先進行運算、分析，甚至提出建議。對電子與半導體高度重視資料機密的產業來說格外重要。
例如，一條電路板產線突然出現拋料率升高，過去工程師可能要逐一調閱設備資料；工業AI則可以同步讀取吸嘴狀態、生產速度與異常頻率，判斷可能原因，甚至建議先降低速度，再通知工程師處理。
「不是一次就改善製程的50％，而是不斷改善，多5％、再多5％。」林清波認為，工業AI真正的價值，無關乎炫技，而是持續從現場問題中找到可以改善的空間。
施耐德電機續拓能源主場：自研平台×數位雙生幫監工
而施耐德電機走的則是另一條路。他們長期掌握工廠的配電、能源管理與自動化設備，他們研發的EcoStruxure平台從底層感測器、斷路器、變頻器開始蒐集資料，再透過邊緣控制器即時處理，最上層則結合數位雙生與AI分析。
換句話說，研華是從「電腦」往上長成平台，施耐德電機則是從「電與機器」一路往上接到資料與AI。
「能源就是我們的根基。」薛乃寧強調，AI除了分析哪一台設備異常，必須同時理解產量、機台狀態、用電成本，甚至碳排放，誰能掌握工廠最底層的能源與設備資料，就有機會影響最終決策。
但無論從哪一條路切入，2家公司都碰到一樣的問題：工業AI最大的難題，仍不是AI，而是資料。
「現階段OT端最大的痛點，不是要先導入AI，而是如何做好數位化。」薛乃寧直言。工廠裡大量設備已使用超過10年，有些舊設備甚至根本沒有留下AI所需的完整資料。即使取得資料，也還需要解決設備名稱、時間格式，以及上下游系統定義不一致等問題。
對企業來說，導入AI前真正花時間的，往往是先讓這些原本互不相通的設備能夠交換資料。
這也是為什麼工業平台強調「開放」。施耐德電機不可能要求一座工廠把所有設備都換成自家品牌，必須透過開放平台與軟體，把不同廠牌的設備資料接進來；研華則採取「平台＋夥伴」策略，讓系統整合商與軟體業者在底層硬體與資料平台之上，開發不同產業應用。
工業平台全自控再等等⋯ 目前下令者還得是「人」
因此，現階段工業AI距離「平台控制整座工廠」仍有一段距離。一般生成式AI工具如ChatGPT，回答錯一題可以重新生成；但工業AI如果判斷錯誤，影響的可能是一條價值數千萬元的產線，甚至牽涉人員安全。
現階段，施耐德電機把AI定位為超級助手。AI可以在設備異常時，整理歷史資料、列出可能原因、提醒工程師該查哪些資訊，甚至提出操作建議，但真正下指令的人，還是現場工程師。
舉例來說，一名剛進工廠的新人，如果沒有完整的數位平台，遇到問題時往往只能「摸著石頭過河」，很多知識得仰賴資深同事口耳相傳，甚至取決於彼此的溝通方式；這些沒有被寫進系統裡的經驗，最後都成為企業看不見的隱性成本。
當設備資料、歷史紀錄與處理經驗被串進同一個平台後，新人可以透過系統查找、模擬，甚至直接與AI互動，原本藏在人與人之間的知識開始被攤開。「溝通的成本比較透明、清晰。」薛乃寧說。
這或許是現階段工業平台比起自動決策更實際的價值，先把工廠裡散落的設備、資料與人的經驗接起來，減少每一次查資料、找人、判斷異常時反覆溝通重來的成本。
責任編輯：謝宗穎
