工业4.0是近年所有制造业皆在努力实践的目标，麦肯锡(McKinsey)去年针对欧、美、日等地的制造大厂进行调查，根据调查显示，在这些推行工业4.0的企业当中，仅有四成认为有获得成效或在改善制造流程中取得良好进展，这个结果虽然不至於太惨，但也算不上取得好成绩。而观察台湾市场，半导体大厂英特尔则认为，由於制造业族群分布零散，不同产业在落实工业4.0中，从技术成熟度、策略方针到问题痛点等都具有很大的差异化。企业在实践工业4.0的第一步，应当先审视自己所处的位置，以找出最合适的解决方案。

英特尔亚太区制造业产业解决方案总监李立仁表示，英特尔期??协助台湾企业於工业4.0浪潮下，精准转型智慧制造。

英特尔亚太区制造业产业解决方案总监李立仁表示，不同族群在工业4.0所使用的技术成熟度来说有很大的差异，例如传产可能连第一步将设备连网的阶段可能都还未达到，可遑论现今炙手可热的人工智慧等。但有的产业却已经在深入研究如何运用AI、机器学习等技术，让设备自主优化。李立仁近一步观察，其中，又以半导体和面板业在技术上较为领先。

那麽企业如何审视自己究竟达到工业2.0还是3.0呢？李立仁表示，企业可透过讯息物理系统(Cyber Physics System)当中的5C架构来进行评判标准，他认为，此5C标准非常适合用来检视工业4.0技术的成熟度，并辅助企业审视各阶段所需的代表性能力与技术。

5C架构从最底层初阶技术至最高层高阶应用共可分为五个能力组成，分别是连结(Connect)、转化(Covert)、虚拟(Cyber)、认知(Configure)以及自我配置(Configure)。进一步说明，最基本的连结，在这阶段最主要的就是将OT与IT进行整合，透过物联网技术让机器与机器间能够互相通讯、进行串联。

其次，在转化的阶段中，则是让设备机台在初步的连网後，将撷取到的资讯转换为具有分析价值的数据资讯，例如设备的失效或良率的分析。其中，设备端点须具备分析、智能化的能力是这一阶段中非常关键的能力。在第三个阶段虚拟中，则是强调虚拟化的数位工厂(Digital Twins)，在所以机台都连网之後，形成另外一个虚拟、同步化的工厂运行，而其数位工厂具备感知、预测能力，可预测「非计画内」的设备故障，当故障讯息被数位工厂撷取後，更可以模拟接下来如何执行最隹化的重新排程。李立仁也举例，像日本近年就非常致力於推动数位工厂的运行。

至於第四层认知，在这个阶段主要则是导入如机器学习、深度学习等一系列的人工智慧技术，让机器可自我学习、进化，并从大数据分析中不断进行推算与模拟，进而在设备端预防机器故障与良率不隹的状况。

最後一个阶段自我配置，则是能够机器能够藉由感知、学习的结果，以自主的方式改变机器设备的设定，就好比自动驾驶的概念，利用系统对环境变化的判断与分析自动更改执行命令。而工厂的机器同样也能够根据感测系统、订单需求等的变化重新排程，订立最隹化的结果，这也是目前工业4.0追求的最高层级。