工業4.0概念的製造模式，是透過軟硬體的整合，讓生產系統具有智慧化，其硬體是根基在現有的自動化技術上，加上軟體的串連整合，使之成為一體化架構，而所謂的一體化架構，已不僅止於製造現場的生產系統，企業營運端的ERP、CRM…等系統，也必須一併納入，簡單來說就是未來製造業的所有數據、資產，都不再被分開運作處理，而是視為同一體制，資源與數據可以無縫的快速流動並且使用，市場人士指出，在這其中，AI將扮演重要角色，以深度學習(Deep Learning)方式，協助製造系統的操作者與管理者解決問題。

/news/2018/03/07/1618005490S.jpg

要導入AI，第一步是數據的截取與建立，不過要跨出這正確的第1步並不容易，台灣AI實驗室創辦人杜奕瑾表示，許多系統設計者與導入企業，常常忽略數據擷取的重要性，AI不會是泛用於各種產業的平台，而是單一領域平台，而各種產業都有其專業，因此數據的種類需求與擷取方式也大不相同，以製造業來說，設備監診是智慧製造系統的基本功能，透過感測器擷取的設備運作數據，將成為此一功能的判斷基準，但是相關數據要如何取得？感測器要如何設置？這都需要長期的專業累積，有了這些數據，AI才能做出精準的分析與反應。

這些精準的數據，將成為製造業的重要資產，不過業界人士表示，這不代表所有數據都會被彙整到同一處，智慧製造系統的數據將會被分流應用，以上述的設備監診功能來說，大多是在現場端所用，現場製造系統透過設備產生的數據，掌握設備狀況，並以AI分析判斷數據所代表的意義，之後的對應動作，則再由各設備的管理操作決定。

觀察未來發展，AI與智慧製造系統的整合將是必然趨勢，未來製造設備都會有AI功能，只是程度的多寡而已，不過AI並不會是智慧製造的唯一解答，不管任何領域，AI都必須與HI(人類智慧)結合，方能解決問題，創造出更大效益。