無論是喊了近十年之久的工業4.0，又或者近幾年的大數據、機器學習到AIoT智慧工廠，其運作背後的必要前提條件，即為機聯網的數據收集。既然機聯網如此重要，企業該如何循序漸進前進最終達到AIoT智慧工廠呢？下圖可說明工廠數位轉型的五步驟。
第一步：機聯網 
整理既有的機台聯網能力，此步驟是最耗時的也最容易放棄的第一步，俗話說萬事起頭難正是最佳寫照。我們建議先將機台分為如下表格五類。
- 連改裝也無望的機台，譬如機台僅有啟動與停止按鍵，也無顯示生產結果。
- 雖然無法直接與機台聯網，但機台會固定將生產相關數據放置到固定目錄下。
- 雖然機台不會將數據放到固定目錄下，但可透過改裝方式抓取生產數據。
- 有連線能力但只能單向溝通，亦即機台能將數據傳給系統，系統能將生產參數放置到機台固定目錄下，由機台讀取後生產。
- 除了上述第四類的機台能力外，機台還可隨時回覆系統詢問的生產機況，是機聯網最佳的條件。
第二步：資料儲存 
在大數據的潮流前，機台即使有數據可供儲存，很多工廠基於儲存空間所費不貲的考量，不會將機台數據資料儲存於資料庫中，大部分是保留檔案數個月到數年後刪除。近幾年開始有大數據資料庫的誕生，讓儲存這些龐大的機台生產數據變得經濟可行，儲存這些數據才能讓後續的資料探勘與AI有發揮空間。
第三步：即時戰情室看板 
在尚未儲存大數據前也可打造戰情室看板。資料來源靠的是生產或設備人員的資料輸入，無法即時是最大的缺憾，亦連帶影響到後續OEE報表的正確性，實際產出與機台規格的產出數有落差。導入機聯網後除機況可即時反應在戰情室看板外，也讓後續報表有正確的數據為計算基準。
第四步：資料探勘 
機聯網的另外一個目的是從大數據中找到資料與資料間的關聯，譬如當機台五分鐘內連續出現特定警告訊息後，九成機率會在十分鐘內故障停擺，那麼我們就可以提早預警告知設備工程師預先處理，減少機台故障停擺的頻率與處理時間，提高生產效率。
了解數據中台，藉由融合跨系統數據，可滿足企業如AI、BI、APP或內部系統等多元應用，解決企業規劃服務時造成的數據重複性與降低資料處理成本。
第五步：AIoT智慧工廠 
有了大數據所分析歸納出來的邏輯，配合即時的機台連線，無論是AI自動派工將產能最大化，或是AI自動依即時機況調整生產參數，或AI使用即時影像進行快速的品質檢查等，都是智慧工廠能做的標的。第四步的資料探勘與第五步的智慧工廠很相似，都是以大數據為基礎來改善工廠生產效率，差別在資料探勘是以既有的數據來找出資料邏輯，而AI是使用即時資料來預測未來。
以上述機台五分內連續出現特定警告訊息的例子來說，九成機率會在十分鐘內故障停擺的狀況，是資料探勘時發現的邏輯，我們可以將這邏輯寫在程式內隨時監控並發送通知，此為資料探勘後的成效。然而若沒有再持續資料探勘找到新的邏輯，監控的邏輯就到此為止，因此監控屬於被動的方式執行。
導入AI後除既有資料探勘找到的邏輯外，由AI持續監控即時資料並找出資料關聯性邏輯，也就是從被動監控改為主動監控，提早發現問題爭取更多處理時間。了解AI帶給企業的效益。
NTT DATA TAIWAN 除了協助了許多企業導入ERP、MES、WMS、APS等系統外，亦協助機聯網的串聯與即時戰情室看板的架設，以及最後一步的AIoT智慧工廠的完工。我們有許多實務經驗可加快企業數位轉型的過程，減少摸索的黑暗期。
