人工智能（AI）技術(shù)被開發(fā)后已為產(chǎn)品設(shè)計(jì)、供應(yīng)與制造帶來(lái)大轉(zhuǎn)變，并催生出所謂智能工廠運(yùn)行方式。評(píng)論指出，廠商若要維持競(jìng)爭(zhēng)力，必須要接受AI來(lái)幫助人類智能，借此提升生產(chǎn)效率。

　　據(jù)報(bào)導(dǎo)，AI已扎根在各產(chǎn)業(yè)上，其中制造業(yè)也不例外。AI讓醫(yī)療器材到電子產(chǎn)品制造商與制藥等公司，能善用大數(shù)據(jù)與物聯(lián)網(wǎng)（IoT）投資去發(fā)現(xiàn)新的模式與洞見，以便更有效率及快速執(zhí)行任務(wù)。

　　AI算法將提供智能建議而與工人在關(guān)鍵決定上合作。當(dāng)工人能自由專注在策略性任務(wù)上并讓AI算法執(zhí)行一般的任務(wù)，將可望催生創(chuàng)新并讓效率與質(zhì)量提升。

　　最早在1910年代，工廠工人開始在組裝在線工作，在1950年代中期與1970年代后，工業(yè)機(jī)器人進(jìn)入工廠但并未具備真實(shí)智能且作業(yè)功能受限，只能在高度控制的環(huán)境下執(zhí)行重復(fù)性任務(wù)。等到1980年代，工業(yè)機(jī)器人開始大量被使用，所有技術(shù)讓生產(chǎn)者運(yùn)行更有效率。

　　目前以AI為主的軟件則讓機(jī)器可自我教導(dǎo)來(lái)讓效能最大化、辨別最佳流程與訓(xùn)練自己達(dá)到被期望的結(jié)果，同時(shí)符合六標(biāo)準(zhǔn)差（Six Sigma）標(biāo)準(zhǔn)。能從傳感器收集數(shù)據(jù)并回饋關(guān)鍵信息給工廠的IoT成長(zhǎng)后，也帶動(dòng)以數(shù)據(jù)為主的新AI遠(yuǎn)見。

　　Wovenware日前為醫(yī)學(xué)裝置制造商開發(fā)AI解決方案，可從生產(chǎn)流程中收集到傳感器數(shù)據(jù)并預(yù)測(cè)生產(chǎn)線裝置何時(shí)無(wú)法修復(fù)而必須被丟棄。同樣AI也被用在其它工廠上，在產(chǎn)品出貨前預(yù)測(cè)制造失常。

　　從IoT傳感器與生產(chǎn)執(zhí)行系統(tǒng)取得的制造數(shù)據(jù)也被用來(lái)開發(fā)客制、深度學(xué)習(xí)算法，以便在送交客戶手上之前就辨識(shí)出瑕疵產(chǎn)品，借此降低責(zé)任、更換與保證成本甚至拯救生命。

　　AI也透過(guò)預(yù)測(cè)維修大幅改變生產(chǎn)，例如某技術(shù)使用AI來(lái)判定何時(shí)該執(zhí)行機(jī)器維修，借此節(jié)省成本與改善作業(yè)。某家制藥廠商也使用AI驅(qū)動(dòng)機(jī)器人來(lái)執(zhí)行質(zhì)量測(cè)試與篩選、分類與包裝藥丸。

　　據(jù)Frost & Sullivan報(bào)告指出，采用機(jī)器學(xué)習(xí)技術(shù)開發(fā)智能與安全機(jī)器人將成為顯學(xué)，雖然人類仍需執(zhí)行邏輯性、理性與道德性決策，但報(bào)告指出，讓機(jī)器可偵測(cè)改變中的生產(chǎn)情境并實(shí)時(shí)回應(yīng)的認(rèn)知技術(shù)，將可降低隨時(shí)介入的需要性。

　　另一方面Gartner報(bào)告也指出，雖然AI將減少180萬(wàn)個(gè)工作機(jī)會(huì)，但仍會(huì)透過(guò)刺激創(chuàng)新與成長(zhǎng)，創(chuàng)造出230萬(wàn)個(gè)職缺。