「亞洲‧矽谷」終究還是口號?工業 4.0 的名與實

作者 | 發布日期 2016 年 09 月 09 日 16:57 | 分類 AI 人工智慧 , Big Data , 機器人 follow us in feedly

林全內閣在「亞洲矽谷」計畫備受批評之後,發回國發會重新寫成「亞洲‧矽谷方案」,其中再度強調「工業 4.0」(也就是相當於舊政府的所謂「生產力 4.0」)還列出「一大生態體系、兩大主軸、三大連結、四大推動策略」洋洋灑灑大塊文章,讓人對國發會的作文能力十分刮目相看,竟然隨時都可以湊出個一二三四來。



產業界過去對政府推出的許多遠大口號,若不說是餘悸猶存,至少也是如人飲水、冷暖自知,歷經政黨輪替下來,不管哪黨執政,政府都好大喜功,總是編造一些定義不清、前景不明,連自己都搞不清楚的名詞,甚至同一名詞不斷改名重複炮製,編造誇大的預期成效數據,行銷成執政者很有方向感的樣子大肆推動,產業界雖然心存懷疑,但是在政府投注巨量資源之下也不得不低頭,被迫跟著一唱一和,不敢當那個戳破國王沒穿新衣的孩子,在這樣盲人騎瞎馬的情況下,不論是「亞洲營運中心」還是「兩兆雙星」都成了泡影。

當然,類似現象也不只台灣才有,各國政府都有要提出遠大願景的壓力,也不是只有政府才會胡亂炒作名詞,產業界與媒體界也會重複炮製名詞炒作議題,最明顯的例子莫過於所謂「大數據」,在兩岸炒作大數據議題火熱的關頭,許多資深資訊業界人士,一聽到往往反射式的回應:不就是所謂「機器學習」或「資料探勘」嗎?

其實正是,1959 年起定義的機器學習,即發展演算法,讓電腦人工智慧能在並未事先指定特別方向或任務的情況下,從大量資料中找出資料中的關鍵之處或是異常之處,可逐步學習,並有預測能力。把時間往後推到如今的 2016 年,產業界的運算能力使得機器學習可發揮驚人的水準,其成就表現於 AlphaGo 以「深度學習」擊敗人類圍棋棋士,於是「深度學習」又一時成為當紅的新名詞,其實不過就是過去被遺忘的機器學習。

如今深度學習已經開始應用於許多領域卓然有成,但 1959 年時,人類掌握的運算能力還不足以讓機器學習產生太大的有意義成果,結果到 1960 年代開始出現「資料釣魚」或「資料挖泥」的貶稱,因為統計學家嘲笑這種不設定預設假說、只是丟進一堆數據就想分析出成果的想法是異想天開,說是跟挖爛泥巴沒兩樣,機器學習這個名詞蒙塵,遭扔進爛泥堆,但是電腦科學家的理想不變,到了 1990 年,又發明了新名詞,這次叫「資料探勘」,強調從大量資料中找出關鍵或異常資訊的能力。

資料探勘這個名詞風行了好幾年,也的確有許多應用,但從 1990 年開始喊,到 2000 年已經成了 10 年前的老名詞,又感覺不大新潮了,於是全球的產業顧問界為了創造新流行,在 2001 年又新發明出「大數據」,強調巨量、即時、多樣化的資訊經由機器學習處理的應用,其實本質上與過去的機器學習、資料探勘並無二致。

同樣一件事,進入馬政府於 2015 年對德國「工業 4.0」有樣學樣提出的「生產力 4.0」計畫中,又提到生產力 4.0 將運用的技術之一是「巨量資料」,也就是大數據、也就是資料探勘、也就是機器學習,這是一路追溯到 1959 年的舊觀念,如今應用早已經相對成熟,譬如在台灣,健保局於健保 IC 卡化後,利用資料探勘,察覺出診所申報的看診情況異常,再針對這些異常資料的診所進行實地檢查,果然發現其中有部分診所有詐騙健保的行逕,這就是一個相當成功的資料探勘應用。早有實際應用,卻寫入了生產力 4.0 之中,成為「專家們普遍預期到 2030 前才有機會實現」的最新未來技術。

 

德國對工業革命歷史的詮釋有謬誤

學者與市場人士都曾揶揄,所謂生產力 4.0 很快就會消失,因為政黨輪替又會包裝出一個新口號,就像機器學習被不斷改名重複炮製成新口號、重新炒作議題的歷史一樣,不過,目前新政府並未打算這麼做,只是把生產力 4.0 還原回原本德國的工業 4.0,對業界來說,一則以喜、一則以憂,喜的是至少新政府不打算浪費大量心力胡亂創造新口號,產業界可以省下很多無謂的應付心力,憂的是所謂生產力 4.0 本來就定義不明,前景模糊,蕭規曹隨下去也不知會走到哪去。

整個工業 4.0 風潮,始作俑者是德國,2011 年時,德國提出了工業 4.0 的想法,其主要概念認為一般我們所稱的 18、19 世紀工業革命,只是「第一次工業革命」,代表的是蒸汽動力的技術革命,19 世紀末到 20 世紀初則因為普遍引進了電力、電動馬達,視為「第二次工業革命」,代表的是電力相關的技術革命,而 20 世紀末到 2010 年則是資訊科技產業帶來的「第三次工業革命」,之後則會是虛實整合系統(Cyber-Physical System)以及物聯網智慧製造的「第四次工業革命」,也就是所謂「工業 4.0」。

事實上,德國這項產業思惟顯然是出自對產業發展史一無所知的現代產經幕僚之手,對工業革命歷史的詮釋可說有嚴重基本謬誤,因為蒸汽機雖然是工業革命的代表象徵,但許多工業革命的發展過程與蒸汽機不一定有立即直接關係,如另一項工業革命的代表象徵:珍妮紡織機,動力最初是來自手搖,並非蒸汽機所象徵的「機械力取代肌肉力」。

已故的管理學大師彼得杜拉克認為:蒸汽機只是「革命的象徵」,鐵路才是「工業革命中真正革命性的因素」,鐵路固然也與蒸汽機的發明有關,畢竟早年鐵路為蒸汽火車頭,但早在 1712 年紐科門發明紐科門蒸汽機,瓦特花費十幾年的光陰改良,至 1776 年打造出第一台瓦特蒸汽機,9 年後蒸汽機應用於棉紡,卻一直到 1804 年蒸汽火車頭才首次試車,第一具商用蒸汽火車頭則要到 1825 年才行駛於英國斯托克頓與達令敦之間的鐵軌上。

從第一台商用蒸汽機到第一條商用蒸汽火車頭行駛於商用鐵路,竟然花了 113 年的時間,但在此之後僅僅 25 年,人類鋪設 4 萬公里的鐵路,再過 30 年,又增加到 38 萬公里,從這樣的發展速度差距,可知問題並不出在技術層面,而是資本主義運作以及經濟體發展的商業需求推動。一如珍妮紡織機原本是手搖,並不需要蒸汽機推動,在人類歷史上任何時間點都可以發明,卻偏偏與蒸汽機在同一個時代發明,其主因是當時全球化發展產生的量產工業需求,所以才在各領域都有人想出相對應的技術。

彼得杜拉克為何認定工業革命真正的突破是鐵路,因為當年的蒸汽火車比馬車快一倍,運貨成本節省了三分之二,鐵路連結起陸地國家原本受到地理位置分散割裂的各地方小市場,形成了國家市場,讓更大規模的量產得以在商業上實現,否則只供應小市場根本不需要也無法營運大型工廠。鐵路因而促進了工業發達,也在政治上促成了民族國家,這改變並非基於鐵路的技術突破,而是因為鐵路造成市場生態的徹底改變。

也就是說,縱觀人類工業革命的發展,是市場生態的改變帶動與誘發技術的突破。

 

製造業循序漸進並非革命

德國的工業 1.0 到 4.0 的想法,卻是與人類發展的歷史背道而馳,認定是技術層面突破代表革命,以這種技術導向思惟硬去劃分時代,使得不管從 1.0 到 2.0 還是 3.0 都有許多矛盾之處,例如其中認為工業 2.0 電力時代的一項重要特色是電力可快速傳遞訊息,進一步連結全球市場資訊,但其代表科技──電報,其實技術在 1753 年就已經出現,1839 年在英國首度商用,1850 年首條電報線跨越英吉利海峽,1857 年跨越大西洋,這段時間早在 1870 年之前,結果這項工業 2.0 的重大象徵,卻發生在工業 1.0 的年代。

工業 4.0 也有大量的相同問題,許多主張如前述所謂的巨量資料已經是可追至 1959 年的老觀念,彈性產線與即時管理,產業界早就已經應用,譬如即時管理的代表「豐田式管理」,最早自 1936 年就開始發展,已有 80 年歷史,即時管理卻被列為是工業 4.0 的未來發展特色。

工業 4.0 訴諸的積層製造,也就是 3D 列印,也十分可慮,因為 3D 列印的特性是利於多樣少量,在製造流程中,適合用來在初期研發時列印原型做為初步測試使用,若原型經測試完成要進入量產階段時,如今產業主流的製造方式,例如 CNC 等,製造速度不僅遠遠快於 3D 列印,製造出來的品質精良程度遠遠高於 3D 列印,材料選擇也遠比 3D 列印更多,想要用 3D 列印來製造成品,根本邏輯不通,只能應用在極少數特殊領域,如部分設計上有傳統製造難以處理之處的某些航太零件等,若想以 3D 列印做為主要生產方式,那是與產業前線相當脫節者才會有的奇想。

工業 4.0 的整體願景一樣不切實際,訴諸打造一個全由機器智慧意識自動解決一切的產業世界,想要打造一個充滿感測器、能智慧整合生產資料、智慧調整產線的全能機器生產者,其根本的問題是:人類就是一個全身充滿感測器,可以訓練、思考、智慧整合生產資料、智慧調整產線的全能生產者,當全球還有那麼多人類勞工失業的情況下,打造這種機器既不符合經濟效益,也沒有實際意義,技術上並非做不到,只是根本沒有必要,只能說科幻小說家都還比較務實。

當德國提出這樣模糊不清、定義不明、解讀歷史錯誤,願景又陷入科幻幻想的主張,我國應該了解這就是一個崇尚出口導向、技術導向的國家,面臨全球經濟轉型困境時不知所措的表現,而許多主張甚至把產業界早就行之有年的技術,舊瓶裝新酒包裝成未來希望,也顯示政策制定者與產業前線發生落差,出現盲人騎瞎馬狀況,德國人也是人類,人類都會犯錯,這些錯誤也同樣都是台灣產業官僚過去屢次犯下的錯誤,應該做的是深自檢討,而不是照抄一通。

工業 4.0 可說是一個虛名,但拆除了這些虛的口號,實際上人類的製造業的確日新又新,每天都在進步,只是其發展是循序漸進,並不是什麼突來的 4.0 革命。

譬如,提高能源效率部分,以台灣而言,工研院早在 2000 年就已經積極提倡馬達最佳化節能,至 2015 年底巴黎氣候峰會,機電大廠 ABB 執行長 Ulrich Spiesshofer 強調若能將所有幫浦與各種工業扇的馬達都更新為具變速控制的高能效馬達,1 年將可省下 3.338 兆度電力,相當於整個歐盟 2013 年所發出的電力。與工研院可說所見略同。馬達最佳化節能是自 2000 年以前就已知且開始進行的產業進展,只是步調很慢,走了十幾年還有多數馬達未能最佳化,這並不是一種革命或未來新發展,而是一個舊的趨勢,逐漸進行持續性的改善。

所謂智慧製造、彈性生產、人機協同,也是早就正在逐漸進行的產業趨勢,隨著製造機台整合越來越多數位功能,目前許多內建感測器與基本數位界面的機台,早就已經具有自動偵測異常狀況、自動排除問題或回報的功能,這是現在式而非未來,隨著產業界新舊機器設備的逐步更替,自動化與智慧程度都會持續逐漸提高。

彈性生產也早就在產業界的思考中,並不需要任何遠大計畫來指手畫腳,彈性生產也不表示機器完全取代人類,當前機器人每當要增加一些小變化,就得花上好幾周的時間來重新設定軟體與測試,不如以一組熟練的老員工來指揮機器更加快速,賓士 E 級車的生產線,為了適應安裝抬頭顯示器的工作,就發生人類取代機器的現象,精確來說,是由更加彈性的小型可移動機器搭配人類員工,取代大型固定機器,機器雖然不會消失,但逐漸從過去設置於安全圍籬之後的大型固定機器,改為與人類員工合作的較小型彈性化機器。

戴姆勒稱這樣的許多人類勞工配備小型機器的方式是「機器人農場」。而既然機器與人類員工的距離變得如此親近,人機協同作業自然成為重要的研發對象,譬如機器臂要有基本的安全設計,有感測器感應人類位置,若偵測到雙方會碰撞,則會自動閃避以免打傷人類等。

 

可專注發展工業物聯網

感測器也並非未來新技術,各種感測器本身感測技術發展目前已經相當成熟,只是是否普遍設置於工廠或機台之中的問題,而當工廠內部逐漸增加許多具有感測器的設施,很自然會想到應該彼此分享資訊,可減少所需的感測器總數,交叉比對資料可排除感測器錯誤,以及提供技術人員更容易掌控全局的管理平台,以上所需的各種軟硬體技術,也不需等到未來,而是現在已經存在,唯一的問題是,過去各種工業機械與系統並沒有一個整合的共同平台,往往各自為政。

為解決此一障礙,如綜合工業大廠奇異(GE)、IBM、思科(Cisco)等超過百家企業組織了工業物聯網聯盟(Industrial Internet Consortium,IIC),其目標是簡化工業物聯網的建置過程,加速設備、機器、人員、工作流程與資料互相連通。2015 年 3 月工業物聯網聯盟更與 IT 大廠英特爾(Intel)、三星為首的開放互連聯盟(Open Interconnect Consortium,OIC)宣布攜手共組物聯網聯盟陣線,隨著平台與標準整合,過去系統互不相通的工業設備之間將更容易互相連結,開創許多全新應用空間,如節能、提高良率、加速生產流程、減少事故等方向。

可說工業 4.0 之中真正有意義的部分,其實全球產業界每天都正在進行,畢竟商業競爭就是要提高效率、提高彈性、提高品質、降低成本,在激烈的競爭下,全球每家企業隨時都在積極提升生產力,這不是去因應一個偉大願景的口號,而是每天生存的必須。不論是能源效率、智慧製造、彈性生產、人機協同,或所謂巨量資訊,都已經早有應用,本來已是工業的一部分,不論是幾點零。

在整個工業 4.0 相關議題中,去除了不會發展以及早就已經存在的部分,排除了虛名之後留下來的實際議題,最重要的或許是工業物聯網,不論政府或是產業界,不妨乾脆廢棄大而無當、定義不明的工業 4.0,專注於實際、清楚的工業物聯網發展,以及適合本身產業領域的生產力持續提升之上。

其實,從工業革命一路至今,人類生產力提升的過程,也都是從每個小小地方踏實的小改善所累積而成的,瓦特想到將蒸汽機的冷凝器與汽缸分離,大為提升蒸汽機動力,不過是個小小改善,日後成為工業革命的象徵;亨利福特想到生產線,其實不過就是一條輸送帶,成為如今工業的基礎,就這樣一步一腳印,日新又新的逐漸改善,累積下來的進步,創造了現在的科技工業文明。可以肯定的是:未來的工業樣貌,也將大部分都會由一步一腳印、不起眼也不煽情的持續改善累積而成。

(首圖來源:shutterstock)

延伸閱讀:

發表迴響