從生產價值到環境價值的追求，工廠裡的轉型是怎麼一回事？
講師：黃逸華 / 華實智造科技公司 數據長
相信大家最近都聽過ESG，節能及碳關稅等議題也逐漸受到許多工廠老闆的重視。過去，從工業革命一直到工業4.0以來，人們關注的都是產能、效率及良率，新的思潮卻讓我們開始關注良率、效率外的事情，現在的工業到底是怎麼一回事？
工業5.0來了，那麼尚未落實的工業4.0呢？
每個人提及數位轉型或AI專案導入的方式、角度和方向好像都不一樣？但從另一角度來看，好像又都講得一樣。到底我們現在面對的事情是什麼呢？我們對工業的期待，不外乎是快速、效率以及多樣化 ; 多樣化指的是，面對不同的客戶及產品時，是否能回應他們的需求。
以當前仍是重要產業的汽車業為例，在十九世紀末、二十世紀初，福特和他的T型車可說是當時的引領者，福特汽車開始出現流水線的概念。即使現今的技術已大幅進步、生產速度變快、產品逐漸多樣化，但其基本邏輯依然相同。我們還是在依循有序的狀態下，進行同樣物品、同樣動作的大量裝配，只是過去可能都靠人力，現在部分已轉換成機器。
再以我們身上穿的紡織品為例，有些可能是需要大量人工的工廠產品，也有一些是量身定做的產品。在量產與客製化的產品間，我們該如何選擇？大家應該發現到，現在的人越來越不喜歡大家都使用一模一樣的產品，希望自己能擁有特色或最符合自己需求且與眾不同，因為這樣的需求帶動了製造流程的變化，同樣也引領了生產面的變化。
從以上兩個案例可以看到智慧工廠不只是單純的加快生產速度、提高效率或生產更多不一樣的產品而已，智慧工廠追求的是少量、多樣、美而廉。過去量產的世界，我們希望美而廉、東西要好又漂亮，但是，生產的過程事實上是需要選擇的，到底要好？還是要快或便宜？這中間都需要有所取捨。
我們以為21世紀的工廠早就已經機械自動化了，但事實不見得如此。從傳統製造業到電子廠，還能看到工廠內仍有大量的人力需求。原因就在於現今的需求已經變成少量多樣，但是機器設備通常是為了大量生產而設計，因此無法有太多的彈性。即便我們使用大量生產的方式進行量產的工作，但到了需要檢查產品的生產末端，也就是所謂的品質管理階段，檢查的事情及步驟變得繁複，在這個環節就需要大量的人力介入。人的角色就是在製造的過程中，補足機器因為彈性不足，以致於無法符合生產需求的空缺，這樣的生產邏輯因此長期存在工廠內。
另一方面，可以看到電子加工業的例子，過去幾十年來都在尋求人口紅利高的地方，從最早的高雄加工區，再到深圳、昆山，最近越往越南、東南亞等地走，大概都是同樣的邏輯。這樣的狀態是因為廠商不做自動化嗎？其實不然，這些工廠的自動化都做得非常徹底。那麼，是因為這些工廠不想努力嗎？也不是，這些廠商比誰都厲害。前陣子，我們才看到報導提到台灣有27家電子業廠商已經是超過千億美金的大型企業。
那麼，我們期望智慧工廠能達到的目標是什麼？事實上，我們期待智慧工廠能在不需要很多人，且可變的流水線上進行「客製精準量產」。
簡單說，我們希望它是可以自己運行的關燈工廠。當中不會有人為的生產瓶頸或誤差。那麼，我們必須先評估這當中的平衡是什麼？期待智慧工廠誕生的同時應該投入什麼呢？
工廠中我們常說的人、機、料、法、環，在提到AI或是智慧工廠時，則需要加上一個重要前提：「在數據驅動前提下」的人機料法環，也就是說在談論人機料法環前，我們要關注數位轉型（或稱數據轉型）。如果沒有思考過下列四件事，是沒辦法前進的：
數：數據在哪裡？
據：根據的藍圖？也就是我們立足在哪？要往哪個方向走？
轉：該採取什麼行動才能有效的轉型？台灣人常說要轉骨，我們該做哪些事呢？
型：對未來的定位是什麼模樣？
有另一個觀念在談數位轉型時常被提及，就是敏捷專案管理。敏捷是做專案的一種方式，但在做專案之前，企業時常不知道要解決什麼問題？更別提要做什麼專案管理了。
為什麼數位轉型複雜且困難？
我們以上面這張圖說明不同專案的狀態，左下角為可預測的問題：假設工廠原先有50個人要吃飯，明天有新人進來，所以人數提高到70人，在需求調整的狀況下，我們需要做哪些因應？這是個簡單且可被預測的事。
左上角的增量指的是，在軟體開發的過程中，需要的功能越來越多，既要保存既有的功能並除錯，還要加入新的功能，像這樣的專案，我們就會說要做增量開發。
右下角的迭代則是指，當目標需求不斷變化，需要考慮的事越來越多，我們就會使用迭代。
但在討論數位轉型時，常會發現需求不明確、範圍不固定、技術不具備以及目標不清晰，導致寸步難行，這類的狀態就屬於混沌的問題。這時候，設計思維就是其中一種較適合處理混沌現況的戰略工具。
轉型像攀岩，成功者的共通點是從未摔落
進行數位轉型時，需要討論以下問題：企業現狀是什麼？目前有哪些資源？我們要怎麼做才能達到轉型之後的目標？
「Design the Right Things & Design the Things Right 」是設計思維的兩個關鍵核心，可以協助我們釐清前述問題。找到對的事情來進行設計，也就是要該找到企業中需要解決的問題。當內部在探討企業問題在哪裡時，藉由不斷的溝通凝聚共識、找到對的方向，這就是所謂的 Design the Right Things。接下來才思考要如何設計行動方案：「Design the Things Right」。
舉例來說，工廠裡有個環節會需要先做個專案試試，但做完了A機台、可能還有車床、縮壓機；電子廠裡可能會有SPD、SMT、回焊爐等不同的設備，每一個設備都有機會展開成一個大方案。在做數位轉型的時候，我們不會用一點一點逐步往前推展事情。因為這樣做，會不知道下一個點應該要做哪件事？
這時候，設計思維能協助將所有的點都畫出來，並從中協助我們釐清點和點間的關係。透過點與點連結而成的線，再慢慢構成面，就能看見一張藍圖。
有了設計思維這樣工具後，我們再重新檢視數據轉型：
數：數據在手。不僅知道公司數據在哪裡，同時也檢視是否已經善用這些資料。
據：根據在心。大家對於公司接下來的前進方向是有共識的。
轉：技術我有。事實上，技術是數據轉型中最簡單的事。
型：共同目標。公司已經確定轉型後的目標。
最後想和大家分享，在做數位轉型或導入AI技術時，時常會聽到有人提及Quick Win，但Quick Win 是不是真的贏？讓我們試著從以下兩個角度來看看。
從工作者的角度來看，快贏或許可以很快的完成某件事情，拿到Credit並得到讚賞及同事的支持，但在工廠中，如果沒有戰略思考就快速的完成某件事，會有很多其他要解決的問題，可能常要面臨資源有限，但大家對你會有過多期待，這樣的狀態很容易讓新專案在導入時停頓，一旦拖延久了，這件事的完成就變成遙遙無期，最後無疾而終。
對經營者的來說，他看到的是成本投入和收益間的關聯性，因此Quick Win不會在他的考量範圍內，而公司要解決的問題通常也不是Quick Win 能處理的對象。
綜合以上所述， Quick Win 應該被視為一個戰術工具而不是戰略目標。企業做數位轉型時，不可能窮盡所有變數，若能先快速過濾，將精力集中在有限因素上，快速實驗找出解決需求方案，獲得初步成果後，再不斷迭代與修正。好比攀岩，成功者的共同點不是多少次登頂，而是從未摔落。