近年政府大力推動產業升級，從工業 4.0、生產力 4.0、智能工廠到智慧機械產業化一系列的智慧製造重點發展，牽扯層面廣大且非一蹴可及，對於想投入的業主也需耗費一番時間了解，是要先投入 ERP（Enterprise Resource Planning；企業資源規劃）、MES（Manufacturing Execution System；製造執行系統）還是自動化呢？這個決策問題其實隨著產業別與公司競爭力會有所不同，建議大家回到最基本面先行探討工業網路與 IoT（Internet of Things；物聯網）等基礎建設，再來討論與上位系統像是 MES 或是 ERP 系統相關整合，甚至是彈性製造等議題。
首先思考兩個截然不同的情境：
情境 1：設備充分具備與上位系統或服務平台溝通的能力
例如：EAP（Equipment Automation Program；機台自動化程式）／BC（Block Control；整線設備管控）等，設備可進行狀態監控，如溫度、真空度、震動值、電流值、警報等資料紀錄，進一步藉由資料科學找出設備健康模型進行設備預防保養；或是藉由設備和感測器的訊號作為樣本建立預測模型，進行事先預警。當樣本趨勢變化時，分析系統能根據新的樣本修正模型，並用新的模型進行預測，這就是智慧機械自我監控與改善的能力。理想上機型相同、機台健康狀態相似的就有機會讓中央監控系統統一蒐集樣本，並將更新後的模型發放到 Edge 端，倘若無法由中央系統統籌，就由 Edge 端各自處理。
接著，將視野放大到整個工廠營運，從 ERP 接單，MES 進行生產製造的控管，透過 EAP 與設備連線進行自動化整合，這樣的組合帶來的效益為何？依據 ERP 訂單交期，交由 APS（Advanced Planning and Scheduling；先進排程與規劃）或是 MES 派工模組（Dispatching）安排工單乃至工序在各個設備的製造順序；可結合自動倉儲或無人搬運車進行物料派送，到達設備端準備進行生產時，檢查人、機、料、法、環是否合格，機台生產需要的製造參數等配方統一再由配方管理系統（Recipe Management System，RMS）進行控管，並結合彈性夾治具等硬體，可實現彈性製造；品質資訊透過設備進行電子資料蒐集自動拋轉至 MES 進行統計製程管制（Statistical Process Control，SPC），倘若異常時會觸發設備停機或生產批扣留。不過上述議題需搭配不少周邊，例如進出站的量測裝置、異常排除與修復等。
情境 2：無設備或設備不具通訊能力
設備要改造成智慧機械，在合理的成本考量下可行性不高，因為會外加其他昂貴感測器的情況並不常發生。大多透過乾接點的方式（DIO 卡）擷取機台狀態或是用感測器取得生產數量或狀態，但此類的設備大多也因老舊，往往在實際實施後所帶來的效應不高，且容易出現訊號不穩的情形，若以此做為設備監控，常常只能看個概括而已。在工廠營運方面，透過 MES 與標籤管理模組（Label Management System，LMS），讓人員在設備上料時讀取物料與工單條碼、檢查物料是否合法、刷入設備 ID 時檢核設備是否為製程上合法的設備等，除了資料多為人工輸入外，其實可透過一維或二維條碼減少人員輸入與輸入錯誤，管理者也能在系統上查詢各項資訊。
關於上述情境 1 與情境 2，ciMes 團隊承接非常多的類似案例，並可直接針對客戶需求協助規劃解決方案。搶先尋求協助
另一項在智慧機械常見的議題就是邊緣計算（Edge Computing）與人工智慧（Artificial Intelligence，AI）。如果所有的設備資訊都要往雲端拋，第一個會出現的是儲存容量的問題，第二個則是網路問題，這也就是現在工業 4.0、雲端、5G 等議題會常常一起討論的原因。因高端設備與感測器的資料本身一秒可能幾百筆到幾千筆以上，且有時關心的是尖峰值（Peak），取樣頻率不夠高則會錯失，那麼網路速度不夠快、流量不夠大、伺服器儲存空間不夠都是個問題，更何況這些都是 AI 需要餵養的資料。因而將資料與運算留在 Edge 端不失為一個合適的方式，成本也比較低，例如：一台 IPC（Industrial Personal Computer；工業電腦） 或是 Gateway（匣道器） 就可以解決這個問題，然後將資料萃取成有意義的資料，如時間區間內的平均值、標準差、中位數、最大值、最小值放上雲端，也不失為一個方式。
上述舉例說明是可能的發展，並非絕對，例如：少樣多量的企業導入自動化的成效可能會比其他來得高，智慧機械的議題很多也仍在發展中，想像空間也不少，但也別飛太遠。
