2016年 供應鏈趨勢

在網路上看到的文章：2016 Supply Chain Trends (2016年供應鏈趨勢)，作者列出了12大趨勢，可以參考看看。

2016年供應鏈趨勢 #1-#7

# Supply Chains will look to go Digital (數位化供應鏈)
# Responding to Innovation & Change but with an Eye on Fundamentals (著眼於基本面回應創新)
#Augmented Reality a.k.a. AR (虛擬實境)
#Artificial Intelligence on Steroids (人工智慧的大幅增長)
#Agile = The New Lean (敏捷為新的精實)
#Procurement's New (read Bigger) role in the Supply Chain (採購在供應鏈上扮演更大的角色)
#Collaboration continues to take center stage for efficient supply chain management (協同作業是供應鏈管理的重中之重)

2016年供應鏈趨勢 #8-#12

# A bigger focus on supply chain risk management, especially resiliency (更高的關注於供應鏈風險管理，尤其是彈性)
# Making the supply chain circular vs. linear (循環式的供應鏈而非直線型)
# Cloud computing continues to increase in use (更多雲端計算)
# Wearables are the new hot trend on the supply chain block (穿戴式裝置成為供應鏈的一環)
# A continued, renewed (or new) focus on data analysis for continual improvement & better supply chain visibility (在資料分析上持續更多或新的關注來改善供應鏈可視度)

工業4.0這麼廣，到底可以做什麼?

很多人有這個疑問，工業4.0是一個很大的框架，那麼一個企業可以做什麼？我指的是企業藉由「工業4.0」可以達成的目標或成果? 我覺得可以由工業4.0基本的三個整合面向來思考。

首先是生命週期的整合面 (SYStem Lifecycle Management, SYSLM)

產品由研發、銷售、生產、交貨到服務，一路上可以收集到很多的資料，透過這些資料的分析可以改善產品的設計、生產...等。例如：透過生產過程資料的分析改善生產方式，提高良率降低成本。抑或是收集產品服務維修、與消費者互動的資訊，改善產品，例如小米的UI改善。

其次則是IT/OT的整合

如何把業務作業流程與現場製造執行怎麼串連起來，讓接單、生產能夠即時化，改善供應鏈的反應速度與彈性。這個議題比較傳統，還是跟過去ERP、APS、MES等等有相關。不過因為資訊科技的進步，有機會可以透過較新的商業分析工具與技術來改善。所以這也是一個可以探討的方向。

最後則是生態系統的整合

工業4.0相當強調為客戶打造獨特的產品或服務，所以跟客戶協同作業是相當的重要。如果僅僅是接單生產，沒有辦法與客戶有深入的互動與協同作業，將沒有辦法提高黏著性留住客戶。而相對的，為了供應鏈的效率與彈性，也必須與供應商協同，讓供應商一同發揮彈性與效率，透過生態鏈的方式來服務客戶。

透過這三個面向來思考，企業應該可以找到一些短、中、長期的目標，逐漸來實現工業4.0。

由3.0到4.0的路 (下)

在工業3.0，主軸是CIM (computer integrated manufacturing)，是透過電腦與自動化來實現製造整體控制的環境。國際自動化協會就提出一個架構，稱為ISA-95，分成四個層次，來描述整個自動化環境的建置。

因為工業4.0是基於3.0往上加上一些智能的元素，所以要實施工業4.0的時候問題來了，現場的機台、設備來自全世界許多的廠商，而這些機台、設備各講各的語言 (communication protocal)，這樣是不是很難溝通呢？

如果要換掉這些老舊機台設備，那麼企業主就要投入大筆的資金，所以呢，很多公司就卡在這裡走不下去了。這時候所謂工業電腦的公司就跳出來了，它們的價值主張就是幫這些老舊機台加上外掛，透過這些外掛讓機台的資料可以吐出來。

不過做完這些，大概只是把工業3.0補考完而已，實際上對於所謂工業4.0建置是還沒開始。

在工業3.0後，有各式各樣的電腦控制系統以及資料 (來自level 3, level 4的資料)，而怎麼把這些資料放在一起管理，方便使用就是說大不大、說小不小的問題了。

因為不同系統有不同的重要性與負荷，如果要常常去要資料，可能造成一些關鍵系統負荷過大，所以就只能一段時間要一次。因此資料就不容易即時或是統一時間，自然要拿來分析就不方便了。

而在工業4.0中最重要的智能部分才是真的最大的問題。過去很多智慧是在做中學而來的，這些老經驗的員工如何傳承這些知識、經驗，是人工決策階段所面臨的重要問題。

所以工業4.0是倡議要把這些經驗透過系統模型來實現，但是作這樣的事情是需要很多的人才：簡單說，要有會分析的專才、要有懂domian產業知識的人、要有會把這些知識變成系統化的人。在這樣的情形下，很少有公司可以養得起這樣的團隊。而這才可能是工業4.0最大的挑戰。

所幸，現在有很多公司嘗試著把這些東西(分析模型)商品化，搞成人工智慧、機器學習這樣的軟體，或許在這種情況下，有機會讓更多中小企業能夠實現工業4.0