經濟部近年來積極強化智慧製造的布局，從之前的生產力4.0到現在的智慧機械，都投入大量預算與資源，經濟部認為台灣製造業具深厚基礎，亦累積大量數據資料與製造管理技術、能量，發展智慧製造系統，可整合終端物聯網、通信網路、雲端平台到大數據分析，後續更可導入人工智慧，運用於電子資訊、金屬機電及民生化工等產業，協助升級轉型。

/news/2018/03/05/1705363850S.jpg

經濟部部長沈榮津之前就指出，台灣若能躋身人工智慧晶片自主國，以台灣優勢領域為主軸，如車用電子、醫療電子、智慧製造等，發展利基型智慧系統整合晶片，晶片及半導體產值可望快速增長，從現在的2.5兆元，成長到2025年的4兆元。

就目前發展來看，智慧製造有3大趨勢，首先是生產網路，這部分主要是應用製造運行管理系統(Manufacturing Operations Management，MOM)，協助生產價值鏈中的供應商獲得並交換即時生產資訊，供應商所提供的全部零組件都可在正確的時間以正確的順序到達生產線，第2個趨勢是虛擬模擬與真實物理系統的完美融合，在生產製造過程中的每一步都將在虛擬世界被設計、模擬、及優化，為真實的物理世界包括物料、產品、工廠等建立起一個高度模擬的數位雙生(Digital Twin，Twin Model)，第3個趨勢則是網宇實體系統(Cyber-Physical System，CPS)，在此系統中，產品資訊都將被輸入到產品零組件本身，它們會根據自身生產需求，直接與生產系統和設備溝通，發出下一道生產工序指令，指揮設備進行自組織生產，這種自主生產模式能夠滿足每位用戶的客製化需求。

這3大趨勢，未來都會與AI有一定程度的整合，例如在產線監控、機器人、無人搬運車等，都將有AI運算功能設計，主因在於大量客製化的趨勢，工廠需要面對的產品類型、產線調動等各種生產情境的難度也會大增，雖然透過感測器及大數據分析，管理者已經可以掌握更多用來幫助決策的資訊，但也因為資訊量大量增加，增加管理者的資訊分析壓力，加上市場變化愈來愈快速，人類的分析速度恐怕已經愈來愈難跟上提供速度愈來愈快的前端資料，自然也就更難讓製造現場的機台能夠迅速反應客戶需求，AI應用於製造業，將可讓系統在從大數據分析找出規律性建立模式，進而學習避免前面發生的錯誤，甚至做到提前預測，應用於製造領域，不僅可以縮短停機時間，更可適時做出產線調整，減少呆料及廢料的發生頻率，讓製造業更具競爭力