前幾年工業4.0、中國製造2025是當時最常聽到的，但計畫敢不上變化，這兩年人工智慧興起，台灣製造業積極的要導入人工智慧相關技術，面對激烈的商業競爭環境、市場需求變動快速及產品生命週期縮短，企業在製造產品時，必須具備自動化且快速反應市場需求、多樣性與資訊整合的能力。因此，不論在學理或實務層面，針對製造業如何有效運用機器學習技術來提升企業競爭優勢之議題皆已受到許多關注與討論。在回顧相關文獻中發現到製造業導入機器學習技術之重要性雖已有相當之共識，但對於製造業導入機器學習技術之前因與後果目前似乎尚缺乏一個整合性的架構進行解釋系統性的說明。
本論文主要說明在人工智慧時代運用大量的文獻回顧與實作，歸納出製造業導入機器學習技術之前考量的相關因素，從基礎建置符合工業4.0的資料中心收集工廠，其中針對製造業規劃智慧工廠的要領，進行人工智慧專案方法論，與應調整製造業的組織架構來因應，還有針對應用目前的可實現的技術與演算法處理數值資料與影像資料，期望透過本研究發現更多機器學習技術在學理上之發展與建構，另外給予製造業在進行機器學習技術導入的策略提供做為參考。
關鍵字：人工智慧、機器學習、深度學習、製造業人工智慧

In the past few years, Industry 4.0 and China Manufacturing 2025 were the most frequently heard at the time. But the plan dare not change, the rise of artificial intelligence in these two years Taiwan's manufacturing industry is actively introducing artificial intelligence-related technologies in the face of fierce commercial competition, rapid changes in market demand and shortened product life cycles. When manufacturing products, companies must have the ability to automate and quickly respond to market demands, diversity and information integration. Therefore, at the academic or practical level, there have been many concerns and discussions on how to effectively use machine learning technology to enhance the competitive advantage of enterprises. Recent relevant research found that there is considerable consensus on the importance of introducing machine learning technology into the manufacturing industry. However, an integrated and systematic approach to capture causes-and-effect relationships after introducing machine learning into the manufacturing industry is still not readily available.
This paper explains the use of a large number of literature reviews and implementations in the era of artificial intelligence, summarizing the relevant factors considered before the introduction of machine learning technology in manufacturing. The basic construction is in line with the factories collected by the Industry 4.0 data center, which is how to plan smart factories, how to carry out artificial intelligence projects, and how to adjust their organizational structure. How to apply current related technologies and algorithms to process numerical data and image data. The purpose of the study is to identify the development and structure of machine learning techniques from academic theory, and provide a strategy to deploy machine learning technology in the manufacturing industry.
Keywords：Artificial Intelligence, Machine Learning, Deep Learning, Artificial Intelligence in Manufacturing

中文文獻
許有進（2018）。臺灣發展人工智慧之挑戰與機會。國土及公共治理
江金龍譯（1998）。瀧澤正雄、筒井信行著，企業轉型─中小企業如何脫胎換骨。台北：尖端出版社。
行政院（2015）。「行政院生產力 4.0 發展方案」民國 105 年至民國 113 年(核定本)
李世光（2016）。從製造到智造我國智慧機械產業創新政策之推動。行政院第3507次院會。
周佩萱（1993)。分析我國中小企業轉型困境。台灣經濟研究月刊，第8期：41-47。
周佳欣（1997）。台灣中小企業策略性轉型之研究。東吳大學企業管理研究所碩士論文，未出版，台北。
韋康博（2015)。工業4.0：從製造業到「智」造業，下一波產業革命如何顛覆全世界？ (ISBN：9789862729441) 商周出版，台北。
張小玫(2015)。工業4.0革命召喚製造業回流，台北：經濟日報2015/02/22。
許壽峰（1989）。〈小巨人躍昇的時代〉，《戰略生產力雜誌》，397：16-37。
陳明璋（1996）。〈企業轉型的策略與成功關鍵〉，《貿易週刊》，1690：18-21。
詹文男（2018）。人工智慧對台灣產業的影響與策略。台北：產業情報研究所(MIC)。
詹文男（2015）。工業4.0產業發展趨勢。台北：產業情報研究所(MIC)。
詹文男，蘇孟宗，陳信宏，林欣吾暨2025研究團隊（2015）。2025台灣大未來。台北：大立文創。
蔡時郎（2017）。資訊應用研究團隊，智慧製造發展趨勢與創新應用案例分析。台北：產業情報研究所(MIC)。
魏傳虔（2016）。工業4.0智慧工廠未來發展趨勢與商機。台北：產業情報研究所(MIC)。
魏傳虔（2016）。全球智慧製造產業關鍵議題剖析。台北：產業情報研究所(MIC)。
饒偉弘 (2017) 。工業 4.0 趨勢之下客製化訂單工廠關鍵成功因素之研究。中興大學高階經理人碩士在職專班學位論文, 1-90。
英文文獻
Batra, S. (2014). “Big data analytics and its reflections on DIKW hierarchy.” Review of Management, vol. 4, pp. 5-17, 2014
Bibeault, D. B. (1982). Corporate Turnaround: How Managers Turn Losers Into Winners. NY: McGraw-Hill.
Brady, M. and Gerhardt, L.A. and Davidson, H.F. (1984). Artificial Intelligence and Robotics. NATO ASI Series (Series F: Computer and Systems Sciences), vol 11. Springer, Berlin, Heidelberg.
Harari, Y.N. (2014), Sapiens - A Brief History of Humankind. ISBN 978-009-959-0088
Russell, S. and Norvig, P. (2009). Artificial Intelligence: A Modern Approach (3rd edition). Upper Saddle River. New Jersey: Prentice Hall. ISBN 0-13-604259-7.
Yao, X. and Zhou, J. and Zhang, J. and Boër, C. R. (2017). “From intelligent manufacturing to smart manufacturing for Industry 4.0 driven by next generation artificial intelligence and further on.” 2017 5th international conference on enterprise systems (ES), 22–24 September 2017 (pp. 311–318). https://doi.org/10.1109/ES.2017.58.