“未来更要从代工走向带领工业的“带工”，”工业富联CEO郑弘孟强调，这位在中国打造了6座熄灯智能工厂，部署超过6万台工业机器人的关键推手，透露了鸿海更大的战略布局。
鸿海集团以电子代工服务闻名，旗下富士康在各国工厂的员工合计超过百万人，但随着工业4.0浪潮袭来，鸿海也从2013年展开了转型之路，以工业物联网（Industrial IoT，IIoT）为重心，在2015年设立富士康工业互联网公司（Foxconn Industrial Internet，FII，以下简称工业富联）。
郑弘孟近日在一场活动中披露富士康的转型战略，包括如何发展工业物联网的三大技术，以及实际应用的5C架构。
他指出，工业富联的目标不只要打造集团内智能工厂，更要为外部企业提供自动化、网络化、平台化，且以大数据为基础的科技服务，包括工业物联网、机器人、精密工具、通信网络设备、云服务设备等。
工业富联以大数据为基础，结合AI、云、雾发展IIoT
郑弘孟引述研究数据，2025年全球大数据将增长十倍，其中70%来自实体经济，尤其嵌入式设备所产生的数据，将从2016年的16ZB，大幅增长至163ZB（Zettabyte） ，这些爆量数据来自智能设施、机器人、RFID读取器、穿戴式设备等。此外，工业物联网的数据大多是企业长久累积的结构性数据。 “拥有数据的企业更有优势。”他强调，这正是富士康成功转型的原因之一。
在富士康工厂内，不只有百万员工，还有7万多部机器人、17万数控工具机（CNC）和上百万支监控摄影机，以及超过1,600条执行表面黏着技术（SMT）的生生产线，生产线上部署了超过10万台传感器。 “所有数据累积成庞大数据，处理后再结合AI技术，就能产生有用的信息。”郑弘孟表示。
工业富联正是以这些数据为基础，来发展三大关键技术，人工智能、云（Fii Cloud）与雾（Fog AI），郑弘孟称这三项正是发展工业物联网的3辆马车。人工智能用于数据汇集整理分析、创建模型、深度学习与仿真优化；云计算则用来支持服务、运维管理、分析与建模，也可提供服务组件库等。而关于第三项，工业富联去年11月首次提出了“雾小脑”的新概念，可用雾技术来快速弹性部署、即时反馈、加速机器学习、管理接口，也可用于部署虚拟运算平台。
“要实际推动三辆马车，需要应用5C的架构，”郑弘孟解释，由下而上，可以进一步分为智能感知层（Connection）、智能分析层（Conversion）、智能网络层（Cyber/Cloud）、智能决策层（Cognition）、控制与配置层（Configuration）。
首先，智能感知层负责采集设备数据，并发送至智能分析层，经由实验设计、数据挖掘、特征提取、维度降低与创建模型的流程来进行数据分析。
而在智能网络层，则包含了雾小脑与云计算，雾小脑可以本地部署，利用边缘运算技术来创建数据的关联性，结合机器学习算法，可用于预估工业生产的性能与容量。工业富联则自己开发了一套生态系统架构的云计算平台，对内可用于生产预测、管理与维护，相关系统也都搭配了不同的工业App与应用软件，同时推出了114种开发工具，可支持15类通用算法模型。
智能决策层与控制配置层，则可依据前述分析所得的数据，找出生产过程中需改进的问题，如监控设备来进行维修预测、智能调度优化产能，或监测品质改进预判机制等。
郑弘孟表示：“采集数据是基础，平台是核心，应用是关键。”工业富联将工业物联网应用于工厂中，将厂内设备链接至边缘运算与云计算，要改善表面贴装、数控加工等产程。
他以烙铁头、吸嘴与车刀为例，来说明工业富联如何运用5C架构。烙铁头是电子焊接的耗材之一，可以将电子组件固定于电路板上，也链接各个电子组件以达到电子信号互相交流的目的，但烙铁头也容易因氧化造成焊锡不良，导致焊接品质下降、不良率提升，过去是靠人工目检来辨别失效的烙铁头。
而目前，工业富联利用5C架构，引进故障预测与健康管理模型（Prognostics Health Management，PHM），从智能感知层先采集关键有效的数据，再经过智能分析层的品质检测与数据清洗筛选，进行特征值趋势分析。在智能网络层则利用云计算监控，以时间串行分析预测焊点特征值的趋势。数据进入了智能决策层后，通过PHM模型反映烙铁头的生命周期与健康值，通过App让管理人员即时监控作业流程，还能用手机直接叫修。
郑弘孟表示，使用PHM模型对烙铁头进行生命周期监控预警，不仅可以提高烙铁头的使用寿命，从平均可焊点2万次提升至3万次，耗材更换时间从1.25小时缩短至0.45小时，还能提高产品质量，如良率从97%提升至99.9%，甚至平均每年降低343.5万人民币的成本支出。
另一个同为耗材类的应用实例是吸嘴。在组装作业流程中，需要通过吸嘴吸附微小零件，再装贴到电路板。但吸嘴很容易变形、破损，导致无法吸料或取料角度不正而无法使用。为了维护吸嘴的正常工作，同样须通过人力审查吸嘴内滤网堵塞情况来进行清洗。
后来，工业富联利用监视器取得8K高解析图片，创建了吸嘴寿命的预测模型，吸嘴的使用已经可以从2.6万次延长至8.6万次再清洗，降低了保养工时、更换工时与库存费用，吸嘴寿命延长了25天，库存量从平均2,200减少到800支就够，生产线的良率也改善至99.96%。
另一个案例是车刀。车刀是一种工具机，通常用来削切、研磨零件，若不慎故障就会停机，造成生产线的延误。尽管刀具的磨损会影响产品品质，但更换过于频繁会导致浪费，太晚更换又会导致不良。
对此，工业富联开发出车刀生命周期预测的模型，利用人工智能来预测刀具寿命与评估机器建康状况，及时发出维护预警来避免停机，实质降低了60%意外停机造成的损失。除此之外，同样延长了刀具生命周期，也可以预测刀具库存量。
“要做熄灯工厂太容易，无忧才是真正目的。”郑弘孟说明，数字转型目的在于减少浪费、减少工作与减少忧虑（Worry Reduction），其中，达到无忧化是最重要的价值。
通过烙铁头智能监控系统的导入，工业富联不仅可以延长烙铁头的使用寿命、提高焊接产品的质量，也能大幅降低生产成本。 摄影／翁芊儒
从代工到“带工”，富士康用IIoT实现Vaas的理念
郑弘孟表示，中国制造业的市场庞大，而工业云计算、边缘运算、大数据与AI等技术，正在改变制造业游戏规则，IIoT的构建已成趋势。
有别于传统物联网专注于人与人、人与物之间的数据交换，现今的工业物联网链接人、传感器、生产设备与机器人等数据协作，结合大数据、AI与IoT传感设备、数据处理技术（DT）、平台接口技术（PT）、分析软件技术（AT）以及运营技术（OT），“让产品从制程到服务端都更具系统性、快速性与传承性。”
“转型过程会产生新的价值。”他解释，大多生产线问题都是可见（Visible）的问题，是利用过去处理问题的经验，来避免问题发生，但导入AI等新方法或技术，可以开始预测未知（Invisible）的问题，将这些信息创建数据库，可以形成新的知识影响更多企业。
“我们要从过去的代工性质走向带领工业的“带工”。”郑弘孟谈到，成立工业富联，就是要将富士康40年累积的知识、关系与消息，通过数字转型来提升性能，也提供其他企业转型的服务，他称为价值即服务（Value As a Service，VaaS）。除了技术，他建议，企业要运用长期累积的专业领域知识，以及可证明第一代产品或服务有效的“证据”，才能创造差异化。