在面對工業4.0科技變革的浪潮之下，該如何因應轉型而不被淘汰？這個台灣傳統工廠目前面臨的挑戰，也帶來了新創者的機會。

在物聯網的熱潮下，工業4.0一直是個熱門領域，美國、歐洲、中國乃至台灣，各國相繼發展出對應的策略，強調虛實整合、將製造技術、IT技術結合網際網路為核心理念的工業進化論。在台灣，這個話題也引發多方討論，蔡英文新政府喊出亞洲矽谷政策，大力推動工業4.0，而兩岸當紅創業導師程天縱則提出「台灣不需要工業4.0」，皆引起產業熱議。

有到過台灣傳統製造工廠的人或許都有相同印象，在生產機台前或是定點的生產管制站，會有一大塊板子，上面貼了各式各樣表格、填滿密密麻麻的生產數據，管理者便從這些現場生產資訊去做製成管控，進而可能衍生出忙碌的作業員為了交差而無法精確記錄的生產資訊、管理者為了美化報告而造假數據，最後業主根本無法從報告中做出對企業有益的決策。

近年來台灣製造業在國際上不斷被各國取代，如何善用過往累積的實力，跟上德國、美國與日本等製造大國前進的腳步?

2008年剛從加拿大畢業回到台灣的創辦人葉懿賢，回到家裡負責幫傳統製造業開發硬體設備時，在走訪工廠拜訪客戶時便是見到這般景象，當時工廠端常向他提出這些生產資訊是否能更有效率地由電腦自動蒐集。

2011年，葉懿賢創業成立 MOSi，讓工業4.0不只是口號，而是走進製造現場，並導入國際標準製程規範，希望除了能有效蒐集生產資訊以外，更能將製造機台的生產資訊與工廠營運數據整合，減少現場作業員的工作負擔，讓傳統工業提高生產效益並跟上國際製造業變革的腳步！

圖說明
（圖說：傳統工廠生產現場報表照片，照片由 MOSi Technologies 提供）

「當政府與指標企業大聲疾呼大數據、物連網、工業4.0等口號，台灣多數的製造工廠卻仍停留在用紙筆記錄現場生產資訊，原因來自導入數位化的過程不夠友善，因此工廠不想耗費成本導入新系統。」共同創辦人葉韋賢指出。

然而，創業初期卻不如想像中順利，儘管葉懿賢擁有資訊整合技術背景，仍缺乏開發關鍵性技術系統的能力，因此在2014年底，陸續加入葉韋賢與林家逸兩位共同創辦人，葉韋賢擁有神經科學碩士學位，主要負責資料分析，來自台大資管系的林家逸負責系統開發，葉懿賢則是善用過去走訪工廠的實地經驗，負責工廠現場端的整合。

走進工廠，落實智慧製造

從2015年開始 MOSi 正式展開研發，立志開發一套簡單、好用、易導入的系統，讓幾乎沒有IT能力的企業都能藉由IT工具來彌補、增強管理力，跟上接下來這個世代需要的供應鏈管理能力。

圖說明
（圖說：從左至右分別為共同創辦人林家逸、創辦人葉懿賢、共同創辦人葉韋賢，攝影：侯俊偉）

MOSi Technologies 提供符合國際規範的IT技術方案，透過自動資料蒐集、資訊整合、即時數據分析等三大功能，讓傳統製造工廠能更有智慧地整合並即時使用生產資訊，減少過去因為資訊不透明而造成的生產損失。

MOSi 根據現有系統設定的理想客群為員工人數介於50名至300名之間的中小型企業，產業別則是包含塑膠射出成型、金屬加工、運輸工具零組件、傢俱、運動用品、玩具、文具、玻璃製品、飾品、拉鏈與鈕釦等，台灣符合上述條件的市場規模約為2600家企業。

從2016年2月完成系統開發至當年7月截止，共計有七間工廠客戶開始採用 MOSi 系統。面對同樣提供生產資訊整合方案的競爭供應商，MOSi 除了價格更有競爭優勢，多年深耕工廠現場累積的實務經驗，更了解工廠如何開工單、如何有效安排製程，因此相較於將解決方案統一規格化的供應商，能開發更符合客戶需求的功能模組。

結合顧問服務，從生產報表看出商業價值

葉韋賢進一步表示，工廠客戶答應採用 MOSi 系統的關鍵在於價值，由於一般供應商為節省成本，對客戶進行單向溝通，工廠業主無法從中了解導入系統的價值，只會認為又是一比額外開銷，因此 MOSi 相當注重了解客戶需求，比起多販售一套系統，更重視是否能為客戶解決問題提昇效能，因而成為現有工廠客戶選擇他們的關鍵。

例如工廠人員在機台上安裝單板電腦後，自動將資料擷取至 MOSi 系統，同時亦可串接工廠原本的資訊系統進行整合，工廠管理者便能從 MOSi 系統平台監控即時生產資訊，包含機台訊號、人員效能、物流倉儲、資料分析等，透過系統自動產生的報表讓管理者、業主能透過即時真實的生產資訊，發現生產現場的問題進而調整作業摒除成本浪費。

根據 MOSi 提供的調查研究結果顯示，一家企業的營運花費上有60%是隱藏性浪費，預估在導入 MOSi 系統後，能在半年後看到至少20%的效能改善。MOSi 現階段服務的工廠客戶規模，資本額從幾百萬到上億的都囊括，平均能為每間工廠節省兩個全職人員的薪資成本，其中一間工廠的生產效能更增加了150%。

未來，MOSi 將積極與國際顧問企業合作，結合工廠生產資訊與資料分析服務，幫助工廠客戶進一步從報表中了解商業價值。期望未來將系統導入更多工廠後，在龐大的生產資訊中能發展出效益最佳的工廠製程模型，讓工廠生產效益最佳化。