．大量客製化需求：顧客力量愈來愈大，希望能夠具有客製化、個人化的產品，來滿足需求。這使得傳統大量製造的程序與思維必須改變。
．產品商品化：大量相同產品被製造出來，不斷地進行價格競爭，使得產品商品化、產品差異變小。製造業為求產品差異化，除了思考利基產品研發，也思考運用科技讓產品附加服務產生新價值。
．製造價值轉變：由於電子商務發展，許多製造業跳過中間商直接面對顧客，接受顧客市場需求，也開始挑戰製造的價值。製造業開始思考提供附加服務、顧客體驗來滿足顧客新需求，也開始思考有別於傳統產品銷售的商業模式。
這三個因素使得製造業思考運用各項技術來協助進行數位轉型。許多大型的製造業由於資金雄厚及市場占有率，已經進行轉型並獲致成果，如：GE、西門子、Bosch、富士康、海爾電器等。中小型製造業亦亟欲運用相關技術進行數位轉型。
AI大數據改善工廠生產流程
改善工廠生產流程是製造業首先考慮運用物聯網或人工智慧等技術的方向之一。工廠運用大數據、人工智慧來提升生產流程的效率、提升產品良率、彈性生產，滿足大量客製化等需求。
生產過程監控與分析是許多工廠運用新興技術協助生產效率提升的第一步。當生產作業的設備、物料數據可以進行數據蒐集、視覺化展現後，進一步利用大數據或人工智慧技術進行處理、分析乃至於最佳化生產流程。這種初步應用可以稱為連接工廠(Connected Factory)。
連接工廠最初步的作法將生產計劃、生產任務、設備狀況、物料狀況、產品良率狀況等蒐集，透過工廠電子看板、桌上型電腦、智慧手機等，即時監視工廠各種狀況。亦可透過監視攝影機將產線現場操作狀況呈現，甚至危險動作可以警訊通知。進一步，利用物聯網技術，可將產線生產狀況，如設備是否正常運行或停機、已經生產多少產品等數據進行蒐集，進一步分析全局設備效率(Overall Equipment Effectiveness)，以提高設備利用率，減少停機待料、產品品質損失、換線時間等，進而改善生產作業的效率。運用人工智慧與大數據分析，可以分析比較不同時段、不同設備、製作不同產品OEE數值，找出影響OEE的關鍵因素，提供現場工作人員參考與主管的決策改進。
利用RFID智慧控制生產過程
生產過程控制是另一種在產線運用人工智慧的做法。最常見的方式是利用RFID的方式，進行備料通知，讓產線的備料能夠即時，達到不缺料、不囤積的目的。例如：惠而浦洗衣機工廠運用RFID在其塗料作業上，讓物料能即時送達。有些工廠則將生產訊息與物料搬運車連動，讓物料搬運車能自動搬運所需的物料至生產線或是發貨區等。
Amazon Kiva物料搬運車是最著名的人工智慧搬運車。Amazon在全球倉儲運用15,000台Kiva搬貨機器人協助倉庫搬貨。訂單出貨時，撿貨人員站在特定區域，Kiva機器人配置電腦視覺系統掃描地上條碼，並具備最佳化搬運路徑演算法，會將放置欲出貨商品貨架，頂到撿貨人員區。撿貨人員根據電腦螢幕顯示訂單貨品撿貨。撿貨完畢，可要求Kiva將貨品送至出貨棧板區。進一步，自動搬運車機器人要全面運用電腦視覺技術，建構現場3D環境及最佳路徑，並能學習分辨障礙物與繞路行走。致力於人形或動物形狀的波士頓動力(Boston Dynamics)則運用類犬型機器人、人形機器人進行搬貨是另一種新思考方式，不過這樣的運用尚未被大量試行在實務工業環境下。
另一種生產控制人工智慧應用則是輔助自動化產線的流程進行，例如一家紙尿布工廠已經發展整體產線自動化流程。然而，產線自動化流程會遭遇到某階段異常而使得生產程序延後或停擺。該工廠即運用人工智慧分析方法採集分析每道程序控制訊號以及狀態監控參數，找出正常生產狀態與偏差狀態的特徵。一旦人工智慧程式分析可能異常的尿布，則將該尿布轉到檢查區，以避免影響整個產線。一家輪胎公司運用人工智慧，讓前導製程的數據可以即時送到數據模型中運算，以確定下一道製程溫溼度、設備參數等。這將使得整個輪胎製程能動態根據環境與前道製程狀況進行最佳化調整。
除了分析設備、物料的參數外，也可以運用人工智慧電腦視覺分析的方式來分析生產過程問題進而進行控制。例如：釀酒工廠生產品質的關鍵之一是讓每個酒瓶應該注入一樣多酒。然而，注入啤酒會產生泡沫，造成每一次注入狀況不同而使得注入酒的數量不一致。一家工廠即在注入飲料製程上放入智慧攝影機，分析每次注酒成功(注入一定的酒量)或失敗。在注入過程中，智慧攝影機能夠在每秒30個酒瓶速度下，快速地辨別注入不夠或沒有蓋上瓶蓋的酒瓶，將其移到品質不良區。並在過程中，即時地紀錄成功與失敗酒瓶數目。該智慧攝影機晶片具備AI快速處理與分析能力。
對於製造業來說，如何確保生產產品品質亦是一項重要的管理要點。大數據與人工智慧可以協助生產品質的管理可從生產過程品質監控與預測以及生產過後的品質檢測來協助，以下分別介紹幾個應用案例與趨勢。
運用AI預測生產品質
如何在生產過程中預測生產品質可能狀況，進一步提前處理是另一個常見的人工智慧製造業應用。WD是世界上最大的硬碟製造商之一，其製造的挑戰是追蹤硬碟機生產每個過程，以確保產出硬碟品質，並可減少顧客使用過程中，因品質問題造成資料毀損。WD即利用大數據分析與人工智慧分析方法，從各項生產設備的資訊中找出可能的問題，並發出異常警訊以提前預測可能品質不良的產品而避免出廠，造成商譽損失。應用材料公司是半導體設備廠商，也將品質預測功能放入設備中，以減少其半導體客戶因為設備參數問題，而製造不良的晶圓。
村田製作所(Murata)公司生產電容、電阻、感應器等元件，應用在智慧型手機、汽車產品中。電子元件製造牽涉到多個站台的生產，必須整合數據進行品質、成本、產出時間的分析。特別是工廠、周圍或設備本身溫度都會影響元件生產的品質。設備與生產過程的數據量亦很大，不容易管理。該公司整合各種工廠、產線設備感測資料、環境感測資料以分析影響產品良率。其中，還包含空氣溫度、管線中水溫度、空氣中蘊含的粒子數等。透過綜合各工廠、產線資料，運用大數據、人工智慧進行生產品質預測，以改善生產良率。
生產品質預測除了利用設備參數進行預測外，也可以運用視覺檢測的方式來檢視產品問題進一步進行預測。例如日本IT大廠NEC推出「AI Visual Inspection」視覺檢測，運用機器學習技術，可以檢測生產線上的產品影像。例如金屬、人工樹脂、塑膠等產品加工業的生產線，運用 AI進行高速檢查，找出不良品，提升生產線效率。
事實上，工廠中本來已經存在自動光學檢測系統(Automation Optical Inspection, AOI)檢測產品問題。傳統自動光學檢測系統，必須花許多時間校調產品光學檢驗方式，無法適用在小批量多樣產品線的生產。結合大數據、人工智慧影像處理的新興檢測系統，則可以根據產品的樣式、顏色、形狀各種面向同時檢測，以同時檢測不同產品生產。同時，運用機器學習的技術，也可以讓作業人員即時糾正錯誤判別的狀況，讓檢測系統學習以不斷地提高檢測準確性。這使得新興人工智慧檢測系統更能應付大量客製化彈性工廠需求。IVISYS生產檢測設備公司即發展人工智慧產品視覺檢測方案，可以針對產品的樣式、顏色、形狀各種面向同時檢測。首先，IVISYS根據不良品進行分析，建立產品不良視覺檢測模型，進行產品檢測作業時，具備檢視畫面，能讓現場人員而非專業工程人員進行同步修正，以強化檢測模型。IVISYS攝影機具備多方向鏡頭，可以針對產品不同面向進行攝影，以進行3D成像建立。影像資料也持續記錄，可以持續地改善模型。在某一個產業案例中，IVISYS不良品檢測比人工檢測速度提升35%，且能做到針對每個產品進行檢測。此外，檢測結果報告亦可以提供人員進行生產排程參考。
不論製造業或服務業，對於理解顧客喜好，分析市場趨勢等，均能提供產品服務設計、營運方向的參考。特別是網際網路發達，顧客在部落格、公司官網、社群媒體、電商網站等均留下許多數據可以提供分析。例如：Maruti Suzuki是一家汽車公司，即運用透過各種管道資料分析顧客需求並進行交叉銷售。Maspex是一家飲料公司，運用透過各種管道資料分析線上評價以協助行銷。GE運用KDD分析家電產品數百萬抱怨紀錄，分析原因為何。Grandi Salumifici Italiani運用數據挖掘分析全球不同市場銷售預測。HP運用數據挖掘技術分析電話、網站、Emails、銷售夥伴等通路，以理解顧客喜好、抱怨，進而改進產品。
事實上，需求預測系統在1980年代即已經有許多系統發展，甚至2000年代供應鏈規劃系統亦盛行。傳統需求預測系統以過去銷售紀錄為主，進行數據計算與預測。然而，影響需求的原因還包括：顧客對產品的喜好程度、市場品牌訊息乃至於天氣變化、原物料價格等複雜因素。新興人工智慧需求預測系統即是蒐集各種多元、大量數據進行分析以找出規則並進行預測。特別是許多顧客留下訊息在Email、電話、社群媒體等文字紀錄上，運用新興文字分析技術或自然語言處理技術的人工智慧技術，協助分析顧客抱怨或喜好，進一步可進行產品需求趨勢與銷售預測。
