國際競爭態勢正在發生變化，快速的局勢變化同時帶來不確定性和新機會，以近期美國《降低通膨法案》(Inflation Reduction Act)為例，該法案要求汽車製造業者必須在本地採購電池材料，同時，其他零組件有一定比例必須在北美生產，這對於原物料重新調整而言為一大挑戰，當前許多企業正在調整產能與尋找新的生產基地的情況下，零組件在地化勢必帶來新的挑戰。但與此同時《降低通膨法案》對包括電動車在內的許多綠色經濟領域來說，這項法案都可能帶來新紅利，包含提供每台電動車7,500美元的稅收抵免，對特斯拉、通用汽車和豐田汽車而言皆是一大利多，所有產業的企業都必須重新評估商業模式，以發現新的成長機會。此外，公司必須找到不同的方法來生產與創新產品，在通膨的影響下，消費者對價格敏感度更高，對中、上游廠商帶來更大營運的不確定性，大批次的生產或許已經不再有效，而過去講求的精實生產也遭受質疑，許多公司正努力思考如何平衡生產與需求的兩難，因此製造與產品開發部門必須進行大規模智慧轉型，以因應未來更多元、更大規模的潛在風險。
全球環境風險帶動積層製造發展
全球經濟結構和以往已有很大的不同，包括量化寬鬆、供應鏈問題和地緣政治，而停滯性通膨可能發生，加上若中國這個世界工廠的角色被淡化、各國強化重要戰略物資以自給自足，而減少海外生產的模式，那麼製造成本會增加。因此，在各種風險與機會並存的年代，數位科技或許不是企業營運的最佳解，但流程優化是最適解，特別對製造業而言更是如此。而積層製造(Additive Manufacturing, AM)技術(又稱為3D列印)正對製造業帶來重大影響。
目前整個3D列印包含由概念模型(Concept Model)衍生出快速原型、快速模具(Rapid Tooling, RT)，一直到除料製造(Remove Manufacturing, RM)正在快速發展，同時，軟體的快速更迭也對3D列印帶來正面發展，特別是人工智慧與機器學習在企業的催化下，不斷提高3D列印的技術位階與精確度。3D列印對製造業的影響是，未來在短鏈的趨勢下，3D列印為企業帶來按需生產與提升產能/品質/精確度的優勢，許多製造業廠商紛紛開始思考如何投資技術。
人工智慧應用加速3D發展
3D列印研發人員持續尋找提高可重複性和精確度的方法，而人工智慧可以協助積層製造技術更上一層樓，預期效益為提升更高精確程度(圖1)。一個常見的應用是將人工智慧嵌入電腦輔助設計(Computer-aided design, CAD)的建模中，一來是透過資料與演算法處理，強化建立模型的效率，二來也能在模型中識別有瑕疵之參數，供建模者予以調整。以SolidWorks為例，該公司已經推出一款嵌入人工智慧軟體的列印工具。透過演算法的威力，使用者能將人工智慧整合到3D列印中；此外，該機台也能協助使用者複製設計。該解決方案速度極快，可在更短的時間內複製多個設計圖，這對於汽車製造、航太、金屬機械，以及電子製造產業的潛在效益相當龐大。原因在於上述產業受到終端消費者與製造商的影響越來越大，需要隨時調整產能、增減產品生命週期，為了超前設計出未來消費者需要的產品服務，時間的掌握成為生死一線間。
除上述的產品/服務設計外，數據處理與優化也是人工智慧可發揮的領域之一，3D列印機台在每次建構模型與製造的過程中皆會產生大量、多樣、動態的數據類別，例如影響、化學、感測器數據、機械性能數據、體積等，須將這些動態的數據倒入迴歸模型中，透過將材料與特定參數分析關聯性，以達到製程上的完善。相較於人為判別與輸入，使用機器學習能大幅提高運算速度與精確性。同時，人工智慧也能應用在工作安全面向，原先企業使用攝影鏡頭與其他檢測設備進行安全監控，但這種方法在預防性安全防範上仍有疏漏，攝影鏡頭提供的資料只能在事後處理。Be Global Safety(BGS)已使用監督式學習來訓練其演算法，以發現3D機台潛在發生不安全事件，並即時通知人工修正。
另外，由於3D列印需要用到各種金屬粉末作為原物料，因此原物料的辨識與篩選對於製成品種類影響甚大。美國卡內基梅隆大學正在研究一種新方法，結合輸入數據來研究並設計出「超級粉末方法」，透過機器學習對粉末進行模擬，以預測粉末的擴散能力。將實驗數據與原先的「標準粉末」進行比較，也可能篩選出新種類粉末，這對3D列印使用者縮短購買原物料的時間，同時增加對品牌的黏著度。當前多數廠商使用靜態數據來優化3D列印，這在時效性與操作性上都帶來一定程度的限制，由於3D列印橫跨不同領域，使得一般狀態下難以處理與時間、溫度、材料動力學相關的數據領域。機器學將利用3D列印過程中產生的大量數據來訓練演算法，透過演算法來優化3D列印成為超前布局的企業策略。
美國業者Flashforge USA積極布局
Flashforge成立於2011年，是桌面3D列印領域的OEM主要廠商之一。公司現有的產品組合包括各種3D列印機台，如Adventurer 3和Adventurer 4，以及Creator Max、Creator Max 2和Creator 3 Pro等設備型號。而過去幾個月中，美國Flashforge USA開始進入商用市場，藉由提供新型3D列印機台「Creator 4 3D printer」來切入消費品、醫療生技、電子製造、家用品、手工具等領域市場，相較於原先公司客群多為教育機構、遊戲業者多上許多。無論是產業別或是從應用領域來看，Flashforge的策略著實有相當大的轉變，更多元的客戶帶來更大市場疆界，但也提高營運的複雜度與更多技術/產業領域專家的部署，這家全球3D列印設備業者究竟具備什麼競爭優勢？
從技術面而言，傳統的壓縮成型是一種常用製造零組件的方式，該方法為將預熱的聚合物置入開放的加熱模穴中(Mold cavity)。然後關閉模具，並使用熱液壓機使置入的材料形成所需產品的形狀，以確保塑料填充體積直至其固化為止。以Flashforge 的客戶為例，它目前使用具有兩塊鋁板的壓縮成型系統來完成， 其中一個為封閉作用，另一個配備模塊料斗。該裝置的工作原理是將這些板送入一台能夠稱量每個料斗中材料的機器，然後將鋁板置於下方，讓塑料流入模穴中。而這種作法則因產生的零件重量使客戶倉儲與運輸成本高昂，且製造過程中使損壞的模具在後處理中難以修復而較無效率。3D列印能使用高強度塑料，如ABS、尼龍、聚碳酸酯和複合材料，並透過數位技術讓生產一致性維持在0.2毫米的精度內，以確保產品使用需求，3D列印能將製造流程時間減少50%(表1)。
雖然Flashforge並未公布是否使用人工智慧技術在3D列印上，但這類專業機台製造商若強化人工智慧的部署，也將獲得巨大商機。首先，由於3D列印本身能降低原先製造流程耗費時間與提升產能，同時大幅降低生產成本，未來在各產業數位技術陸續到位，加上外部供應鏈變化與消費端按需製造的驅動下，導入3D 列印勢在必行。同時，由於人工智慧逐漸在製造業應用上開枝散葉，對於技術的接受度也較以往高。由於機器學習能提升3D列印的即時資料處理能力，因此在許多面向，以CAD製圖而言，機器學習能提供生成設計(Generative Design)與拓撲優化(Topology Optimization)功能，強化列印前產品製圖能力。部分演算法也有機會使用在生產製程優化、品質檢測等功能，進一步提高精確度與品質。而Flashforge唯一需要做的便是熟悉演算法部署與使用，由於當前公司策略未踏入商業市場，未來勢必面臨更強力的競爭與多元化的需求，因此透過機器學習來強化產品功能與服務品質為可能之發展方向。
企業將更著重於快速應變的造局力
對企業而言，所謂的「造局」本質上是一種「跨界整合思惟」，如將企業提供的產品、服務、技術透過數位化形成一個平台，跨界可以彼此連結的利害關係人，例如供應商、軟體開發、製造系統、合作夥伴、消費者、同業，以及政府單位做資源整合，透過數位係數的連結發揮群聚效應，使這個平台的物流、人流、資訊流與金流等「四流」的匯聚力、平台上多方的獲利能力」、以及消費者的滿意度極大化。在此種趨勢下，對製造業而言，最重要的除了成為平台型企業外，透過建立生態系來提供更高的附加價值外，主要尚需要八大重點領域，包括營運、供應鏈、產品生命週期、自動化、連結性、智慧化程度、營運管理，以及人才準備度進行轉型升級，使企業能夠建立更彈性的營運結構，以因應未來更複雜的經營環境與挑戰。
根據Grand View Research的調查指出，2021年全球3D列印市場規模為138.4億美元，預計2022年至2030年將以20.8%的年複合成長率(CAGR)成長。2021 年全球3D列印機台出貨量為220 萬台，其中到2030年，出貨量預計將達到2,150萬台，顯示市場需求動能依舊。而3D列印與人工智慧的結合，則有助於企業在未來調整產能結構，甚至透過更新的材料來開發新產品與服務。同時，ESG的興起也迫使製造業從材料到物流的服務綠化，無論是來自政府淨零碳排目標的壓力，或是品牌供應鏈廠商對中上游製造商的要求，使用更環保、回收性更高的材料勢在必行。確實，許多製造業者，如ABB、Intel、KUKA、HP等企業已經快速部署數位技術，同時向上游發展更多材料供應商，與透過數據掌握更下游的需求，進行產能結構與原物料尋找(Material Sourcing)上的調整。而3D列印技術的普及化降低業者使用成本，未來搭配演算法的使用，或將重塑整體製造業營運形態的轉變。
