本研究探討智慧工廠應用實務與ESG績效間的關聯。首先回顧工業5.0的概念，及ESG、碳盤查、智慧工廠等文獻與實務做法。接著，以個案公司做為研討對象，個案公司屬電子製造業，經導入虛實整合數據平台後，提升工廠的初次合格率(FPY)，進一步計算減少的耗電量、碳排放量、機台數、人員曝露於製程中有害物質的時間，及人力管理等，評估智慧工廠實務導入後對企業ESG績效的影響，實證二者間具正向關聯。
個案公司透過內部專家會議，考慮公司現況、輔以文獻研究參考，接著分類智慧工廠項目與ESG績效對應，評估各項目的成本、時間及效益，確認個案公司優先執行虛實整合數據平台，包含數據整合平台及能源數據平台等兩工作項目，並建構可持續改善的生產良率監控模型，收集工廠端FPY、用電量等相關數據。
由個案公司收集的數據得知，導入虛實整合數據平台後，有效優化個案公司工廠產線FPY達10%。進一步計算導入智慧工廠提升的企業相關ESG績效；環境面包含年度節電約10%、每年可減少122公噸碳排放量；社會面包含節省治具數量，為客戶省下購買機台費用共10,320,000元，提高客戶滿意度。另外，降低從業人員接觸製程中有害物質的時間，單月可減少員工吸入錫煙時間共17,853分鐘，確保勞工健康；公司治理面有效降低從業人員數量，進而減少人事成本，提升營運效率。經收集的數據實證，智慧工廠實務應用後可有效提升企業ESG績效，智慧工廠應用與企業ESG績具正向關聯。

This study explores the relationship between practical applications of smart factories and ESG performance. Firstly, it reviews the concept of Industry 5.0, as well as literature and practical approaches related to ESG, carbon footprint analysis, and smart factories. Subsequently, using a case company in the electronics manufacturing sector as a case study, the study investigates the impacts of implementing an integrated virtual-physical data platform. This implementation has increased the factory's First Pass Yield (FPY) and further assessed reductions in electricity consumption, carbon emissions, machinery counts, exposure time of personnel to hazardous substances in the process, and human resource management. The empirical findings demonstrate a positive correlation between the implementation of smart factory practices and organizational ESG performance.

The case company conducted internal expert meetings to evaluate current conditions, supplemented by literature research, and categorized smart factory application items corresponding to ESG performance. Required cost and time, and potential benefits of each item were assessed to confirm the prioritization of implementing the integrated virtual-physical data platform, including data integration and energy data platform. Additionally, a sustainable improvement model for production yield monitoring was constructed, gathering relevant data such as FPY and electricity usage at the factory end.

Data collected from the case company revealed a 10% increase in FPY after implementing the integrated virtual-physical data platform. Furthermore, calculations showed enhanced ESG performance due to smart factory implementation, including environmental benefits such as approximately 10% annual energy savings and a reduction of 122 metric tons of carbon emissions per year. Social benefits included savings in fixture quantities, saving customers a total of NT$ 10,320,000 in machine purchasing cost, and increasing customer satisfaction. Moreover, the exposure time of employees to hazardous substances was reduced during the process resulted in a monthly reduction of 17,853 minutes of inhalation of tin smoke for labor healthy considerations. Corporate governance benefits included reducing the number of employees exposed, thereby lowering personnel costs and enhancing operational efficiency.
The collected data substantiates that the practical application of smart factories effectively enhances corporate ESG performance, demonstrating a positive association between smart factory applications and corporate ESG performance.

英文文獻
1. Ahmad, H., Yaqub, M., & Lee, S. H. (2023).“Environmental-, social-, and governance-related factors for business investment and sustainability: A scientometric review of global trends.” Environment, Development and Sustainability, 26(2), 2965-2987.
2. Van Wynsberghe, A. (2021).“Sustainable AI: AI for sustainability and the sustainability of AI.” AI and Ethics, 1(3), 213–218.
3. Alsayegh, M. F., Abdul Rahman, R., & Homayoun, S. (2020).“Corporate economic, environmental, and social sustainability performance transformation through ESG disclosure.” Sustainability, 12(9), 3910, https://doi.org/10.3390/su12093910
4. Anand, S. (2016). “First Pass Yield Analysis and Improvement at a Low Volume, High Mix Semiconductor Equipment Manufacturing Facility.” Doctoral dissertation, Massachusetts Institute of Technology.
5. El Bouchefry, K., & de Souza, R. S. (2020).“Chapter 12 -Learning in Big Data: Introduction to Machine Learning.” Knowledge Discovery in Big Data from Astronomy and Earth Observation, 1, 225-249.
6. Georgieva, K. (2022).“In what ways does AI support the integration of ESG projects in leading companies within the automotive industry like Tesla, Ford, Audi, BMW, Porsche, and Mercedes?” Bachelor's thesis, University of Twente.
7. Jain, S. (2014) “Assembly lead time reduction in a semiconductor capital equipment plant through improved material kitting.” Master’s thesis, Massachusetts Institute of Technology.
8. Rüßmann, M.,Lorenz, M.,erbert, P.,aldner, M.,ustus, J.,ngel, P., Harnisch, M. (2015). “Industry 4.0: The Future of Productivity and Growth in Manufacturing Industries.” Boston consulting group, 9(1), 54-89.
9. Shaw, G. (2019) “ The Future Computed: AI & Manufacturing.” Microsoft Corporation, https://accenterp.com/wp-content/uploads/2019/05/Microsoft_TheFutureComputed_AI _ MFG_Final_.pdf.
10. Sufian, A. T., Abdullah, B. M., Ateeq, M., Wah, R., & Clements, D. (2021).“Six-Gear Roadmap towards the Smart Factory.” Applied Sciences, 11(8), 3568, https://doi.org/10.3390/app11083568.

中文文獻
1. ESG遠見(2023)，https://esg.gvm.com.tw/article/38951，2023年11月27日網上資料。
2. Global Reporting Initiative (2021)，GRI Standards，https://www.globalreporting.org/how-to-use-the-gri-standards/gri-standards-traditional-chinese-translations/，2024年6月24日網上資料。
3. KPMG(2023)，製造業商業模式創新報告，https://assets.kpmg.com/content/dam/kpmg/tw/pdf/2022/08/manufacturing-industry-and-business-model-innovation-report.pdf，2024年6月24日網上資料。
4. SAP Insight (2024)，https://www.sap.com/taiwan/insights/industry-5-0.html，2024年6月24日網上資料。
5. TWSE公司治理中心 (2024)，https://cgc.twse.com.tw/front/responsibility，2024年6月24日網上資料。
6. 王進德(2020)，工業4.0的物聯網智慧工廠應用與實作，台北市博碩出版社。
7. 行政院(2016)，台灣行政院第3507次會議中的”五大產業創新研發計畫-智慧機械產業推動方案，https://www.ey.gov.tw/Page/448DE008087A1971/e6039c49-74ee-45a5-9858-bf01bb95dc76，2024年6月24日網上資料。
8. 行政院環保局(2022)，溫室氣體盤放量盤查作業指引，2022年5月。
9. 何先富(2023)，工廠轉型以服務創新、智慧工廠建置與企業競爭力之研究-以傳統產業為例，商學院碩士在職專班碩士論文，開南大學。
10. 吳巧雯(2012)，能源管理系統之持續改善與應用，公共事務學院自然資源與環境管理研究所碩士論文，國立台北大學。
11. 吳貴彬、陳相如(2003)，失效模式與效應分析之應用，中華民國品質學會第39 屆年會暨第9屆全國品質管理研討會，十一月，臺灣。
12. 李智(2018)，智慧製造產業需求分析與政策推動之建議 -以台灣中小製造業為觀點，資訊管理學系博士論文，國立中山大學。
13. 林志威(2023)，台灣工具機產業導入智慧工廠關鍵因素之探討，高階經營管理碩士在職專班碩士論文，東海大學。
14. 林蒧均(2015)，淺談工業4.0浪潮下的國際製造業政策，經濟前瞻雙月刊，(162)，pp. 65-72。
15. 邱宏學(2023)，資產管理企業永續發展轉型策略分析-以 A 公司為例，生技醫療經營管理碩士在職學位學程碩士論文，國立陽明交通大學。
16. 洪偉庭(2020)，工業4.0看智慧製造對科技業影響，企業管理系碩士論文，龍華科技大學。
17. 胡正修(2013)，自動化製程管制系統之建置，自動化科技研究所碩士論文，國立台北科技大學。
18. 國立臺灣大學社會科學院風險社會與政策研究中心(2022)，https://rsprc.ntu.edu.tw/zh-tw/m01-3/en-trans/open-energy/1669-2022-01-27-06-07-41.html，2022年1月27日網上資料。
19. 張鴻(2023)，工業5.0與亞太區域產業及社會永續發展的契機，台灣經濟研究月刊，46(2)，pp. 21-28。
20. 郭章裕(2010)，工廠自動化對經營管理績效影響之實證研究－以製造業為例，管理學院EMBA高階主管管理研究所碩士論文，國立中正大學。
21. 陳少琪(2023)，ESG之演進及其對國內營建業之影響初步探討，土木與防災系碩士論文，中國科技大學。
22. 陳玉秀(2022)，全面品質管理、企業社會責任與企業永續發展-金屬沖壓產業L公司之個案分析，高階經營管理碩士在職專班碩士論文，東海大學。
23. 陳坤成、孫樹森(2023)，升級智慧製造關鍵因素之轉型優先順序探討，嶺東通識教育研究學刊，10(1)，pp 1-34。
24. 陳怡臻(2023)，如何運用企業倫理強化ESG對企業形象提升之研究，行銷與流通管理系碩士論文，國立高雄科技大學。
25. 陳哲生、陳璽煌(2023)，人工智慧在工業生產的應用發展介紹，工程，96(4)，pp 32-45。
26. 黃郁珊(2021)，具持續改善機制之食品品質監控模型與分析方法研究，製造資訊與系統研究所碩士論文，國立成功大學。
27. 楊雅菁(2023)，碳盤查減量及策略評估-以某電腦週邊製造公司為例，管理碩士在職專班碩士論文，元智大學。
28. 劉宗勛(2012)，探討CSR對企業的重要性，國際經營管理碩士學位學程碩士論文，逢甲大學。
29. 蔡哲豪(2022)，從ESG觀點探討公司新產品開發策略：個案研究，永續綠色科技碩士學位學程碩士論文，南華大學。
30. 蔡雅雯(2011)，工程永續設計環境面項目之建立與適用性評估，土木工程研究所博士論文，國立成功大學。
31. 鄭榮郎(2023)，生產與作業管理，第六版，全華書局。
32. 蕭唯倫(2013)，利用實驗設計改善薄膜式觸控面板直通率-以I公司為例，工業工程與管理學程碩士論文，國立交通大學。