作者：中原大學機械工程係教授鍾文仁

智能製造經過多年來的討論和演進，目標已相當明確並且也是一可達到的願景，道理容易理解
，導入AI，然後做出超過人類的成果，但是用在智能製造的時候，好像缺少什麼。AI要能成功
，有三個主要的部分：算法、算力以及數據。前兩者隻要有足夠的資本便容易取得
，但數據這塊卻特別麻煩。

麻(ma)煩(fan)之(zhi)處(chu)在(zai)於(yu)，本(ben)身(shen)搜(sou)集(ji)即(ji)是(shi)一(yi)個(ge)問(wen)題(ti)
，以(yi)及(ji)對(dui)數(shu)據(ju)不(bu)了(le)解(jie)。以(yi)現(xian)在(zai)的(de)技(ji)術(shu)來(lai)說(shuo)，語(yu)言(yan)和(he)影(ying)像(xiang)可(ke)以(yi)轉(zhuan)換(huan)成(cheng)數(shu)據(ju)，但(dan)是(shi)機(ji)台(tai)種(zhong)類(lei)繁(fan)多(duo)，產(chan)生(sheng)的(de)特(te)性(xing)和(he)要(yao)求(qiu)也(ye)都(dou)還(hai)不(bu)了(le)解(jie)，又(you)要(yao)怎(zen)麼(me)去(qu)分(fen)析(xi)？

轉型要從數據下手

工廠要先數字化(數字轉型)，搜集好數據
、了解數據
，才真的有機會往智能製造走。

隻搜集營運數據是不夠的，設備、技術的數據
，都應該要完整搜集。市場上其實已有很多供應商提供解決方案，但是有很大一部分做的是“看得到的數字轉型”。例如
，哪台機器有沒有在加工
、有沒有料、有無亮燈等的提示。但真正需要的，應該是所謂“看不到的數字轉型”，也就是機台裏麵的加工質量、效率、穩定性等，而非單純檢視有加工與沒加工就好。

當dang然ran，掌zhang控kong稼jia動dong率lv很hen好hao，但dan如ru果guo哪na天tian稼jia動dong率lv低di

，業ye者zhe卻que不bu知zhi道dao究jiu竟jing事shi出chu何he因yin。所suo以yi未wei來lai是shi關guan鍵jian，搜sou集ji能neng掌zhang握wo未wei來lai的de資zi料liao，透tou過guo分fen析xi去qu知zhi道dao原yuan因yin
，未wei來lai這zhe些xie事shi就jiu能neng在zai掌zhang控kong之zhi中zhong。

別把數字轉型當項目在執行

gongchangliuchengdehuanjiebuzhiyiliangge
，danwulunruhezongyaoxiantouguoshujufenxi
，lejiezhihoucainengyouhua。muqianyejiepubiandezuofashijiangzuifuzazuiyoujiazhidejigewentidiuchulai

，xianchenglixiangmuzu
，yixiangmufangshichuli。

但這樣的作法會讓企業內部產生責任推托，如果不是項目組的人員，那數字轉型就跟之無關。事實上一間工廠要能真正進化
，邁向工業4.0
，將會有幾百個甚至上千個問題需要解決，也就是所謂的“長尾”問題，而這些問題的總價值很可能還超越最貴的那幾題
，那怎麼辦？

企業需要一套核心數據分析全流程架構來解決長尾問題。過去在軟件開發的領域
，企業盛行一套DevOps的開發維運架構
，為的是能係統化和規模化去應付頻繁的部署需求。

麵對數字化過程中對數據分析效率要求的提升，國際上現在也效法DevOps架構發起了AnalyticOps的概念
，用一套係統化的平台建構一個可規模化的數據分析流程，以提升企業內部各環節數字化的效率。

舉例來說，如訊能集思所推出的產品理論架構，即跟AnalyticOps相似，推出的智能決策平台JarviX以OT(營運技術)端的需求切入，透過AI增強分析的技術來降低工具的使用門檻
，讓OT端能夠自主完成數據分析全流程，減低企業為了數據分析付出的龐大跨部門溝通成本
，對比以往需要IT和DT人員搭配組成的項目團隊去做分析，現在OT的人員就能直接做數據分析
，大規模的提升分析流程各環節的效率。

學習的機製會是最大挑戰

yaozuogenghaodechanpin
，dangrankeyitouguotishengjitaidejingduhuozhewendingdu，danshiruheyong，jiushishujufenxideyiyi
，touguofenxinenggoujiazhi，chaoyuedajiasuoshiyongdejixian，bingqiecongshujukandaoweilai，zhenzhengjiejuewentihuozhechixuyouhualiucheng。

傳(chuan)統(tong)老(lao)師(shi)傅(fu)將(jiang)這(zhe)些(xie)機(ji)台(tai)使(shi)用(yong)方(fang)法(fa)儲(chu)存(cun)在(zai)腦(nao)袋(dai)裏(li)，轉(zhuan)變(bian)為(wei)直(zhi)覺(jiao)反(fan)應(ying)，當(dang)然(ran)不(bu)排(pai)除(chu)老(lao)師(shi)傅(fu)也(ye)有(you)做(zuo)一(yi)些(xie)統(tong)計(ji)分(fen)析(xi)
，但(dan)是(shi)主(zhu)要(yao)還(hai)是(shi)依(yi)靠(kao)經(jing)驗(yan)

，這(zhe)些(xie)事(shi)比(bi)較(jiao)偏(pian)向(xiang)“個人的修為”。事實上現在整個世界
，透過軟硬件技術的革新
，是可以更精準的。

haiyoulingyigewenti
，zheshijiebianhuazhemekuai，laoshifujiangdesuibushicuode，danyebujiandeshiduide。shujudeyigehaochushi，zhengquechengfenjueduigengda，yinweifanyingdeshizhenzhengzhichenglimiandedongxi。haobikanyigerenjianbujiankang，ruguonengliangceshentisuoyoudeshuju
，bushijincongbiaomianlaikan，yidingshigengjingzhun。