從數位轉型挑戰智慧製造

買技術或者拿AI直接來用是一種方法，要成功轉型要從數據下手。圖／作者提供

這幾年智慧製造的目標已經清楚並且是一個可以達到的願景，簡單來說，導入AI並做出超過人類的成果成功有三大關鍵：一、演算法。二、電腦運算能力。三、數據。其中數據對多數企業來說門檻又特別高。首先，機臺種類繁多，光蒐集就是問題，再來業者對數據根本不瞭解，要怎麼去分析？

工廠要先做數位轉型，蒐集並瞭解數據，才真的有機會往智慧製造走。只蒐集營運的數據是不夠的，設備的數據和技術的數據也要完整蒐集。現在市場上解決方案有很多是做看得到的轉型，比方說哪臺機器有沒有在加工，但是你要的應該是所謂看不到的資料，像是機臺裡面的加工品質、效率、穩定性等等，並利用數據分析真正解決問題。

蒐集完數據接下來要了解數據。現在是以專案方式去分析回報率最高的幾個瓶頸，但事實上，一間工廠要能真正走上智慧製造，將有幾百個甚至上千個問題需要解決，那怎麼辦？

國際上最近也效法過去在軟體開發領域盛行的DevOps框架發起了AnalyticOps（數據分析全流程）的概念，用一套系統化的平臺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位化的效率。

去年因緣際會接觸到美商訊能集思，他們的產品JarviX理論框架就跟AnalyticOps很相似，對比以往需要IT和DT人員搭配組成的專案團隊去做分析，現在OT端人員就能直接做數據分析，大規模的提升解決流程各環節問題的效率。

大家已經更瞭解智慧製造其中脈絡，基本上也都確定要走，但還是常常會遇到有些企業覺得資料和數據是重要資產，所以不願意跟廠商合作，這種思維絕對要改變。事實上，如果可以一看就學會，我們也就不會花這麼多時間研究，企業和廠商合作，數據纔可以更有效地整合運用，便能一步步幫助產業往智慧製造的領域邁進。（本文作者爲中原大學機械工程系特聘教授、計算機中心主任、智慧製造中心副主任鍾文仁博士）