用大數據創造價值 實踐智慧生產與服務創新

東海大學工業工程與經營資訊學系暨碩博研究所主任黃欽印認為，企業推動大數據分析之餘，若能善用經營者、建廠者、老師傅等等專家基於某些事物所賦予的意義，將更有助於提升製造系統的完備性與安全性。

現今包括工業4.0、智慧製造、數位轉型等口號皆喊得震天價響，更有人主張資料就是新石油，足以開創極大產值。但在近期，東海大學工業工程與經營資訊學系暨碩博研究所主任黃欽印聽聞兩個真實案例，認為人們需要針對大數據、智慧生產乃至服務創新等課題，重新做一番省思。

案例之一，某工具機製造商的總經理感嘆，因應趨勢潮流開發機邊電腦(Edge Computing)，旨在幫助客戶易於擷取機器內眾多資訊，豈料客戶多不願買單，認為提供這般服務本為理所當然。案例之二，某半導體公司副總問道，每天收集一堆資料，實在不知有沒有用，直言好想丟棄。對此黃欽印解讀，隨著感測器、影像設備、標籤應用、AR/VR成本大降，導致資料收集更容易，值此時刻，資料收集行為背後的Why、Where、When、Which、How反倒變成問題。

具體來說，有意義的大數據應用，必須符合兩種特徵。首先必須創造客戶價值，否則便會陷入上述工具機廠的機邊電腦窘境，客戶感受不到足夠價值誘因，便無意花錢購買；符合此特徵的成功實例不少，例如勞斯萊斯從賣飛機引擎，轉而賣飛行時數與維護服務，藉由大量感測器不斷收集各種運轉數據，分析引擎正常與否，做為客戶預防性檢修的依據，便是讓人津津樂道的個案。

其次必須為企業本身創造價值。譬如國內某齒輪製造大廠，運用產品自動化量測技術，成功打造智慧產線，僅需少許人力介入，便能有效確保產品之穩定品質；此外國內某休閒食品、鮮食製造大廠，從便利商店持續收集消費者購買資訊，藉以形成生產、配銷決策，連帶消弭無效的產能並降低庫存成本，亦是典型案例。

結合專家知識，邁向Knowledge Driven更高境界

黃欽印歸納企業可能運用的資料種類，包括設備與加工資料、製造運營資料(如MES)、商務交易資料、產品/服務資料，及客戶使用資料。至於企業應用這些大數據的成熟度高低，可分為4個階段，其中1.0意指純粹收集資料，2.0指開始導入敘述統計，如企業透過統計製造管制，設定Go、No Go的門檻條件，依照黃欽印的觀察，多數企業都落在2.0水平。

3.0、4.0皆為智慧化層次，差別在於前者能自動產生選擇方案，後者可進一步提供最適建議。但欲從2.0跨進3.0境界，難度並不低，甚至連許多知名日本大廠，都坦言尚在努力建構自主適應管理機制，類似這般智慧系統能否真正成形，關鍵在於內部成員(包含設備、元件)必須智慧化，可惜目前還未到達此一水平。

黃欽印提出另一個發人深省的觀點。他說早期製造業的控制模式為「Signal Driven」，企業從自動化元件(例如感測器、致動器、控制器)取得訊號，做為開關某些設備或元件的依據。爾後從統計製程品管開始風行以降，直到今天皆是「Data Driven」時代，藉此滿足系統診斷、故障排除、預知保養等目的，但欲進一步針對製造系統做出更綿密的監控，則力有未逮，只因資料是系統的產生物，系統未曾出現過的運作情境，就不會有資料，不足以成為企業的決策依據，換言之凡事都靠Data Driven，必定緩不濟急。

展望今後，企業必須設法透過專家所獲致的知識，結合Data Driven獲得的知識，一併促成更高階的「Knowledge Driven」發展環境，讓人類發展出能與自己合作無間的軟體夥伴。