掌握製造現場 透過處方性分析產生最佳決策

成功大學製造資訊與系統研究所副教授兼所長李家岩。

成功大學製造資訊與系統研究所副教授兼所長李家岩指出，製造系統蘊含設計、控制、製程、品管、排程、維修保養等功能面向，AI演算法與方法論的價值在於強化這些功能，使製造現場運作更順暢。當「製造」遇上「智慧」，一說為智慧製造，另一說為製造智慧，前者側重程式碼、機台的優化，後者則偏向處理與人相關的事務。

所謂智慧工廠即是決策導向的系統，蘊含「計算智慧」與「自我學習」兩大關鍵能力，藉以優化產能，此兩項能力源自於資料處理與分析、回饋控制等技術。由此觀之，製造數據科學必須做到一看見資料，就能對應到現場的特性與問題。

儘管AI火熱、使預測性分析躍為顯學，但李家岩不忘提醒企業，資料科學最終目的在於「決策」，而「預測」僅是過程，尤其預測未必考慮資源因素，有時恐淪落見樹不見林迷思，例如衝高產品良率，卻反向殺低市場價格、傷害企業利潤；唯有掌握製造現場的每個細節，藉由決策導向的處方性分析，方能立足於有限資源來思考人機料法環的最佳化，並結合排程、庫存等未解決的問題，確實測量與權衡決策風險，如此才有助於企業擬定最佳的未來發展策略。