掌握制造现场 透过处方性分析产生最佳决策

成功大学制造信息与系统研究所副教授兼所长李家岩。

成功大学制造信息与系统研究所副教授兼所长李家岩指出，制造系统蕴含设计、控制、制程、品管、排程、维修保养等功能面向，AI演算法与方法论的价值在于强化这些功能，使制造现场运作更顺畅。当「制造」遇上「智能」，一说为智能制造，另一说为制造智能，前者侧重程序码、机台的优化，后者则偏向处理与人相关的事务。

所谓智能工厂即是决策导向的系统，蕴含「计算智能」与「自我学习」两大关键能力，藉以优化产能，此两项能力源自于数据处理与分析、回馈控制等技术。由此观之，制造数据科学必须做到一看见数据，就能对应到现场的特性与问题。

尽管AI火热、使预测性分析跃为显学，但李家岩不忘提醒企业，数据科学最终目的在于「决策」，而「预测」仅是过程，尤其预测未必考虑资源因素，有时恐沦落见树不见林迷思，例如冲高产品良率，却反向杀低市场价格、伤害企业利润；唯有掌握制造现场的每个细节，藉由决策导向的处方性分析，方能立足于有限资源来思考人机料法环的最佳化，并结合排程、库存等未解决的问题，确实测量与权衡决策风险，如此才有助于企业拟定最佳的未来发展策略。