选择适当工具分析数据 智能制造更有成效

TIBICO Software大中华区解决方案资深顾问于正之指出，单纯只是采用仪表板(Dashboard)或是报表的方式将数据直接呈现出来，并非真正的数据分析，因为无法找到真正的问题。

高端数据分析(Advanced Analytics)在半导体业已经行之有年，要如何跟人工智能(AI)串联，TIBICO Software大中华区解决方案资深顾问于正之指出，数据分析其实就是AI的基础，但业界还需要对高端数据分析有更多投资，来实现及推展高端数据分析，对制造业而言，高端数据分析有哪些应用情境及技术架构，有哪些人才与工具需要引进，都是需要考量的因素。

于正之指出，制造业导入AI的真正目的，应该在于帮助达成生产在线的制造决策自动化，但大家都在讲AI，要如何导入，却是一大问题，只是单纯买产品就可以吗？虽然很多产品确实已经内建AI技术，但真正拥有AI的是产品，并非企业本身。而面对这麽庞杂的制造程序，制造设备的维运，品质与良率的提升，作业流程的最佳化，如何有效应用相关的数据分析技术，导入拥有AI能力的方法，产生对做出决策有帮助的信息，才是导入AI时要注意的重点。

数据分析的导入过程其实已有非常可靠的执行手段，可以慢慢的往上推进。于正之指出，首先是描述产在线度量的结果，采用报表或图表呈现，接着就是诊断性质的分析，此时必须透过视觉化分析工具来呈现数据，让现场分析人员实时与数据互动，以掌握发生的原因。若发生的原因具有重复性，就有机会导入统计模型或规则模型来预测发生的或然率，而机器学习演算法也能进一步采用，从而实现以人工智能作为预测分析的基础。

一般来说，厂商在执行传统商业智能(BI)或是大数据专案(BIG DATA)时，必然会采用仪表板(Dashboard)或是报表的方式，将数据直接呈现出来，但于正之认为直接呈现数据将无法找到真正问题，并非真正数据分析，在呈现以前必须透过适当的工具及能力，从数据中找出对营运或制程有影响的关键信息，再将分析后的数据透过某种有意义的分析图型来呈现，才有意义与价值。

从技术的角度来看，于正之认为，企业若想要有能力做到高端数据分析，需要具备的能力，包括数据虚拟化管理及视觉化分析平台，还必须要培养数据科学及机器学习的人才，并建立预测模型管理与执行平台，才能管理不断演化的机器学习模型，当预测模型的成熟度与准确度够高时，才能再进一步达到实时决策的阶段目标。