智能化时代来临，大数据分析成为众多产业升级的关键技术，不过无论是工厂产线或商用环境，实体设备与在线网站的数据量都非常庞大，如何在去芜存菁的同时呈现数据的真实面貌，让策略制定更精确，就成为企业强化运作效能的重要课题，台湾科技大学工管系杨朝龙教授率领的团队，深入研究不同场域的大数据分析，并将其研发成果协助各类型的企业推动数码转型。

台科大团队的数据分析可分为工业应用与商业应用两大类，工业领域在工业4.0浪潮的带动下掀起新一波智能化革命，智能制造涵盖的面向宽广，数据撷取则是所有功能的基础，近期多数业者导入的设备预测维护，即是透过数据的蒐集与分析，判断设备运作状态。

产线机台每日产生的数据量十分庞大，系统无须也无力全部处理，因此必须在前端先进一步筛选出有用的数据。杨朝龙老师团队以时序数据的数据分析为基础，针对前面提到的机台状态侦测，研发出特徵撷取及以数据压缩的演算法，从单一机台到多部机台在数据撷取的前端即先筛选数据，并将之归类到工业物联网中的不同环节，借此降低整体系统的储存与运算成本。

除机台数据分析外，杨朝龙老师团队也将时序数据分析拓展到电脑视觉影像分析。杨朝龙老师指出现在多数制造现场都已建置安全监控摄影机，这些摄影机所撷取的影像画面，也可透过分析延伸出更多元应用。

其一是使用人工智能模型分析工作人员的作业影像，计算人员在一定时间内完成特定或整个作业流程的工作个数及完成度，由此估算出作业效率及标准作业时间，以协助生管人员管控现场工作状况。其二是利用影像识别，建立车辆机具防撞预警模块，透过影像摄影机及毫米波雷达数据，分析移动式机具和附近工作人员的距离，在违反安全定义时发出警示音，以减少工安事故的发生。

至於在商业领域的数据应用更广，近期杨朝龙团队针对电商平台及社群平台的数据进行研究。他指出电商规模快速成长，市场竞争越来越激烈，提升商品推荐引擎的精准度，将有助於平台与店家业绩成长。

商品推荐引擎的数据主要来自社群网站，而社群网站产生的数据量非常惊人，如何考量意见领袖发言并同时顾及特殊或弱势意见族群这类的重要数据，一直是社群网络分析的重要课题。

杨朝龙团队所开发的演算法，透过衡量社群网络之文本及关键字结构，以网络结构比对逻辑提升数据撷取的精准度，让数据更贴近整体面貌，同时节省数据分析的成本。此外，即便有遗漏的数据，管理者也可以回溯寻找，透过完善的数据分析，提升商品推荐引擎的准确度。

杨朝龙团队所研发的工业与商业大数据分析技术，目前都已与企业展开合作，将之落实到实际场域中。除此之外，该团队也持续研发新技术，包括透过电脑视觉识别人员的工作流程、侦测观众表情作为电影试片参考等，近期还将应用触角延伸到医疗保健领域，与长庚大学合作，利用影像识别老人的动作，分析数据，以进一步提升医疗照护品质。

杨朝龙教授指出无论是工业、商业或医疗，这些核心技术的研究都可实际协助业者，而在技术研究过程中，GLORIA团队的协助十分重要，透过此计划的媒介，该团队顺利与不同的企业展开合作，研发出更精准的演算法。

他表示对於具备紮实技术的科研学校，大型企业的合作意愿相当高，GLORIA计划也成为媒合双方的最佳管道。透过此计划，杨朝龙团队的研发可更贴近实际应用，并取得更多的资源与机会，对产学两界都有正面效益。