為了提供更好的閱讀內容,我們使用cookies來改善使用者體驗,關於更多cookies資訊請閱讀我們的隱私權聲明
全部已讀
 
 

掌握製造現場 透過處方性分析產生最佳決策

2018/11/27 - DIGITIMES企劃

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。


圖說:成功大學製造資訊與系統研究所副教授兼所長李家岩。