report
活動+

選擇適當工具分析數據 智慧製造更有成效

  • 洪千惠
TIBICO Software大中華區解決方案資深顧問于正之指出,單純只是採用儀表板(Dashboard)或是報表的方式將資料直接呈現出來,並非真正的數據分析,因為無法找到真正的問題。

高階數據分析(Advanced Analytics)在半導體業已經行之有年,要如何跟人工智慧(AI)串聯,TIBICO Software大中華區解決方案資深顧問于正之指出,數據分析其實就是AI的基礎,但業界還需要對高階數據分析有更多投資,來實現及推展高階數據分析,對製造業而言,高階數據分析有哪些應用情境及技術架構,有哪些人才與工具需要引進,都是需要考量的因素。

于正之指出,製造業導入AI的真正目的,應該在於幫助達成生產線上的製造決策自動化,但大家都在講AI,要如何導入,卻是一大問題,只是單純買產品就可以嗎?雖然很多產品確實已經內建AI技術,但真正擁有AI的是產品,並非企業本身。而面對這麼龐雜的製造程序,製造設備的維運,品質與良率的提升,作業流程的最佳化,如何有效應用相關的數據分析技術,導入擁有AI能力的方法,產生對做出決策有幫助的資訊,才是導入AI時要注意的重點。

數據分析的導入過程其實已有非常可靠的執行手段,可以慢慢的往上推進。于正之指出,首先是描述產線上度量的結果,採用報表或圖表呈現,接著就是診斷性質的分析,此時必須透過視覺化分析工具來呈現數據,讓現場分析人員即時與數據互動,以掌握發生的原因。若發生的原因具有重複性,就有機會導入統計模型或規則模型來預測發生的或然率,而機器學習演算法也能進一步採用,從而實現以人工智慧作為預測分析的基礎。

一般來說,廠商在執行傳統商業智慧(BI)或是大數據專案(BIG DATA)時,必然會採用儀表板(Dashboard)或是報表的方式,將資料直接呈現出來,但于正之認為直接呈現資料將無法找到真正問題,並非真正數據分析,在呈現以前必須透過適當的工具及能力,從資料中找出對營運或製程有影響的關鍵資訊,再將分析後的數據透過某種有意義的分析圖型來呈現,才有意義與價值。

從技術的角度來看,于正之認為,企業若想要有能力做到高階數據分析,需要具備的能力,包括資料虛擬化管理及視覺化分析平台,還必須要培養資料科學及機器學習的人才,並建立預測模型管理與執行平台,才能管理不斷演化的機器學習模型,當預測模型的成熟度與準確度夠高時,才能再進一步達到即時決策的階段目標。