選擇適當工具分析數據 智慧製造更有成效

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。