HPE Vertica添柴火 助各產業催生大數量創新應用

製造業可善用HPE Vertica內建的機器學習演算法，針對持續不斷回傳的環境、程序及機台參數，進行即時分析，及早掌握機台異常癥候，實現預防保養功效。來源：HPE

近年來，伴隨雲端、行動化、物聯網、大數據、人工智慧等等科技浪潮一波波席捲，加上全球諸多創新商業模式應運而生，不斷改寫市場競爭規則，驅使各行各業積極投入數位轉型；毋庸置疑，綜觀前述眾多科技元素，其中的大數據，堪稱是企業創新決策的關鍵一環，因而成為企業布局的一大重心。

放眼不同垂直領域，都已出現愈來愈多破壞式創新應用，而這些富含價值的應用之所以成形，往往源自於大數據分析所產生的洞察力；諸如此類成功案例，可謂不勝枚舉。

慧與科技(HPE)台灣暨香港地區大數據事業處業務總監廖智寧指出，環顧各類創新應用，攸關民眾健康福祉的智慧醫療，堪稱是極受矚目的項目，連帶使生物大數據蔚為顯學，從前許多難以解謎的病因，其真相因而豁然開朗。美國的HudsonAlpha，是一家知名的生物研究所，擅於利用大數據技術，加速執行基因定序與比對演算，藉此打造令人驚艷的精準醫療案例。

加速基因定序  實現精準醫療

多年前，一名在5歲前活蹦亂跳的孩童，5歲後卻罹患怪異病症，傷口無法癒合，導致全身出現多處破洞，甚至內臟外露，情況愈來愈危殆，無奈多數醫師都束手無策。某醫院懷疑此怪病肇因於基因缺陷，建議父母請求HudsonAlpha協助，而HudsonAlpha同意伸出援手，經過基因定序比對，果真找出一段缺陷基因；爾後HudsonAlpha與醫院、藥廠合作，針對孩童的異常基因研發標靶藥物，成功抑制病情，幫助這名孩童平安成長。

廖智寧進一步說明，要做基因體比對，前提在於研究單位必須先行分析成千上萬人的基因，建立一般人正常的基因定序，再依此作為比對基準。但以常見的採樣檢體而論，單一個人即可產生逾500TB龐大數據，因量體過大，過往若基於傳統關聯式資料庫執行比對演算，難免曠日費時，至少歷經5、6個月才能產出結果，極可能逾越病患能夠等待救治的黃金時期。

所幸HudsonAlpha採用HPE提供的Vertica資料庫，借助其支援大規模平行處理(Parallel Processing；MPP)的能力，得以將基因體比對的時效大幅壓縮在一週以內，才使這名孩童轉危為安，大數據分析應用的價值可見一斑。

「藉由基因定序比對，不僅能救人，亦可催生新商業模式，」廖智寧接著說，對岸的中國平安保險，去年(2016)出手投資擅長基因定序技術的Prenetics，使其取得足夠能量，可透過被保險人基因體比對，在48小時內詳盡分析出個人的運動基因、代謝效率、爆發力、耐力、恢復能力等等數據，據以推估健康風險、藥物反應、遺傳性疾病罹患機率，掌握被保險人的關鍵生理密碼，如此一來，中國平安保險即可藉此開創莫大利潤空間。

倘若一名被保險人的檢測數值優異，合理推斷罹患疾病的機率小，保險公司的理賠風險不大，即可為此人量身規劃保險費用較低的方案，增加投保誘因；反之若被保險人的檢測結果呈現隱憂，例如如果維持飲食、運動或作息習性不變，數年後出現某些病變的機率偏高，中國平安保險便可與醫療機構合作，針對該名被保險人設計健康促進方案，藉以發揮精準預防醫學功效，進而聲明若被保險人採納此方案，便適用於低保費方案，對被保險人而言，亦具有莫大吸引力。

妙用機器學習  大步邁向工業4.0

除了醫療，乃至於同樣為人熟知的電信、政府(含交通)、金融等多種應用型態外，廖智寧認為大數據在台灣尚有另一個很大的發揮潛力，即是製造業。

他指出，現今不少製造企業、尤其是傳產業者，都急欲導入工業4.0，但有時在推動方向的設定上，難免有所失焦，以國外提倡的工業4.0概念而論，原理其實很簡單，便是從最終消費者的需求一路串聯到工廠，以滿足少量客製化生產需求，至於其間所需建立的自動化技術能量，意在彙集生產暨相關環境的種種數據，以期結合大數據分析，達到增加產能、提升良率、實現預防保養等各項目標；換句話說，自動化是過程，而非最終結果。

但事實上，許多傳產業者往往因為自動化推展不力，還未走到藉由大數據享受甜美果實之前，就陷於進退維谷窘態。主要是因為，傳產業者普遍擁有老舊機台設備，這些機器缺乏電腦介面，所以必須加裝PLC，才能將生產數據向外輸送，但PLC建置成本所費不貲，使不少業者望而卻步。

其實業者可藉由一些看似簡單、卻十分有效的方式蒐集數據，譬如透過網路攝影機持續拍攝機台面板的數值變化，便能產生源源不絕的素材，再利用MPP資料庫即時處理，針對產能、良率、預防保養等所欲探知的題目，不斷產生分析結果。

值得一提的，以HPE的Vertica為例，為協助企業加速資料蒐集、整理、分析及驗證等一連串流程，最終產生最具價值的分析結果，特別支援多項機器學習演算法，包括資料正規化、K means、線性迴歸分析、邏輯迴歸分析、模型評估(Model Evaluation)，在此前提下，企業僅需透過IT人員呼叫這些功能，即可執行原本需要博士級資料科學家團隊才能從事的演算工作。

藉由機器學習，推斷出各項參數處在何等狀態，才有助於維持產能、良率最佳化，且確保機台運作無虞，相反地亦可知道這些參數一旦逾越何等臨界值，便將造成產能下滑、良率低落或機台故障失效，繼而依此設置警示規則，使管理者能在開始出現異常癥候的瞬間，就能掌握先機、及早排除障礙。

廖智寧透露，根據他走訪許多製造企業的經驗，發現不少老闆們將「他個人能否安心打高爾夫球」，視為重要指標，但在過去，由於缺乏好的機制，可以幫助他們即時掌握生產與出貨進度，使心裡總是懸著一塊大石，為了防範不測，無宗僅能長時間坐鎮公司。

但如今，一些已採用Vertica的製造企業，都已藉此統整ERP、產線，甚至地理位置(旨在精確標示每個機台的所在區域)等大量資訊，再運用機器學習演算法，不停就生產進度、預防保養等主題進行即時分析，使得老闆不論人在何處，僅需利用手機或平板裝置，便可快速掌握工廠營運現況，等於在千里外仍可運籌帷幄，終於讓懸殊已久的心願付諸實現。