交通大學資工系教授暨人工智慧系統檢測中心主任陳添福

打造資料分析團隊 建構企業未來競爭力

採訪/施鑫澤 文/林裕洋 刊期/2019.9

資料長除要具備基本的資訊概念之外,更應該要熟悉產業知識與公司流程,才能讓資料團隊發揮預期的價值。

國立交通大學資工系教授暨人工智慧系統檢測中心主任陳添福說,無論是人工智慧、資料分析等技術,對多數企業而言都是必須積極熟悉的新技術,所以多數都選擇與學校合作。

過去幾年蓬勃發展的人工智慧,在半導體製程持續進化、演算法大幅進步下,已成為眾多智慧應用服務的核心。為強化在產業中的競爭力,全球企業莫不加速引進相關技術,便於發展創新服務或應用,如製造業關注的智慧生產、零售業積極發展的智慧零售等等。根據Gartner最新公布調查報告顯示,目前企業正在進行的人工智慧專案平均數量為4件,但受訪者預期未來12個月內將新增6件。到2022年,預期企業手上平均會有35件進行中的人工智慧或機器學習專案。

為降低企業引進AI技術的門檻,落實AI產業化、產業AI化的策略下,科技部透整透過五大面向,助台灣產業加速運用該技術提升產業競爭力。以在多所大學設立AI 創新研究中心為例,即是希望能夠深耕人工智慧技術與應用創新,藉由人工智慧基礎技術、智慧醫療、金融科技與智慧製造等場域實證,推動人工智慧產業化,同時考量未來人工智慧於實際社會應用時所面臨的法律、倫理與風險等議題,以降低未來社會應用之衝擊。

國立交通大學資工系教授暨人工智慧系統檢測中心主任陳添福說,無論是人工智慧、資料分析等技術,對多數企業而言都是必須積極熟悉的新技術。為填補技術上的空缺,許多企業都選擇與學校合作,推動各類創新研究專案,同時招攬公司發展所需的人才。

以研華科技與國立交通大學合作打造台灣首座校級物聯網產業發展的產學平台-物聯網智慧系統研究中心為例,以Intelligent Video Analytics Lab、Industry 4.0 Lab、IoT Embedded PaaS Lab三大實驗室分別發展。此合作是以產官學合作共同創造產業實際價值為目標,研發物聯網創新應用技術,促成學界研究趨於產業化,加速推進物聯網產業發展,以全面提升台灣物聯網產業整體競爭力,並帶動台灣物聯網人才培育與創新,期待台灣能掌握物聯網未來大發展潮流,取得國際領先之地位。

助企業加速引進AI 交大設立研究中心

向以理工著稱的交通大學,是全球知名的研究型大學,尤在電子、資通訊及光電等領域已佔世界頂尖領導之地位,另於優勢基礎之上,發展管理與科技領域之結合、開拓人文社會新興領域及開展國際客家文化。近年來,該校結合既有優勢領域進入新興生醫電子領域,並發展問題解決為取向之科技應用工程領域。

交通大學以成為世界頂尖一流大學,及全球高科技產業研發與創新之重鎮為長程發展願景,期以培育跨領域領導人才及尖端研究及應用為柱,以國際化、校際合作、教研相長為樑,達成發展目標。以電子與資訊研究中心為例,其宗旨為執行前瞻性科技研究及培育高科技人才,配合台灣科技生根政策,落實科技發展工作,以及因應當前和未來國防、經濟發展之需求。該研究中心設立各種整合實驗室,並結合校內相關系所成立十一個重點研究中心,其研究範圍涵蓋人工智慧、5G、虛擬化網路、軟體定義網路、物聯網、大數據分析、資通安全、顯示技術、光電科技等領域。

陳添福指出,為協助企業加速引進AI,交通大學特別成立人工智慧系統檢測中心,旨在對AIoT應用領域中最先進AI系統和開發板之間的功能進行基準測試和比較。該單位希望幫助最具創新性和開拓性的開發人員,選擇最合適的人工智慧系統,以實現各領域的各種AI模型。

產學合作成績亮眼 助研華最佳化SMT產線

長期致力參與產學合作的陳添福,擁有非常豐富的跨領域合作經驗。以其所帶領的交大智慧物聯網 (AIoT) 系統團隊為例,即致力推動跨領域團隊合作,其團隊技術主軸聚焦在產業應用物聯網、深度學習系統,與終端實現產業用物聯網標準化平台,提供生產適性調整與預防性維護之分析智慧,進而強調核心技術與應用結合,即IIoT、AI、Edge Intelligence結合跨業整合。

該單位實際案例為協助研華科技,在SMT產線、自動化控制系統最佳化,以及應用於溫度敏感生產之智慧物聯網 (AIoT) 、設備預防保養解決方案。以往研華團隊為確保生產能夠順利運作,往往需要花費大量人力定時保養設備,但是其所帶來的效益卻非常有限。

陳添福指出,現今在交大智慧物聯網系統團隊協助下,開始使用單一電表分析設備運作狀況,可對設備健康進行異常預警 , 錯誤狀況偵測等。如此一來,管理人員可即早掌握設備的健康狀態,最終達到減少停機機率,並能在設備發生故障前及早進行保養與維護排程,達到提高良率與維持生產設備正常運作的目標。

中心服務多元化 協助企業克服AI挑戰

然而產業要引進AI的挑戰,分別為需要有專業經驗、未能與 AI 計算後台串連、最佳化調整經驗較不能累積等,若無法一一克服,恐怕難以創造出符合產業期待的效果。其次,單一企業發展 AI 過程中,也面臨缺人才、缺資料、缺能解決關鍵問題的 AI模組、缺有價值的特徵、缺終端實現與系統整合等五缺問題。

而撇除前述5缺問題外,AI應用挑戰又可分成三大部分,首先在End nodes部分,缺少關鍵 edge AI技術、國內 AI 系統軟體未臻健全、無法搭配 IC 設計。至於Edge server部分,則面臨AI 系統人才極度缺乏、缺乏系統整合能力、缺上下垂直分工。而Cloud Server部分,亦面臨缺少資料掌握、缺 AI 大型成功範例、無 AI 應用主導權等等。

「人工智慧系統檢測中心提供的服務相當多元,包含AI 系統實現方案、效能測試與調校服務、Dr. Opt 最佳化推薦系統、安全檢測與 AI 模型盲點檢測。」陳添福說:「市面上AI解決方案甚多,藉由團隊提供的協助,可知道彼此之間的效能差異,有助於企業針對專案所需選擇所需的方案。」

學校資源與人才多 設立資料團隊最佳管道

根據IDC公布的全球資料趨勢白皮書(Data Age 2025),2025年全球料量將達到163ZB,是2016年所產生的16.1ZB資料量的10倍,其中有高達30%屬於須立即分析的資料。2025年亞太區所產生的新資料量將會是33.8ZB,其中新資料總量成長的主力,包括影像監控、IoT裝置資料、詮釋資料(Metadata)和生產力資料的增加。

IDC認為在行動裝置日益普及下,加上IoT裝置產生的資料需要即時處理,使得邊緣運算崛起,也帶動由邊緣產生、複製或儲存的資料量,呈上升趨勢。在進入新經濟時代之後,資料價值比起過去大幅提升不少,加上AI技術背後得仰賴大量資料進行訓練,因此帶動企業設立處理資料團隊的風潮,而學校則成為多數公司尋找新世代人才的最佳管道。

陳添福認為,無論是資料分析、AI等等,都是近幾年問世的新技術,傳統資訊人才可能沒辦法快速應付,加上還有原本的工作要完成,恐怕也沒有太多時間可以學習。然而在創新技術已經成為企業不可獲缺的重要競爭力之後,我們發現多數企業開始尋找在學校接受過相關訓練的畢業生,或者挑選具有統計系或數理背景,且剛畢業2-3年的新進同仁,組成資料分析團隊。

儘管資料團隊的經驗不足,然當透過專業課程培訓的方式,團隊成員即具備針對公司資料進行分析與挖掘的能力,在沒有傳統思維的束縛下,往往能收到不錯的效果。另外,部分公司則會直接與學校合作,透過共同執行專案的方式,除可達成特定目標之外,也能從中觀察專案團隊學生的工作特質,作為未來延攬與否的標準。

技術、產業經驗兼具 資料長責任重大

隨著資料成為21世紀的新石油之後,資料長(chief data officer, CDO)一詞也隨之誕生,更成為大型公司中的重要職位,以便能在資料收集之前,確保資料的品質與乾淨程度。

畢竟事後清理資料的成本極高,且難以全面執行,加上可能衍生出更多的人為疏忽,反而造成資料分析失準的問題。唯有如此,資料分析後的結果,才能真正滿足行銷、銷售、工廠營運等各種業務流程需求。

陳添福說,資料長除要具備基本的資訊概念之外,更應該要熟悉產業知識與公司流程,才能讓資料團隊發揮預期的價值。畢竟多數工程師本身並不熟悉產業特性,因此分析結果料並不一定能滿足公司所需。若能在資料長協助下到第一線實習,絕對能夠讓資料發揮更高的價值。

其次,在進入AI時代之後,許多產線與技術人員都擔心會被淘汰,因此對相關專案抱持抗拒的心態。在此狀況下,若是適時參與資料分析團隊的運作,同時告知專案推動後的效益,例如操作標準化,也將有助於吸引產線人員主動共同參與數位專案計畫。

邊緣運算重要性日增 應跨界合作加速部署

儘管過去幾年雲端技術有大幅進步,然在擴大人工智慧效益的趨勢下,最終將推動AI走入邊緣的趨勢。IDC認為邊緣運算著重個人化與離線獨立運作,相關的使用反饋仍必須透過網路回傳至雲端,再利用機器學習做更進一步的計算或流程改善,伴隨著5G網路的佈建及服務日趨完備,加上AI邊緣運算的普及,可預期未來各個獨立的AI終端設備將相互連結,透過各類反饋資訊與機器學習。

陳添福表示,在縮短資料分析時間的前提下,邊緣伺服器已成為擴大AI專案不可或缺的工具。尤其各產業、公司生產流程迥異,邊緣運算伺服器內部的AI模組,更將會朝向客製化發展。因此,資訊團隊、資料分析部門,以及產線資訊單位等,應該要3方攜手合作,才能在最合適的位置設立邊緣伺服器,讓公司順利運用AI、資料等,建立未來對手不及的競爭力。