製造資料科學：從預測性思維到處方性決策

資料科學 (Data Science) 與工業 4.0(Industry 4.0) 是近幾年來廣為討論的主題，本課程以製造現場為實證對象，從資料的視角來尋求改善的契機。在複雜的製造現場環境裡，存在著各式各樣的議題，諸如品質、成本、交期、創新、彈性等，皆需持續改善以提升公司核心競爭力。事實上，製造業在台灣經濟發展上也扮演著舉足輕重的角色，在製造業的轉型過程中，如何以資料科學的角度，整合自動化實務和管理經驗，導入方法論以累積製造智慧 (Manufacturing Intelligence)，相信是這個世代關注的焦點之一。

這門課程由國立成功大學資訊系暨製造所李家岩副教授主講，希望以深入淺出的方式，對製造資料科學作一整體性的介紹。課程專注於「問題本質的探索與觀念的釐清」，並輔以案例介紹工程資料分析時會遭遇的困難與挑戰。此外，對於機器學習或資料探勘強調的預測性分析 (Predictive Analytics)，課程更進一步地延伸到處方性分析 (Prescriptive Analytics)，以連結到管理者視角下，風險評估與決策制定的過程。希望課程內容能引起大家的興趣，並帶給大家在未來繼續學習進階知識的基礎。

本課程由四個部分組成：

1. 智慧型製造系統概念與原理
   從瞭解製造現場的特性開始著手。製造的本質是什麼？製造現場長什麼樣子？如何動態地運作？難以管理的問題點在哪？績效指標是什麼？解說智慧型製造系統的概念與運作原理。


2. 製造資料特性與預處理技巧
   這由於製造現場的特性，資料所呈現出的議題也就有其特殊性質，例如：平行機台、抽樣檢測、工程或實驗性產品、維修保養、換線換模前置作業、等候時間限制、類別不平衡等。根據這些資料特性，其資料預處理的步驟與技巧如何進行。


3. 製造資料科學的實證與迷思
   資料科學的模型相當多種，此課程藉由實際製造業個案瞭解製造現場解決問題的流程與方法，以實證角度來驗證模型的績效。透過製程工程參數篩選 (feature selection)、錯誤診斷 (fault diagnosis)、及良率與精度預測 (yield prediction)，協助製造現場改善品質並提昇生產力。同時，對於製造現場與資料之間的迷思，與各位學員一同分享與探討。


4. 從預測性思維到處方性決策
   資料科學除了用以預測外，更可協助誘因的探索以及輔助決策的制定。瞭解決策的本質與類型，以系統化的架構來萃取決策者的偏好結構 (Preference Structure)，並進一步地透過風險的衡量來提升決策品質，以期在未來不確定性的環境下或多個預測情境下，規劃出穩健決策 (Robust Decision)。