友達光電的智慧製造導入起源於該公司所展開從規模競爭，到價值競爭，再進化到價值轉型的轉型之路。該公司因而參造德國所提出工業4.0的概念，成立智慧製造專案，並由執行長親自監督。
文／曹乙帆
友達前資訊長宋友聰表示，隨著專案開展，相關人員從2015年的讀書會開始了解什麼是工業4.0、Big data、AI及自動化等詞彙，並以工業4.0為架構來推動這些重要的詞彙，同時以品質提升、生產力提升、自動化提升及綠色生產為目標。
三年前友達提出AI 123計畫，該計畫內容包括100個AI應用服務、200位AI專家培育，以及3000人次訓練，並與人工智慧學校合作，訓練了數百位AI人才，友達因此建立了資料科學家團隊。
智慧工廠的建構與AI 智慧化推動有關，而推動AI智慧化的首要關鍵莫過於AI人才，其次是 Big data，第三是演算法、挖礦、建模與分析。宋友聰進一步補充道，資料科學家人才必須要懂三個領域，亦即IT專業、AI數理統計與數據分析，以及領域專業。
數據採集可說是智慧工廠建構的第一步，有了標準化、數位化與自動化的數據採集基礎，再向上分別進展到數據應用技術與視覺化的數據處理/分析階段，掌握過去、偵測現在、預測未來的數據建模階段，提升智慧水平與知識積累的自我調適階段，然後最終實現高效率、高彈性/高適應用性，並符合人因作業的智慧工廠目標。
對於智慧工廠的挖礦工程而言，問對問題、找對題目很重要。所謂「AI是引擎，數據是燃料」，所以智慧工廠需要數據採集及數據探勘。在此之前必須搞懂什麼叫 Big data，所謂 Big data 就是資訊科技(IT)資料（包括ERP、MES、CRM及PLM等）加上操作科技(OT)資料(泛指設備、IoT、Excel、SPC、KPC及圖像等)，其是以母體資料進行分析的。宋友聰歸納了智慧製造AI四部曲：第一部資料採集；第二部資料前處理，包括資料清洗與特徵處理；第三部數據分析建模；第四部部署偵測。
到底AI導入過程會面臨的主要挑戰有哪些呢？對此，宋友聰表示會有資料、人才、分析、IT基礎設施及資源等五大面向的挑戰，亦即企業會分別面臨資料不足、取得困難，資料乾淨度問題；資料科學家人才不足；演算法經驗不足，領域專家經驗不足；過去欠的IT債總是要還；資源取得困難等問題。
他並特別強調，人才是發展AI的第一步，有了人才的基礎後還要再分別克服資料、題目、基礎及文化等問題。解決之道在於由小而大，建立信心，並由大老闆親自參與。總而言之，宋友聰歸納了智慧製造及智慧化成功導入的4個因素：大主管支持、數據資料、人才技術及場域目標。
