數據決策是我的信仰！棄台積電百萬年薪，傑騰智能力推工業4.0

隨著 5G 時代來臨，不論是產官學界都把產業升級、智慧製造、工業 4.0 各種願景喊得震天價響，然而對台灣的半導體製造業來說，想要接軌世界潮流還有許多難題要解決。

精密的半導體產業動輒上千道製程，當產品有問題時，必須要由人工從檢測機台一一比對，耗時又費力。因此，擅長大數據的傑騰智能希望專注於數據評估、整合、可視化與分析，把生產流程各個機台的數據串接起來，並結合人工智能技術在短時間內判斷出問題所在。

「受限於利潤、成本、知識與生產機台供應商的能力，原先只能有半導體、電子產業有機會做產線智慧化，我們希望更多製造業可以用更少的成本來進行轉型。」出身半導體業的徐紹鐘過去看到產業中的許多業者，受限於成本、資源、技術門檻、企業規模等，無法順暢地推動數位轉型，因此於 2008 年創立第一家公司時，就以推動資料分析服務為主軸，更於 2015 年成立專注於大數據分析的傑騰智能。

「其實我們是一家資料服務公司，只是服務的客戶比較多是半導體製造業的。」徐紹鐘直言，許多創投都會問他一個問題「你們的服務是不是只有在半導體業才能做？」事實上，傑騰智能的目標很明確，就是把「將製造第一線的資料轉化為資訊後形成決策」的機會，普及給更多產業界使用。

數據基礎建設不足、數位化門檻過高，傑騰智能要普及化決策輔助工具

「想要邁入自動化、工業 4.0 的前提是工廠及企業的數位能力要好。」傑騰智能創辦人暨董事長徐紹鐘過去曾在台積電擔任管理階層，長期在產業的經驗讓他格外了解半導體產業的生態。

「數位轉型的第一步就是蒐集數據。」徐紹鐘指出，目前業界常用的自動光學檢查系統（AOI），是以 rule-based 的方法來識別瑕疵，必須設定非常多不同的規則讓機器能夠辨識，但這種辨識方法的彈性非常差。

「比如你的電路板一個刮痕位置不一樣，它就沒辦法判斷，誤判率高達 50%。」徐紹鐘提到，工廠若能導入 AI 自動學習之後，對於物體大小、形狀的敏感度比較好，雖然沒辦法完全取代人力，但能大幅提升正確率至 90%。

這也引出了數位轉型必經的過程：因為技術演進，資料蒐集方式與處理的方法不同，牽涉到的資料收集、處理成本、決策過程也有極大差異。「只要有站點、有機台一定會有數據，什麼樣的數據足以進行決策、如何決策才是重點，不要為了智慧化而智慧化。」徐紹鐘解釋。

傑騰智能商業發展處處長周昕顥表示，目前傑騰所接觸的製造商客戶產業非常多元，數據源、處理方式也各異，通常從第一次接觸到產線上的機台、到建立好人工智慧決策模型的過程約耗費 1-2 個月，「其實時間通常花在等資料、處理資料，為了先有數據可以進行模型訓練與校正，還得處理那些凌亂、複雜的資料，就要花到 2 週以上。」

周昕顥進一步分享，許多製造業認為自己的線上早就有累積生產數據可供應用，但實際摸索發現，過去工業工程或製造管理與機台所產生的數據不見得可供智慧製造判斷決策所用。「你可能有每單位時間的產出數據紀錄，但沒有可能會影響生產過程的相關變數資訊，例如震動、溫度、瑕疵紀錄等等，也因此，沒有辦法有效透過數據控制整個生產過程。」周昕顥認為，這也是為什麼有些產業的產線數據始終無法產生資料綜效，進而進化為智慧製造。

徐紹鐘觀察，除了「可用」資料難以搜集之外，多數業者仍在數位轉型起步階段，資料分析模型的落地必須仰賴現場工程師的參與，但是目前主要提供資料分析工具的廠商，並沒有幫助一線工程師上手的輔助工具，企業導入以後反而增加一線工程師的工作困難，沒辦法提升生產效率，也才造成資料分析模型在製造業界遲遲無法落地。

蒐集完資料之後呢？

然而，有了資料以後，還要有足夠的運算能力，才能進行有效的分析。

現階段多數智慧製造方案都還是從「單一機台」開始收集數據，比如針對缺陷辨識、機台保養預測等單一品項，然而，想要將整個生產流程智慧化、數位化，需要將整個生產端的數據鏈接起來，彼此互通，才能真正達到智慧製造、即時監測的目的。

簡單來說，一條產線有超過 100 道製程，每個機台生產的資料格式如果沒有統一，便需要相當大的容量、效能和算力才能處理如此龐大又混雜的資料，但不是每家公司都有自建資料中心的能力，成為產線智慧化卡關的原因之一。

「為解決此問題，我們會建議客戶選擇在雲端做。」徐紹鐘明確點出，資料上雲是一種趨勢，將資料運算成有用的決策模型時需要龐大的運算力，但企業對運算的需求不是時時刻刻都需要，相對來說，大多數的製造業不可能自己打造一個自己的運算中心，混合雲反而能提供更彈性運用的空間。

團隊自我定位清晰，不到20人的小團隊也能服務營業額過千億的半導體巨頭

一但有了成功模型，傑騰智能便能將相關的演算法和經驗複製到相通業別的機台運用，此特性直接建立了傑騰智能的商業模式。

第一家機台以專案形式提供服務，餵進資料、訓練好模型後，其他機台就可以由客戶端的一線工程師進行水平展開，讓傑騰智能以員工人數不到 20 人的規模，就能夠服務營業額超過千億的製造商，標準化的模型建立流程也大幅縮短模型訓練到建立所需的時間成本。

「我最有興趣還是做分析這件事，團隊不要太大，以分析專業為核心建立生態系，我們可以和資料收集、資料儲存、雲端運算及自動控制的夥伴合作，把這塊餅做大。」傑騰智能希望將過去透過服務半導體製造業經驗，成功建立、驗證的產線數據與分析架構流程傳散到各個製造業應用場景，透過與不同行業與相關的系統整合商合作，建立資料服務的生態系，提供更多 B2B 製造業客戶 AI 及資料分析建模服務，加速數位轉型的旅程。

創業快問快答

Q：創業至今，做得最好的三件事為何？
A：
1. 有好的人才一起成長打拼
2. 透過過去產業經驗, 找到好的客戶
3. 讓利給合作夥伴

Q：長遠來看，公司想成為一家何種類型的公司？下一步的目標是什麼？你們如何完成？
A: 我們希望打造資料服務產業的 Ecosystem，並扮演 EcoSystem 中的資料服務設計師的角色,，與其他夥伴一起成長。我們已經在某些廠業的龍頭企業驗證並已有一些志同道合的夥伴，我們希望能擴大這個 EcoSystem 的影響層面並吸引更多夥伴。

Q：要達到下一步目標，團隊目前缺乏的資源是？
A:
1. 人才取得不易, 包含資深及資淺人員
2. 同1. 吸引人才需要更多的資金
3. 大部分產業都在開始階段，真正能引領到其他產業的渠道有限

團隊資訊

公司名稱：傑騰智能股份有限公司
成立時間：2015/10/18
產品名稱：品質預測及決策支援系統(VMNet), 瑕疵檢測及決策支援系統((DMNet), 設備失效預知及決策支援系統(EMNet), 生產線不良根因分析(RCA)
上線時間：2020/6/1
團隊人數：16 名
官方網站｜Facebook｜新創資料庫