製造業邁入AI應用的第一哩路！杰倫智能打造隨插即用AI技術，讓虛擬資料科學家協助工廠保存數據

manufactoring_shutterstock_569172367.jpg 事實上，製造業為知識密集的產業，因操作機台和修正儀器運作，都牽涉老師傅的專業知識和經驗累積。 Shutter Stock

走進製造業工廠，可見許多機台旁的老師傅專注於工作。製造業其實是知識密集的產業，因操作機台和修正儀器運作，都牽涉老師傅的專業知識和經驗累積，不過這些精湛的技術在數據當道的 AI 時代如何保存？加上整體產業面臨人才斷層問題，當老師傅退休，後繼無人的前提下，專業知識該如何傳承？成為許多製造業應正視的問題。

虛擬資料科學家Profet AI，助製造業知識管理保存數據資產

杰倫智能鎖定台灣製造業場域，開發有如製造業的虛擬資料科學家 Profet AI 技術，打造隨插即用的自動化機器學習（AutoML）平台，以便於工廠進行知識管理，保存自身數據資產。

此外，杰倫智能洞悉企業面對新技術擔憂導入耗時、花費龐大、無法及時驗證成果痛點，主打一週快速 POC 以驗證技術可行性，降低產業應用 AI 技術門檻，協助製造業跨出 AI 機器學習的第一哩路。

團隊成員洞悉台灣製造業轉型痛點，利用產業know-how協助導入AI

杰倫智能團隊的組成和製造業頗有淵源。「台灣製造業過去仰賴國外技術和軟體發展，如今已然佔據全球領先地位，但市場軟體技術『水準和需求』不符的問題，讓產業轉型停滯。」

黃建豪表示，創始成員過去二十年曾任職於 IBM、SAP、PTC 等外商企業，向台灣製造業銷售軟體服務，CTO 林裕鑫過去更曾是黃建豪任職於 IBM 時的客戶，他們所累積的產業經驗、人脈與技術實力，讓他們洞察台企近年的轉變，也有足夠的創業本錢。

黃建豪認為，全球企業在 AI 技術面前出發點一致，目前也沒有技術壟斷市場問題，杰倫智能利用產業經驗的 know-how 讓製造業繼續透過 AI 技術保有領先地位。

將技術轉化為應用工具，手把手為客戶定題實現一週落地

shutterstock_1044043600_ai.jpg CTO 林裕馨表示，機器學習技術進入企業已然成為趨勢，製造業也應超前部署。 metamorworks via shutterstock

「AI 是項技術，杰倫將它轉化為應用工具。」CTO 林裕馨表示，機器學習技術進入企業已然成為趨勢，製造業也應超前部署。過去企業普遍將 coding 和資料科學家工作混為一談，若企業想建置 AI 系統，無非採取專案或外包形式。然而，傳統以 R 或 Python 整合資料的做法使個人工作負擔量增大，若外包又存在關鍵知識外流、人才媒合困難、且耗費大量時間等問題。

杰倫智能總經理黃建豪分享，向製造業客戶談及 AI 落地應用時，客戶通常沒有具體想法，此時杰倫便會向客戶分享過去應用案例，現有場域包含高科技電子 SMT、PCB、封測、面板、IC 設計，到石化紡織產業的煉油、食品醫藥研發配方、和傳產材料研發等，以協助客戶 POC 定題。

簡易資料原始檔即可建模驗證，應用情境廣連人資都能分析

進入 POC 前，客戶須提供 excel 或 csv. 的原始資料檔，當資料收斂完畢後，便會透過虛擬資料科學家 Profet AI 進行資料預處理，並建立驗證模型，而客戶端則能依據需求調整目標，以模擬和最佳化操作策略，並獲得 ROI 分析結果。

其中，Profet AI 的機器學習聚焦處理數值和文字資料，分析具 y = f(x) 因果關係的資料（例如 y 是燒玻璃的單位厚度，x可以是配方、時間等)，取代過去依靠人的經驗和理解力得出數據邏輯，虛擬資料科學家用 AutoML 技術，透過歷史數據積累，建立預測模型，用數據科學化的方式保存技術。至於 Profet AI 應用情境，則包含生產端的製程改善和品質預測，機台維護的設備診斷，以及研發設計端的配方最佳化。

黃建豪表示：「Profet AI 也能應用於人資管理。」過去案例顯示，透過機器學習分析員工數值，有效預測離職率，並降低 5% 流動率。此外，供應鏈上透過安全庫存優化降低20%庫存成本；業務銷售面則透過預測客戶砍單，減少 10% 營業損失；技術研發面依據資源分配預測，有效提高 30% 滿意度。

解決技術擴散難題，製造業佈局全球不再卡關

「企業全球化不該因為人或技術無法擴散而限縮發展。」黃建豪點出電子製造服務業（EMS）佈局全球最大的問題在於，老師傅技術難以複製，連帶產能和良率無法維持一定水準。杰倫智能的 Profet AI 技術得以一解技術擴散困境，讓製造業邁向國際市場門檻降低。

「杰倫智能初始便有走向國際的計畫。」黃建豪說，杰倫智能客戶 100% 新開發，並從台灣市場出發，目前已協助國內不同類型製造業大廠導入 Profet AI 系統，已將觸角延伸至中國製造業，這季目標為進入東南亞市場。

建立模型治理開源平台為終極目標，欲尋求策略性募資

從長期發展面來看，未來杰倫智能欲朝向模型治理的開源平台推進。黃建豪表示，當企業應用 Profet AI 達規模化效益時，杰倫便能透過海量的模型營運經驗，制定數據規格，並持續優化製造業創新管理程序。2018 年成立的杰倫智能，去年 11 月剛結束 Pre-A 輪融資，2021 年 2 時更獲得友達與蜂行資本的投資，目前 16 人配置的團隊已能自給自足。未來希望尋求策略型募資，因大量仰賴技術發展，也歡迎年輕的前後端人才加入團隊。