【面對全球經濟轉型重要技能需求】

【面對全球經濟轉型重要技能需求】

世界經濟論壇（World Economic Forum, WEF）長年關注經濟轉型的各項趨勢，也定期發佈未來的工作（the Future of Job Report）報告，根據對各國產業界的調查與訪談，深入分析當前的經濟現況與未來的轉型趨勢，是各國經濟與教育政策參採的重要智庫文件。

世界經濟論壇（WEF）中，發布《工作大未來報告》（The Future of Jobs, 2018）。這份報告調查了涵蓋9大產業、15個經濟體中的371家企業，萃取這些企業的人資長和策略長洞察後，指出人類正在經歷第四波工業革命，正在改寫從生產、製造到消費的流程，當然，也徹底顛覆未來就業結構的組成以及對人才的定義。在這份報告中(如下圖Table4) 2018年-2022年前10項技術能力需求的消長比較表中，更指出在未來會愈來愈重要的技能有「分析式思考與創新」、「創意、原創、首創精神」、「批判性思考與分析」、「複雜的問題解決能力」、「推理、問題解決與構思能力」、「系統分析與評估」…等等。我們不難發現前揭能力需求已顯現出重要性，且都是有關高層次的思考分析、創意、問題解決等能力。而企業在面對這樣的趨勢，需要有全面的「增強策略」，讓一些工作變得自動化的同時，精心構建公司內部的終身學習體系、投資於人力資本以及廣泛的合作，都應是企業的首要任務。

WEF所提出的當前正在經歷第四波工業革命，即是指「工業4.0」是全球所面臨的重要經濟轉型趨勢。在工業4.0的趨勢中，半導體製造產業，甚至大多數產業中，多數的企業都會透過SPC、ERP、MES...產生大量數據，然而這些數據，如果沒辦法產生管理機制，創造價值，再多數據也是枉然。因此，要先會「問對問題(PSDM)」，才能「蒐集到關鍵數據」，運用「大數據分析手法」去分析「尋求最加解(田口法，實驗設計)」，透過「類神經網絡、深度/機器學習」達成AI人工智慧，幫助企業提高生產效率，透過IT把人的經驗串聯，透過IoT把人、物、機台串連，大家都在同一平台，有共同的語言，達到智慧工廠，智慧製造，進一步打造BI戰情室，運用JMP、Tableau、PowerBI…這類統計數據軟體，將管理的數據視覺化呈現，達成智慧決策，進而達成工業4.0的核心目標。

建構工業4.0專業技能培訓策略

工業4.0 分別由「流程面向」、「邏輯面向」與「數字面向」來看，智慧製造的關鍵，在決策數位化、智能化，且決策的價值和挑戰，主要在一開始，如何定義真正的問題，也就是說，從工業3.5到工業4.0，決策能力是軟實力是重要的一環，而決策的第一步就是要能正確定義問題與價值流程。正確的流程與邏輯才能將大數據分析用於價值鏈上。因此，專業職能的訓練均應由其核心基礎-問題分析與決策、大數據分析來發展。

建構工業4.0專業技能訓練策略，即以「邏輯」面向的問題分析與決策(PSDM)為核心基礎，推動以運用PSDM邏輯思考的基礎整合「數字」(SPC與大數據分析課程)面向和「流程」(專案管理課程)的能力提升課程。帶領學員找到目前的問題，將問題拆解成不同的專案進行專案管理，提高執行的效率和品質；針對問題透過大數據分析手段，以數據佐證，找到最佳決策或風險評估。運用資料數據分析之四大目的：整理、比較、關聯與控制預測；連接問題分析與解決之三大面向 (流程的、邏輯的與數字的面向)，協助瞭解現有內外部各類資料/資訊，採用正確適當的分析與決策技術來發揮價值。讓決策者得以強化對現況情境的理解，快速推理、精準追蹤，以提升決策效能與品質，以期能達到生產品質與速度及服務水準下一階段之挑戰。

【創意思維IDEA-劉海戲金蟾】

【創意思維IDEA-劉海戲金蟾】

以下是93年大學國文學測的考題，我把它原原本本的抄下來，這題顯然是要考創意的考題，幫學校挑選有創意的學生。請大家思考一下，這一題你會怎麼寫，以搶得這一題的分數？

※試題與評分準則來源：大考中心網站/學科能力測驗/歷年試題 http://bit.ly/33vqP4f

那一年國文測驗這一題作文題目占14分，大考中心提供閱卷教師評分的準則；能夠獲得A級分的一定是國學知識很強的學生，知道這幅畫的典故的或是提到人要把青蛙追了宰了吃的，能夠具體扼要描寫人、蛙神態與個別內心所想關聯密切者，最高獲得A級分；寫要追到青蛙和牠玩的，能夠具體扼要描寫人、蛙神態與個別內心所想但關聯不夠密切者，獲得B級分；如果描寫不足或關聯性不足者，獲得C級分。重點來了，甚麼樣的學生可以得A級高分!?這題沒有辦法用PSDM去精算，我們開始思考一下，如何來解這個題目。

我提供我當年看到這個題目的思路給大家。我們解決問題先要能夠定義問題，定義問題要先辨識問題，我們看到這張圖有幾個印章、有2個物，這2個物彼此有關連性，我們先看左邊這個跟我們人類最像的這個物，這個物他的手是擺後面，然後作追逐狀，他的神情不是很緊張的，而是很輕鬆地想要跟牠玩的樣子，所以，他是要追右邊這個物的意象，我想大家認知都差不多，因為他的手放後面，所以，我認為他是一派輕鬆的感覺。右邊這個物，是青蛙、是蟾蜍不是重點，重點是牠只有3隻腳，別的蛙有4隻腳，這隻蛙只有3隻腳，圖中我們就看到這個差異(△Y)，與其把牠說是蛙，不如把牠想像是蟾蜍，蟾蜍在古代就代表是「金錢」的概念，因為這是古典的時空；俗語說，錢有4隻腳，但這隻蟾蜍只有3隻腳，代表「容易獲得的金錢」。所以，我們在思考場景設定是需要談錢的地方，是賭博場合嗎!?顯然不是，而是一個歡樂的場合，而中秋節、端午節我們都不會談錢，我們只有在過年的時候，會發壓歲錢，所以，我認定這是一幅年畫，就朝這個方向撰寫，結果，被我矇對了！而當解答公布時，當初參加學測的考生有8萬多名，只有3位了解這幅畫的背景是甚麼，正確的回答出這幅畫的典故為「劉海戲金蟾，步步釣金錢」。


由上面這個作文題目的解題過程，我們發現，其實，面對開放式的問題時，要解決開放式問題是有他的套路的。而這套方法，我稱他是IDEA。解決開放式問題時，用PSDM是沒有辦法解決的，要用IDEA。IDEA這套方法的第一步是「觀察」，要去做想像、界定、找到問題的本質；像我剛剛就是先觀察並界定是人在追蟾蜍(錢)，然後，再「找到運用場景」，利用三現主義-現物、現地、現況，找到運用場景；蟾蜍代表錢、歡樂的本質，人們在年節時期會談錢，找到「年節」的場景，再運用熊彼得的理論，將這些元素「重新排列組合、連接演化」後，進而產生「新的行動方案」，就是創意。這就是我研究多年的創意邏輯，也就是IDEA。Steve Jobs說 "Creativity is Just Connecting Things"創意就是連接Things，Things就是你所想像、界定的本質的這些東西，連接演化就是Connective，最後得到新的行動方案，這就是創意，這句話就是這個意思。我自己本身也是個發明人，一開始的時候會想以前的人是怎麼想出來的，原來我一定要先做問題的定義，定義完之後，作一些元素的分離，分離完之後，找到場景，再做重新組合，最後找到新的方案，這就是創意。

【輔導案例003-智慧倉儲系統】

【輔導案例003-智慧倉儲系統】

智慧倉儲系統(WMS)-人工智慧產業應用的主要重點之一。

在一份關於全球AI的發展預估及統計報告中顯示，關於各種產業工作人力被自動化取代的預期比例(圖1)，運輸物流是最明確的項目，各國皆類似。由此可見倉儲與輸送將是人工智慧產業應用的主要重點之一。

圖1 Share of jobs at high risk of automation by 2030, by region and industry sector
(Source(s): PwC; Statista estimates)

1

巡檢系統管理整合

延續先前案例分享，該企業除了運用LoRa 傳輸技術無縫介接企業內部網路，所建構的物聯網系統，並整合EMS事件管理平台，完整建構一套巡檢系統。在製造管理系統上，他們也運用RFID技術，將ERP、MES等製造管理系統整合，建構一套智慧倉儲系統，運用手持條碼掃描器，搭配平板進行倉儲作業與儲位管理，提昇人員工作效率及資料正確率。

圖2 運用RFID技術，整合ERP系統的智慧倉儲管理系統示意圖

大部分企業在找貨、挑貨上非常麻煩，找貨、挑貨的人員通常要把最外面的搬出來，才能找到裡面的。如果找貨、挑貨的人通常是具有幾十年老經驗的員工才會知道貨物棧板的位置。該企業為了解決人工挑貨、找貨費力、耗時的狀況，他們是如何透過IT技術來整合相關倉儲管理的機制呢!?。他們在每個儲位裝設RFID，每個棧板要進哪一個儲位系統都知道，要出貨的時候，人員刷barcode，就知道要從哪個儲位與棧板出貨。外箱條碼對應棧板號省去實體條碼的建置，透過機台訊號自動化完成帳務對點機制。同時整合ERP系統，將出入庫單據資料串連，ERP就可以自動扣帳。這套操作方便、功能完整的簡易式智慧倉儲系統可依倉庫特色定義與管理儲位格式與架構，持條碼掃描器可搭配平板、電腦與車機，涵蓋儲位管理、出入庫管理、行動作業、統計，提供完整的統計圖表與報表，以電子看板顯示相關倉儲資訊，可完整追溯交易歷程與快速查找與查詢產品資訊。

圖3 智慧倉儲系統的特色與功能示意圖

一般企業工廠倉儲的產品，通常相當重且繁多。傳統人力管理、台車搬運，都相當耗費時間與人力，需倚賴資深員工的經驗。倉庫空間也有平面與立體倉的不同類型，若為了發展智慧工廠，在舊的環境下引進使用相關倉儲管理系統、設備，大多需耗費相當多經費布建。該企業先從面對品牌客戶在人員及倉儲管理稽核中找出其要求的痛點，除針對痛點改善，進一步成為能產生價值的亮點，開發建置了這套簡易的智慧倉儲系統，不需要耗費大量資金與時間，就為企業解決了搬運人力、產品碰撞…等倉儲管理上的問題，一方面，也更精確的整控產品即時庫存。這也是在工業4.0上，一個人、機與管理機制整合的好案例。

【輔導案例002-智慧巡檢】

【輔導案例2-智慧巡檢】

    前篇分享中，提到該企業運用採用LoRa無線傳輸技術建構滿足企業對數據安全與保密的要求，建構LoRa 傳輸技術的企業版物聯網應用平台，與企業內部網路架構無縫介接。這個LoRa LAN管理平台能發揮LoRa遠距傳輸、低耗電、低建構成本、結合企業網路與數據高保密性的強大特色。在具有這些特色的物聯網系統基礎上發展設備振動監控、智慧巡邏與巡檢，整合數據收集與製造管理系統。緊接著分享該企業在物聯網應用的第2個重要應用研發，如何透過物聯網系統整合巡檢。

▼

企業導入工業4.0的前哨工具-智慧巡檢系統

目前大部分企業的巡檢都是以人工拿著巡檢棒，這其實很容易作弊，導致巡檢不確實。而該企業奠基於前所提到的LoRa LAN管理平台，運用LoRa 傳輸技術無縫介接企業內部網路，所建構的物聯網系統，並整合EMS事件管理平台，完整建構一套巡檢系統。透過這套巡檢系統，巡檢員可以使用平板或手機就可以進行巡檢，透過Beacon/RFID/QR code 信標管理平台，取代傳統人工巡檢暨紙本作業之無效率作業模式，強迫巡檢員確實到位巡檢，否則，巡檢就不算完成。因為具有巡檢引導，引導巡檢員按表操課，如果超過預定的巡檢時間，系統會主動發出警報，確保巡檢人員的安全。巡檢員到每一個點，感應就會發出訊號回報，若發現有任何事件，可以透過文字或拍照及時人工警報。而且，所有的巡檢進度都是以圖示監控的。

▲巡檢流程示意圖

在這個智慧巡檢系統的案例中，我們可以看到該企業利用LoRa傳輸的IT技術，建構人與機台的互聯網，不但解決人工巡檢所產生的誤差，簡化巡檢工作，更將相關巡檢資訊即時化，提高並創造了巡檢的價值。而這正是工業4.0的核心價值，整合數位資訊的虛擬世界與實體世界的虛實整合系統 (Cyber Physical System, CPS)，利用資訊 (IT)與互聯如 (IOT)解決價值鏈 (Value Chain) 之問題的展現。

【輔導案例001-振動監測系統】

【輔導案例001-振動監測系統】

    在我所輔導的企業中，有部分企業是傳統的製造業，其中一家企業成立即將邁入第50年，而其所擁有的機械設備也大多有30~40年以上的年紀。這樣的企業資源背景下，他們如何面對工業4.0的市場環境變遷，不但沒有所謂夕陽產業的窘境，績效更不斷連年成長!?輔導、陪伴他們推動產業智慧化的過程中，有些經驗與成果，我很樂於和大家分享，我先分享他們在推動工業4.0時，在連接到IOT、控制預測的做法，以及推動工業4.0的一些解決方案。

1

推動產業智慧化的過程

在分享他們的經驗前，先談談他們推動產業智慧化的過程，他們其實是一家即將邁入50年的老公司，當然工廠裡面的設備也是相當老舊的，但是他們在製程管制也就是quality control方面是相當不錯的，例如PLM、SCADA、DCS…等等這些是不錯的，但是在製造管理的部分沒有智慧化，因此在3年前開始，邀請我和他們一同來展開產業智慧化推動。起初產線的同仁對於何謂智慧化、工業4.0以及如何改變，沒有正確的認識與概念，對於產線上真正的問題與需求並無法確實提出來，因此，IT人員與產線的同人沒有建立共同的語言，當時，我們先透過小型的六標準差專案，逐步導入PSDM與大數據分析的工具，建立對工業4.0的核心價值的認知，同時建構一套管理決策的共同語言，進一步，讓產線的同仁們提出流程上所遇到的問題，一步一步慢慢地做經驗、流程的整合，同時，也進一步的做數據的累積與收集。由於該企業擁有一群優秀的IT團隊，很積極地參與各部門的產業智慧化推動，促成將企業近50年的實務流程、經驗，運用IT技術，加以整合與智慧化。該企業主亦以「先摘垂手可得水果(Low hanging fruits )，如此不僅比較容易達成期待的目標而有成就感，也比較能增加推動的意願。」這樣的精神勉勵產線現場人員，能夠從實務作業的痛點出發，列為優先改善的專案來推行。因此IT團隊的策略，就是在推行的過程中，挑選比較典型的廠扎扎實實的做改善，例如，在設備管理系統方面，該廠同仁可能不知道他們所使用的設備效益是如何？IT團隊就協助他們建置OEE系統，並且把它做到完整，其他廠看到成效了，就會跟著跟進要做。所以整個企業不管是software、barcode系統，都是採取小型示範專案成功擴散的水平展開方式，其他廠自動會跟進。

2

精實IT團隊擘劃屬於企業本身的智慧製造策略地圖

這群IT團隊是由半導體、光電、封測暨傳統產業資深從業人員組成，熟捻CIM 、MES 、機台聯線、系統整合等工廠自動化規劃暨導入之實務經驗。由於該企業的IT團隊成功地與產業智慧化推動的專案結合，將「企業生產力4.0藍圖」的概念導入，協助其企業內部虛實系統整合，加速了企業數位轉型的進程，並扎實地將數位建構(工廠端的資訊系統)的落地，更進一步的擘劃屬於企業本身的智慧製造策略地圖(圖1)，他們在既有的基礎上，盤點自身擁有的資源和長短處，善用自己本身的優勢，不但建立專屬於自己的的數位轉型策略與智慧製造技術藍圖，更進一步逐步地將成功經驗推廣分享給其他企業。這也和《工業3.5》一書中所闡述的觀念「中小企業必須穿著西裝改西裝，在現有的資源和基礎上，把握目前產業結構展換得空檔，善用僅存的相對競爭優勢，以及台灣製造管理的染實力，找出一條務實可行的路」不謀而合。

在擘劃的智慧製造策略藍圖(圖1)中，藍色的部分，就是這三年來與產業智慧化推動專案合作小型示範專案成果，從最底層的工業4.0的各式應用、LoRa在物聯網應用…向上一直到智慧決策的big data應用，都是這三年來深入努力的成果，他們更進一步將這些成功的經驗，不論是智慧製造的決策、製造管理系統、機台數據收集或物聯網的部分，提出可推廣以協助其他欲推動工業4.0企業，進行低成本且高效益的解決方案(圖2)。

「設備振動監控系統(LoRa無線傳輸)」-工業4.0「物聯網應用」重要的應用案例

我參與該企業推動產業智慧化的這三年來的成果中，今天先分享我們在工業4.0中開發出來一個很重要的應用「物聯網應用」，他們實際應用於「設備振動監控系統」，這討系統採用加速度感知器，以edge computing演算法，搭配LoRa無線傳輸技術，達到快速安裝，最低建置成本及輕鬆上線的目標。因為振動偵測上的技術，目前大部分都是有線的，而該企業使用LoRa無線傳輸技術，因此這個部分目前外部詢問度很高。這套振動量測系統，軸向、垂直、水平三軸向振動同步量測，利於設備振動問題的控管，採用LoRa無線傳輸技術，免除佈線困難的問題，也大大降低建置成本；震動Node可搭配溫度感知器，即時彈性設定參數，可多面向觀察震動趨勢，可即時監看振動速度，頻率時域及溫度變化，並且可透過該企業的EMS模組進行異常警報發佈。

這個振動偵測系統實際在一個傳統紙廠推行應用，過去該紙廠機台馬達無論月修或歲修，都無法偵測了解馬達需要維護保養的時間，機台馬達一旦發生故障，就造成機台捲曲，導致機台必須停工檢修維護，除了停機時間損失，更造成龐大的製造成本損失。該紙廠採用該企業的研發的設備振動偵測系統後，成功的捕捉到馬達故障前的訊號，透過系統發出警告，並且及時介入處理，大大的減少設備停工與製造成本的損失。讓該紙廠頭家嘖嘖稱讚，因為花費很少的費用購入建置系統，卻得到幾百億的效益。所以，一開始裝一套，後來，就所有的馬達都裝上偵測系統。

圖3「設備振動監控系統(LoRa無線傳輸)」產品特色

圖4 「設備振動監控系統(LoRa無線傳輸)」提供多面向震動趨勢分析

由這個企業輔導的實務案例，我們可以看到該企業因理解智慧製造的關鍵，在決策數位化、智能化，逐步建立數位化決策模型，透過資訊技術應用，將資深員工的智慧轉化為企業內在核心的能量，透過小型示範案例建立信心，提高水平展開的動能，應用大數據分析、人工智慧，整合知識、經驗、技術，成為企業本身的核心能耐，更提高其本身的競爭門檻。

【《工業3.5》說書與實務分享Part I】

【《工業3.5》說書與實務分享Part I】

    最近我和企業夥伴分享《工業3.5》的一些觀點與看法，《工業3.5》一書的作者是清大簡禎富教授，是我清大工工系所的優秀校友，目前擔任科技部人工智慧製造系統研究中心主任，這本書是他以深厚的學術理論基礎，與對台灣工業界產學實務經驗及觀察，所提出的創見。我希望透過書中的部分實務經驗與觀點，能更進一步帶給企業夥伴新的啟發。由於他們正積極在進行產業智慧化推動，於是他們就組成線上讀書會，期望建立共同的溝通語言、平台，並邀請我加入，我也趁這次的機會和臉書上的您們-“書”友們一同討論與分享我個人在實務輔導的經驗。

一直以來，無論在輔導或課程的一開始，我都會說明介紹工業4.0，以及其真正的核心價值。工業4.0、產業智慧化的核心系統是一個整合「實體的」、「經驗知識」與「虛擬的數位整合」的系統，換句話說，就是指整合數位資訊的虛擬世界與實體世界的虛實整合系統 (Cyber Physical System, CPS)，利用資訊 (IT)與互聯如 (IOT)解決價值鏈 (Value Chain) 之問題。由於科技的發展，我們已經可以從 IT或互聯網使用大數據分析的深度學習或預測技術，然而，要有正確的「流程」面向與「邏輯」面向才能將「問題解決之領域知識(Domain Knowledge)」導入到正確之方向；正確的流程與邏輯才能將大數據分析用於價值鏈上。由此可知，從大環境來看，工業4.0的時代，是有邏輯的運用資訊技術與經驗或數據累積的知識來解決問題、創造價值。

在實務作業上，我們在產線發現一些問題，必須從決策管理的部分，提供一些Guideline給產線的同仁，這時候管理階層就必須將問題定義清楚，才能迅速的因應各方需求，給出最佳的決策指導。這也正呼應了書中有提到的，「智慧製造的關鍵，在決策數位化、智能化」且「決策的價值和挑戰，主要在一開始，如何定義真正的問題…」，也就是說，從工業3.5到工業4.0，決策能力是軟實力是重要的一環，而決策的第一步就是要能正確定義問題與價值流程。

另外，書中也提到，企業若擁有大量數據，但沒有相關分析與應用的能力，這些數據反而不是企業的資產，可能成為企業的負擔。確實，「大數據」近年成為熱門關鍵詞，在實務輔導經驗中，常可見企業花費預算大量蒐集資料，資料卻沒有為企業產出預期價值。也就是說，數據的價值，在於能夠產生有用的資訊，找到新的機會創造新的商業模式，讓企業做出致勝的決策。專門做 CRM 的大數據業者對目前接觸到的企業反映現象表示，大家都想從數據找答案，但其實你必須先帶著答案去看數據，先知道要解決什麼問題。

Big data是「分析」工具，功能在於試圖有關聯性找出原因。部分企業執行產業智慧化專案，只是將紙本抄寫改成電腦化方便保存與查詢，並未善用資訊智慧於問題分析與決策，我們有必要審視策略地圖中，Business Intelligence (BI) 與 Decision Support System (DSS) 可否串聯與並聯，產生價值與實質收益。

過去，主管或老師傅因為經過長期歷練，累積許多內化的智慧，大多直覺的判斷與下決策，這些成功經驗變成慣性思考，然而，在今日大環境由大量生產導向改變為快速變化滿足個人化需求導向下，往往過去直覺式判斷或決策，容易成為無法突破窠臼的包袱或因資訊或不足而使企業掉入決策陷阱中；彈性決策和聰明生產才能因應市場變化需求。正因如此，每每在參與企業推動產業智慧化輔導的初期，我都會花一段時間，協助大家一同建構一個系統化的邏輯思維，透過問題分析與決策力(Problem Solving & Decision Making)的訓練，建立一套思考判斷的共同語言、共同平台，在這樣的基礎上和大家一起蹲好馬步-定義問題，經過這樣系統化決策分析，在各種不同應用場景，透過IT技術，串聯整合流程(製造的、設計的、設備的…)或經驗、數據，而達到進一步創造價值。企業在這樣的基礎上，逐漸改變翻轉作為，以「價值導向」做為優先考量，先想好，我們希望達到什麼樣的「管理效能」、「管理目的」？再依據此目標，進行必要的數據收集、分析及運用。如此才能事半功倍，也才能避免本末倒置，徒勞無功。相信如此以往，一次一次的有系統地累績前進，每次的修正或試行都不斷地累積數據，做為下一次成長的基礎資料，除了內化每個人的功力，也累積成為企業的重要決策腦，進一步提升整體決策效能。

《工業3.5》在前2章節就開宗明義地告訴我們，大數據與虛實整合系統只是工業4.0的基礎架構和工具目標，根本的目標在於「掌握彈性決策的核心能力」，這項核心能力即是「大數據X決策力」；藉助人工智慧、大數據等破壞創新技術利用低階破壞策略，搶先達成或局部達到，工業4.0的智慧決策、智慧生產目標。目前台灣企業應該在既有的軟硬體設備基礎上，建立一套決策系統，思考如何蒐集數據、各部門該怎麼使用，才能發揮數據真正的效果。正是「容易的果子先摘」的心法著手，透過系統整合串聯硬體設備，從消費者到生產供應鏈，收集並分析數據，更進一步結合內、外部專家經驗，一層一層夯實上來，逐步擴大優化決策範圍，提升及時偵測變化和即時決策的能力。

【王博專文】大數據分析與應用實務_數據關聯性與因果性: X 數據矩陣與 Y數據矩陣

本文出自王博專文

認識客戶的工業數據-

Chapter 4：數據關聯性與因果性: X 數據矩陣與 Y數據矩陣

◎

說明

結構化大數據中，可以想像成 X 矩陣數據與Y 矩陣數據之收集與分析。如果Y 矩陣數據代表是良率 (Y1) 與強度 (Y2)，而 對X 矩陣數據，我們嘗試收集如溫度(X1) 壓力(X2) 催化劑 (X3) 等控制參數，再試圖找出控制X矩陣的方法以達到Y矩陣之最佳化。必須注意的是，若兩矩陣間，具有關聯性 (Correlation) 。須注意的是:兩矩陣間，並不見得具有因果性 (Causality)。

若發現數據X與數據Y有相對應的關聯性，常會做出「X影響Y」的結論。事實上，所謂的「影響」牽涉到時間先後的因果概念，必須同時滿足以下條件:

1. X比Y先發生
2. 有 X 輸入時，Y 才有反應;反之，則無。

但沒有關聯性，因果性常常會薄弱許多，實務上我們會暫時擱置 X 影響 Y 之看法。大數據中，常常透過實驗設計 Design of Experiments (DOE) 來完成因果性之實驗，因在 DOE 中，X 必定發生於 Y 之前，而透過 X 矩陣之特殊設計，如直交表
(Orthogonal Array)，可檢視 X 之存在與 Y 效果之呈現，加上又可做出 X 矩陣之線性組合與 Y 之數學關係來推估線性參數的關聯分析，能一舉多得因果性。

若依照資訊兩矩陣的組合模式，可分類如下表的方法來做分析。在後面的章節，將以JMP為工具，為大家循序介紹，如何將各種數據模式關聯、分析與預測的方法。