演算打破主觀偏誤，優化行為與決策
就像醫師的診斷，會受限於他的養成，因此特定樣型的判斷，其實是很容易受到，人為主觀因素和空間圖形辨識能力的影響，往往造成檢測標準和判讀結果，缺乏一致性，導致後續的製造問題診斷，沒有辦法正確執行。
高科技產業已經用工程資料分析系統和大數據分析，並結合領域知識，來設計比較好的編碼和資料前處理。因為晶圓是圓的，圓上面每一顆晶粒號的位置，以及與前後左右之間的關係，都有意義。
台灣產業結構大多為水平分工，且規模多為中小企業。如何在大數據時代，邁向智慧製造的全球製造賽局保持競爭力，避免在知識密集的尖端設備和製程技術競賽中，敗下陣來，是台灣產業升級最急迫的問題。
使用大數據分析技術，從中挖掘潛在有用的資訊，做出比競爭對手更好、更快的決策，是料敵機先的制勝關鍵。但導入大數據分析，可不是買一些軟體就好。雖然商業軟體可以支援大數據分析，但不是把資料倒進去，就會自動產生結果。
台灣的高科技產業，在自動化製造和檢測過程中，累積了大量的數據，由於資料的變動性，很多企業並沒有即時、有效分析這些數據，有些企業則是花錢買設備，把這些數據儲存起來，卻沒有善加利用，不僅不能成為資產，反而成為負擔。
＊作者簡禎富為國立清華大學工業工程暨電機工程雙學位學士，威斯康辛大學麥迪遜分校決策科學與作業研究博士、加州大學柏克萊分校傅爾布萊特學者；現為清華講座教授暨美光講座教授，科技部人工智慧製造系統研究中心主任、工業工程與管理學門召集人。著有《決策分析與管理》、《資料挖礦與大數據分析》，本文摘自簡禎富新作《工業3.5》。
