※ 引述《yam193431 (d83n3n3)》之銘言：
: 這間公司聽到的IT/AI鬼故事
: 1.內部稽核用網頁有彩蛋（？）可以線上算命，附送廣告插件。高官子弟找不到好工作被大
: 量塞進電子組，故電子組工作量是非常不平均的。
: 2.某次老董不知去哪聽了大餅，回來宣佈要用監視器+AI抓微量洩漏。
: 3.承上，AI再怎麼屌，配普通監視顯然是看不到無色無味的洩漏，於是學習素材被換成會冒
: 煙的乾冰(WTF)，這莫名奇妙的案子據說砸了一個億。
: 4.高層看到AI會高潮，所以AI提案包括但不限於用影像辨視計算午餐熱量。
: 5.高層最近G點新增量子電腦。
: 6.承上高層看到某日商量子電腦新聞，要求底下人找該日商來介紹量子電腦，並要求底下衰
: 毛們積極學習量子電腦新知。
: 7.再承上底下的衰毛只好真的發信給某日商，某日商也很配合回信該技術無對外展示讓衰毛
: 基層能交差。
: 8.雖然滿口AI，這間公司實務之落後可以從所謂電子傳簽做法是先印出紙本再掃成PDF看出
: 來。
: 綜合以上可得，這間公司極度適合躺平者，畢竟生產現場也沒有期待這些瞎拼胡湊的AI系統
: 會工作，不要沒事嘰嘰叫，叫了能關掉就行了。
正常做法：
要改善工作效率，先改善工作流程，後做IT數位化，再來是IT系統的效率，效能提升，最後才是AI智能化。
有個老笑話：
一個工廠要判斷箱子內是否漏裝(空箱子)，還是有裝產品。一堆博士做了高科技儀器，X光透視掃描，判斷裡面物體形狀…
結果老師傅搬了一台電風扇，一吹，就知道哪些是空箱子了。
---
小弟待過很多工廠做過AI啦，基本上所有的專案都這樣。明明簡單的方法就能解決，結果一堆專案，為了AI而AI。
常見的有：
1.各種設備故障預測：搞一堆sensor，搞深度學習。還不如直接量電壓，電流，溫度變化三指標是否超出規格就好。
2.影像辨識，安防。偵測是否有人到禁區。一堆深度學習判斷人的軌跡。結果效果還不如直接用人體紅外擺在門口就好，還更準。
3.瑕疵檢測：搞一堆深度學習做瑕疵檢測，還速度慢跟不上產線，偵測出來還要人覆判。根本是來亂產線的。不如用原廠設備的檢測。
4.各種量產預測，產能需求預測，供應鏈預測。預測老半天，還不如客戶的一句話。
5.建立專家知識庫，一堆人在哪整理Excel，在哪分類標注文件類型，關鍵字。還不如直接拿個open source 全文搜尋系統，直接搜文件還快一點。
6.離職率預測，營運滿意度預測，搞了老半天。還不如馬雲的一句廢話：錢少了，心委屈了，更準。
7.產線良率預測，深度學習搞老半天。結果效果還不如直接看歷年或每月的趨勢線與均值。
8.生產排程最佳化，動不動就直接喊強化學習。喔，規模那麼小，環境變數又不能建模。還不如一直用傳統最佳化演算法定期算。
太多例子了…
然後Ppt上的效益，動不動就幾千萬，幾億隨便亂喊。更可拍是，報完了，就沒人用這些AI了。也不能用。
AI真的是先進國家阻礙台灣邁向工業3.0的大黑手。讓台灣一群人連資訊化，數位化的基礎工作都忘了。專門浪費錢做玩具。
電子製造業做產線AI或公司AI，就這點程度啦。大家別拿什麼高標準來看待。以上如有雷同，純屬巧合，歡迎各大公司，來對號入座。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.200.159.224 (臺灣)
※ 文章網址: https://webptt.cc/bbs/Tech_Job/M.1654860392.A.9E3.html
推文 (148)
推
dosmark9
推一個
06/10 19:31
推
kyle5241
big data 本來就是machine learning 的基本條件啊
06/10 19:35
→
kyle5241
妳這個只是不知道要餵什麼有用的資訊而已
06/10 19:35
推
choral
你講完別人怎麼撈R
06/10 19:37
→
choral
這些專案大家搓湯圓分錢才是重點R
06/10 19:41
推
saygogo
這些AI的案子都是高層拿來說嘴用途,你不幫他結案就
06/10 19:43
→
saygogo
是拿石頭在砸自己的腳
06/10 19:43
推
loadingN
最後一句 超酸！！
06/10 19:46
推
cityhunter04
拿專案堵老闆的嘴啊！碎碎念很煩？
06/10 19:49
推
FourSkill
你是不是待過高雄某大廠?舉的例子都有中,包括但不限
06/10 20:02
→
FourSkill
於(對號入座)
06/10 20:02
推
hsiliang
台塑就是工業3.0都做不出來就只想彎道超車做工業4.0
06/10 20:07
→
hsiliang
。彎的過去是拓海，彎不過去是填海，但絕大多數就是
06/10 20:07
→
hsiliang
填海那一群
06/10 20:07
推
ntpuisbest
最白癡的是震動預測機台換掉，完全不知道是在幹嘛
06/10 20:20
→
bear1414
你講的狀況是幾年前的事情了
06/10 20:22
→
bear1414
現在技術進步很多了
06/10 20:22
→
DrTech
沒待過高雄，但是待過三家公司的產線做AI。各家公司
06/10 20:23
→
DrTech
也是一樣啊，看到別的公司做什麼了，然後沒做？老闆
06/10 20:23
→
DrTech
就會叫你抄別家公司的題目。論文題目也是到處抄，永
06/10 20:23
→
DrTech
遠那幾套。然後工研院也是，巨資中心的智慧製造題目
06/10 20:23
→
DrTech
，也都是那些沒實際價值的題目，大家互相抄。雷同很
06/10 20:23
→
DrTech
正常。
06/10 20:23
→
bear1414
產線檢測上很多是為了節省部分人力 這是有用的
06/10 20:23
→
bear1414
但的確也不乏有些廠商是做樣子的
06/10 20:24
→
bear1414
做樣子可以申請政府補助
06/10 20:24
→
bear1414
良率預測 有用的作法是找出怎樣的設定不會FAIL
06/10 20:26
→
bear1414
故障檢測通常是為了在真的壞之前就先預警處理
06/10 20:26
→
bear1414
真的壞的時候當然看表就知道
06/10 20:26
→
bear1414
不先預警處理 無預警的停線損失可能會更大
06/10 20:27
推
s379
超重即視感，你是我同事吧XD
06/10 20:27
→
bear1414
方法上不一定都要深度學習
06/10 20:28
推
lalastupidbo
怎們看到產線IT的無奈身影XD
06/10 20:32
推
TISH12311
工廠AI化=砍人。
06/10 20:43
推
qsx889
有一些現場很好玩 你跟他說直接用甚麼sensor就好
06/10 20:44
推
saygogo
你不說是台塑我以為你在講我們公司
06/10 20:44
→
qsx889
更快更準更便宜他們會說阿上面說要做AI 算了隨便
06/10 20:44
→
saygogo
簡單的事情AI化花幾百萬講得天花亂墜秀的天花亂墜
06/10 20:47
→
saygogo
會升官
06/10 20:47
→
bear1414
最後一段有講到重點: 數位化是AI的先前步驟
06/10 20:48
→
saygogo
同樣的事情如果你去買兩個光電開關改PLC程式兩天解
06/10 20:49
→
saygogo
決,沒有AI成份 就什麼都沒有
06/10 20:49
推
dulldog
每一條都很認同。製造業搞AI，個人覺得只有瑕疵檢
06/10 21:01
→
dulldog
測有用，其他技術都不夠成熟或必要性。
06/10 21:01
推
AJones
天啊 你真的是巷子裡的 這篇拜託一定要m
06/10 21:18
→
AJones
說現在技術進步很多的 我也是笑到噴飯
06/10 21:19
→
bear1414
不知道技術進展的也只能繼續噴飯了
06/10 21:20
→
AJones
呵呵 我相信你一定是高層
06/10 21:20
→
bear1414
呵呵 我相信你沒有到第一線看過AI應用
06/10 21:22
推
Bujo
外包商負責人跟高層是好朋友，現在不騙以後就很難騙
06/10 21:22
→
Bujo
了，有些問題其實用不到AI，就算開天窗做個四不像，
06/10 21:22
→
Bujo
畫大餅的說這AI就是AI，現在台灣大多的AI是用來騙補
06/10 21:22
→
Bujo
助跟銀行貸款，反正銀行那些人跟老闆一樣懂個毛
06/10 21:22
→
bear1414
多數是沒有效益的AI 但有個開始其實總是好的
06/10 21:23
推
AJones
上這句我倒沒否認 基本上是對的
06/10 21:25
推
bear1414
其實就像DrTech講的 數位化是多數公司要做的第一步
06/10 21:26
→
bear1414
但"AI"已經被當成鐵鎚 本末倒置
06/10 21:26
→
AJones
但問題永遠出在人 給不對的人去領導 結果就...
06/10 21:26
推
bear1414
同意 有正確領導和想真導入的單位才能有最好的結果
06/10 21:29
→
bear1414
但通常是老闆想 下面不想 或剛好相反
06/10 21:29
推
longlyeagle
要好好做一個 AI 題目真的要天時地利人和
06/10 21:37
→
longlyeagle
不然就只能做 PPT 了
06/10 21:38
→
longlyeagle
雖然原文表台塑表很多 其實台塑已經算是有出成果的
06/10 21:40
推
gino0717
QQ
06/10 21:43
推
hsiliang
這麼說很悲哀，台塑在台灣真的算很強的，雖然管理
06/10 21:45
→
hsiliang
員工一點都不人性
06/10 21:45
→
hsiliang
賺錢只分給股東不給員工
06/10 21:46
推
Arashi0731
一堆工廠上班還在打實體卡的喊要大數據做AI，我也是
06/10 21:46
→
Arashi0731
笑笑
06/10 21:46
推
eett811025
推 蠻中肯的
06/10 21:55
推
ches728ter
被你說出來還怎麼撈錢
06/10 23:07
推
aacj2642
幹XDDD受傷很深吼XDDD
06/10 23:23
推
opencat
完美詮釋了達克效應
06/10 23:30
推
opencat
大部分的失敗案例其實都是選題錯誤
06/10 23:35
推
opencat
有簡單的方法 卻為了ai而ai當然會失敗
06/10 23:38
推
Youmukon
看完兩篇快笑死，台塑仁武真的10年都沒變，員工餐廳
06/10 23:43
→
Youmukon
的炒麵我看還是一樣甜
06/10 23:43
推
opencat
你的舉例 1,2,3,5,7,8 是AI表現不如簡單方法
06/10 23:44
→
opencat
4和6就是單純為反駁而反駁...
06/10 23:44
推
uxy82
選題有問題是因爲被要求的是工廠端，這些人大多沒
06/10 23:58
→
uxy82
有足夠的AI知識，但是上面的要聽各單位報告怎麼辦
06/10 23:58
→
uxy82
？擠一個題目出來拖時間，以拖待變
06/10 23:58
推
westercc
滿真實的，但有些應該是能靠選題避免或指標沒選好，
06/11 01:08
→
westercc
例如1當前預測故障其實很多設備就有機制能判斷了，
06/11 01:08
→
westercc
提目應該朝減少停機時間去做、或能預測未來一段時間
06/11 01:08
→
westercc
的狀態、例如3如果覆判準確率或成本能優於原本導入
06/11 01:08
→
westercc
前的狀態，那還是算成功
06/11 01:08
推
pregnpig
沒有AI, 這些傳產一樣不會把花在AI的錢投入工業3.0,
06/11 01:24
→
pregnpig
更不要說4.0
06/11 01:24
推
IdenTits
真的謝謝大大分享
06/11 02:03
推
prtscscroll
基本上要能好好利用AI，起碼先找個真正做AI題目畢業
06/11 02:29
→
prtscscroll
的來當主管，只有做過的人才知道AI能做到什麼程度以
06/11 02:29
→
prtscscroll
及有什麼限制，那些半路出家只會看paper跟別人的投
06/11 02:29
→
prtscscroll
影片介紹就自以為懂的就別鬧了，別人的期刊跟報告當
06/11 02:29
→
prtscscroll
然會呈現自己最好的一面，看了只會產生很多天馬行空
06/11 02:29
→
prtscscroll
的想法。
06/11 02:29
推
a44883
這鳥AI，讓一堆人有了工作，反正也是做數據而已
06/11 02:32
→
a44883
能過一天是一天，能騙就騙
06/11 02:32
推
T3T
我覺得有可能正好就是 為AI而AI 做給上頭看
06/11 03:32
→
T3T
至於有無效果 那就再說啦 (茶)
06/11 03:32
→
T3T
畢竟用電風扇 怎麼騙經費呢
06/11 03:32
推
darkdogoblin
就AI神棍啊！前幾年很流行，說要取代什麼什麼，真
06/11 03:37
→
darkdogoblin
試下去才發現機器的錢能雇好幾個原有的員工
06/11 03:37
推
AntEmpire
笑死 現在研究所的計畫也是滿滿的AI
06/11 03:45
推
xSAUCEx
某鋼也是高層要求做AI 結果方法是先要求人
06/11 07:00
→
xSAUCEx
力精簡 要求各單位提出AI精進方案啊 超白痴
06/11 07:00
推
lafel
中肯推 看這篇不知道該哭還是該笑
06/11 07:29
→
dildoe
工廠的AI啥時能餵資料/bug給交代 AI杯鍋才叫厲害吧
06/11 07:53
→
dildoe
XD
06/11 07:53
推
source0209
事實總是艱難。AI只是要拿來申請補助的
06/11 08:35
推
aaa7513231
優文
06/11 08:59
噓
snowboylove
主管都不懂AI了….是說真的懂AI的會來領這種薪水？
06/11 09:29
推
a3294814
工業0.4
06/11 09:42
推
YJM1106
3是真的很難喔 對於某些型態（例如手機殼光滑面的
06/11 10:54
→
YJM1106
微細刮痕）人類檢驗員表現的比機器還好
06/11 10:54
推
mooto
只要能建立自動化，那些data怎麼進去不是問題。但也
06/11 10:55
→
mooto
不能garbege in
06/11 10:55
推
Mchord
深度學習來說萬物皆可建模，但問題合理性才是重點
06/11 10:56
推
ShadowPoetry
garbage in ,garbage out 鐵則
06/11 11:34
推
masatomarisa
推，為AI而AI根本沒意義
06/11 11:52
推
tripleb
哈 這才是真實
06/11 11:58
推
lightidea
不要為了AI而AI 但是一定要有AI的案件
06/11 12:05
推
owen5611
帶頭的都是明志出來的 會這樣也不意外
06/11 12:10
推
djboy
這篇看完了，推一下。
06/11 12:26
→
kuluya997
領導階層真的太老了 不懂又愛跟風 笑死人
06/11 12:49
→
kuluya997
獲利方式還是不出榨 榨人榨成本 costdown
06/11 12:51
推
kokohihi
真的是過來人..太寫實了
06/11 14:30
推
oysteromele
嘖嘖~同意…
06/11 18:40
推
tonfans
推 中肯
06/11 19:23
推
and221
前輩好!優文
06/11 21:14
→
red0210
寫得真好，以前去過南部一間世界級的傳產公司也是
06/11 23:37
→
red0210
這樣，資訊化落後、勉強擠個兩百筆資料就叫大數據
06/11 23:37
→
red0210
現在 AI 技術是真的很強，只是大多人不懂得如何用
06/11 23:38
→
OdaTakeda
預測需求這種東西真的跟擲茭一樣
06/12 09:58
推
prtscscroll
氣象預測擺了多少觀測站 偵測多少變因都還不一定準
06/12 16:03
→
prtscscroll
了 科技業要預測那些東西 先弄個天網蒐集所有人的言
06/12 16:03
→
prtscscroll
行舉止 這樣AI應該就能預測成功了
06/12 16:03
→
Tkuei
笑，AI水很深的，很多台廠請兩個菜鳥畢業生買一張顯
06/12 21:20
→
Tkuei
卡就說我們要做AI, 當然什麼屁都做不出來啊
06/12 21:20
→
Tkuei
產線的也不會有AI sense啦，給兩張圖就問能不能用AI
06/12 21:20
→
Tkuei
做，最後當然鬧劇居多啊，真AI還是要交給專業的啦
06/12 21:20
推
chintei
這是現場經驗並考慮ROI的正常反應
06/12 22:24
推
deepcolor
完全命中
06/13 01:00
推
SAptr
確實 為了AI而AI 實際上效益有夠差 但我為了錢還是
06/13 09:15
→
SAptr
還有現在畢業生十個有九個都說要做AI 這東西就爛阿
06/13 09:17
→
SAptr
現在還有人以為人工智慧 實際上就工人智慧
06/13 09:21
推
laiko
4,5,6點超實際！本人都有遇過... XDD
06/13 14:24
推
qweeqwee
哈哈台塑ai哈哈 嗚嗚嗚
06/13 22:38