在資訊爆炸的時代，數據整理是一門大學問，如何有效的從龐大的數據中找出背後的意義並加以運用，成為現在一個重要的課題，若能將這些數據加以系統化的分析整理，將數據以視覺化呈現可更有效傳遞訊息，也許能提供管理階層與技術研發階層不同面向的思維，做出更佳的決策判斷。

傍晚吃完飯付了錢，習慣性拿出手機在APP裡記錄剛剛消費的金額，順便查查這個月花了多少錢，比較一下這個月消費有沒有比其他月份多，這個動作只要簡單的瞄一眼每月支出圖就可明白，想要控管消費行為，比起以往紙本記帳實在快速有效多了。

圖一、 當月花費分析比例圖

生在這個大數據的時代，各式各樣數據在生活上工作中不停的產生並蒐集，如何有效的從龐大的數據中找出背後的意義並加以運用，成為現在一個重要的課題。以一個人生活消費為例，一個月消費筆數就高達一百筆以上，若數據未曾整理分類分析，就無法探究數據背後的意義。同樣的，在工業4.0的浪潮下，原本沉默的工具機紛紛裝上各項感測器，因此工具機控制器、振動、聲音、影像、溫溼度等各項資料透過機邊電腦或資料蒐集器將生產數據傳輸到雲端上，其數據量以數Gbyte甚至是數Tbyte儲存下來，這樣龐大的生產數據若沒有加以整理利用，智慧製造數據就如同紙本記帳一樣，將以極低的效率提供管理階層進行決策。

數據整理是一門大學問，儀科中心建置「製造執行系統 (Manufacturing Execution System, MES)」整合產線流程管理，發展高階光學元件設計開發服務平台，平均每年執行工件數超過200件，每年平均蒐集五萬筆以上資料，詳細記錄光學鏡頭生產流程中各階段製程之重要加工參數與元件規格，若能將這些數據加以系統化的分析整理，也許能提供管理階層與技術研發階層不同面向的思維。圖二為儀科中心模組化光學鏡片製程工作站時間分配比例，就是利用製造執行系統所蒐集到的各光學元件在各階段的工作時間加以整理分析得到的結果，從圖中可發現拋光工作站在整個製程中佔有最大比例工作時間，然而前2個工作站粗磨與細磨製程加總起來卻不到 10%。由於拋光屬於輕切削工序，相較粗細磨製程的加工時間卻相差4倍，有2個可能的因素造成這樣的結果，其一是要求的加工精度較高，所以在拋光階段須謹慎，用較慢的加工速率進行以達到高精度光學面精度規格；另一個可能性是粗磨與細磨的加工時間太少，未能完全移除成形時所形成的砂孔，留到拋光階段才去除，因此才會呈現拋光的時間較長。根據如此視覺化的數據呈現，更容易做為決策判斷依據，藉以調整製程工序來增進加工效率。

圖二、 模組化光學鏡片製程工作站時間分配比例

從龐大的資料數據簡化成一張視覺化的圖表之後，真正的挑戰才要開始，從圖表的判讀開始，管理階層與技術研發階層共同找出背後的原因，提出決策方向，制定後續行動方案進行優化改善，就如同從每日記帳統計資料中，若發現當月花費分析比例圖裡面，想要比例超過10%，則在後續的消費裡面就必須壓低想要亂花錢的衝動啊！