因為工作的領域是機械產業
剛好我又是機械背景的
因此略懂這個產業的Domain Know How～
也很恰巧地會一點程式
Mechanical engineer does machine learning.it sounds “Make Sense”.
不過我對工業4.0完全沒什麼實作經驗就是了～
因為對於沒有把domain know how數位化的大部分台灣製造業來說，要搞4.0還早得很．
不過不少從業人員說得先硬體上的自動化（業內人員稱之為3.0 ）才能開始做智慧化，這個是部分正確啦，雖然硬體上的自動化是實現無人工廠的必要條件，才能利用眾多的感測器和控制器回傳產線數據，也才能有資料可以餵給電腦．
但除了硬體自動化外，更重要的是著眼在如何把領域中的知識給數位化，並且分析成有價值的資訊，這個才是精髓呀～～～智慧化一部分得從產線上擷取數據，還有一部分可以把過去的設計製造經驗建立成一個資料庫，以此作為ＭＬ或ＤＬ的資料來源，這個是台灣製造業的從業人員長久以來都忽略的事情～ knowledge is power, data is money.
言歸正傳
要搞ＭＬ的步驟：
步驟一：明確定義想要處理的問題
以我最近在弄的案子為例，監控某種設備在製作某個產品時是不是全程正常，因為一旦出一個小錯誤，這個產品就報銷了，就會損失一台雙B轎車的錢．因此這個案子有做的價值和必要性～
步驟二：決定要擷取的特徵
根據製程人員對該種設備的了解，這種設備有20個參數，但就現實考量無法20個全抓，後來決定取其中8種參數當作參考，經過小規模ML模型測試後發現可行，也因此開始架設所需要的軟硬體設備．
步驟三：建立工業物聯網
對於這個案子來說就是機聯網啦～
步驟四：建立資料庫
得先有資料，這個可以從兩種管道取得，一個是從產線上，另一個從業內人員取得．前一個得先建立工業物聯網．後一個得明確定義想要弄的產品類別，並把過去該產品的設計和製程參數變成資料庫．
步驟五：跑ＭＬ
就不斷地訓練和驗證模型囉．然後把ok的模型推到產線上使用．
大概就是這樣