---

※ 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)
※ 文章代碼(AID): #1YeofedZ (Tech_Job)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1654860392.A.9E3.html