什麽是DevOps？（一）從管理與商業思維角度切入|數位時代 BusinessNext

DevOps是資訊界這幾年在提倡的一種思維，就字面上來説，是Development（開發）+ Operation（營運）的縮寫，臺灣有的人把Operation翻作「維運」，但我覺得翻作「營運」會更好，因爲以前的資訊系統商，在談系統售後服務，都是講維運合約，也就是Maintenance，而「維運」的含義我覺得相對來説被動，「營運」比較強調主動去做更多事；另外我覺得，DevOps還要再加上Deployment（部署）才完整，也就是Development（開發）+ Deployment（部署）+ Operation（營運），這樣才是網路時代，一個系統需要的完整流程。

爲什麽這幾年會出現這樣的概念？在2000年之前的軟體時代，因爲空間上的限制，程式開發完，打包成光碟，交付給使用者就結束了，如果程式有問題，就要等之後再推出新版本才能更新，每次交付給使用者的時間基本上是以月為單位，所以這個時候的軟體開發方式是用傳統的 「瀑布式管理」，一開始一定要先將需求規格定的很明確，才會進行開發、測試，以免最後出問題。

而進入網路時代之後，一切開始改變了，透過網路，可以跨越空間的限制，將程式快速上線，這代表，產品交付給使用者的時間大幅縮短，而在商業競爭的本質上，能快速回應使用者的需求，就能更獲得青睞，因此現在的開發模式變成 「敏捷式開發」，講究快速交付、快速修正、快速回應，可看我另一篇文章談瀑布式與敏捷式的差別。

DevOps主要的概念和内容是什麽？

DevOps強調的是，現在網路時代的程式開發，不再只是開發測試完就結束了，還要考慮到程式部署時所需的環境，以及後續長期營運，持續優化的問題，這些過程都會影響到使用者感受，唯有全面考慮到了，才能在這競爭激烈的市場脫穎而出，讓使用者願意持續使用這個產品，這樣的概念下，就產生了快速開發、快速部署、快速上線、快速修改、快速回應的循環。

但要達到這樣的效果，當然不是那麽簡單，要考慮的事情會很多，所以DevOps的實際内容在講些什麽？其實它融合了非常多的方法論，不管是管理手法或開發手法，包含「商業思維」、目標管理（MBO）、限制理論（TOC）、資訊科技基礎資料庫（ITIL）、精實生産（Lean Production）、持續整合與部署（CI／CD）、看版（Kanban）、敏捷式開發（Agile Development）。爲什麽要融合這麽多？後續分享一些我自己的想法。

資訊科技在網路時代的價值

很多IT技術出身的人，會覺得只要把程式開發好，系統維護好，這樣就夠了，其他什麽財務、銷售、製造不用去管，但我覺得這樣是大大低估了資訊人的價值！在網路時代，資訊科技可以為企業帶來的價值，是以前無法想像的，資訊人可以做的事比以前多出非常多。

未來將會是由「數據分析」引領其他專業部門。

怎麽説呢？不管什麽產業，都會說經驗很重要，以前的各項行爲，不管是行銷、業務、製造，因爲無法明確地記錄各項數據，只能靠人的大腦去記憶，所以經驗越豐富，理論上越知道如何做出正確的決策，所以會很常聽到「以我多年的經驗，我判斷XXX」，但實際上準確率多少，是無法確實掌握的。

但網路時代的到來，透過資訊科技帶來的數位化，可以蒐集到以前完全無法得知的各項數據！數據蒐集的越多，越能透過這些數據去分析出使用者實際的行爲是如何。舉個例，現在的電子商務，爲什麽在談 「精準行銷」？以前的廣告投放方式，説白一點就是亂槍打鳥，靠大量的曝光來讓使用者知道產品，但這樣的廣告成本越來越高，而且最重要的是，很多並不是目標客群，所以競爭激烈的情況下，廣告投放的投資報酬率越來越低，但如果透過系統蒐集到的數據，就可以分析出哪些才是真正的目標客群（TA），針對這些TA再去做精準行銷，就能以最經濟的成本，達到最大的效果，同樣的方式對業務推廣、生產製造，都是同樣的道理。

培養商業思維，進行目標管理

但要怎麽樣才能達到這樣的效果，首先要培養商業思維，什麽是 「商業思維」？

簡單來説，不能只是被動地聽主管的指示才去做事，而是要主動去瞭解哪些是對公司更有價值的事。

很多人時常會問，投資導入了資訊系統，到底為公司帶來什麽價值？常聽到的回答是，可以提高生産力啦，提高效率啦，降低人工成本啦…等，但最根本的價值是什麽？任何公司，最根本的目標只有一個，就是賺錢獲利，這非常現實但也實際，公司經營不是在做慈善事業，只有公司賺錢了，員工才可能有更好的薪資待遇。

因此，每間公司一定是從這個最根本的目標，再根據自身的條件和環境，來發展不同的策略目標，這就是「目標管理」，只做對目標有幫助的事情，任何對目標沒有幫助的事情，都是資源的浪費。

而資訊系統的價值，就是協助公司更有效率地進行管理及評估，以達到策略目標，像是前面寫的，透過系統，協助行銷部找到目標客群在哪裡，協助業務部找到哪些客戶更容易成交，協助製造部找到產線的瓶頸，提高有效產出（Throughput），製造這部分，是限制理論（TOC）的範圍，之後的文章再來談。

本文由李正霖授權轉載自其blog。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。