工作雜談

為何而來

轉換工作至今將近一年了，現在也是時候好好回顧一下工作的心得了。 當時離開工研院的初衷，是想到工業界見識一下真正資料分析的現況，同時如何處理製造業的資料。 從工作以來，都是接觸工業製造相關的資料分析，開發演算法處理業界的問題一直是我很大的興趣。 離開工研院這個舒適圈、到外面業界闖盪，又是累積與之前相關工作的經驗，到現在這間公司仍是個正確的決定。

更換了工作，雖然薪資沒有太多成長，可是多了不少分紅跟獎金、而且離佩佩家又更近了一點:D 最主要的是，面對的題目都是滿新奇有趣，從事自己喜歡的演算法程式開發！

為何奮鬥

相較於在工研院有很多時間自學，現在公司裡學習的時間非常少，而且大頭們壓進度的能力一流。 雖然如此，主管還是對我們的專業抱持信任的態度，保有我們很多工作的自由度。

以下是這段時間以來，處理到比較有趣的案子，細節就等有緣人一起討論囉:D

• 機台指標異常監控: 以異常職偵測或是DQI卡控特定機台指標
• 馬達PHM: 觀察馬達電流震動、建立異常警報模型
• Gerber文字比對: 將電路設計程式中的文字與檔案文字進行比對，手法是將Gerber內的文字向量化後進行比對
• 自動佈線: 參考遊戲的路徑搜索方法，實作成自動佈線演算法

機台指標異常監控、馬達PHM這兩個題目，幾乎都跟之前工研院工作內容相關，所以很自然地落到了我的頭上。 這些都是跟產線數據收集有關，而通常跟產線有關的都還滿賽的，不是資料收集出問題就是各種人為因素影響。 而馬達這個題目很多人有做過，我們只要能先確保資料正確性，後續的資料分析處理流程應該會很順利，但我們就在資料驗證這一階段卡了很久!

Gerber文字比對是我突發奇想的方法，而且認為可行性非常高，所以花了一些時間就把雛型完成。 大家一看到文字辨識這個題目，多半會想到利用圖像進行辨識，但是我得知Gerber內文字的線段都有特定描述後，我就想把問題轉為數學向量比對，更加穩定而快速。 解析出字符的組成向量、經過投影分割字符、標準化組成向量，就能將文字辨識變成簡單的向量比對問題。 目前少量測試還沒遇到什麼問題，而且比對速度相當的快，不過最終結果還待大量驗證啦XD

或許是大頭們之前對自動佈線開發的經驗，認為是個非常困難的題目，所以沒有特別壓很趕的進度，讓我能好整以暇的以PyQt5開發出一套完整的GUI程式。 這也讓我對這個專案保有很高的熱誠，參考以前遊戲演算法的網格路徑搜尋，以A*為基礎開法演算法。 一直到最近看到的Continuum Crowds的論文，打算以multi-agent的方式處理佈線問題，雖然還在開發中，但我認為這是一個很有趣且可行的方向。

工作與生活

前一份工作大部分都是正常上下班，而且有很多時間可以參加公司社團、體育活動，所以生活上是非常愜意的。 目前的部門雖然每天都會加班，但情況沒有非常嚴重，而且周末假日並沒有值班問題，所以還在我可容忍範圍內。 唯一比較可惜的是，不再能打到壘球跟游泳了，平日運動還要自己抽一點時間，到有點遠的爛爛健身房。 希望月底附近的國民運動中心開始營運，能讓生活中多一點運動、游泳的好時光。

未來規劃

目前的同事都是滿有sense的一群好夥伴，溝通合作起來不會有太多問題，但是部門的未來願景就不確定了。 佩佩再過一年多就要畢業了，到時候也可以好好評估一下我的未來、與我們兩個人的未來。 在此之前，我只希望我能保有研發與學習的熱誠，在這份工作裡玩得開心:D