文／ 張名榕

清華大學講座教授簡禎富是台灣推動決策科學與智慧製造的先驅者，他將決策科學導入半導體產業，創造具體產學合作成果，並從實戰中培養許多傑出人才，榮獲國家品質獎、行政院傑出科技貢獻獎、科技部傑出研究獎、經濟部大學產業經濟貢獻獎以及教育部產學合作研究獎等國內外大獎肯定，著有《工業3.5》、《藍湖策略》、《決策分析與管理》、《紫式決策工具全書》等書。《專案經理雜誌》特別邀請簡禎富教授帶領讀者認識「決策科學」(Decision Sciences)，學習如何應用紫式決策架構，整合AI大數據等分析工具，提升專案管理效能與決策成功率。

魚與熊掌難以得兼？決策科學「多算勝」 提高決策成功率
簡禎富對「決策科學」的興趣源自對歷史上運籌帷幄的好奇，升大三的暑假，當選系會長的他擔心無法應付繁重的學業，決定「用時間換空間」，花五年雙主修工業工程系與電機系，以兼顧學業和社團，當時的他還不知道，這個決策將深深影響自己未來的研究方向與人生。

跨領域的基礎，讓簡禎富念研究所時增加很多選項，清華教授建議他朝剛興起的「決策科學」、「科技管理」發展，於是他前往威斯康辛大學麥迪遜分校攻讀決策科學與作業研究博士。指導教授要求簡禎富修過高等微積分，才願意收他為徒，這讓大學時微積分差點被當的他十分苦惱，他咬著牙去修課，才發現在清華五年的紮根學習竟讓他輕鬆通過課程，更以自身經驗建議兒女都用五年念大學，為未來打下更廣更紮實的基礎。

「高等微積分要去數學系修課，全部是證明題，訓練思考邏輯的完整性，還有推理與論述的嚴謹性，為決策科學的研究打下很好的基礎。」簡禎富說。而後，他學習理論及分析方法更加得心應手，不到四年就取得碩博士學位，也終於理解指導教授的一番苦心，他在1996年返回清華大學任教，成為當時極少數專長決策科學的青年學者之一。

簡禎富深耕決策科學，發展「紫式決策架構」(UNISON Decision Framework)，他認為決策科學是「決策者根據既有的和預估的資訊，權衡不同的目標，利用科學方法與分析技術，從所有可行方案中，選出可達到預期結果的最佳方案」。他指出「策、勢、時、形」，分別代表決策、環境、時機與結果，決策成功與否會受「環境」與「時機」的變化影響，「好的決策不能保證百分百有好結果，反之，不怎麼樣的決策碰上對的大環境或時機點，可能很成功，決策的變異和動態也是決策科學最有趣的地方。」簡禎富說。

簡禎富指出決策的品質、彈性、範疇和速度是未來企業經營管理最重要的競爭優勢，「建立決策型組織並發展系統化的數位決策，有助於減少人為誤判，外顯的決策過程可以協助跨部門的協同和溝通，並結合AI大數據分析等科學管理方法，持續檢討改善、提升決策品質。」簡禎富說。

在地化實證 產學合作助企業解難題
歸國後的簡禎富在清華大學首開決策分析課，卻發現文化與思考模式的差異，使得國外原文教科書在國內「水土不服」，他決心透過實證研究，親身驗證決策科學的應用方法，並著手收集案例撰寫在地化教材。以提升卓越決策(Enabling A+ Decisions)為願景，他創立「決策分析研究室」，結合理論發展與實證研究，並與各領域龍頭廠商進行長期深入的產學合作研究，多方印證所發展之分析技術，協助台灣各產業提升智慧製造與數位決策能力，亦為更深一層的理論研究打下堅實基礎。

簡禎富的第一個案子就與記憶體大廠旺宏合作，當時台灣半導體產業正在高速成長，還有許多待解決的疑難雜症，他舉「摩爾定律」為例，積體電路每隔一段時間，可容納的電晶體密度就會加倍，所以功能愈來愈強大，為了符合摩爾定律，科技大廠專注開發能將電晶體愈做愈小的製程技術，卻忽略了其他思考層面。

「要提升晶粒產出，大家都想著開發先進製程提升良率，卻沒想過基本問題，晶圓是圓形，IC晶粒是方形，如何能在同一片晶圓產出更多良品晶粒？」簡禎富問，因此他發展演算法優化排列方式，提升綜合晶圓效益(OWE)，成功幫廠商創造具體價值，不僅獲得國際發明專利，還榮獲教育部產學合作獎。以清華紫為名，簡禎富發展紫式決策分析的方法論，建立根本目標層級架構，成功找到其他創新的改善方向，提出OWE、OSE、OUE等各種有效的評估指標與解決方案，推動全面資源管理。

從執行計畫、擔任顧問，簡禎富成為被台積電借調的第一位國內學者，他效法彼得．杜拉克《旁觀者》，作為「教授後研究」深入現場瞭解問題，「組織會將複雜的決策拆解，由不同部門負責決策，但決策是連動的，個別功能部門通常只能局部優化，需要有一個完整的決策分析架構來闡明連動關係。」簡禎富說。他透過旁觀分析和訪談高階主管，發展PDCCCR(Pricing-Demand-Capacity-CapEx-Cost-Return)製造策略決策架構，整合定價策略、需求規劃、產能組合、資本支出、成本結構及收益，發展相關的決策模型並調整組織架構。

簡禎富用股票交易來比喻，過往買賣股票要打電話給交易員告知需求，就像傳統的產銷協調，現在都是用AI交易軟體在集中市場由電腦搓合。因此，企業要達到工業3.5/4.0所謂的聰明生產，應發展「數位決策平台」，各單位決策參與者只要將目標、方案、預測、限制等參數輸入，建立決策模型和AI大數據等演算法，就能利用電腦運算能力，快速產出各種最佳的決策建議，提供決策者做進一步的判斷調整，會比傳統產銷會議由人喬出來的決策來得更好。

數位決策工具 降低人為因素干擾
簡禎富也協助IC大廠發展專案組合決策，做最有效率的資源分配，「IC設計公司最昂貴的資產是工程師的腦力，新技術研發專案不確定性極高，以往都是靠經驗預估，部門之間需要協調分配資源，常常會有高估或不足的問題。」簡禎富說。人力資本和專案組合的全面資源管理能力是少數IC設計公司能夠規模化的核心競爭力之一，他直言，「科學管理能力不足，只有技術力卻不重視決策和管理等軟實力，是許多IC設計公司無法擴大規模只是『一代拳王』的原因。」

「單純用人為決策分配資源會有很多主觀的問題，依照PDCCCR架構建設決策平台，人力、時間、人員條件等都能用系統調配，做出的決策有立論基礎，還能避免人為干擾，是運用決策工具的最大優點。」簡禎富說。

「大數據」就是現代化的決策工具之一，將複雜的專案模組化，根據組合的成分，可以推估出較準確的成本、交期與瓶頸，「不同專案所需的資源彼此會競爭排擠，如果缺乏管理制度，只能挖東牆補西牆，到處救火。因此專案愈多的大公司，愈需要做資源調度與專案組合的優化，決策分析、AI和大數據可以幫助我們把資源在對的時間放在對的地方。」簡禎富說。

此外，「集成學習」(Ensemble Learning)等深度學習技術，運用多個系統預測再彙整多元意見做比較，哪個系統最準就聽它的，可使預測更精準並選出最佳決策。透過作業研究建構決策問題的數學規劃模型，再利用演算法找出複雜組合的最佳決策方案，在資源有限的情況下，盡量達成各個目標，同時避免人為誤差，藉由智能科技的數位決策系統，能夠幫助專案經理提升決策效能。

策勢時形 天時地利人和多算勝
簡禎富表示，專案常常以成敗論英雄，但專案失敗可能是決策者能力不足，也有可能是好決策不巧遇上壞時機、壞環境，也就是「勢」與「時」的限制，可說是非戰之罪，「外險化系統化決策分析架構可以檢驗決策過程的對錯、改善後續的決策，而不是『事後諸葛』，數位決策平台讓組織各單位之間的協作和溝通更有效，未來的企業『人人都是決策者』。」簡禎富強調。

「彼得．杜拉克曾說過，高效能經理人最重要的能力是領導和決策，卻是我們最少研究的一塊。」簡禎富笑著表示，有人類就有「決策」，但決策科學的研究還不到百年，結合AI大數據等科技也才剛起步，非常適合學生與職場人士深入學習。畢竟「做決策」這件事含有非結構化的成分，不容易完全被電腦與機器人取代，在變化莫測的後疫情時代，愈懂得決策智慧並能善用數位決策工具的人，將更有職場競爭力，也更有智慧邁向成功的人生。