產品需求的演變，需要PDCA循環作用的速度提升

PDCA戴明循環，是企業在生產作業流程中常用的循環作業模式，組織跟團隊設定目標後進行試驗、檢核與錯誤紀錄，提出修正改善方案，再行動調整與修正，如此執行重複PDCA循環，使PDCA循環在每次的目標重啟中逐步縮小，最終達到目標零錯誤率的可能性。

這樣的PDCA循環在製造業界已行之有年，也延伸出不同結構與變形的PDCA循環，協助解決目標問題。每次循環都是一個組織的作動，包含目標、流程、數據蒐集、比對差異、修正步驟等流程的檢視，最終生出一套標準化流程，幫助企業有效率且低失誤的達到目標。

這樣的PDCA循環對應標準生產作業有著非常大的助益，但在初始檢核數據的蒐集及比對上，相當耗費人力物力，每次的PDCA循環作用也需要一定時間才能發揮效果，但現在產品需求變動快速，每次的數據更新都要重新執行PDCA循環，在產出的時間壓力下，對於PDCA循環的速度也希冀能夠提升，提高作業效率。

產業知識是PDCA循環根基，新技術是PDCA循環的快速推進力

PDCA循環的基礎是藉由作業流程中所蒐集的數據得來，這些數據除了從蒐集角度外，其內容也涵蓋了關於產業的基本知識、深入理解產業的相關內容，才能得到制訂目標的基本條件，進而在此基礎上進行實驗與優化，可以說產業知識都是每間企業在進行每次的PDCA循環時，所必須有的知識與常識基礎，在此認知上，才能有效開展PDCA循環。

AI作為新技術生成，在技術快速發展下已有一定的運算實力，除了結合蒐集數據的感測器、物聯網系統外，也被現今多數企業用來輔助PDCA循環執行中的內部流程作業，從運算的數據中找出異常，挖掘實際問題，進而改善PDCA循環，再重新由人制訂目標，進行一個新的循環，這樣的流程也推動了PDCA循環的速度。

在未來PDCA循環不斷改進與迭代的過程中，AI佔有舉足輕重的角色，數據的餵養也將是AI運算的重要利器，但未來的AI運用場景，除了蒐集與運算，更要有主動進化的能力，才能讓PDCA循環更加快速開展。

而數智驅動，將是未來企業內部執行PDCA循環的重要智能原動力。

場景化實踐與邏輯紀錄，數據蒐集讓智能有效推動PDCA循環

數智驅動本身就涵蓋了2個主要能力：基於知識封裝的數據驅動。

每間企業有各自不同的知識內容，知識封裝集成行業的專業知識，涵蓋管理、制度、原理、算法模型等，為企業本身的專業知識庫，體現企業本身的專業性；數據驅動則是藉由AI智能在系統上吸收這些知識內容，結合外部的數據變化進行運算，生成各項任務，提供機器或人類員工明確目標，快速執行任務。

而在任務執行完後，再度產生新的數據，數據傳回系統後再開啟下一個循環，持續不斷優化，藉由場景的實踐回饋，AI智能也會依據數據調整並給出相對應該執行的目標，就像人的大腦一般，學習、調整、因應狀況變化做出反應，成為真正由數據驅動目標，且不斷進步的PDCA循環。

延伸閱讀：邀您一同見證數智驅動未來的PDCA自循環模式！

結論

藉由知識封裝和AI技術驅動數據能力，達到基於行業知識內容的數據蒐集、智能運算、學習、再計畫、生成新任務等自主PDCA不斷循環，是數字領航企業的先行經營模式，也是未來數智驅動推升企業PDCA循環的成長新能力。