文／劉禹辰

在資訊科技與產業數位化浪潮下，資工背景的人才早已不限於軟體或網路領域。在製造產業，資訊工程師同樣扮演著舉足輕重的角色。

曾任職台積電十八年的涂耀仁，便是其中的先行者。從交大資工的程式新鮮人，到掌握CIM與自動化系統的專家，他用十八年的現場經驗證明：懂技術，還要懂產業，資工人的舞台遠比想像更廣。

從交大資工到台積電：進入製造現場的起點

涂耀仁畢業於國立交通大學資訊工程學系80級，並於民國82年取得資工所碩士學位。而1995年，退伍不久的他穿上無塵衣、走進台積電工廠，正式踏上資訊工程師的職涯。那時的產線仍以人工與半自動化為主，他的任務是維護工廠系統、確保機台穩定運作。「那兩年的輪值經驗，是我一輩子的底子。」他笑著回憶。在夜班與機台的轟鳴聲中，他逐漸理解一個關鍵：「程式語言會淘汰，但現場經驗永遠不會。」這段親身體驗，也成為他後來能在IT與製造部門之間擔任橋樑的基礎。

幾年後，他主動申請調入製造部門，從系統開發者變成現場的「使用者」。涂耀仁分享道：「資訊部門常因維護負擔而抗拒新功能，結果兩邊誰也不滿意，後來我才明白，只有懂現場，才能寫出真正有用的系統。」在生產線上帶線、觀察製程後，他逐步掌握Domain Knowledge（領域知識）的重要性。涂耀仁強調，這是資工人進入製造領域最關鍵的一課：「技術只是工具，真正的價值在於理解現場。」

從8吋到12吋：見證自動化時代的開展

隨著半導體產業進入高速成長期，涂耀仁參與了台積電 8 吋與 12 吋廠的 CIM（Computer Integrated Manufacturing，電腦整合製造系統）與 AMHS（Automated Material Handling System，自動搬運系統） 開發。他與團隊也參與了12吋智慧製造的軟硬體規劃與整合，從生產排程、物流搬送、機台自動化到派工演算法，皆在他的參與下完成設計與導入。

涂耀仁提到，當時嘗試導入 Rule-based 派工系統（以人工邏輯設定規則），但隨著生產線複雜度增加，僅靠規則式方法難以因應，於是又轉向基因演算法（Genetic Algorithm）與 最佳化排程（Optimized Scheduling）。「理論上最有效率的演算法，不一定是現場最喜歡的。」他指出。演算法雖能算出理論上最有效率的方案，卻讓現場人員難以理解其邏輯，導致信任與操作困難。 最終，他們採用「混合式派工模型」——既保留人工邏輯的穩定，又利用演算法提升效率。這段經驗讓他體悟：技術的成功，必須以使用者能接受與維護為前提。

離開台積電，走向智慧製造

2013年離開台積電後，涂耀仁加入宇清數位智慧股份有限公司，投入智慧製造與APS（Advanced Planning and Scheduling，先進規劃與排程系統）的軟體開發與導入服務。從半導體、PCB（Printed Circuit Board，印刷電路板），到生技、CNC（Computer Numerical Control，電腦數值控制）加工，他協助各產業導入自動化與AI技術。

但他也提醒：「近年AI與機器學習雖快速發展，但AI只是工具，真正的挑戰是理解產業問題、找到可落地的解法。」在他眼中，未來的資工人不再只是寫程式，而是用演算法解決真實問題的「設計師」。在智慧製造時代，跨領域合作已成常態，資工人都應該學會如何將演算法轉化為實際生產效益。

給未來資工人

涂耀仁歸納出五個關鍵建議，作為給後輩的提醒：

• 明確自己的方向
  寫程式只是手段，關鍵是想解決什麼問題。每個領域的方向與挑戰都不同，提早確立興趣，才能有明確的職涯路徑。

• 別盲目追新技術
  技術更迭快速，理解問題與整合資源的能力才是根本。

• 重視溝通與理解使用者
  成功的系統開發，要能被使用者採納、維護並創造效益。多與使用者交流，學會用他們的語言談技術。

• 珍惜「從零到一」的經驗
  參與新系統的規劃與試錯過程，是成長最快的時刻。不要害怕犯錯，那是最寶貴的學習。
• 建立跨領域思維
  在智慧化製造時代，當資訊與工業工程、數學、甚至土木等領域逐漸融合，資工人的價值在於「用技術解決真實問題」。

從寫程式的工程師，到引領智慧製造的決策者，涂耀仁用經驗證明：資工人的價值，不僅存在於螢幕前的程式碼，更在於能讓技術於現實世界綻放光芒。