背景
Philip Chen 陳永漢
AI 與自動化顧問
我曾深入航太、能源與國防領域的製造與工程營運現場——與實際執行工作的團隊並肩作戰，解決那些拖慢生產的實際問題。
在此之前，我任職於 Meta，開發營運軟體，在滿足伺服器資源需求的同時，兼顧成本與營運限制。
我負責打通業務需求與系統落地之間的斷層。在物理營運環境中，系統即時運行，故障會連鎖擴散，可靠性要求遠比純軟體系統嚴苛。我正是在此類情境中，將營運精度與智慧自動化結合，創造關鍵價值。
First Resonance
現場派駐營運顧問，服務航太、能源與國防硬體先進製造領域
Meta
負責 20 個以上全球產品領域的伺服器資源規劃
100+ 個專案
演示、需求探索、部署，跨多個產業
代表性案例
Astranis 的生產已無法安全繼續。他們的工廠與工程團隊各自活在不同的現實版本裡。
我被找來解決一個核心問題：產品更新無法穩定同步到 Astranis 的設計與製造系統之間。發布頻率一高，產品更新就經常無法準確傳到生產端，導致工廠使用錯誤版本，或出現不一致的狀況。工廠依照過期的 BOM 在製造，工程師卻假設他們的變更已生效。兩邊都沒有可靠的方式驗證。隨著產量提升，這個落差不斷擴大。
問題不在工具——而在底層的整合架構。資料管線無法在此規模下處理並發的發布事件。我重建了同步架構，讓更新在高負載時仍能可靠送達，並在未能送達時提供可視性。
恢復 最終，他們如期發射成功。
創投支持的衛星製造商，約 510 人的工程與工廠團隊。
在 Meta，每年有 2000 萬美元的基礎設施資源憑空蒸發。沒有人知道流向哪裡，也沒有人有時間去查。
被找來查清楚資源流向何處——以及為何最接近問題的人反而看不見它。
在 Meta 的 20 多個產品領域中，基礎設施需求是手動提交、用試算表規劃、跨多個團隊協調的。流程運作得夠順，沒有人質疑——直到我去審視它實際上在消耗什麼。浪費看不見，因為它藏在數百個用不完整資料做成的小決策裡。
我追下去才發現，浪費的根源在規劃方式，不是個別團隊的問題。用專門打造的工具取代手動申請流程、消除試算表工作流程，並讓容量團隊能即時看到實際消耗量與配置量之間的差距。
這套系統能持續擴展——基礎設施成長，浪費不會跟著變多。
科技公司，全球基礎設施團隊，服務 20 個以上產品領域。
在 Joby Aviation、Helion Energy 等製造商，每個班次都在發生相同的錯誤。沒有人質疑是否一定要這樣。
受邀進入多家製造客戶現場，這些客戶都面臨相同的週期性拖累。條碼掃描失敗、庫存偏移、工單需要手動修正才能繼續推進。每個錯誤都很小，但累積一個班次下來，大量時間流失，生產線上傳出的資料也不可靠。
真正的問題不是操作員的錯誤。作業流程是圍繞軟體的運作方式設計的，而不是圍繞生產現場的實際情況。工人被迫去適應工具，而非讓工具來適應人。
我深入現場，觀察工作實際發生的方式，然後根據生產線真實的運作模式，重新設計了條碼、庫存與工單流程——而不是軟體假設它們應該運作的方式。
改版流程後，多家客戶的錯誤率與返工量大幅下降。
多家製造客戶（高混合品項生產環境）。
unlockops.co