:::

113年實戰議題：智慧製造解決方案-結合生成式人工智慧LLM技術提升製造業品質控制和數據訪問效率

編輯群2024-05-24
6

產業別：人工智慧應用服務產業

產業痛點：

  • 隨著資深員工的退休，往往會出現知識傳承的斷層問題。這對品質控制造成重大挑戰，因為新員工需要花費更多的時間來理解生產流程，並且無法迅速應對複雜的生產問題。此外，缺乏知識轉移的有效系統會增加企業在員工培訓上的成本，並延遲生產的效率。
  • 製造過程涉及許多變數，如機器運轉、環境條件和生產材料等，一旦發生機器故障，不僅會造成生產停擺，還可能導致大量的經濟損失。快速檢測並解決機器故障是製造商面臨的關鍵挑戰。如果無法即時回應，企業將遭受財務上的損害，並且可能影響產品的交付進度與客戶的滿意度。

導入AI效益：

  • 透過整合技術文件、維護紀錄以及專家訪談等多種資料來源，系統能將資深師傅的專業知識與經驗數位化，並建立一個集中且全面的知識庫。這樣不僅確保了這些寶貴的專業知識不會隨時間流逝而消失，還讓新進工程師能夠利用生成式人工智慧的對話系統，隨時進行檢索和查詢，快速解決問題、改進生產流程。這樣的數位化知識傳承，能有效縮短新進人員的學習曲線，提升整體生產效率。
  • 此外，該系統還能協助現場工程師進行故障分析，通過自動化的資料分析功能快速找出問題的根本原因，並提供高效的除錯方法。這不僅加快了維修速度，減少了生產停機時間，還能對修復過程進行最佳化管理，縮短平均修復時間。透過生成式人工智慧技術，現場工程師可以快速獲取相關資訊，做出更準確的判斷與操作，從而提升生產過程中的整體品質控制與設備維護的效率。

常見AI技術：

  • 生成式人工智慧，如：OpenAI的GPT、Anthropic的Claude等。
  • 檢索增強生成。