:::

113年實戰議題:製造業品質提升人工智慧助手

產業別:人工智慧應用服務產業

產業痛點:

  • 工廠的良率品質都需要由量化檢測設備來進行判定,以自動光學檢測為例,判定後當自動光學檢測系統提醒瑕疵超標時,需要多個部門協作、異常比對、資料串連才能進行一次改善,而這樣的改善循環常常因為資料不透明、不及時或缺乏經驗造成改善真因找不對,改善時間拉長,良率一直無法止損
  • 從生產設備資訊到製程良率以及品質管理,需要串接多個部門的資訊才能將產品的生產資訊與追朔完整的說明與呈現,後端回饋到生產端需跨部門溝通,並找出可改善的機會

導入AI效益:

  • 能夠有效整合自動光學檢測資訊、設備產出資料、機況交接資訊、品質異常管理知識庫及出貨品質規格,建立一個地端專有的知識庫。透過這套系統,查詢者能夠即時獲取關鍵資料,並得到系統推薦的改善作法,從而加速問題的定位與解決。管理者與工程師能利用系統的輔助決策功能,迅速掌握生產過程中的潛在問題,並根據系統建議的改善方案,做出更準確的判斷。這不僅提升了生產品質,也大幅提高了運作效率
  • 系統的自動化分析和知識庫整合功能,縮短了排除問題所需的時間,讓生產流程中的異常情況能夠即時應對。透過系統的即時回饋和資料分析,管理者能夠快速發現並解決品質問題,進一步促進製造過程中的品質穩定性與持續改善。這樣的智慧系統為企業帶來更高的品質保證,同時降低生產過程中的風險和成本,確保產品符合市場需求並維持高水準的競爭力。

常見AI技術:

  • 生成式人工智慧,如:OpenAIGPTAnthropicClaude
  • 檢索增強生成。