成功行銷海內外的工具母機製造商，竟也有芒刺在背？ 國內某工具母機製造商以生產CNC線切割機、CNC放電加工機、CNC微細孔放電加工機為主，藉由高度的機電開發核心能力，提供高精度、高品質的產品，並成功開發航空引擎渦輪環線切割機，並專精於超大型客製化機種之設計製造，產品成功行銷至國內外30餘國。 雖能成功行銷優質產品，但因機台維修缺乏標準化流程與方法，所以在機台故障時，常需耗費大量人力與時間，增加機台的維護成本…… 無快速維修解決管道、人員訓練不易、維修時間成本高 工具母機製造商雖能將精密機械產品成功銷售至全世界，但每次碰到維修狀況就需耗費大量人力與金錢，都因在機台維修上沒有一套標準化的故障排除流程，主要仰賴維修技師的經驗及機台的錯誤代碼做判斷。但並非所有故障狀況皆能以代碼來判斷，維修技師僅能根據錯誤代碼作初步判斷，再推判可能故障的原因，進一步做機台檢修，而維修後亦無一套標準去紀錄維修處理方式，方便之後若遇到相同狀況可以快速排除障礙。 除「無標準化的故障排除流程」外，還有「人員訓練不易」及「維修時間成本高」的問題，維修技師須經過多年的維修經驗累積，並熟稔機械、電子與機構學等皆須有基本瞭解，且在維修時若無錯誤代碼作為參考，則必須花費大量時間尋找機台問題，造成時間成本重大損失。下圖為傳統問題異常時透過email詢問的解決方式，一來一往間的時間耗費，無形中造成了很大的停機損失成本。 ▲傳統問題異常時透過email詢問的解決方式 建置「AI智能客服維修回覆系統」，降低維修出勤成本、縮短維修時間， 同步提升產品附加價值 根據上述痛點，工具母機製造商的需求有三個部分：先要建立一個機台故障排除的「AI圖像辨識維修知識庫系統」。接著要蒐集機台故障資料數據，建立一個「機台故障狀況資料庫」。最後則可以導入AI圖像辨識與深度學習功能，透過影像辨識分析機台故障時的照片，找尋最接近之故障問題與障礙排除方式。 此「AI智能客服維修回覆系統」採用「監督式學習」為主要AI技術，其中「AI模型」部份，圖形辨識採用「CNN」(Convolutional Neural Networks)，針對大量訓練資料得到機台異常資料與建議維修方式，以利進行有效的AI預測。而「數據分析」部份，則採「DNN」(Deep Neural Networks)，達到在訓練後可得到故障異常之參考資料，回答出客戶想要的維修答案，降低維修人員的維修出勤率與提升產品附加價值；再採用「AlexNet」作為先期開發工具，因相關設定參數可以自行設定並自動執行，讓訓練出來的AI模型更貼近實際想要的樣子。 而目前工具母機製造商約有1萬筆的圖文資料，又以「圖片資料」最為大宗，系統透過圖片進行故障辨識，並以文字做為異常判斷之輔助，採用「360度環景建模」，進行圖檔資料的建檔，並儲存大量圖檔資料於公司內部伺服器，再透過感測器，蒐集相關電流、電壓、水壓與水流等資料，做為關聯判斷使用，最後以文字做為異常判斷之輔助，將相關資料傳回伺服器中做判定動作。下方為系統服務流程圖： ▲AI智能回覆客服系統服務流程圖 此系統蒐集維修技師之經驗與機台故障狀況資訊，建立包含：機台故障狀況、機台故障圖片、機台維修與機台完修等資料庫，並紀錄整體維修紀錄，再藉由AI圖像辨識與數據分析功能，判斷出最可能的故障狀況，並透過累積的維修經驗，讓機器能夠自主學習後判斷，提供維修技師或客戶最適宜的解決方案，達到縮短技師訓練及維修時間、縮短客戶停機時間與成本，並增加機台附加產值的功效！ 推展「AI智能客服維修回覆系統」至各產業，發揮更大經濟效益！ 此「AI智能客服維修回覆系統」，先建置維修知識庫，再透過Chatbot技術，導入AI智能客服，客戶可直接透過聊天方式進行互動，即時解決客戶簡易的機台故障問題；在維修技師訓練部份，亦可透過AI快速分類，並告知可能的故障原因以及排除方法，縮短技師訓練與維修時間。順利透過AI技術解決無快速維修解決管道、維修人員訓練不易、維修時間成本高等問題，未來將以相同概念，擴展應用至其他產業，發揮更大的經濟效益！ ▲AI智能回覆客服系統-智能圖片辨識客服示意圖
成功行銷海內外的工具母機製造商，竟也有芒刺在背？ 國內某工具母機製造商以生產CNC線切割機、CNC放電加工機、CNC微細孔放電加工機為主，藉由高度的機電開發核心能力，提供高精度、高品質的產品，並成功開發航空引擎渦輪環線切割機，並專精於超大型客製化機種之設計製造，產品成功行銷至國內外30餘國。 雖能成功行銷優質產品，但因機台維修缺乏標準化流程與方法，所以在機台故障時，常需耗費大量人力與時間，增加機台的維護成本…… 無快速維修解決管道、人員訓練不易、維修時間成本高 工具母機製造商雖能將精密機械產品成功銷售至全世界，但每次碰到維修狀況就需耗費大量人力與金錢，都因在機台維修上沒有一套標準化的故障排除流程，主要仰賴維修技師的經驗及機台的錯誤代碼做判斷。但並非所有故障狀況皆能以代碼來判斷，維修技師僅能根據錯誤代碼作初步判斷，再推判可能故障的原因，進一步做機台檢修，而維修後亦無一套標準去紀錄維修處理方式，方便之後若遇到相同狀況可以快速排除障礙。 除「無標準化的故障排除流程」外，還有「人員訓練不易」及「維修時間成本高」的問題，維修技師須經過多年的維修經驗累積，並熟稔機械、電子與機構學等皆須有基本瞭解，且在維修時若無錯誤代碼作為參考，則必須花費大量時間尋找機台問題，造成時間成本重大損失。下圖為傳統問題異常時透過email詢問的解決方式，一來一往間的時間耗費，無形中造成了很大的停機損失成本。 ▲傳統問題異常時透過email詢問的解決方式 建置「AI智能客服維修回覆系統」，降低維修出勤成本、縮短維修時間， 同步提升產品附加價值 根據上述痛點，工具母機製造商的需求有三個部分：先要建立一個機台故障排除的「AI圖像辨識維修知識庫系統」。接著要蒐集機台故障資料數據，建立一個「機台故障狀況資料庫」。最後則可以導入AI圖像辨識與深度學習功能，透過影像辨識分析機台故障時的照片，找尋最接近之故障問題與障礙排除方式。 此「AI智能客服維修回覆系統」採用「監督式學習」為主要AI技術，其中「AI模型」部份，圖形辨識採用「CNN」(Convolutional Neural Networks)，針對大量訓練資料得到機台異常資料與建議維修方式，以利進行有效的AI預測。而「數據分析」部份，則採「DNN」(Deep Neural Networks)，達到在訓練後可得到故障異常之參考資料，回答出客戶想要的維修答案，降低維修人員的維修出勤率與提升產品附加價值；再採用「AlexNet」作為先期開發工具，因相關設定參數可以自行設定並自動執行，讓訓練出來的AI模型更貼近實際想要的樣子。 而目前工具母機製造商約有1萬筆的圖文資料，又以「圖片資料」最為大宗，系統透過圖片進行故障辨識，並以文字做為異常判斷之輔助，採用「360度環景建模」，進行圖檔資料的建檔，並儲存大量圖檔資料於公司內部伺服器，再透過感測器，蒐集相關電流、電壓、水壓與水流等資料，做為關聯判斷使用，最後以文字做為異常判斷之輔助，將相關資料傳回伺服器中做判定動作。下方為系統服務流程圖： ▲AI智能回覆客服系統服務流程圖 此系統蒐集維修技師之經驗與機台故障狀況資訊，建立包含：機台故障狀況、機台故障圖片、機台維修與機台完修等資料庫，並紀錄整體維修紀錄，再藉由AI圖像辨識與數據分析功能，判斷出最可能的故障狀況，並透過累積的維修經驗，讓機器能夠自主學習後判斷，提供維修技師或客戶最適宜的解決方案，達到縮短技師訓練及維修時間、縮短客戶停機時間與成本，並增加機台附加產值的功效！ 推展「AI智能客服維修回覆系統」至各產業，發揮更大經濟效益！ 此「AI智能客服維修回覆系統」，先建置維修知識庫，再透過Chatbot技術，導入AI智能客服，客戶可直接透過聊天方式進行互動，即時解決客戶簡易的機台故障問題；在維修技師訓練部份，亦可透過AI快速分類，並告知可能的故障原因以及排除方法，縮短技師訓練與維修時間。順利透過AI技術解決無快速維修解決管道、維修人員訓練不易、維修時間成本高等問題，未來將以相同概念，擴展應用至其他產業，發揮更大的經濟效益！ ▲AI智能回覆客服系統-智能圖片辨識客服示意圖
