製造業 AI 路線圖：從工廠資料到 AI 代理

您的 AI 試點在一條產線上成功了。一年後，第二座工廠仍然沒有用上，第一條產線也悄悄停用了。

製造業 AI 路線圖的存在，就是為了避免這種情況。它分成四個階段：串接工廠資料與 ERP 資料，加上一層受治理的智慧層，擴展 AI 代理，最後讓 AI 融入工廠的運作方式。

大多數製造商想直接從第三階段開始。試點會卡住，原因就在這裡。

我曾在塑膠、鋼鐵和國防製造業導入 ERP。同樣的模式一再出現。模型很少是最難的部分。

最難的是，三套系統用三種方式描述同一張訂單。

想像一張 5,000 個射出成型瓶蓋的訂單。ERP 看到的是一張生產工單。MES（管理現場生產的系統）看到的是 14 號成型機上的一個工作，而成型機本身只知道循環次數。

不論您的核心系統是 SAP、Oracle、Microsoft、Infor 或自行開發，這份路線圖都適用。

以下是我會如何安排這三年。

三年，四個階段

1. 01

   現在：資料基礎

   工廠、品質與 ERP 資料集中在一個受治理的平台，具備資料血緣與自助式報表。

2. 02

   第一年：受治理的智慧層

   為工廠、產線、物料與訂單建立一套業務語言，建立 AI 治理，拿下第一批速效成果。

3. 03

   第二年：擴展 AI 代理

   維護、品質、生產規劃與採購的 AI 代理，在各廠運作。

4. 04

   第三年：AI 全面融入

   AI 融入工廠規劃、生產與改善的方式，人與代理協同工作。

時程僅供參考。一個擁有十座工廠、四套 ERP 的集團，在第一階段需要更長的時間。

工廠資料分層存放，ISA-95 標準對這些層級描述得很清楚。最底層是感測器與 PLC，也就是控制每台機器的控制器。往上是 SCADA 畫面與歷史資料庫（存放機台讀數的資料庫），再往上是 MES，最頂層則是負責規劃與計算成本的 ERP。

AI 需要這些層級彼此互通。在大多數工廠，它們並不互通。

我會從三件事開始。

1. 一個資料平台，通常是雲端 lakehouse 或資料倉儲，用來接收 ERP 資料、MES 紀錄與歷史資料庫讀數。大多數使用情境需要的是彙總值，例如每批次的平均熔融溫度。
2. 從第一天就建立治理：資料目錄、顯示每個數字來源的資料血緣，以及資料品質規則。如果沒人說得出某個報廢數字從哪裡來，就沒人會相信預測它的模型。
3. 自助式報表。在導入任何 AI 之前，廠長就應該能從單一來源看到 OEE（良品產出相對於可能產出的比率）、報廢與排程達成率。

最難的工作是主檔資料。以一個擁有兩座工廠的塑膠集團為例。

A 廠把黑色聚丙烯粒料叫做 MAT-1001，以公斤計量。B 廠把它叫做 PP-BLK-25，以 25 kg 一袋計量。請模型預測樹脂用量，它看到的是兩種毫不相關的物料。

解法很枯燥。由物料負責人對應料號、議定一個統一單位，平台每晚套用這條規則。

工具可以建議對應關係。但哪個料號勝出、之後由誰負責這條規則，仍然由人來決定。

另一件我會及早檢查的事是時鐘。軋鋼廠的歷史資料庫可能以當地時間記錄加熱爐讀數，而 ERP 以 UTC 過帳。

您想把 4471 號鋼捲的表面缺陷，連結到它軋製當下的加熱爐溫度。如果兩邊時鐘差了四個小時，模型學到的就是錯誤的溫度。在這裡修正一次，之後每個使用情境都會正確。

1. 01機台與歷史資料庫感測器讀數，按批次彙總
2. 02MES工作、停機與報廢
3. 03ERP訂單、物料與成本
4. 04資料著陸區原始副本，保持進來時的樣子
5. 05清理與對應完成一個料號、一個單位、一個時鐘
6. 06自助式報表OEE、報廢與排程達成率

每張訂單從機台到帳本，只有一個可信的版本

第一年要把這些資料變成 AI 可以安全使用的東西。核心是語意層：為工廠、產線、工作中心、物料、訂單與缺陷建立一套共同的業務語言。

問代理「3 號線停機」時，它需要知道是哪一條 3 號線。A 廠和 B 廠可能都有一條，計算停機的方式也可能不同。

一座工廠在機器停下時開始計時。另一座在操作員登錄停機時才開始計時。語意層把定義統一寫下來，每份報表和每個代理都採用它。

同一年就要建立 AI 治理。為每個 AI 使用情境建立登錄清單，每個情境都有具名負責人、風險等級，以及一個由人檢查輸出的檢核點。

如果 AI 系統成為機器的安全元件，EU AI Act 會將它視為高風險。請及早讓安全工程師參與。我希望他們出席第一場工作坊。

接著交出兩到三個現場人員感受得到的速效成果。以下是夜班的維護副駕駛。

1. 一位技術員面對一台反覆因低壓而故障的油壓機。她在平板上的副駕駛輸入故障代碼和機台編號。
2. 副駕駛搜尋這台機器的手冊和過去的維修工單。
3. 它回答說，同樣的故障之前發生過兩次，兩次都是主油缸的油封磨損。
4. 它提供油封的料號，並連結到手冊中說明更換程序的那一頁。

是否停機仍由她決定，上鎖掛牌也仍由她親自執行。副駕駛只是省去了翻找舊文件的時間。

交接班摘要是第二個速效成果。早上 6 點，接班的領班會拿到一頁由 MES 事件、停機紀錄和品質暫扣整理出的摘要。9 號機因換模太慢損失了 40 分鐘，批次 2207 因短射而被暫扣。

領班檢查暫扣狀況，決定先生產什麼。

第三個選項是供應商文件檢查。如果某個鋼捲的材質證明書寫的是 S275，而您訂的是 S355，AI 會在收貨前標記出來。允收或拒收這個鋼捲，仍由品管人員決定。

我會這樣排序第一批候選項目。

1. 01領班提問3 號線昨晚為什麼損失時間？
2. 02語意層哪座工廠、哪條產線、哪條停機規則
3. 03受治理的資料停機紀錄、MES 事件、維修工單
4. 04副駕駛回答附上每個數字的來源
5. 05領班檢查接受、修正或上報

一個廠長和董事會報告都認同的答案

業務價值高中低

• 自主排程

• 視覺品質檢測

• 維護副駕駛

• 供應商文件檢查

• 交接班摘要

• 通用聊天機器人

低中高資料準備度

• 之後
• 規劃
• 立即開始

第二年從助理走向代理。助理回答問題。代理監看訊號，在您設定的範圍內決定該做什麼，並在您的系統中採取行動。

以下是我看到在製造業最先回本的幾種代理。

1. 預測性維護。 機台讀數在故障發生前就觸發 ERP 中的維修工單，並預留備品。
2. 品質。 視覺檢測標記出缺陷，代理隨即暫扣該批次、連結到製程參數，並開立偏差單。
3. 生產規劃。 機台停機或物料延遲時，代理重新平衡排程，並請生管人員核准。
4. 採購。 它追蹤延遲交貨，並草擬催貨請求。

以下是維護代理如何處理一台沖壓機上逐漸損壞的軸承。

1. 主軸承的振動在兩週內慢慢上升，溫度也跟著升高。
2. 代理把這個模式與同型沖壓機過去的故障比對，找到相符的案例。
3. 它在 ERP 中建立維護通知，確認庫存有備用軸承，並預留下來。
4. 它建議在週六的計畫停機中安排一個時段，並把請求送給維護規劃人員。

規劃人員核准這個時段，或改到別的時間。代理可以自行建立通知和預留備品，但不能停掉產線，而這條界線由一位具名的人負責。

再看生產規劃代理。週二下午，一台押出機停機到週四，一櫃樹脂還卡在港口。

代理檢查未結訂單、交期，以及哪些產線能生產哪些產品。它提出兩個方案：把三張訂單移到 2 號線並在週三加班，或把一張客戶訂單延後兩天。

生管人員選擇其中一個，或先打電話給客戶。我絕對不會讓代理悄悄更動客戶交期。

第二年更大的改變在於歸屬。每個代理、它的權限範圍和成果，都必須有人負責。我把代理當成新進團隊成員看待，有職務說明，也有定期考核。

1. 01監看每台沖壓機的振動、溫度與電流
2. 02偵測某個軸承讀數漂移出範圍
3. 03準備草擬工單，預留備品
4. 04核准維護規劃人員排定時段
5. 05執行下達工單，派遣技術員
6. 06學習結果回饋到下一次預測

每個代理一位負責人，權限明確

到了第三年，AI 已經不再是獨立專案。它存在於生產規劃、生產、品質、維護與成本計算之中。

以每月的 S&OP 循環為例，業務、生產與財務在這裡議定同一份計畫。

1. 客戶分享預測，代理對照訂單歷史，標記出看起來偏高的預測。
2. 供應商分享產能，因此代理看到您的塗裝供應商三月已經滿載。
3. 代理草擬一份兩者都能配合的計畫，並在 ERP 中計算成本。
4. 會議把一小時花在少數幾個真正需要取捨的地方。

計畫仍然由人負責。營運主管簽核，財務檢查毛利。

另一個我會關注的地方是成本計算。假設某台射出成型機持續比標準週期時間慢。代理發現這個落差，算出對成本的影響，並詢問成本會計是否要更新標準。

由會計來決定，因為標準成本的變動會影響存貨評價與毛利。

1. 廠長負責工廠目標與代理組合
   AI 治理每個代理都有登錄、測試與緊急停止開關
2. 生產經理核准代理提出的排程變更

• 維護代理由維護經理負責
• 品質代理由品質經理負責
• 生產規劃代理由生管主管負責
• 採購代理由採購人員負責

1. 04AI 代理與副駕駛維護、品質、生產規劃與採購代理，設有人工核准點
2. 03受治理的智慧層工廠、產線、物料與訂單的語意模型，加上 AI 登錄清單
3. 02資料基礎存放 ERP、MES 與歷史資料庫資料的 lakehouse，具備資料目錄與資料血緣
4. 01工廠與企業系統感測器、SCADA、歷史資料庫、MES 與 ERP

有四件事不屬於任何一年。它們貫穿所有階段。

1. OT 資安。 OT 指的是運轉機器的控制器與網路。把它們連上雲端 AI 會擴大攻擊面，因此要依照 IEC 62443 設計連線，並讓控制網路保持區隔。代理讀取的是歷史資料庫資料的副本，絕不寫入 PLC。
2. 資料主權。 國防、政府和部分受出口管制的工作，需要境內或地端的 AI 方案。在選擇模型之前，先決定哪些資料可以離開工廠。國防零件的圖面可能永遠不能接近公用模型，而樹脂用量預測大概可以。
3. 開放的多供應商技術架構。 採用開放格式與標準介面，例如讀取機台資料的通用標準 OPC UA。這樣就能更換模型而不必重建。
4. 您的人員。 訓練生管人員、工程師和技術員與代理協作。信任代理方案的生管人員會採用它們。不信任的人會在 Excel 裡把計畫重做一遍。

最常見的失敗是無法擴展的試點。一個在單一產線上訓練、靠人工撈資料的視覺模型，只能證明這個想法可行，僅此而已。

把它帶到第二座工廠。攝影機不同，料號對不上，模型也沒有人負責。

第二種失敗是把 AI 當成 IT 專案。如果生產、品質和維護主管不擁有這些使用情境，代理做出來之後就會被冷落。

我的建議是從流程著手。先畫出維修工單或品質暫扣今天是怎麼流轉的，再選擇系統。在任何人寫程式之前，先為每個使用情境指定一位業務負責人。

怎麼出錯有效做法

1. 01怎麼出錯: 在一條產線上試點，靠人工撈資料→有效做法: 為每座工廠建立資料基礎
2. 02怎麼出錯: IT 建置，工廠從未接手→有效做法: 每個使用情境都有生產、品質或維護負責人
3. 03怎麼出錯: 每個專案都重新修正料號、單位與時鐘→有效做法: 主檔資料集中修正一次
4. 04怎麼出錯: 代理沒有負責人、沒有權限範圍、沒有檢討→有效做法: 每個代理都有負責人、權限範圍與定期檢討

想拿您自己的工廠來檢驗這份路線圖嗎？預約一次通話，帶上一個使用情境，以及您 ERP 和 MES 的粗略架構圖。我會告訴您實際上處在哪個階段，以及我會先做什麼。

什麼是製造業 AI 路線圖？

這是一份在整個製造事業中運用 AI 的分階段計畫。它從串接工廠與 ERP 資料的資料基礎開始。接著是受治理的智慧層、AI 代理，以及融入工廠運作方式的 AI。

製造商應該從哪裡開始導入 AI？

從資料開始。把 ERP、MES 和機台資料整合到一個受治理的平台，修正主檔資料，並讓廠長能使用自助式報表。第一批 AI 使用情境在第一年出現，建立在這個基礎之上。

在製造業，哪些 AI 使用情境最先回本？

維護副駕駛、交接班摘要和供應商文件檢查都能很快交付。預測性維護、視覺檢測和排程重新平衡帶來的價值更高，但需要更好的資料，所以通常在第二年進行。

製造業 AI 路線圖需要多長時間？

資料基礎啟動之後，我會用三年來規劃。第一年加上智慧層，第二年擴展代理，第三年讓 AI 融入關鍵流程。速效成果應在第一年內展現價值。

導入 AI 之前，需要先汰換 ERP 或 MES 嗎？

不需要。AI 透過資料基礎架設在您現有的系統之上。重要的是您的 ERP 和 MES 資料乾淨且相互連通，不論您用的是哪家供應商。