研華林口廠智慧創新，4大生成式AI應用加速轉型

「生成式A I可以怎麼用？」這是近一兩年來企業都在思考的問題，而一直持續推動智慧轉型的研華科技，在其林口廠找到了最佳解答。整合WISE-IoT iFactory軟硬解決方案與生成式人工智慧（Generative AI；GAI）科技，研華林口廠打造出AI組裝瓶頸、OEE助手、AI維修助手及供應鏈管理四大GAI應用，可有效提昇產線效率、員工生產力和供應鏈反應速度。

工業電腦為少量多樣生產，多數客戶都是固定周期下單，亦即本次投產後，要間隔數個月才會再次投產，週期不固定所搜集到的數據，較不容易拿來運用。研華廠區應用經理宋佳文指出，過往工廠通常使用深度學習或機器學習建立AI模型來分析數據，但結果難以貼近產線實際生產狀態，成效有限。如今GAI所使用的大語言模型，背後有龐大資料庫，因此只要投入廠區資料並整合現行工作流程，再對大語言模型進行微調（Fine-Tuning），週期不固定所取得的數據，也能夠被加以善用。

以此為基礎，研華林口工廠開始從數據向上長出各種GAI應用，先思考生產管理需要哪些數據及目前的管理痛點，再設法應用GAI來解決，最後發展出以下四大應用。

AI組裝瓶頸和OEE助手兩大應用主要用來解決SMT和組裝生產線的效率問題。研華專案經理張智雄說明，過往管理者只能從產線監控儀表板找到瓶頸站，再逐一檢視底層數據，從中找到造成產線異常的原因並制定對策，此做法不僅耗時也難以確認對策執行成效，且在制定對策時，容易有人為差異。

如今，透過GAI檢視產線數據，在瓶頸站出現前及早預警並提供綜合分析報告，協助管理者進行確認、處理和改善，不只省下管理者在資料搜集、整理和判斷的時間，使決策得以標準化，也讓產線問題得以及早被發現和處理。根據林口廠內部統計，SMT產線處理異常事件的工時縮減26%、組裝生產力提昇10%。

AI維修助手應用主要用來整合既有作業流程，再透過GAI與維修人員的互動，可有效提昇10%維修效率。藉由此應用，不良品的維修需求會直接傳送到AI，由AI判斷不良品狀況給予相應建議，並開立維修需要的料件或耗材清單，維修人員確定清單內容無誤後，GAI會緊接著進入領料流程，替維修人員省下瑣碎的行政作業、加速完成維修作業。

不只如此，GAI還能縮減維修人員的學習曲線。張智雄指出，研華產品類型相當多，維修人員經常遇到沒有處理過的產品問題，GAI可給予適當建議，即便是新進維修人員也能快速上手。

供應鏈管理主要套用在部份供應鏈節點上，由AI代替人自動做出反應，一改過往由需求、生產到材料供應一關關傳遞需求的做法，有效提升應變速度，才能隨時跟上供應鏈的快速變化。

張智雄強調，研華林口廠在導入GAI應用時，掌握二大關鍵：一是解析工作流程，使GAI應用可以融入實際使用情境；二是針對應用類型，建立專屬專家資料庫，促使GAI應用展現顯著成效。

「在此成功基礎上，研華繼續思考如何加速發展更多GAI應用。」宋佳文接著說，使用者主導是加速驅動GAI應用的關鍵，因此研華在林口廠區成立AI學院，遴選各部門對AI應用有興趣的同仁擔任種子成員，運用研華WISE-AI Agent解決方案，已發展出12個GAI應用專案，如：產能分析、測試程式生成、FQC檢查清單製作、生產物料控制、物料關聯性分析、PLM查詢、智能客服等。

研華產品經理彭思凱接續補充說明，WISE-AI Agent為低代碼甚至零代碼的AI平台，可以整合結構化或非結構化資料，並串接各種大語言模型，即便是不懂程式語言的使用者，也可以透過拖拉點選的方式，輕鬆展開GAI應用，而IT人員只要擔任輔助角色，在旁準備資料、協助使用者操作WISE-AI Agent等，故能加速發展GAI應用。

「研華推出WISE-AI Agent的原因是希望克服AI人才不足的挑戰，讓製造業可以善用GAI低導入門檻的特性，加速踏上智慧轉型之路。」宋佳文解釋，過往機器學習或深度學習等預測式AI的導入門檻高，企業需要準備大量數據去訓練AI模型，才能確保AI分析結果準確度，因此很多企業縱然有心導入AI，但執行上卻常常卡在資料不足的關卡，因而無法向前再進一步。如今藉由GAI擅長的閱讀資料及生成內容，不論製造工廠自動化程度高或低、數據量是否足夠龐大，GAI都可隨著資料更新快速反饋最新答案，大幅提升員工的工作效率。

展望未來，研華將持續依循以使用者為主、IT為輔的模式，加速推動內部GAI應用的蓬勃發展，希望透過創新技術，讓林口廠朝下一世代智慧工廠邁進，更將把在林口廠成功驗證的應用模式，變成GAI應用軟硬整合解決方案，協助更多工廠運用GAI建立智慧競爭力。