解決痛點 

本技術針對傳統製造業「決策依賴經驗」的問題提出解方：
1.報價依賴人工經驗且耗時
→ AI自動解析圖檔＋歷史資料建議報價
2.排程無法即時應對變動（急單/機台故障）
→ AI即時重排產能與派工
3.設備故障無預警
→ 預測性維護提前4–8小時預警
4.製造決策缺乏數據支撐
→ 建立MES數據驅動決策模型

 技術簡介 

本技術以製造業決策智慧化為核心，整合AI-OCR、自然語言處理（NLP）、動態排程演算法（AI-APS）與設備健康管理（AI-PHM），建構一套涵蓋「報價決策、排程優化與設備預測維護」之AI智慧決策系統。
系統以MES實際製程數據為基礎，透過機器學習與最佳化演算法（如基因演算法），建立混合式AI決策架構（Hybrid AI Decision Framework），可即時支援製造決策與營運最佳化。
技術核心包含三大模組：智慧報價與圖檔辨識（AI-OCR + NLP）、智慧動態排程系統（AI-APS、預測性設備與模具維護（AI-PHM）

 應用案例 

本技術可應用於金屬扣件、機械加工與離散型製造業，主要應用包含：AI自動報價與BOM生成、智慧排程與生產優化、設備健康監測與預測維護、製程決策支援系統。系統可與既有MES/ERP整合，快速導入企業既有環境。
案例一：AI智慧報價系統

• 自動解析PDF/圖檔詢價單
• 轉換為BOM與製程參數
• 結合歷史價格與原料成本進行報價建議

案例二：AI動態排程系統

• 即時取得MES數據
• 自動重新排程（Re-scheduling）
• 避開故障機台、降低換模時間

案例三：AI預測維護（PHM）

• 分析電流、震動頻譜 
• 預測模具與設備壽命 
• 提前發出維修預警 

 相關連結 

無

 技術產學合作或技轉單位 

產學合作單位：精誠資訊股份有限公司

 獲獎紀錄 

無

 技術聯絡人 

義守大學 黃育輝經理

連絡電話：07-6577711 ext. 2194

聯絡信箱：yuhuihuang@isu.edu.tw