在經濟部技術司的支持下，資策會數位轉型研究院研發出「自適應AI智慧生產決策系統」，整合資料採集與演算法模型。該系統主打無程式碼操作與跨產品快速建模，協助台灣中小製造業降低自動化與人工智慧（AI）落地的門檻。
無程式碼與降低導入成本
針對台灣製造業少量多樣的生產趨勢，傳統人工智慧模型每逢更換產品或原料，就必須重新採集龐大資料並撰寫程式進行調校，導致軟硬體建置與維護成本高昂。資策會將資料採集、特徵抽取與模型訓練整合封裝於「智慧診斷盒（Smart Diagnostic Box）」中，提供無程式碼（No-code）的操作介面。產線作業人員無須撰寫軟體程式，即可直接進行資料標記與診斷作業。該機構表示，相較於既有系統動輒近百萬元的開銷，該方案將建置成本降低至新台幣 20 萬元，大幅增加中小企業導入智慧製造的可行性。
三大應用場域與實施效益
該系統目前主要應用於工廠現場的三大決策環節：物料庫存水位的預測、設備與關鍵零組件壽命的預診斷，以及產品品質異常的肇因分析。在設備維護方面，系統能直接串接振動等工業感測器（Sensors），即時處理擷取的訊號並辨識設備運轉異常。根據資策會統計，合作業者導入後平均降低 5% 的庫存成本，生產良率提升 27.5%，生產參數調整時間減少 35%，設備非預期故障時間更減少了 50%。自 2022 年至今，相關技術已推廣至 46 家製造與資訊服務業者，累積授權與工程服務金額達 4,417 萬元，並在金屬製品及電子產業展現成果。
產業意義
台灣製造業供應鏈以中小型企業為主體，過去在推動智慧化轉型時，經常面臨缺乏專業資料科學家、缺少跨領域機電人才，以及軟硬體投資預算有限等多重瓶頸。自適應 AI 技術的發展，其核心價值在於「降低技術使用門檻」並「賦能現場人員」。透過將複雜的模型建構過程自動化，原本必須仰賴外部專家或專業工程師進行的校正與維護工作，轉變為第一線產線人員即可維運的工具。這項轉變不僅大幅縮短工廠面對彈性接單、頻繁換線時的反應時間，也讓企業在國際供應鏈變化劇烈的環境下，具備更高的生產韌性。
技術解析
這套系統能夠實現快速建模的核心機制，主要來自「元學習（Meta-learning）」與「知識遷移（Knowledge Transfer）」技術。傳統 AI 模型必須蒐集數個月、高達數萬筆的歷史資料才能進行單一工件的精準辨識；而元學習與知識遷移則是讓模型具備「學習如何學習」的能力，將過去在類似零件或加工條件下所累積的特徵知識，迅速轉移套用到新產品上，因此僅需 14 天的資料採集即可完成系統建模。在軟硬體架構上，系統搭載邊緣運算（Edge Computing）技術的智慧診斷盒，前端可串接各類工業感測器，在地端直接完成即時訊號的前處理與資料特徵擷取，最後轉化為直覺的視覺化圖表，供現場人員迅速做出預防性維護與生產決策。
常見問題
自適應AI與傳統製造業AI模型有何不同？
傳統AI模型需對每項產品或原料重新撰寫程式與建立模型；自適應AI透過元學習與知識遷移技術，僅需14天資料即可快速適應新工件與新原料。
這套智慧生產決策系統導入中小製造業的建置成本大約多少？
相較於過往系統建置費用約需96萬元，資策會開發的這套自適應AI決策系統建置成本可降至約20萬元。
目前該系統已在哪些領域實現應用，效益為何？
系統已應用於金屬製品與電子等產業，協助業者平均降低5%庫存成本、提升良率27.5%、縮短35%參數調整時間，並降低50%設備非預期故障時間。