經濟部技術司推動資策會數位轉型研究院與又得馬科技合作，於展會公開「生成式AI針織機健康分析與管理」技術成果。該系統結合物聯網（IoT）設備監測與地端生成式人工智慧（Generative AI），旨在協助傳統紡織業者解決技術人才短缺與突發性停機的維運痛點。
地端AI對話問答 兼顧廠務資安與操作便利
過去傳統工廠導入智慧監控介面時，複雜的圖表與數據常讓第一線操作人員難以直覺解讀。本次發表的健康分析系統採用純地端運作的生成式人工智慧模型，生產數據與機台資訊完全保存在廠區內部，無須傳送至外部雲端系統，降低企業關鍵營業秘密外洩的風險。
現場人員只需以日常生活中的自然語言提問，系統即可即時解答設備當前的運作狀態與廠務資訊。在研發團隊進行的廠務問答測試中，該系統針對中文 58 項與英文 16 項測試題目，皆能達成完全正確的回答表現。此外，若企業設有分散於不同區域的廠房，該架構亦支援跨廠區管理，既能統整多廠數據，又能確保不同場域間的存取權限相互獨立。
模組化預知保養架構 邁向低碳生產與多領域擴展
這套健康分析管理技術從物聯網數據採集出發，即時收集針織機運轉時的各項指標。系統利用人工智慧演算法在零組件損壞前發出警訊，輔助管理人員事先安排設備保養，進而大幅減少無預警停機造成的產線損失。透過精準預測零件剩餘壽命，也能避免過早更換零組件所產生的材料浪費，並能及時辨識出耗能異常的機台以降低不必要的電力消耗。
在系統設計上，該解決方案採用模組化的軟硬體架構，未來具備良好的擴充彈性。除了目前的針織機設備外，技術範疇預計可進一步延伸至染整機、定型機等其他紡織相關機具，甚至可應用於金屬加工與機械製造領域的工具機刀具壽命管理。隨著設備外銷，相關技術也有機會順勢拓展至東南亞等海外生產基地。
產業意義
這項技術落地對於台灣傳統製造業與機械供應鏈具備多重啟示。首先，台灣傳統紡織與機械產業正面臨資深技術人員退休、技術斷層嚴重的困境，傳統靠經驗聽音辨位的維修習慣難以傳承。透過將機台維運經驗轉化為預知保養模型與語音或文字對話介面，可有效降低新手操作與維護的門檻，減緩缺工衝擊。
其次，在地端部署生成式 AI 的作法，解除了中小型製造業者對資料隱私與網路連線穩定度的顧慮。對於具備跨國布局或規劃於東南亞設廠的台灣設備商而言，模組化軟硬體架構能作為高附加價值的售後服務軟體，從單純銷售機械硬體轉型為提供「硬體加智慧訂閱維運」的整體解決方案，有助於提升台灣機械設備在國際市場的競爭力。
技術解析
「生成式AI針織機健康分析與管理」系統主要由三項核心技術相互搭配運作：物聯網數據採集、預知保養演算法以及地端大語言模型。
在實際工廠環境中，系統透過安裝於針織機上的感測器收集運轉時的震動、溫度與電流等物聯網數據。這些數據會被即時送往後端的 AI 預知保養（Predictive Maintenance, PdM）演算法進行比對分析。演算法透過歷史耗損模型判斷零組件的健康狀態，若發現異常震動或能源消耗過高，即會評估該零件的剩餘使用壽命並發出警報。
當操作員接獲警報或需要掌握機台資訊時，無須翻閱厚重的操作手冊或查看複雜的波形圖表，而是由建置在廠內伺服器上的純地端生成式 AI 接手。地端生成式 AI 像是專屬工廠的虛擬技術專家，機能理解使用者用自然語言提出的問題（例如「目前三號機的針座狀態如何？」），並自動讀取後端預知保養系統分析好的數據，生成白話文答覆，讓現場人員能立刻採取對應的保養行動。
常見問題
地端生成式AI與雲端AI在工廠應用上有何差別？
地端生成式AI將模型建置於工廠內部的伺服器，生產與設備資料無須上傳至外部雲端，能有效保護企業營業秘密，並避免網路斷線影響維運。
預知保養技術如何協助工廠降低營運成本？
預知保養能在零件損壞前預先發出警訊，避免無預警停機帶來的損失，同時透過預測耗材壽命，減少過早更換零組件所產生的浪費。
這套智慧管理系統未來能應用在哪些領域？
除了針織機外，該軟硬體架構可擴展至染整機、定型機等紡織設備，未來亦具備延伸至工具機刀具壽命管理等機械製造領域的潛力。