案例 01 | 智慧農業
產官學攜手扎根AI農業 點亮桃園科技農業新篇章
桃園市政府積極推動產業升級轉型，委託國立清華大學智慧製造與循環經濟研究中心執行「桃園市產業智慧製造深度輔導委託專業服務案」，延續國科會「Dr.Fab 桃園產業升級與數位轉型健檢中心專案」，引進跨校跨領域學研團隊以產業健檢結果為基礎，提供「對症下藥」的升級處方，並於 6 月 16 日假中原大學知行領航館辦理期末成果發表會，分享數位轉型成果。
本次深度輔導智慧製造六案分享中，國立成功大學資訊工程學系郭軒安助理教授攜手在地垂直農場龍頭企業源鮮農業，執行「活蔬菜之生長週期異常預測與盤重影響之專家系統」，解決垂直農業長期面臨的植株異常辨識與產量（盤重）不穩定問題。
量身打造AI雙模組，化解垂直農場微氣候變異痛點
垂直農業雖有環境控制設備輔助，但高密度栽培環境下，光照、水分與營養素的微幅競爭仍容易形成微氣候差異，導致農作物出現黑心、根系發育不良等複雜生理異常。過往這類異常高度仰賴現場人員的巡檢經驗，難以數據化管理與中期預警。
本計畫團隊透過物聯網感測器密集蒐集數萬筆水質與空氣數據，開發出生長異常偵測與平均盤重預測兩大核心模組。生長異常偵測模組系統化萃取核心環境因子並進行參數運算，多數活蔬菜異常類型的漏報比例已降至 10% 以下，且能於生長週期中期即時發出預警，避免損失擴大。平均盤重預測模組則協助在採收前三個關鍵時間點進行產量風險評估，漏報率最低降至 28% 與 36%，協助農場在出貨前精準控管產銷平衡，提升出貨履約率與品牌信譽。
AI模組化身網頁一鍵操作，貼近現場人員需求
為降低現場管理人員負擔，本計畫將成果設計為友善易操作的網頁式智慧農業決策支援系統，將複雜的資料處理、模型訓練與推論流程整合為按鈕化操作介面。即使不具程式開發背景的管理人員，也能快速更新環境資料、執行生長預測，並直接檢視自動標示異常風險的 Excel 報表與視覺化圖表，大幅降低數位導入門檻。
深度輔導成果轉化為實戰工具，建立產學合作標竿
源鮮農業對本次輔導成效給予高度正面回饋。系統導入後，不僅大幅提升植物生長異常的辨識準確率與即時性、降低人工巡檢依賴，更藉由精準產量預測協助企業有效規劃訂單與物流，避免產銷失衡造成的經濟損失。
本計畫成功將學研成果落地應用，導入 AI 專家系統解決垂直農場現場痛點，並透過跨校學研能量與在地領航企業攜手，為桃園產業數位轉型升級提供具體的技術應用與示範標竿。
案例 02 | PCB 生產排程
桃園智慧製造導入AI工具 輔助精準決策突破排程瓶頸
桃園市政府近年積極推動在地產業數位轉型，延續國科會「Dr.Fab 桃園產業升級與數位轉型健檢中心專案」之企業健檢成果，推出「桃園市產業智慧製造深度輔導委託專業服務案」，並委由國立清華大學智慧製造與循環經濟研究中心鏈結產學資源，協助在地產業解決營運痛點。
本計畫於 6 月 16 日舉辦的期末成果發表會中，由國立清華大學智慧製造跨院高階主管碩士在職學位學程王宏鍇副教授協助博智電子執行「建構多層印刷電路板製造廠之生產週期時間預測模型及其實證研究」，透過導入 AI 數位決策輔助工具，為桃園印刷電路板（PCB）製造業的智慧化轉型提供解決產線問題的實務典範。
突破傳統理論限制 獨創兩階段架構精確掌握生產週期與交期
隨著 5G、智慧裝置與車用電子應用日益廣泛，高層數、高密度多層印刷電路板需求持續攀升。然而製程涵蓋鑽孔、壓合、蝕刻等多道工序，並受機台負載、插單與工單批次安排等動態變異影響，過往企業僅能依賴簡化的歷史平均值粗略估算，難以精確掌握各製程的生產週期與交期，導致插單時無法快速重新計算入庫日期，引發生產瓶頸或交期延誤。
本計畫從產能規劃端著手，進行兩階段各站點生產週期預測：在動態資訊方面，利用過去 30 天的序列資料訓練預測模型，一次性預測未來 14 天各站點每日在製品數量與產出量等動態狀態；並依產業領域知識將生產製程分組校正模型，有效學習並修正系統可能產生的預測偏差，成功解決公司原有作法預測效果劣於平均值的系統性偏差問題。
優化數據推導實證規則 實踐生管精實與產能規劃
本計畫開發的兩階段預測模型導入後，可提前揭露未來 14 天各站點的負荷與 WIP 變化趨勢，讓生管單位能依客戶交期反推最適合投入產能的日期，作為投料規劃與生產排程的依據，降低因過早投入產能造成在製品堆積、或太晚投入導致延遲交貨的風險。
此優化系統除協助管理人員及早進行產能調整、人力配置或外包決策外，也提升了瓶頸站點的管理能力，降低因資訊不足造成的臨時機台調度成本，並縮短人工判斷所需的決策時間，全面提升企業準時交貨率與接單評估效益。
產官學聯手引領AI轉型，建立智慧製造新示範
本計畫落地的技術應用成果，協助企業成功扭轉原先的理論估算偏差，在維持產能與滿足市場需求間取得平衡，展現高度產業化潛力，落實深度輔導與實務產學合作的初衷，也為桃園在地產業智慧化開創全新格局，樹立產業數位轉型的里程碑。
案例 03 | 品質治理與知識檢索
桃市推動智慧製造升級轉型 實踐AI綠色數位治理
桃園市政府近年全力協助在地產業升級轉型，延續國科會「Dr.Fab 桃園產業升級與數位轉型健檢中心專案」，推動「桃園市產業智慧製造深度輔導委託專業服務案」，委由國立清華大學智慧製造與循環經濟研究中心執行，引進學研團隊能量協助桃園企業導入智慧製造所需技術。
本計畫於 6 月 16 日期末成果發表會中發表不同產業的智慧製造實例，其中國立清華大學工業管理系許嘉裕教授執行「IPC標準規範於印刷電路板製造之智能檢索問答系統開發」，協助敬鵬工業建構具備溯源能力的雙模態 AI 品質決策支援系統，為桃園市智慧製造業生態提供落實數位合規與永續無紙化治理的卓越示範。
跨越圖文與語言限制 獨創語言模型精準定位規範來源
PCB 設計審查初期的規格將直接影響後續製造良率與品質穩定性，但相關製程須依循複雜的 IPC 國際標準規範。傳統流程高度仰賴人工逐頁翻閱查詢或憑個人經驗判斷，耗時且難以標準化，加上相關文件多為英文正式術語且圖文混合，容易造成語意落差與詞彙不一致，進而引發人為漏判與回覆客戶延遲。
為此，本計畫開發出創新的雙模態智能問答系統，將掃描型與圖文混合的 IPC 文件解析為文本與標籤，並加入引導查詢功能精準對齊 IPC 正式術語，最後由大語言模型生成結構化回答。經計畫驗證，成功建置包含 29 份 IPC 文件、逾 31,670 個文字區塊的知識庫，並經企業 30 題複雜規範查詢實測，系統達到 90% 的人工驗證正確率與 86% 的回答相關性。
知識管理驅動製程合規 實踐成本精實與數位治理
智能問答系統投入實際應用後，所產生的永續效益深切對應 ESG 架構中的社會面與治理面。系統能自動定位相關規範並產生附帶文件名稱與頁碼依據的回答，將單題查詢與回答時間大幅縮短至 10 到 20 秒，徹底解決人為查找的誤差與時間成本，讓核心人才得以專注於異常複審與高價值的技術決策。
在組織治理與永續發展上，本系統透過精準的溯源機制，確保 AI 生成結果的可追溯性、可驗證性與一致性，達成流程標準化、資訊透明度與審查可稽核性的要求，同時降低對紙本查閱的依賴，實質推動廠區工程文件的數位化管理與無紙化轉型。
無紙化綠色轉型 建立智慧製造新示範
本計畫 IPC 標準規範智能檢索問答系統的成功實證，印證深度輔導方案能確實為企業「對症下藥」解決實務痛點，更為桃園市推動智慧製造與無紙化綠色轉型，帶來具體且前瞻的實務示範，為 PCB 產業的品質治理樹立數位轉型新標竿。
案例 04 | 精密沖壓與彈性排程
AI深度輔導為桃園產業賦能 視覺化排程系統告別人工排程
桃園市政府積極推動產業升級轉型，延續國科會「Dr.Fab 桃園產業升級與數位轉型健檢中心專案」，由國立清華大學智慧製造與循環經濟研究中心執行「桃園市產業智慧製造深度輔導委託專業服務案」，引進跨校跨領域學研團隊，以產業健檢結果為基礎提供「對症下藥」的升級處方，並於 6 月 16 日的期末成果發表會分享智慧製造實際案例成果。
本次深度輔導智慧製造六案分享中，國立臺北科技大學工業工程與管理系洪子晏助理教授與明圃協力執行「精密沖壓製造多準則彈性零工式生產排程系統開發」計畫，開發出具備動態重排能力的 AI 排程決策支援系統，為廠內少量多樣化的訂單生產排程及突發狀況即時應變需求提供解決方案。
AI模組突破人工經驗盲區 精確掌握產線調度彈性
精密沖壓產業具備多工站加工、小批量訂單與高頻率換模整備等典型彈性零工式生產排程特性，但業界普遍仍以人工經驗導向之靜態排程為主，標準工時、訂單及人員配置等資訊分散於紙本、Excel 與製造資訊系統中。面對急單插單、機台異常停機或人員請假等突發狀況時，不僅無法即時應變，更因缺乏系統化排程的目標定義，影響產能利用率與交期等指標。
本計畫克服限制條件複雜與實務高變動性的挑戰，從生產排程階段著手，彙整超過 400 種分散資料進行清理與關係架構標準化，並整合訂單需求、機台生產限制以及人員配置等條件分層規劃排程順序，開發出排程決策支援系統，協助現場生管人員將排程時間從超過 1 小時縮短至 3 到 10 分鐘。
智慧動態重排應變突發 實踐甘特圖可視化精實管理
系統在模型測試與驗證中展現優異成果，並針對現場突發事件具備動態重排與在製品續排機制：當遭遇人員臨時請假、機台故障或急單插入時，系統可設定重排基準時間，並原樣保留基準時間前的已完成歷史紀錄，提供更貼近現場調度邏輯的即時排程決策支援。
系統同時具備自動輸出工單、排程明細及訂單完工時間等報表功能，並開發出互動式視覺化排程甘特圖，讓生管人員能快速檢視各訂單在不同機台間的流轉與設備負荷情況，並可即時點選各製程區塊跳出包含工作編號、工站、工時等詳細資料的視窗，大幅優化人工排程所需的決策工時與協調成本。
引領傳統產業AI轉型，建立智慧製造新示範
本計畫多準則彈性零工式生產排程系統的成功落地，克服了金屬沖壓製程頻繁換模、動態插單與資源限制等多重變異問題，成功將傳統依賴人工經驗的產線，蛻變為具備彈性數位調度能力，為桃園在地精密加工產業注入強大的 AI 轉型動能，展現產官學攜手迎向智慧轉型與精實管理的堅實成果。
案例 05 | 智慧紡織染整
桃市推動AI智慧製造 助產業將經驗知識封存為永續數位資產
桃園市政府近年全力協助在地產業升級轉型，推動「桃園市產業智慧製造深度輔導委託專業服務案」並委由國立清華大學智慧製造與循環經濟研究中心執行，延續國科會「Dr.Fab 桃園產業升級與數位轉型健檢中心專案」，引進學研團隊能量協助桃園企業導入智慧製造所需技術。
本計畫於 6 月 16 日期末成果發表會發表六案不同產業的智慧製造導入實例，國立東華大學企業管理學系馬綱廷助理教授執行「智慧紡織染色品質優化與穩定化系統導入計畫」，協助東欣實業建構具備雙演算法架構與人機協作機制的 AI 色彩預測決策支援系統，加速紡織染整產業數位轉型的戰略目標。
突破傳統經驗調色盲區 精準數位傳承老師傅手感
紡織染整產業長期深耕高機能性與客製化布料，但染色流程多半依賴經驗調整染料配方，缺乏系統化的數據分析。實務上常發生實驗室小樣表現良好，但量產階段卻因染缸設備差異、升溫條件變異而出現色差偏移，進而引發重工、返修與交期延誤，使傳統機器學習在色彩預測上面臨極大限制。
為解決上述挑戰，本計畫開發出結合機器學習與結構化資料分析的智慧決策模式，透過兩大 AI 運算模型將資深師傅的調色經驗數位化，並從歷史紀錄中篩選出最合理的製程與染助劑配方規則，命中率高達 97.71%；接著結合 AI 預測模型，在染色前精準計算出預估色差。實測證實此技術能有效克服複雜的製程變異，在最容易失準的灰黑色系中，可將人眼感知色差穩定控制在 0.4 以下，紅色系更低至 0.168，性能遠優於傳統方法。
獨創虛擬調色盤介面 實踐永續發展與產線人機協作
本次開發的智慧決策模式在導入實務場域時，特別強調現場操作人員的協作體驗。系統在運算邏輯中設計了關鍵的程式斷點與使用者自訂限制功能，可根據當前庫存或特定客戶需求手動設定各色系染料的濃度與助染劑。系統在推導參數及產出初步配方時會暫停運作，允許資深人員憑經驗進行手動微調與再驗證，將職人直覺轉化為模型的修正參數。在平台整合方面，也開發出互動式虛擬調色盤介面，將目標標樣設為 3D 座標基準，只需滑動滑桿調控三原色染料濃度，便能即時運算並顯示於介面上。
本計畫也將環境指標納入後續優化範疇。由於系統能顯著提升首染成功率並降低試染與重染次數，未來將配合廠商記錄導入前後的試染次數、重染比例與單位訂單用水量，轉化為評估數位化改善效益的 ESG 營運指標，落實節能減碳與環境永續。
導入AI技術精準品質控制 將產線經驗數位傳承
本計畫智慧紡織染色品質優化與穩定化系統的成功落地，透過資料拆分與雙演算法整合技術，攻克了染整製程多重變異的痛點，成功將傳統依賴師傅經驗的調色製程，轉化為數據驅動、人機協作的精準品質控制與經驗數位傳承，為桃園在地紡織染整產業注入強大的 AI 轉型動能。
案例 06 | 低壓成型與綠色製造
桃市深度輔導打造AI數位平台 串聯數據提升傳產加值服務
桃園市政府近年積極推動在地產業數位轉型，延續國科會「Dr.Fab桃園市產業升級與數位轉型專案」之企業健檢成果，推出「桃園市產業智慧製造深度輔導委託專業服務案」，委由國立清華大學智慧製造與循環經濟研究中心鏈結產學資源，協助在地產業解決營運痛點。
本計畫於 6 月 16 日舉辦的期末成果發表會中，由中原大學機械工程學系終身特聘教授鍾文仁教授主持的「低壓成型（LPM）機台工業物聯網、可視化模組與加值化服務數位平台」，與鑫野智動共同開發出具備數據整合與綠色碳排監控功能的智慧化 LPM 平台，為電子元件封裝產業注入數位轉型與低碳轉型動能。
打破傳統試模盲區 網頁化人機介面自動回寫參數
低壓成型（LPM）技術廣泛應用於高階電子元件封裝，但過去製程多依賴人工調整參數，耗時且數據難以留存。本計畫開發出 AI 網頁化人機介面與材料資料庫，操作人員能快速檢索最佳參數設定值，並透過控制器整合模組將資料直接回寫至機台控制器，大幅簡化傳統繁瑣的操作步驟，減少約 30% 操作步驟。平台建置的可視化介面也能全方位輔助工程師試模與動態參數調整，將試模時間縮短約 50%，並以數位化介面取代原先紙本保存數據的步驟。
實機串接全面客觀驗證 安全觸發兼顧高效率
為驗證系統的落地實用性，團隊將數位平台與實體機台串接，利用業界常用的線材模具，分別進行放入線材與無線材兩種嚴格的試模方法測試。實驗證實系統能精準排除成型過程中的缺料問題，並快速累積設定參數與成品重量的關聯數據。
本次系統設計同時考量工安防範，參數經數位設定後，仍由機台地端實體按鈕觸發製程，落實安全防呆與人機協作機制。
系統一鍵部署加速擴散 獨創碳排監視模組助攻綠色製造
為推動智慧製造技術在中小企業間快速普及，本次採用 Docker 將前後端程式封裝，廠商後續只需使用地端可連網的 Windows 終端電腦，即可一鍵部署並直接與機台連線通訊，解決過往系統推廣時常見的設備環境相容性問題。
同時因應全球永續製造與淨零碳排趨勢，本計畫開發出碳排放監視模組，與機台電源供應器串接，讓企業可即時觀察單日能耗趨勢與週間碳排放狀態，不僅能精準追蹤產品碳足跡，也可分析常態能耗分布，比照生產排程排定最佳預熱週期，避免待機時間的電力與能耗浪費，協助合作廠商邁向減碳永續的營運方針。
打造整合數位平台 提升資料整合與加值服務能力
本計畫打造的工業物聯網、試模協作可視化及碳排放監視模組等加值化服務一站式數位平台，提供數據累積、模型訓練、精準預測與預警等功能，同時整合機台設備完整試模流程，為桃園低壓成型與電子封裝產業全面邁向綠色、智慧的雙軸轉型新時代。