桃园智能制造导入AI工具 辅助精准决策突破排程瓶颈

国立清华大学智能制造跨院高端主管硕士在职学位学程王宏锴副教授简报计划执行成果。国立清华大学人工智能制造系统研究中心

桃园市政府近年积极推动在地产业数码转型，延续国科会「Dr.Fab桃园产业升级与数码转型健检中心专案」之企业健检成果，推出「桃园市产业智能制造深度辅导委托专业服务案」，并委由国立清华大学智能制造与循环经济研究中心链结产学资源，协助在地产业解决营运痛点。

本计划于6月16日举办的期末成果发表会中，由国立清华大学智能制造跨院高端主管硕士在职学位学程王宏锴副教授协助博智电子执行「建构多层印刷电路板制造厂之生产周期时间预测模型及其实证研究」，透过导入AI数码决策辅助工具，为桃园印刷电路板（PCB）制造业的智能化转型提供解决产线问题的实务典范。

突破传统理论限制 独创两阶段架构精确掌握生产周期与交期

随着5G、智能装置与车用电子应用日益广泛，高层数、高密度多层印刷电路板需求持续攀升。然而制程涵盖钻孔、压合、蚀刻等多道工序，并受机台负载、插单与工单批次安排等动态变异影响，过往企业仅能依赖简化的历史平均值粗略估算，难以精确掌握各制程的生产周期与交期，导致插单时无法快速重新计算入库日期，引发生产瓶颈或交期延误。

本计划从产能规划端着手，进行两阶段各站点生产周期预测：在动态信息方面，利用过去30天的序列数据训练预测模型，一次性预测未来14天各站点每日在制品数量与产出量等动态状态；并依产业领域知识将生产制程分组校正模型，有效学习并修正系统可能产生的预测偏差，成功解决公司原有作法预测效果劣于平均值的系统性偏差问题。

优化数据推导实证规则  实践生管精实与产能规划

本计划开发的两阶段预测模型导入后，可提前揭露未来14天各站点的负荷与WIP变化趋势，让生管单位能依客户交期反推最适合投入产能的日期，作为投料规划与生产排程的依据，降低因过早投入产能造成在制品堆积、或太晚投入导致延迟交货的风险。

此优化系统除协助管理人员及早进行产能调整、人力配置或外包决策外，也提升了瓶颈站点的管理能力，降低因信息不足造成的临时机台调度成本，并缩短人工判断所需的决策时间，全面提升企业准时交货率与接单评估效益。

产官学联手引领AI转型  建立智能制造新示范

本计划落地的技术应用成果，协助企业成功扭转原先的理论估算偏差，在维持产能与满足市场需求间取得平衡，展现高度产业化潜力，落实深度辅导与实务产学合作的初衷，也为桃园在地产业智能化开创全新格局，树立产业数码转型的里程碑。