Machine Blue Book / 製造技術 / 製造業工業 AI
目錄背景： MBB 將 AI 視為貫穿各領域的製造技術，而非一種機台類別。AI 透過控制器、感測器、檢驗系統、自動化、保養維護佐證與市場情報，與目錄相互連結。
工業 AI 能在哪裡贏得信任
常見的應用包括外觀檢驗、異常偵測、預知保養、製程窗口監控、刀具壽命輔助、報價輔助、排程、文件資料擷取與需求情報。在選擇模型之前，商業評估應先說明要做的決策、基準、誤判成本、回應時間與負責人員。
選擇模型前先備妥資料
梳理來源系統、時間戳記、識別碼、取樣、缺漏資料、標記品質，以及計畫與實際生產之間的差異。避免以結果洩漏或模型執行時不存在的資料來訓練。保留機台、零件、版本、刀具、班別與品質背景，讓警示可以被追查。
人為監督與操作邊界
界定誰可以接受、推翻或上報系統輸出；如何呈現不確定性；資料來源中斷時如何處理；以及哪些決策仍禁止由系統做出。高影響力的建議需要可追溯的輸入、版本管理、監控與回復路徑。
衡量生產價值
請與實際基準比較：誤判允收與誤判拒收、非計畫停機、平均修復時間、排程達成率、報價時間、良率、報廢或轉換率。試行結果應將模型準確度、流程導入程度，以及其他製程改善所帶來的變化分開評估。
製造商會問的問題
工業 AI 就等於對感測器資料做機器學習嗎？
不是。工業 AI 可包含視覺、語言、最佳化與規則，但價值來自受控的決策工作流程。
AI 能取代檢驗嗎？
它可以讓檢驗自動化或排定優先順序，但允收方法仍必須符合圖面、契約、品質系統與客戶要求。
第一份治理文件是什麼？
一頁式的使用案例紀錄，載明決策內容、負責人、資料、限制、績效指標、上報機制與回復路徑。
主要來源與延伸閱讀
MBB 使用這些來源作為一般製程與安全背景參考。連結不代表背書、從屬關係，也不能取代製造商的最新文件。
譯自英文參考版本。如版本之間有差異，以英文版為準。 英文版