單元四：工具操作 — AI 產線助理

授課時間：120 分鐘（講師示範 40 分鐘 + 學員實作 80 分鐘） 適用對象：製造業現場主管、生管人員、品管人員、設備維護人員 學習成果：學員實作建立 AI 分析問題模板、資料分類標準、完整分析報告 課程形式：本單元為全課程中最長且最重視動手操作的單元

課程導言

各位學員好，歡迎來到「SmartCore AI × MES 製造業生產管理 AI 課程」的第四單元。

在前三個單元中，我們完成了三件事：了解工廠資料的現況與痛點（單元一）、學會如何正確向 AI 提問並控制幻覺（單元二）、以及觀摩了業界實際的智慧製造案例（單元三）。

現在，是你親自動手的時候了。

這個單元的核心理念只有一句話：「做中學，學中做」。我們不再只是看、只是聽，而是要真正把資料丟進去、把問題問出來、把結果驗證回去。本單元將帶你走過三個完整的實戰場景——生產排程分析、品質不良歸因、設備維修風險評估，每個場景都有真實的範例資料、完整的 prompt 模板、以及預期的 AI 輸出範例。

本單元的操作將在 SmartCore AI 聊天助理（/chat 頁面）上完成。請先開啟瀏覽器並進入 /chat 頁面。

重要提醒：AI 產出的所有結果都需要經過人工驗證。AI 是你的「助理」，不是你的「主管」。最終決策權永遠在現場專業人員手上。

標準分析流程總覽

在開始操作之前，請先記住我們在整個單元中反覆使用的六步驟標準分析流程。無論是排程、品質還是設備維修，都遵循同一套流程：

flowchart TD
    S1["步驟一：資料收集<br>確認資料來源（MES / ERP / Excel / 紙本）<br>確認時間範圍與欄位完整性"]
    S2["步驟二：資料分類<br>依類型（排程/品質/設備）<br>依時間（日/週/月）、依嚴重度（高/中/低）"]
    S3["步驟三：資料整理<br>統一格式（日期、數值、代碼）<br>移除異常值、補充缺漏欄位"]
    S4["步驟四：問題設計<br>使用 SCBD 框架定義問題<br>設定角色與分析邊界、指定輸出格式"]
    S5["步驟五：分析限制<br>聲明「僅根據提供資料」<br>幻覺控制規則、要求信心等級標示"]
    S6["步驟六：結果驗證<br>對照原始資料核實數字<br>現場人員審核、記錄回饋修正"]

    S1 --> S2 --> S3 --> S4 --> S5 --> S6

    style S1 fill:#3498db,stroke:#333,color:#fff
    style S2 fill:#2ecc71,stroke:#333,color:#fff
    style S3 fill:#f39c12,stroke:#333,color:#fff
    style S4 fill:#e67e22,stroke:#333,color:#fff
    style S5 fill:#e74c3c,stroke:#333,color:#fff
    style S6 fill:#9b59b6,stroke:#333,color:#fff

六步驟流程口訣

收、分、整、問、限、驗

第一部分：講師示範流程（40 分鐘）

示範一：產線報表 → 排程建議（15 分鐘）

步驟 1：匯入產線報表

[截圖預留位置]：開啟 SmartCore AI /chat 頁面，將產線報表資料貼入對話框

以下是講師示範使用的產線報表範例資料：

A 廠 2 月份第三週產線稼動報表

待排工單清單

步驟 2：設計分析問題

[截圖預留位置]：在 /chat 頁面輸入以下 prompt

使用以下 prompt 模板向 AI 提問：

你是一位資深的生產排程規劃師，擁有 15 年製造業排程經驗。

【重要規則——請嚴格遵守】：
1. 僅根據以下提供的資料進行分析，不要引用外部知識或假設
2. 如果資料不足以做出判斷，請標示 [資料不足] 並說明需要補充什麼
3. 每項建議需標示信心等級：[高]/[中]/[低]
4. 不要編造任何數據

【產線稼動報表】：
（貼入上方產線報表資料）

【待排工單】：
（貼入上方工單清單資料）

【已知限制條件】：
- 每條產線每日最大工時：12 小時（08:00-20:00）
- 換線/換模需 2 小時
- L2 產線近期故障率偏高，建議預留 10% 緩衝
- 今天是 2/22（六），2/23（日）不排產

【請提供】：
1. 各產線過去一週稼動率分析摘要
2. 待排工單的建議排程表（2/24 起）
3. 交期風險評估（哪些工單有延遲風險）
4. 若有風險，提出具體替代方案

【輸出格式】：
請以表格呈現排程建議，並附上風險評估與替代方案。

步驟 3：AI 自動生成排程建議

[截圖預留位置]：AI 回覆的排程建議畫面

預期 AI 輸出範例：

一、稼動率分析摘要

二、建議排程表（2/24-2/28）

三、交期風險評估

講師說明：請注意 AI 如何根據 L2 的歷史故障資料，主動建議預留緩衝時間。這就是「資料驅動決策」的價值。但 AI 無法知道現場的即時狀況，例如今天有沒有人請假、物料有沒有到齊，所以最終排程仍需現場主管確認。

示範二：不良統計 → 原因歸納（15 分鐘）

步驟 1：匯入不良統計資料

[截圖預留位置]：將品質資料貼入 /chat 頁面

B 廠 2 月份品質不良統計表

步驟 2：設計分類邏輯

你是一位製造業品質工程師，專精於不良品分析與根因追溯。

【重要規則——請嚴格遵守】：
1. 僅根據以下提供的數據進行分析，不要引用外部知識或案例
2. 如果數據不足以支持某個結論，請標示 [資料不足] 並列出需要補充的資訊
3. 每個結論請標示信心等級：[高] = 有直接數據支持 / [中] = 有間接數據可推論 / [低] = 為合理假設但需驗證
4. 不要編造任何數據或統計數字

【品質不良統計資料】：
（貼入上方不良統計表）

【不良代碼對照表】：
- D01：外觀刮傷
- D02：功能異常
- D03：尺寸超差
- D04：焊接不良

【分析要求】：
1. 依不良代碼進行 Pareto 分析（佔比排序）
2. 找出不良率與產線、班別、日期之間的關聯性
3. 針對排名第一的不良模式進行五個為什麼（5 Whys）根因推論
4. 建立不良分類標準建議

【輸出格式】：
- Pareto 分析表
- 關聯性分析表
- 5 Whys 根因分析
- 分類標準建議表

步驟 3：自動生成原因歸納

[截圖預留位置]：AI 回覆的品質分析結果畫面

預期 AI 輸出範例：

一、Pareto 分析

Pareto 法則確認：D02 + D03 合計佔 88.7%，集中改善這兩項即可涵蓋近九成不良。

二、關聯性分析

三、5 Whys 根因分析（D02 功能異常）

注意：5 Whys 在第三層之後已無法從現有資料繼續推論，需補充 L2 設備參數紀錄、人員資歷與班別 SOP 執行紀錄。

講師說明：注意 AI 在第三層之後誠實地標示了「資料不足」。這不是 AI 的缺陷，而是正確的行為——因為我們設定了幻覺控制規則。如果沒有這些規則，AI 可能會編造一個看似合理的根本原因，反而誤導改善方向。

示範三：維修紀錄 → 風險提示（10 分鐘）

步驟 1：匯入維修紀錄

[截圖預留位置]：將設備資料貼入 /chat 頁面

C 廠設備維修紀錄（2024 年 10 月至 2025 年 2 月）

步驟 2：建立資料整理規則

你是一位設備維護工程師，專精於預防性維護規劃與設備風險評估。

【重要規則——請嚴格遵守】：
1. 僅根據以下提供的維修紀錄進行分析
2. 如果資料不足以判斷，請標示 [資料不足] 並說明需要什麼資料
3. 每項風險評估需標示信心等級：[高]/[中]/[低]
4. 不要假設任何未提供的設備參數或運轉狀況

【設備維修紀錄】：
（貼入上方維修紀錄資料）

【故障代碼對照表】：
- F01：主軸異常
- F02：刀庫故障
- F03：冷卻系統異常
- F04：油壓系統異常
- F05：溫控系統異常

【分析要求】：
1. 建立設備故障頻率統計
2. 辨識重複性故障模式
3. 計算各設備平均故障間隔時間（MTBF 趨勢）
4. 產出風險等級評估與預防建議

【輸出格式】：
- 故障統計表
- 重複故障追蹤表
- 風險等級評估表（高/中/低）
- 預防性維護建議排程

步驟 3：生成風險提示

[截圖預留位置]：AI 回覆的設備風險分析結果畫面

預期 AI 輸出範例：

一、設備故障頻率統計

二、重複故障追蹤

三、風險等級評估

四、預防性維護建議排程（3 月份）

講師說明：AI 成功辨識出 CNC-01 主軸故障的加速趨勢——故障間隔從 45 天縮短到 26 天，停機時間從 2 小時增加到 8 小時。這是人工翻閱紀錄時容易忽略的模式。同時注意 AI 對 INJ-01 給出「低信心」評級，因為只有一筆紀錄確實不足以判斷趨勢，這是正確的態度。

第二部分：學員實作（80 分鐘）

實作說明

接下來的 80 分鐘，你將親自操作三個練習場景。每個場景都有明確的步驟、範例資料和評估標準。

請開啟 SmartCore AI 聊天助理（/chat 頁面），按照六步驟標準流程完成以下練習。

操作提示：建議每完成一個場景，就將 AI 的輸出結果複製保存，方便最後彙整成完整報告。

練習一：生產排程分析（25 分鐘）

練習資料

請使用以下資料，或替換為你自己工廠的真實資料（更佳）：

你的工廠本週產線報表

下週待排工單

你的任務

1. 建立分析問題模板：使用 SCBD 框架，寫出你要問 AI 的完整 prompt
2. 設定資料邊界：在 prompt 中加入幻覺控制規則
3. 執行分析：將 prompt 貼入 /chat 頁面，取得 AI 排程建議
4. 驗證結果：核對 AI 建議是否符合實際限制條件

完整 Prompt 模板

你是一位生產排程規劃師。

【規則】：
1. 僅根據以下資料分析，禁止推測未提供的資訊
2. 資料不足時標示 [資料不足]
3. 每項建議標示信心等級 [高]/[中]/[低]

【角色定位】：
針對 [你的工廠名稱] 的 [產線編號] 進行下週排程規劃

【產線稼動資料】：
（貼入你的產線報表）

【待排工單】：
（貼入你的工單清單）

【限制條件】：
- 每日工時：___小時
- 換線時間：___小時
- 特殊限制：_______________

【請提供】：
1. 本週稼動率分析摘要
2. 下週建議排程表
3. 交期風險評估
4. 替代方案建議

【輸出格式】：使用表格呈現，每項結論附上資料依據

練習二：品質不良分析（25 分鐘）

練習資料

你的產線品質檢驗紀錄

你的任務

1. 建立不良分類標準：整理不良代碼與描述的對應關係
2. 設計分析 prompt：包含 Pareto 分析與關聯性分析要求
3. 執行分析：在 /chat 頁面取得 AI 分析結果
4. 驗證並補充：核對 AI 計算是否正確，標記需要補充的資料

完整 Prompt 模板

你是一位品質工程師，專精於製程品質分析。

【規則】：
1. 僅根據以下資料分析，不引用外部知識
2. 資料不足時標示 [資料不足]
3. 每個結論標示信心等級 [高]/[中]/[低]
4. 不良數量統計請列出計算過程

【不良代碼定義】：
- NG-A：表面氣泡
- NG-B：尺寸偏差
- NG-C：色差

【品質檢驗資料】：
（貼入你的品質資料）

【分析要求】：
1. Pareto 分析：各不良類型佔比排序
2. 關聯性分析：不良 vs 班別、不良 vs 操作員、不良 vs 產品
3. 趨勢分析：不良率隨時間的變化
4. 根因推論：針對最主要的不良類型進行 5 Whys 分析
5. 改善建議：含優先順序與負責單位

【輸出格式】：
## Pareto 分析表
（表格）

## 關聯性分析
（表格）

## 5 Whys 根因分析
（表格，含信心等級）

## 改善建議
（表格，含優先序）

## 資料不足項目清單
（條列）

練習三：設備維修風險分析（25 分鐘）

練習資料

你的設備維修紀錄

你的任務

1. 整理維修紀錄格式：確認資料欄位完整性
2. 設計風險分析 prompt：包含故障頻率、MTBF 趨勢、費用分析
3. 執行分析：在 /chat 頁面取得 AI 風險評估
4. 建立預防維護建議：根據 AI 輸出，制定下個月維護排程

完整 Prompt 模板

你是一位設備維護工程師，專精於預防性維護規劃與備品管理。

【規則】：
1. 僅根據以下維修紀錄進行分析
2. 資料不足時標示 [資料不足]
3. 風險評估需標示信心等級 [高]/[中]/[低]
4. 費用計算需列出明細

【故障代碼定義】：
- E01：模具異常
- E02：油壓系統異常
- E03：電極耗損
- E04：送料機構異常

【設備維修紀錄】：
（貼入你的維修資料）

【分析要求】：
1. 各設備故障頻率統計與停機成本分析
2. 重複故障模式辨識與 MTBF 趨勢
3. 風險等級評估（高/中/低）
4. 預防性維護排程建議（下個月）
5. 備品採購建議

【輸出格式】：
## 故障統計與成本
（表格）

## 重複故障追蹤
（表格，含 MTBF 變化）

## 風險等級評估
（表格，含信心等級與依據）

## 預防維護排程（3 月份）
（甘特圖式文字排程）

## 備品採購建議
（表格，含庫存建議量與預算）

練習四：綜合報告產出（5 分鐘）

完成上述三個練習後，請使用以下 prompt 將結果彙整為一份完整的分析報告：

請根據以下三項分析結果，彙整為一份工廠月度 AI 分析摘要報告：

【排程分析結果】：
（貼入練習一的 AI 輸出重點）

【品質分析結果】：
（貼入練習二的 AI 輸出重點）

【設備風險分析結果】：
（貼入練習三的 AI 輸出重點）

【輸出格式】：
## 月度 AI 分析摘要報告

### 一、排程效率摘要
（2-3 句重點）

### 二、品質趨勢摘要
（2-3 句重點）

### 三、設備風險摘要
（2-3 句重點）

### 四、跨面向關聯發現
（排程、品質、設備之間的交互影響）

### 五、本月重點行動項目
| 優先序 | 項目 | 負責單位 | 期限 | 預期效果 |
|-------|------|---------|------|---------|

### 六、資料品質改善建議
（下次分析前需補充的資料）

學員練習工作表

工作表 A：我的 AI 分析問題模板

說明：將你在練習中建立的 prompt 模板紀錄在此，作為未來工作中的參考。

工作表 B：我的資料分類標準

說明：根據練習經驗，建立屬於你工廠的資料分類標準。

排程資料分類

品質資料分類

設備資料分類

工作表 C：分析結果驗證檢查表

說明：每次使用 AI 分析結果前，請逐項核對。

學員成果評量標準

評分維度與權重

評分等級說明

各項目詳細評分標準

問題模板設計（30 分）

資料分類標準（20 分）

結果驗證（20 分）

重點回顧

本單元核心技能

 +-----------------------------------------------------------------+
 |              AI 產線助理操作核心技能                               |
 +-----------------------------------------------------------------+
 |                                                                 |
 |  技能 1：資料準備 ──> 匯入前先確認格式、完整性、分類              |
 |  技能 2：問題設計 ──> SCBD 框架 + 幻覺控制規則                   |
 |  技能 3：執行分析 ──> 在 /chat 頁面操作，迭代修正                 |
 |  技能 4：結果驗證 ──> 對照原始資料，識別 AI 幻覺                  |
 |  技能 5：報告產出 ──> 彙整為標準格式的分析報告                    |
 |                                                                 |
 |  核心態度：AI 是助理，人是決策者                                  |
 |  關鍵工具：SmartCore AI /chat 頁面                               |
 |                                                                 |
 +-----------------------------------------------------------------+

三大實作場景回顧

關鍵觀念

1. 問題定義決定輸出品質：花 5 分鐘用 SCBD 框架把問題想清楚，比花 30 分鐘跟 AI 反覆對話來得有效率。

2. 資料邊界是幻覺的防火牆：每次提問都加上「僅根據提供資料分析」和「資料不足時回報」，可以大幅降低 AI 編造內容的機率。

3. 驗證不是可選項，而是必要步驟：AI 輸出的每一個數字、每一個結論，都需要對照原始資料核實。特別是百分比計算和數量加總，AI 經常出錯。

4. 模板是可累積的資產：今天建立的 prompt 模板，明天就能直接套用。持續優化模板，就是在累積你工廠的「AI 使用知識庫」。

學員自我檢核

完成本單元後，請確認你已達成以下目標：

• 能獨立建立至少一個 AI 分析問題模板（含 SCBD 四要素）
• 能建立至少一套資料分類標準（含定義與判斷準則）
• 能在 SmartCore AI /chat 頁面完成一次完整的分析流程
• 能辨識 AI 輸出中的幻覺或過度推論
• 能將分析結果彙整為結構化的報告
• 理解「AI 是助理，人是決策者」的核心態度

常見問題與障礙排除

延伸練習（課後自主練習）

以下練習供學員回到工廠後自主練習，不列入課堂評分：

1. 真實資料實戰：將本單元的 prompt 模板應用到你工廠的真實資料上（注意脫敏處理），體驗 AI 分析在實務中的效果。

2. 跨部門協作模板：邀請品管、生管、設備部門各一位同仁，各自用 AI 分析各自部門的資料，最後使用「綜合報告」prompt 彙整為跨部門報告。

3. 週報自動化流程：將本單元學到的 prompt 模板建立為固定範本，每週更新資料後重新執行分析，建立「AI 輔助週報」的標準作業流程。

4. 模板優化迭代：每次使用後記錄 AI 回覆中的問題點，逐步修正 prompt 模板，建立專屬於你工廠的「提問知識庫」。

延伸閱讀與參考

• Prompt 設計最佳實踐：結構化的提問模板比自由對話更能產出一致且可靠的 AI 分析結果。在製造業場景中，固定格式的 prompt 搭配幻覺控制規則可將幻覺發生率降低 70% 以上。
• 六步驟分析流程：本單元的「收、分、整、問、限、驗」流程改編自業界常用的 DMAIC（Define, Measure, Analyze, Improve, Control）品質改善方法論，特別針對 AI 工具使用場景進行調整。
• MTBF 與 MTTR：Mean Time Between Failures（平均故障間隔）與 Mean Time To Repair（平均修復時間）是設備維護的兩個核心指標，AI 可以快速從歷史紀錄中估算這些數值，但需注意樣本數量是否足夠。
• SmartCore AI 聊天助理：所有操作均可在系統的 /chat 頁面完成，無需額外安裝軟體。建議將常用的 prompt 模板儲存為書籤，方便日常使用。

本單元結束｜下一單元：單元五 — 案例練習