兩年完成百項 AI 專案、建立逾 1,500 個模型，推動製程經驗從單點改善走向跨廠複製
文、圖／杰倫智能
專注於製造業 AI 軟體的杰倫智能科技（Profet AI）與業成集團（GIS）持續深化合作，協助業成將 AI 應用從製造現場的良率、品質與效率改善，推進至跨製程經驗萃取、模型化與組織能力建構。面對高階消費電子供應鏈對品質、交期與反應速度的高度要求，業成近年積極導入 AI，強化製造營運能力與供應鏈競爭力。
雙方合作約兩年來，已完成逾 100 項 AI 專案，並建立超過 1,500 個 AI 模型，涵蓋製程改善、品質分析與異常預測等多項製造場景。透過 Profet AI 的平台與導入方法，業成不僅將 AI 應用於單一產線問題解決，更逐步把 AI 轉化為工程團隊持續改善與決策的工作方法。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
AI 成為高階製造供應鏈升級關鍵
業成集團董事長暨策略長周賢穎表示，業成啟動 AI 導入，除了看見 AI 技術快速發展，也與客戶對品質、交期與反應速度的要求密切相關。面對高階消費電子供應鏈競爭加劇、全球供應鏈分散與營運韌性需求提升，製造企業必須持續強化自身營運能力，才能維持長期競爭力。
周賢穎指出：「AI 導入不只是追隨技術趨勢，更重要的是能不能真正進入公司的營運，協助我們在品質、交期與反應速度上持續改善，進一步提升對客戶與供應鏈的服務能力。」
逾百項 AI 專案落地，重新打開製程改善空間
在實際成果上，業成透過 AI 重新檢視過去被視為已接近極限的製程數據，找到更多改善空間。以其中一條光學顯示薄膜產線為例，過去微粒異物污染相關不良率曾接近 10%，經由 Profet AI 協助建立模型、分析關鍵因子並進行製程調整後，該項不良已改善至接近歸零。另一項塗膠製程中的氣泡問題，過往不良率約 0.3% 至 0.4%，經 AI 分析與改善後降至約 0.2%，降低約一半。
這些成果也讓業成工程團隊重新看見製程改善的可能性。許多看似穩定、已經達標的製程，仍可透過 AI 與數據分析找出新的優化空間，進一步提升品質與營運效率。
讓資深工程師經驗成為可複製能力
過去製造現場的改善，多仰賴資深工程師長期累積的經驗，再轉化為標準作業流程。然而，傳統 SOP 多數仍停留在單一站點或單一製程，當問題牽涉跨製程關聯時，仍高度依賴資深工程師的判斷。
透過與 Profet AI 的合作，業成將各站點累積的製程數據與 know-how 進一步轉化為模型，協助工程團隊找出跨製程之間的關聯，讓製程改善逐步從仰賴個人經驗，走向可透過系統持續累積、複製與傳承的能力。
周賢穎指出：「AI 很大的價值，就是能幫助我們把跨製程關聯找出來，經過模型化、語言化，讓製程改善逐步從靠人，走向靠模型、靠系統。」
透過此次合作，Profet AI 與業成集團展現製造業 AI 從專案導入、製程改善到組織能力建構的完整路徑。隨著全球製造業面對供應鏈重組、人才經驗傳承與營運效率提升等挑戰，將現場經驗轉化為可被保存、放大與複製的 Domain Twin，正成為企業推動 AI 落地與長期競爭力升級的重要方向。
