製茶業導入 MES-AI · 老師傅揉捻判斷的 AI 化
把資深製茶師傅的判斷標準轉成 AI 知識庫,新人對話即可上手。
製茶業最仰賴經驗的環節 — 揉捻、發酵、烘焙 — 都由資深師傅憑「看、聞、摸」判斷。MES-AI 把這些判斷邏輯結構化進專家智慧 AI 知識庫,讓新進員工以對話方式查詢處理建議,降低師傅退休帶來的經驗斷層風險。
產業背景
台灣製茶業的特色是「同一批茶菁,不同師傅做出來品質差距可達兩三倍」。關鍵變因不是設備,而是師傅在每一道工序(萎凋、攪拌、發酵、殺青、揉捻、乾燥)對「此時此刻該停 / 該繼續 / 該調整」的判斷。這些判斷:
- 仰賴感官 — 香氣、葉色、葉溫、葉相
- 受當天天氣、茶菁產地、品種影響 — 沒有固定公式
- 大多藏在師傅腦中 — 文件化的 SOP 通常只寫到「攪拌 30 分鐘」這種程度
當師傅退休或請假,新進員工沒有可參考的判斷依據,只能用標準參數做,品質不穩定。
導入 MES-AI 的做法
第一步:知識結構化
由 MES-AI 顧問訪談 1~2 位資深師傅(通常 3~5 次,每次 1~2 小時),把判斷邏輯整理成決策樹文件。重點不是寫「攪拌 30 分鐘」,而是寫:
- 判斷的「觀察指標」(葉色從綠轉黃綠的程度、香氣從青草味轉花香的時機)
- 每個指標對應的「下一步動作」(再翻一次、進入下一道、回頭做修正)
- 異常情況(葉子過於萎凋、發酵不均)的對應處理
第二步:掛載知識庫
把上一步整理出的決策樹文件、過往異常處理案例、設備操作手冊上傳到該茶廠的 MES-AI 整合系統知識庫。每一批茶的生產紀錄也即時寫入 MES。
第三步:現場對話查詢
員工在揉捻過程中發現異常,直接在手機或平板用自然語言發問:
這批菁仔(品種:金萱)揉到第 40 分鐘還沒出香,葉色偏黃綠,要繼續還是停?
依師傅留下的判斷邏輯,金萱在第 40 分鐘葉色已轉黃綠但無香氣,通常是萎凋階段水分不夠,建議:(1) 先回頭看萎凋紀錄,若萎凋時間 < 6 小時,本批次品質會偏苦,建議降為下級品;(2) 若萎凋時間正常,改為慢揉(每分鐘 30 轉)再做 15 分鐘觀察香氣。本批 MES 紀錄顯示萎凋時間 5 小時 20 分,建議參考方案 (1)。
AI 同時引用了:師傅留下的決策邏輯文件、品種金萱的 SOP、本批次的萎凋時間實際資料。
效益方向
導入這類系統的主要效益:
- 知識資產化 — 師傅的判斷邏輯不再只在他腦袋裡;退休 / 請假時生產不停擺
- 新人縮短學習曲線 — 原本需要跟著師傅學數年的判斷,可在系統輔助下逐步上手
- 品質穩定性 — 每一批的判斷標準可追溯,出問題能找到當下的依據
- 跨班溝通成本下降 — 早班晚班交接,直接問 AI「上一班這批做到哪一步」
注:每家茶廠的師傅判斷邏輯不同,知識結構化是客製化的過程。MES-AI 提供工具與顧問,不提供「通用茶業 SOP」 — 把貴廠師傅的獨門做法保留下來,才是核心價值。
適用對象
- 有資深製茶師傅、擔心經驗斷層的茶廠
- 同時生產多個品種、製程變化多的中型茶廠
- 已有 ERP 想加 AI 知識傳承的廠商
- 沒有 ERP 也可以,先導入純知識庫模式(kb_only)