AI-Native MES 是什麼?
AI-Native MES 是指 AI 在生產流程的關鍵節點(估時、排程、異常預警、品質判斷)直接介入決策的製造執行系統,而非僅將 AI 模型外掛在既有 MES 的報表或 dashboard 上。AI 在這類系統中是「核心介面」,不是「附加分析工具」。
核心特徵(4 大判斷點)
判斷一套 MES 是否 AI-Native,可從 AI 是否介入下列 4 個節點來看:
- 估時(Time Estimation):接到新訂單時,AI 根據歷史相似工序資料給出工期估算,而非套用固定公式。
- 排程(Scheduling):派工時 AI 綜合機台負載、人員技能、原料到位狀況推薦最佳排程,而非依賴排程員人工判斷。
- 異常預警(Anomaly Detection):量測 / 設備 / 進度資料偏離正常範圍時,AI 主動標示出來並提示可能原因,而非等到客訴或品質出包才發現。
- 品質判斷(Quality Judgment):把資深員工的良率判斷邏輯訓練成 AI 規則,讓新人也能依 AI 提示判斷 OK / NG。
跟「MES 加 AI」(Bolt-on AI)的差別
| 面向 | 傳統 MES + 外掛 AI (Bolt-on) | AI-Native MES |
|---|---|---|
| AI 角色 | 分析報表、產出 BI 圖表 | 直接介入流程決策 |
| 資料模型 | 為 ERP / MES 設計,AI 二次加工 | 原生為 AI 查詢設計 (向量索引 + 結構化 schema) |
| 使用者介面 | 傳統表單 + 圖表 | 對話式 + 表單並存 |
| 知識來源 | SOP 在 PDF / 紙本,AI 看不到 | SOP 在系統知識庫,AI 即時引用 |
| 新人上手 | 需要操作教育訓練 | 用日常語言問 AI 即可 |
為什麼 AI-Native 在製造業特別重要?
製造業的「老師傅退休」是長期痛點。資深員工的判斷力來自累積的「異常處理經驗」,但這些經驗很少被結構化記錄。AI-Native MES 提供一個機制:讓資深員工在每天作業中,把判斷過程自然地留在系統內(SOP 補述、異常處理紀錄、品質判斷標籤),AI 把這些變成可被新人查詢的活知識。
傳統 MES 雖然有資料,但缺少「對話介面」這層;Bolt-on AI 雖然有對話介面,但跟生產流程是脫鉤的。AI-Native 把兩件事合在一起。
MES-AI 怎麼做 AI-Native
MES-AI 是一套針對中型製造工廠設計的 AI-Native MES。具體做法:
- 標準產品在裡面(工序 / 表單 / 流程 / BOM / 派工),所有資料都帶結構化 schema 給 AI 直接查
- 彈性整合在外面(各式 ERP / IoT / BI 走 RESTful Open API 串接),不必客製主系統
- 每個整合系統有獨立的「專家智慧 AI」知識庫,SOP / 異常案例 / 設備手冊都進去
- 對話介面整合 MES 即時資料,問「3 號機的良率異常」會把當下實際數據 + SOP 標準一起回