AI視覺釋放LLM完整潛力，重塑智造管理

儘管大型語言模型（LLM）在處理非結構化數據和產生有價值的洞察方面展現極大的潛力，但在製造業環境中，它們的表現很大程度上仰賴數據的品質與數量。這時，AI視覺便成為關鍵，彌補了數據收集的不足，讓LLM能充分發揮其潛力，成為數據訓練與分析的根基。

AI視覺蒐集全面數據：LLM運用核心

在許多工廠內，人力依然是生產作業中關鍵的一環，收集有關人員作業的準確數據並分析，是製造管理的一大核心。這正是仁寶電腦營運技術與軟體中心自行研發的大型語言模型（LLM）結合PowerArena HOP人因作業平台（Human Operation Platform）所展現的實力所在。

PowerArena HOP透過AI視覺24小時不間斷檢視並記錄生產活動，捕捉每一個操作行為，生成高品質、無縫的數據流，完整反映生產現場的每個細節。這些數據為仁寶電腦的LLM提供了堅實的基礎，讓LLM能夠更精確地分析生產情況，並回答各種複雜的生產問題。例如，當您輸入「請統計上週停線發生的主要原因」，LLM不再依賴傳統的碎片化的報告或過時的數據，它能借助AI視覺掌握的豐富數據，立即提取並分析相關訊息，給出清晰且可執行的答案，像是「設備異常19次、人員組裝錯誤10次等」，並統整成圖表，方便使用者閱讀。

模組化AI+LLM，靈活應對管理需求

HOP利用模組化的AI架構，能靈活分析各種數據，例如週期時間、SOP、工作／非工作配方等。再以LLM為基礎，結合向量檢索、資料檢索器，讓系統能在數據類型擴展或變更時，更加靈活。相較於傳統依賴SQL查詢與僵硬資料庫架構的系統，這種搭配應用能靈活處理多種數據類型，具備極高的適應性。

HOP記錄作業數據和工站影像，為工廠建立透明化的生產履歷，讓工業工程師能夠回溯並檢視異常狀況，不再需要花費大量時間自行錄影，或是進行低效率的查找工作。這個完善的資料庫，除了方便第一線的管理者使用外，也可以讓其他部門的同仁對生產狀態有個快速的理解，他們不需知道工單號或其他細節資訊，藉由LLM的自然語言理解能力，系統就可以解讀使用者提問，處理不同的查詢需求。

AI視覺蒐集大量生產數據，為LLM提供最核心的燃料，讓每一個決策都得以由數據驅動。欲了解更多AI視覺與LLM的最新應用，10月23~25日，仁寶電腦與PowerArena將同資策會參展2024台灣國際人工智慧暨物聯網展，敬請蒞臨參觀。

進一步瞭解案例研究：HOP 與 LLM 提升產線管理效率，請至官網查詢。也歡迎鎖定PowerArena YouTube Webinar ，該系列專為製造商解惑，探討導入智慧製造工具時的核心要點。（本文由PowerArena提供，DIGITIMES林佩瑩整理報導）