Agentic AI 於精密加工設備智慧維護之應用

前言

隨著物聯網（IoT）、大數據與虛實整合系統（CPS）逐漸成熟，製造現場已能持續取得設備狀態、生產參數與品質數據，預測性維護（Predictive Maintenance，PdM）也逐漸成為智慧製造的一項基礎能力。然而，設備數據數位化之後，實際維修工作的數位化程度卻不一定同步提升。

在許多工廠中，故障發生之後，維護人員仍需要翻閱維修手冊、查找歷史工單、詢問資深人員，再登入不同系統確認備品、設備資料與派工資訊。這些工作往往不是缺乏資料，而是資料分散在紙本、PDF、資料庫與不同資訊系統中，缺少可以串接這些資訊的機制。

目前維護現場主要可歸納出三項問題，第一是維修經驗難以累積。許多故障現象、判斷方法與處理經驗存在於技術人員的手寫工單或個人記憶中。即使工單被保存，也往往只是供日後人工查閱，難以直接轉換成資訊系統可以檢索與推理的知識。第二是文件已數位化，但查找仍依賴人工。設備手冊、SOP 與維修紀錄可能已經轉成 PDF，但當文件累積到數百頁甚至跨越不同設備與版本後，維護人員仍需要自行搜尋關鍵字、確認章節與比對操作步驟。第三是維護流程橫跨多個系統。設備資料、維修紀錄、人員管理、備品庫存與通知系統通常各自獨立。診斷完成後，人員仍需要自行完成派工、聯絡與紀錄更新。

過去製造業常以 OCR 將紙本資料轉為文字，但單純「把文字辨識出來」並沒有真正解決知識利用問題。若辨識完成後仍缺乏語意理解、知識關聯與後續決策機制，資訊只是從紙本轉移到另一個資料庫。近年生成式 AI 的發展，則提供了另一種可能。AI 不再只能被動回答問題，而是可以透過 Agentic AI 技術，自主拆解任務、查詢知識、調用外部工具，並依據結果執行後續作業。目前已有部分工業應用，例如 IMVA［1］與 ChatCNC［2］，利用大型語言模型（LLM）協助設備資料查詢或 CNC 維修。然而，多數應用仍聚焦於單一 LLM 與資料檢索，較少同時整合手寫工單辨識、維修文件檢索與跨系統工作流程。

因此，本研究開發 Maintenance AI Assistant（MAIA）智慧維護管理平台，嘗試將維修現場的「資料辨識、知識取得與工作執行」整合在同一個 Agentic AI 架構中。

以 Agentic AI 串接維護工作流程

MAIA 的核心概念不只是單純建立一個聊天機器人，而是讓 AI 成為維護流程中的「智慧協調者」。當使用者提出維修需求後，主代理人（Main Agent）會先分析問題與任務，再依需求調用不同專業能力，例如：手寫工單辨識 → 維修手冊查詢 → 歷史案例比對 → 故障診斷 → 人員派工 → 通知與紀錄。

系統主要整合三項核心技術：VLM 手寫維修工單辨識、Structure-Aware RAG 維修知識檢索，以及多代理人與工具協同工作流程。