
朝陽科技大學/鄭淳詩 助理教授
本課程聚焦於工具機產業在智慧製造與AI應用上的實務導入,從產業現況與數位轉型趨勢切入,說明工具機產業面臨的效率瓶頸、資訊斷點與管理痛點。課程將介紹如何結合AI、IoT 與低程式碼/無程式碼工具,協助產線人員與管理者快速蒐集資料、優化流程,並以數據驅動決策。透過實際案例,說明設備稼動率(OEE)、預測性維護、異常通報與流程自動化的應用方式,並示範如何將資料轉化為可視化儀表板與智慧助理,提升現場反應速度與整體營運效率。

製造業推動智慧製造時,常面臨數據分散、設備維護成本高,以及非 IT 背景人員缺乏數據分析能力等挑戰。本課程專為製造業從業人員設計,透過3小時實作教學,協助學員建立數據分析觀念,將現場維護與操作經驗轉化為具體的分析目標。 課程結合大型語言模型(LLM)與零程式碼分析工具,教導學員運用提示詞技巧,將 Gemini、ChatGPT 作為 AI 輔助學習工具,協助查詢操作步驟、規劃標準作業流程及排除問題;並搭配 Orange Data Mining 圖形化介面,透過模組拖曳操作,無須撰寫程式即可完成資料載入、視覺化探索、模型訓練與演算法比較,降低數據分析的學習門檻。 最後以「機台主軸健康預警」為實務案例,帶領學員整合現場專業知識、AI 工具與數據分析方法,實作設備異常預測模型,並培養運用 AI 引導分析、解決問題及自主建立設備診斷流程的能力,使學員在面對不同設備與維護情境時,也能靈活運用所學,逐步實踐智慧製造應用。


製造業推動智慧製造時,常面臨數據分散、設備維護成本高,以及非 IT 背景人員缺乏數據分析能力等挑戰。本課程專為製造業從業人員設計,透過3小時實作教學,協助學員建立數據分析觀念,將現場維護與操作經驗轉化為具體的分析目標。 課程結合大型語言模型(LLM)與零程式碼分析工具,教導學員運用提示詞技巧,將 Gemini、ChatGPT 作為 AI 輔助學習工具,協助查詢操作步驟、規劃標準作業流程及排除問題;並搭配 Orange Data Mining 圖形化介面,透過模組拖曳操作,無須撰寫程式即可完成資料載入、視覺化探索、模型訓練與演算法比較,降低數據分析的學習門檻。 最後以「機台主軸健康預警」為實務案例,帶領學員整合現場專業知識、AI 工具與數據分析方法,實作設備異常預測模型,並培養運用 AI 引導分析、解決問題及自主建立設備診斷流程的能力,使學員在面對不同設備與維護情境時,也能靈活運用所學,逐步實踐智慧製造應用。

製造業推動智慧製造時,常面臨數據分散、設備維護成本高,以及非 IT 背景人員缺乏數據分析能力等挑戰。本課程專為製造業從業人員設計,透過3小時實作教學,協助學員建立數據分析觀念,將現場維護與操作經驗轉化為具體的分析目標。 課程結合大型語言模型(LLM)與零程式碼分析工具,教導學員運用提示詞技巧,將 Gemini、ChatGPT 作為 AI 輔助學習工具,協助查詢操作步驟、規劃標準作業流程及排除問題;並搭配 Orange Data Mining 圖形化介面,透過模組拖曳操作,無須撰寫程式即可完成資料載入、視覺化探索、模型訓練與演算法比較,降低數據分析的學習門檻。 最後以「機台主軸健康預警」為實務案例,帶領學員整合現場專業知識、AI 工具與數據分析方法,實作設備異常預測模型,並培養運用 AI 引導分析、解決問題及自主建立設備診斷流程的能力,使學員在面對不同設備與維護情境時,也能靈活運用所學,逐步實踐智慧製造應用。
活動詳情:https://smelearning.sme.gov.tw/news.php?node=840