AI 應用技術文章
深入了解我們如何運用 AI 技術解決鋁輪圈產業的製程痛點。
🏭
從封閉到開放：CNN + RAG + GAI 如何重塑鋁輪圈智慧製程
本文詳述鼎康精機如何從產業痛點出發，運用 CNN 影像辨識、RAG 檢索增強生成與 GAI 產線查詢系統，建立一套開放式、可擴充的智慧製程平台，實現加工決策自動化與產線資訊透明化。
閱讀全文 →鼎康精機 AI 技術專區
鼎康精機 AI 技術專區
114年度 AI 解決方案價值擴散計畫
GAI 輪框加工智慧決策
與產線資訊查詢系統
結合 CNN 影像辨識、RAG 知識檢索與生成式 AI，打造開放式智慧製程平台，協助鋁輪圈產業擺脫供應商綁定、提升製程自主性。
核心 AI 技術
本計畫導入兩項關鍵 AI 技術，從「加工決策自動化」到「產線資訊智慧查詢」，全面賦能鋁輪圈智慧製造。
技術一：CNN 輪框辨識暨 RAG 加工決策模型
CNN 影像辨識 RAG 知識庫 Robot MCP GPT-oss
透過自研 CNN 模型自動辨識進站輪框型號與特徵，結合 RAG 知識庫搜尋對應加工圖檔與路徑，再由 Robot MCP 生成可執行指令，實現加工流程全自動化。
- 訓練數據：774 張訓練集 / 216 張驗證集 / 108 張測試集，共 1,098 張影像
- 支援設備：ABB、FANUC、KUKA、Yaskawa 四大品牌機械手臂
- 核心價值：新增輪框型號與調整流程可由業者自主完成，擺脫供應商綁定
- 技術來源：開源模型介接 + 自行研發
技術二：GAI 輪框產線資訊查詢系統
GPT-oss / LLM MCP-Server Ollama 推論框架 自然語言查詢
整合 GPT-oss 模型與 MCP-Server，使用者以自然語言提問即可查詢稼動率、加工履歷、異常狀況等資訊，系統自動彙整資料並以圖表呈現分析結果。
- 資料協定：Model Context Protocol (MCP) 模型上下文協定
- 查詢能力：設備稼動率、輪框型號加工績效、近期異常分佈、維修指引
- 效率提升：管理人員查詢效率提升 20% 以上，查詢分析縮短至 1 分鐘內
- 智慧建議：GAI 自動提出優化建議，提升產線透明度與決策效率
系統運作流程
從輪框進站到加工完成，AI 全程自動化決策。
▎技術一：CNN + RAG 加工決策流程
1
輪框進站
俯視角度拍攝影像
2
CNN 辨識
自動辨識型號與特徵
3
RAG 檢索
搜尋圖檔與加工路徑
4
MCP 生成指令
產生手臂可執行指令
5
機械手臂加工
自動執行加工程序
▎技術二：GAI 產線查詢流程
1
自然語言提問
使用者輸入查詢問題
2
LLM 意圖解析
GPT-oss 解析使用者意圖
3
MCP-Server 查詢
自動查詢資料庫
4
報表生成
可視化圖表 + 文字分析
導入效益
AI 技術導入後，鼎康精機在加工效率、自主性與管理能力等方面皆顯著提升。
20%+
管理人員查詢效率提升
4 種
支援機械手臂品牌
(ABB/FANUC/KUKA/Yaskawa)
(ABB/FANUC/KUKA/Yaskawa)
3 秒
單次加工記錄時間
(原為 30 秒/次)
(原為 30 秒/次)
1,098
張影像訓練資料集
技術展示影片
觀看系統實際運作畫面，了解 AI 如何賦能輪框加工智慧製造。
GAI 輪框加工智慧決策系統 — 完整示範
影片涵蓋：CNN 輪框辨識流程、RAG 加工路徑檢索、Robot MCP 指令生成、GAI 自然語言查詢稼動率與異常分析等完整功能展示。請將上方影片區塊替換為實際展示影片的嵌入連結。
常見問題 FAQ
針對 AI 技術導入的常見疑問，提供詳細解答。
Q：這套系統適用哪些輪框種類？+
目前系統已訓練並驗證 3 種輪框型號，每種型號包含至少 50 張以上影像（共 1,098 張），涵蓋不同旋轉角度的俯視拍攝影像。系統架構採模組化設計，新增輪框型號僅需補充影像訓練集與對應 RAG 知識庫資料，即可快速擴充。
Q：支援哪些品牌的機械手臂？+
本系統透過 Robot MCP（Model Context Protocol）支援 ABB、FANUC、KUKA、Yaskawa 四大品牌的機械手臂。MCP 協定的設計使得未來可進一步擴充至其他品牌，實現多品牌手臂的統一管理與調度。
Q：GAI 查詢系統可以查詢哪些資訊？+
GAI 輪框產線資訊查詢系統支援以自然語言查詢多種產線資訊，包括：各機台設備稼動率、不同輪框型號的加工履歷與績效、近期異常分佈與原因分析、每日生產數量統計、設備維修資訊與異常排除指引等。系統會自動彙整資料並以圖表化方式呈現，同時由 GAI 提出優化建議。
Q：導入後實際提升多少效率？+
導入前：單次輪框加工紀錄需 30 秒（以每日加工 50 顆為例，需時 25 分鐘），每日產線查詢分析需 10 分鐘以上。導入後：加工紀錄由系統自動執行（3 秒/次），查詢分析時間縮短至 1 分鐘內，整體工時大幅降低。管理人員查詢效率提升 20% 以上，自主性同步提升 20%。
Q：系統的資訊安全如何保障？+
本系統採本地端部署架構，所有 AI 模型推論（透過 Ollama 推論框架）與資料處理皆在廠內執行，資料不外傳。同時已完成弱點掃描報告與原始碼檢測報告，並建立資訊安全管理作業流程，包含資料存取控制、異常監控與應急回應機制，確保安全營運。
Q：其他鋁輪圈廠商也能導入這套系統嗎？+
可以。本系統以開放式架構設計，採模組化方式建構，各模組（CNN 辨識、RAG 知識庫、MCP 通訊、GAI 查詢）可獨立部署或組合使用。其他廠商可依據自身輪框種類與產線配置，客製化訓練影像集與知識庫，快速完成導入。目前已有多家廠商（含國際客戶）表達導入評估意願。
Q：MCP（Model Context Protocol）是什麼？+
MCP 為「模型上下文協定」（Model Context Protocol），是本系統用於連接 AI 模型與外部資料源或設備的標準化介面。在本計畫中，MCP 扮演兩個關鍵角色：一是 Robot MCP，負責將 AI 決策轉換為機械手臂可執行的指令；二是資料庫 MCP-Server，負責對接設備資料庫，讓 GAI 可透過自然語言查詢即時產線資訊。