國科會工程處113年度產學合作計畫優良成果
智慧排程驅動數位轉型:AI賦能製造升級
計畫基本資料
計畫名稱:基於人工智慧的印刷電路板雙列直插封裝組裝的聰明生產排程系統
計畫編號:NSTC 112-2622-E-007-013-
計畫執行單位:國立清華大學工業工程與工程管理學系(所)
計畫主持人/共同主持人:簡禎富/馬綱廷
計畫參與人員:范綱翔、王亭琇、王宥欽、黃昕奕、羅仁鴻、劉昱汎、陳家安、蔡成順、范子良、陳宥名、楊子月、廖冠豪、蔡睿楷、徐卉妘、楊芯蘋、阮子瑄、姜昭如、曾博賢、張黃齡、陳仕凱、黃銘渝
合作企業:倫輝實業股份有限公司
消費性電子產品需求波動大,消費者的喜好越來越少量多樣,手機、平板、智慧手錶幾乎每年推陳出新,半導體元件是其中的關鍵零組件。因此,電子製造業亦須藉助AI賦能,推動數位轉型和智慧製造,以因應變動越來越快的需求。
國立清華大學與倫輝實業合作的計畫,運用人工智慧(AI)幫助工廠快速又準確地排定生產順序,讓傳統產線轉型為現代化智慧製造工廠。合作廠商是支援竹科半導體廠快速打樣的隱形冠軍,隨半導體產業成長和供應鏈要求,面臨日益增加的需求和挑戰。
誰是主角?DIP產線的重要性
「DIP」(Dual In-line Package,雙列直插封裝)是電子產品組裝在印刷電路板(PCB)時的關鍵製程,在SMT (表面黏著技術)後,把一些體積較大的IC元件手工插到電路板上。這段過程看似簡單,卻非常仰賴人力與經驗,容錯率低,一旦出錯,整批產品可能報廢。
IC設計廠商通常只針對元件進行檢測,但組裝於PCB時,亦可能因封裝或黏合過程影響品質,以致產品或模組必須重新檢測,費時又增加更多成本,甚至影響新產品研發和上市時程。
傳統上,DIP產線的排程方式,是由管理人員手動依據經驗進行分配,但隨著客戶需求日益多變,臨時訂單、突發事件、機台故障等不確定性不斷出現,這種靠人腦記憶與判斷的方式,已經跟不上節奏。
當AI遇上DIP:智慧排程系統的誕生
為了協助半導體周邊中小企業升級,健全台灣半導體供應鏈,清華大學簡禎富教授團隊與倫輝實業合作,開發出結合專家經驗、數學規劃、AI深度學習技術與視覺化介面的決策支援系統,名為「DIP-APS」智慧排程系統。
系統能同時考慮機器、人力、工單、優先順序等複雜條件,還能預測加工時間、即時調整排程,並能面對突發訂單(例如VIP客戶臨時插單)快速反應。
系統還整合了「強化學習」的技術,也就是讓電腦像是在打遊戲一樣,經由不斷嘗試和學習找出最佳的解決方案。
具體成效驚人:從兩小時變成十分鐘
根據實地測試,這套系統不僅是效率提升,在每日之延遲工單總時間、延遲工單數(件)、延遲工單比例、平均執行時間(分)等指標均有具體改善效益。使用這套系統排52張工單,原本人工處理加上部分自動化需要近2小時,但DIP-APS只要10分鐘就能完成;同時將延遲的工單比例從13.5%大幅降低到1.9%,若再整合強化學習策略,時間可再縮減至5分鐘,效果更加顯著。

圖一、績效指標比較圖

圖二、排程最佳化後減少排程時間
圖表顯示,無論是延遲時間、工單準時率或執行效率等具體效益,這套系統表現都遠勝於傳統方法。而更重要的是,這項學術成果已導入合作企業,上線持續使用中,創造具體效益。
系統排程,亦是數位轉型關鍵
這項產學合作計畫開發了演算法和決策系統,並持續改善流程整合其他系統,以推動數位轉型的實踐:
- 標準化資料:把過去散落在各部門、格式不一的資料重新整理,整合既有的資料表單,標準化、數位化,建構利於分析處理之資料架構。
- 視覺化介面:用甘特圖和報表呈現排程結果,將排程結果可視化,讓管理者一目瞭然,以及時校正回歸。
- 即時更新與回饋:系統協助目視管理與主動報錯,能依據每日生產狀況進行滾動式修正,還能根據錯誤樣態提出警示,增加系統穩健性。
- 培訓與合作:學生在實習過程中學到企業實務操作,企業也同步強化內部管理與人才能力。

圖三、排程excel產出圖
從學術到產業的橋梁
這項國科會產學合作計畫最大的特色在於成功地把學術研究轉化為產業應用,增加決策速度和彈性,一方面,AI賦能合作企業以滿足高毛利客戶的少量多樣需求;另一方面,協助半導體產業生態系統的周邊中小企業數位轉型普遍升級,提升台灣半導體供應鏈韌性。參與計畫的學生們除了在實驗室開發系統,也到企業實習、操作和測試。許多學生在畢業後進入相關科技公司,例如台積電、緯創等,成為推動企業數位轉型的重要人才。
此外,研究團隊產出多篇國際期刊與會議論文,更榮獲「2024未來科技獎」與「亞太工業工程研討會最佳論文獎」。
系統導入運作後,預期三年內將提升產線生產力約2%,相當於每年至少增加獲利460萬元,以及協助竹科半導體廠快速打樣的價值。系統在提升生產資源調度與機台利用率的同時,也讓管理人員從繁重的排程作業中解放出來,專注於更具價值的決策分析,提升整體職場技能與生產效率。因此,研發成果顯著提升了企業經濟效益,也帶領聰明生產和智慧製造的全面升級。企業基於此系統持續進行用戶需求調查與功能改進,並計畫發展完整的前後端網頁系統,以逐步強化生產力與市場競爭力。
本計畫技術成果突破了傳統排程方法的侷限,推動產業智能化及人工智慧技術在製造業中的應用,成為台灣智慧製造與數位轉型的重要案例。
在國科會的支持下,研究團隊亦與合作企業申請新一期之產學合作專案,持續深耕。目前正將本技術申請發明專利,期待未來能有更多的研發成果。
智慧工廠如何影響你我?
這些科技看似遙遠,但它們正在改變人們每天使用的產品品質與上市速度,也影響台灣產業競爭力。
透過智慧製造排程系統,同時提升品質、交期和良率,將能讓電子產品更準時出貨,公司也能更有彈性地應對市場需求,提升台灣製造的整體競爭力。
這些技術的推動,正逐步建立起台灣產業的數位轉型基礎,協助產業周邊普遍升級,提升台灣半導體供應鏈韌性,進一步強化台灣在全球半導體與電子製造供應鏈中的地位。
結語:從0到1,AI排程讓工廠更聰明
清華講座教授簡禎富團隊主導的產學合作計畫,不限於幫助某一家公司,更是帶動台灣製造整體升級的催化劑。未來,這套系統將持續擴展應用範圍,也會轉化為完整的網頁決策支援平台,協助更多中小企業加入智慧製造與數位轉型的行列。
它體現了人工智慧在製造業的實際應用價值,也顯示數位轉型並非口號,而是可以落地的創新模式。當消費者打開性能更好、價格更親民的電子產品時,也許正是AI系統賦能的台灣智慧製造為人類創造了價值。