AI應用在品質管理的典範 - BOSCH Invented For Life  (下)

✎【Mealcourt LLC】陳宏毅 總裁  |   2025-09-10

       另一方面，BOSCH開發內部 LLM 系統 AskBosch，能分析維修紀錄、品質報告並即時生成答案，未來更將結合 IoT 感測器打造製造專用 AI。公司採「開源加自研」策略，並強調 AI 僅為輔助，最終決策由工程師確認，同時透過培訓與系統整合提升接受度。  根據目前各大公司的現況，這種開源加自行研發的模式，似乎已經成為應用生成式AI工具的主要趨勢！ 

從上期的探討，BOSCH展現了工業 AI 在品質管理上的典範，強調務實落地、人機協作與數據安全，使 AI 成為可靠助手，而非單純的人力替代。

本期內容，將繼續介紹BOSCH的智能預測性維護與異常檢測的系統。

■ BOSCH智能預測性維護與異常檢測

BOSCH的互聯生產線配備了感測器和儀錶板。 BCAI 的異常檢測平台分析來自機器的即時數據，以預測設備維護需求。

 ◆ 系統說明

        在傳統工廠裡，機器壞了才修、或是固定每隔幾個月就保養一次，是最常見的做法。 但是這樣常常不是太慢（壞了來不及修）、就是太早（還可以用就汰換）。 BOSCH 採用的做法則完全不同，他們選擇更聰明、更主動的方法——用AI提早預測機器會壞的跡象，再提早處理。

       這種做法叫做「預測性維護」，是 BOSCH 智慧工廠（Smart Factory）策略裡面非常重要的一部分。他們的 AI 團隊 BCAI（Bosch Center for Artificial Intelligence）開發了一套可以「可以聽懂機器說話」的系統。這套系統會一直監控生產線上所有重要的數據，比如：

• 機器有沒有震動太大？

• 溫度、壓力或扭力有沒有異常？

• 一個零件生產花的時間是不是突然變長了？

• 攝影機拍到的影像有沒有不同？

       這些訊號一旦有哪一項「看起來不太對」，AI 系統就會立刻跳出警告，通知維修人員或品管主管。到 2024 年為止，這個 AI 系統已經在全球大約 50 家 BOSCH 工廠上線，而且監控的生產線多達 2,000 條以上。

       不只這樣，BOSCH 還把這套系統設計成一個直覺式的儀表板（Dashboard），操作人員一眼就能看出：

• 哪台機器可能快壞了

• 哪個製程出現異常，可能會造成品質不穩定

• 哪些參數正在偏離正常值

BOSCH 的厲害之處是：它不只關注機器有沒有壞，而是把品質管理也整合進來。

因為他們知道：「機器一出問題，產品品質就會變差。」所以他們的 AI 系統不只監控設備，更像是一個 24 小時盯著現場狀況的「品質小幫手」，幫你抓出問題的前兆、避免更大的損失發生。

BOSCH 稱這種 AI 助手是邁向「零缺陷生產」的重要一步，也就是未來希望每一個出廠的產品都是完美的，零失誤、零浪費。

• 落地計畫與時間表

從 2020 年代初，BOSCH 就開始推動一套「中央 AI 預測分析平台」來協助工廠提升品質與效率。到了 2024 年，這套系統已經在很多 BOSCH 工廠成熟運作，幫助員工更快發現問題、減少浪費、提高產能。

從德國班貝格工廠開始: 最早導入這套系統的是 BOSCH 位於德國的班貝格工廠，這裡是 BOSCH 最大的生產據點之一，有超過 1,000 個工作站，主要生產汽車動力系統和燃料電池的零件。

在這裡，AI 系統會持續監控所有組裝與測試流程。每天會分析約 100 萬筆感測器與測試設備數據。以前這些數據如果出現異常，要靠工程師花好幾天、甚至幾週才能找出是哪個環節出問題。但現在，AI 幾秒鐘就能分析出可能的「根本原因」，大大提升了問題處理效率。

希爾德斯海姆工廠的應用成果: 在 BOSCH 位於德國的希爾德斯海姆工廠，AI 系統被用來監控生產線流程，成功找出了之前沒注意到的「小問題」，這些小問題雖然不會馬上導致停機，但會讓整個流程慢下來。經過 AI 的協助改善後，部分生產線的生產週期（從頭到尾的時間）縮短了 15%，讓產線更快也更穩定。

費爾巴赫工廠：提升測試效率: 在 BOSCH 費爾巴赫的工廠，他們主要生產汽車的燃油噴射器與燃油泵。透過 AI 演算法優化測試流程，原本需要 3.5 分鐘 測試一顆零件，現在只要 3 分鐘，整體產出也因此明顯提升。

國際工廠也加入 AI 行列 ：這項技術不只在德國使用，BOSCH 在中國和匈牙利的工廠也導入了這套 AI 系統，應用在品質檢查和預測性維護上，成效同樣顯著。

• 未來目標

       連結全球 240 家工廠: BOSCH 訂下的目標是，在 2025 年底前，要把這套 AI 異常檢測平台推廣到全球所有生產基地——約 240 家工廠。 這個平台就像是一個「全球的生產神經系統」，讓每一間工廠都能即時發現問題、即時反應，大幅提高整體生產競爭力。 這其實也就是一個IoT  (Internet of Things) 的極佳應用實例。

• 技術平台和合作夥伴

       BOSCH 的預測性維護系統，背後是由他們自家開發的智慧工廠系統叫做 Nexeed。這個系統就像工廠裡的神經網路，負責把來自成千上萬個感測器和機器的資料「讀進來」，並轉換成統一格式，方便 AI 後續分析。

舉例來說，在 BOSCH 位於德國布萊夏赫的工廠裡，他們生產汽車的 ABS 和 ESP 組件。這些產線上裝了 超過 6 萬個感測器，全天候監控機器狀況。這些資料會透過 Nexeed 系統收集起來，然後傳給 BOSCH 的 AI 團隊 BCAI 分析。

 AI 如何分析這些資料？ 這些資料不是直接看就能讀懂的，BOSCH 的 AI 系統會透過幾種模型來幫忙：

1. 異常偵測模型：發現哪些感測器的數值「怪怪的」，可能有潛在問題。

2. 預測壽命模型：計算機器或零件大概還能撐多久（預測剩餘壽命，RUL）。

3. 故障診斷模型：從數據中判斷是哪種問題，舉例來說，哪種震動模式對應哪種機械故障。

       每天 BOSCH 在這些智慧工廠處理的資料超過 10 億筆，所以這些分析通常都在雲端或是很強大的本地伺服器上進行。他們又是怎麼處理這麼大量的資料？ 雖然 BOSCH 沒有公開具體使用哪工具，但依照這種規模，很可能用了像 Apache Kafka 這樣的串流資料處理工具來即時接收資料，還有大數據資料庫來存放資料。他們整個系統都是企業級別的，非常強大。

• 對品質和維護 KPI 的影響

BOSCH 在工廠導入 AI 預測性維護後，整體表現大幅提升，特別是在設備效率和品質控制方面。

停機時間減少、效率大提升

其中一個最明顯的成果就是——「設備壞了才修」變成「提早發現問題就處理」，大大減少了突發的停機事件。

例如，在 BOSCH 位於德國 Blaichach 的工廠（這裡主要生產汽車用的煞車系統，是非常重要的安全零件），導入預測性維護系統後，整體停工時間減少了 25%。

這意味著不但減少了維修成本，更重要的是生產線不中斷，交貨也更穩定。

BOSCH 也提到，他們有些工廠在結合使用 Nexeed 系統和 AI 工具後，整體產能提升了約 25%，這是很可觀的改善。

更長的設備壽命與更少的意外

另一個關鍵指標是「平均故障間隔時間（MTBF）」，也就是設備多久壞一次。

以前可能是等機器出狀況才修，現在是 AI 提早預測，安排在適當的時間保養，既不會影響生產，也能避免重大損壞。

舉個真實案例：

• 在某間 BOSCH 汽車工廠，AI 偵測到一台機器人主軸的軸承震動「有點不太對」，雖然還能正常運作，但這可能是故障前兆。

• 工廠團隊趁著計劃中的停機時段提前更換這個軸承，成功避免了一場可能癱瘓整條生產線的重大故障。

這種提早預防的作法不僅省下昂貴的緊急維修費用，還避免了耽誤生產造成的損失。

更少的瑕疵、更高的品質

AI 不只是在機器壞掉前發出警訊，也能偵測製程中小小的不穩定，防止品質問題發生。

比方說：

• 如果某個壓力機打下去的力量「小了一點點」，人眼看不出來，但 AI 會抓出來。

• 它會提醒操作人員，立刻調整機器設定，避免一整批瑕疵品出爐。

這樣做的結果就是：

• 瑕疵品減少了

• 返工（要重做的產品）也減少了

• 品質更穩定、客戶滿意度更高

在 BOSCH 位於希爾德斯海姆的工廠就是一個好例子——他們導入 AI 後，成功找出一些製程中容易被忽略的小問題，產量提高了、週期時間縮短了 15%，而品質一樣好。

財務效益也驚人

這些提升不只是技術層面的成就，從財務角度看，效果也非常可觀。

根據 BOSCH 高層說法：

• 在導入 AI 預測性維護的試點工廠中，每年平均可以節省 100 萬到 200 萬歐元（約新台幣 3,500 萬～7,000 萬）

• 如果在數十家工廠推行，節省金額將達到數千萬美元

• BOSCH 預估，到 2025 年，他們透過 AI 與數位化升級，在全球製造系統中可以節省高達 10 億歐元

主要挑戰與解決方案

在 BOSCH 的全球工廠推動 AI 預測性維護的過程中，遇到了不少挑戰。但 BOSCH 的 AI 團隊（BCAI）和各地工廠的夥伴們一起逐步解決這些問題。

挑戰一：不同設備、不同語言怎麼辦

BOSCH 工廠裡的機器五花八門，有些是最新的自動化設備，有些則是 10 多年前的老機器，來自不同品牌、不同年代。每台設備送出的資料格式都不一樣，AI 沒辦法直接讀懂。

對應方案：

用「數位孿生」幫所有機器轉換成統一格式。

BOSCH 用自己的 Nexeed 系統，為每一台設備創建「數位雙胞胎」，並把資料轉成標準格式（像時間序列的統一語言），這樣 AI 就能聽得懂每台機器的「話」。雖然前期工作很多，要寫連接程式、設計轉換規則，但 BOSCH 本來就有很強的工業底子，做起來也不怕麻煩。

挑戰二：AI 警報太多、太雜怎麼辦

一開始，AI 系統太敏感了——動不動就跳警報，結果工程師天天被叫去查根本沒事的問題，大家開始覺得 AI 是「愛大驚小怪」的機器。

對應方案：

AI 要「因地制宜」，跟人合作學習。

BCAI 團隊針對每個工廠的實際情況，讓 AI 模型「客製化」。他們設計儀表板、優化設定，讓警報變得更準確。最重要的是，他們請工廠裡的領域專家參與調整——AI 的判斷，會由現場人員回饋修正，久而久之變得越來越準。

而且，AI 只是提供建議，不會自己下決定。 例如系統會顯示：「3 號工位的刀具可能磨損，建議更換」，讓操作員判斷要不要採取行動。這樣的「人機共管」模式大大減少了對 AI 失控的疑慮。

挑戰三：處理超大規模資料的能力

BOSCH 每天要從全球工廠收集數十億筆資料，幾 TB 的感測器訊號，這種資料量不是普通系統能處理的。

對應方案：

雲端與本地運算雙核心架構。

BCAI 建立了超強大的分析平台，能在幾秒內分析 TB 級資料，找出異常。有人打趣說它是「幫自動化工廠戴上老花眼鏡」，能清楚看見之前看不到的問題。

挑戰四：不同工廠的接受度不一樣

不是每個工廠一開始就樂意接受 AI 系統。有人怕麻煩、有人怕改變。

對應方案：

用內部案例來說服大家。

BOSCH 採取「以成功案例帶動其他人」的策略。當某個工廠導入 AI 成功預防了一場大故障，這樣的故事會被分享給其他廠區。大家看到了實際好處，自然就想要跟進。

挑戰五：員工如何配合新科技

很多現場技術人員會問：「AI 是不是會取代我們的工作？」

對應方案：

不是取代，而是升級！

BOSCH 強調，AI 是幫忙的不是搶飯碗的。他們在 2025 年前，針對全球工廠訓練了約 20,000 名員工，教大家怎麼使用這些新工具。維修人員也學會如何跟 AI 合作，變得更專業、更有效率。

• 成果

透過這些方法，預測性維護 AI 已經成為 BOSCH 2024～2025 年品質管理的核心工具之一。

• 它不是一套自動駕駛式的 AI，而是人機協作的好幫手

• 也不是只適用高科技新設備，而是能夠串聯新舊設備的「智慧中樞」

• 它讓 BOSCH 靠 AI 做到更準確、更可靠、更有彈性的製造流程

• 結語

       從德國的工廠車間到全球的組裝線，BOSCH AI 中心（BCAI）開發的技術，已經實實在在地融入 BOSCH 對「製造卓越」的追求中。到了 2024 和 2025 年，BOSCH 用 AI 視覺技術做產品檢查，準確度和靈活度都大大提升。像 ViPAS 這樣的專案，還有用生成式 AI 模型來做光學檢測，都證明了這點。就算生產線常常變化、產品種類很多，BOSCH 還是能靠 AI 做出高品質又複雜的產品。

除了視覺檢測，BOSCH 也開始用像 ChatGPT 這類的大型語言模型（LLM），來幫助工程師快速找到資料、解決問題，讓品質改善的速度更快、效率更高。這些 AI 就像數位助理一樣，幫助團隊做出更好的決策。

在設備保養方面，BOSCH 用 AI 預測機器何時可能出問題，提早處理，避免停機或生產出瑕疵品。這種「預測性維護」讓 BOSCH 更接近「零停機、零缺陷」的理想狀態。

AI 技術的這些應用，已經帶來很明顯的成果：缺陷和報廢品變少了、製造速度變快了、機器運作時間變長了，整體成本也降低不少。而且 BOSCH 並沒有因為追趕 AI 潮流而草率導入，而是很用心地解決實際問題——像是確保數據安全、打造好用的系統、還有請專家來一起評估 AI 的判斷，確保 AI 真的是在幫忙。

BOSCH 把這一切整合起來的做法，常被叫做「AI驅動的工業4.0」。他們證明了一間有 140 年歷史的製造大廠，也能把最先進的 AI 技術融入到日常作業中。BOSCH 更定下了一個宏大的目標：到 2025 年，旗下每一個產品都要「內建 AI」，或是「靠 AI 協助生產出來」。從目前成果來看，這個目標正在穩步實現，而 BCAI 的創新也正在一步步提升 BOSCH 產品的品質與競爭力，讓「科技成就生活」不只是口號，而是真實的進展。

全文完