烈光企業透過經濟部產發署「產業聚落供應鏈數位串流暨AI應用計畫」補助，導入供應鏈數位串流及建置物料供應管理系統，將訂單從備料、生產到完工交付的間隔時間自63小時縮短為50小時，產能效率自61%提升至82%。同時導入AI輔助製程管制系統，透過AI機器學習來判斷及預測鈑金生產品質的穩定度，有效降低不良率至3%以下。

 

 

產發署說明，面對近年大環境變動、全球供應鏈重組影響，已具備國際競爭能力並進入國際供應鏈的製造業者，皆不斷投入研發並努力提升生產技術，並應用人工智慧來解決生產製造及供應鏈管理問題，以靈活應對市場需求的快速變化，確保在競爭對手中保持領先優勢。

 

 

烈光企業於汽車鈑金結構零組件加工已專精超過50年，不只具備可應對少量多樣化訂單的彈性生產線，並擁有純熟的沖壓製程、模具設計與製造技術。但在面對客戶臨時訂單異動時，仍浮現出若干製程管理問題，如：生產過程沒有即時彙整生產實績、生產條件、庫存水位等資訊，難以判斷生產狀態。此外，僅以人工管理排程及處理供應商與客戶訂單卻缺乏生產情報，則會導致物料中斷、設備閒置、品質偏差，影響生產連續性並降低效能，甚至可能造成庫存過多，影響資金流通運用。

 

 

因此，烈光企業透過產發署「產業聚落供應鏈數位串流暨AI應用計畫」經費補助，導入供應鏈數位串流及建置物料供應管理系統，彙整生產過程中各部門包含供應商在內的資訊，並建置機器人流程自動化(Robotic Process Automation，RPA)模組，有效掌握生產及庫存資訊，配合自動排程快速對應存貨並安排出貨、生產及對供應商下單等程序，成功將訂單從備料、生產到完工交付的間隔時間自63小時縮短為50小時，產能效率自61%提升至82%。

 

 

此外，過往成品皆仰賴人工巡檢，製程中品質變異與不良無法即時掌握，也缺乏數據指標來有效判斷製程中品質狀態，待完工後才知成品合格與否，易增加重工與原料浪費，不良率也高達20%。烈光企業於計畫期間導入AI輔助製程管制系統，收集沖壓機振動訊號作為判斷異常的依據，透過AI機器學習來判斷及預測鈑金生產品質的穩定度，在異常風險發生之前進行問題排查，有效降低不良率至3%以下，從發現異常、中斷作業到生產復歸運作的時間也從240分鐘降低至120分鐘。

 

 

產發署表示，未來將持續協助我國製造業者結合上下游供應鏈廠商，調整內外體質並導入AI應用，以協助廠商改善原物料整備、製造排程、設備效率及品質管理等生產製造問題，強化我國整體供應鏈承受外在變化的韌性能力。

 

 

業者如有申請意願，可至前述計畫網站查詢相關申請規定(網址：https://proj05.ekm.org.tw/cloud)，於明(2025)年第2季公告受理時儘速提出申請。