課程主題

紡織成衣業大語言模型導入Al應用與成功案例解析

辦理目的

1. 讓紡織現場、管理團隊理解：為何「紡織業專用LLM /Agent」能解決現有數位化痛點（資料分散、知識斷層、問題處理慢、跨廠複製難）。

2. 建立可落地的導入共識：以「可落地」的導入方法論，帶學員走完：場景選題→資料盤點→RAG/Agent 架構→PoC 驗證→上線與擴廠

3. 分享混合雲（Hybrid Cloud）導入觀念：說明紡織業導入大語言模型時，面對資料敏感性（客戶規格、配方、瑕疵與製程參數）、網路與產線穩定性、跨廠部署、成本與效能等限制，為何多數情境需要「雲端能力×廠內私有部署」的混合雲架構，才能兼顧安全、彈性與可擴張性

4. 透過案例拆解與演練，讓學員能在課後產出：自家工廠的3–5個優先導入場景與90天PoC計畫草案。

辦理目標

1.  說明 LLM、RAG、Agent 在紡織場景的角色分工（知道什麼適合、什麼不適合）。

2.打造可複製的標準化工作流：透過案例拆解與演練，把工廠的知識與流程資產化為可重複使用的 Agent 工作流，降低導入門檻，提升跨線別、跨廠與跨供應鏈的複製效率。

3. 以模板完成1份「導入場景規格書」（問題定義、輸入資料、輸出、KPI、風險以及盤點自家資料）。

4. 因應數位轉型、AI導入的關鍵趨勢，理解如何規劃長期可落實之目標

培訓對象

1.  產業管理階層人員，理解top-down導入規劃AI導入難題

2. 廠務/製造主管、製程主管、品質主管、IT/數位轉型負責人、客服與業務、供應鏈/採購

3.對紡織成衣業大語言模型導入知識有興趣者

※學員不需要AI背景；僅需了解基本製程與日常問題處理流程即可。

課程大綱

第一單元：紡織業導入大語言模型背景與痛點解析

1. 典型挑戰：資料分散（ERP/MES/QMS/檢驗報表/客訴等）、知識斷層、問題定位慢、跨廠複製困難

2. 產業數位轉型、智慧製造、AI導入核心理解與執行規劃方向

3. 地端部署、混合雲部署之必要與關鍵

30分鐘

第二單元：核心技術簡介：AI技術說明、LLM、RAG、AI Agent

1.介紹AI技術核心概念 （用製造業語言解釋：把資料變成「預測」與「可執行決策」）：AI vs. 自動化、常見 AI 類型、AI 成功關鍵

2. 介紹什麼是LLM （能做與不能做）,RAG（把私有資料變成「可問可查、可追溯」）, AI Agent（讓 AI 不只回答，還能「做事」）

3. 介紹智慧製造、數位轉型技術應用及歷程

4.簡易測驗題目與檢討

60分鐘

第三單元：工具串接紡織業為什麼需要「產業專用 大語言模型(LLM)」

1.說明「通用 ChatGPT」與「產業專用 LLM」在工廠落地的差異（資料、語言、流程、責任與稽核）

2.說明工具串接的必要性：讓 AI 不是只會回答，而是能查數據、做報告、發通知、可追溯可驗收

3.用紡織實務案例說明：如何把資料孤島串成可用的 AI 工作流

4.紡織業的「真實現場」為何讓通用 LLM 不夠用

5.帶操作與實作

70分鐘

第四單元：AI導入場景地圖規劃（一）：拋磚引玉

1.用 Morale AI 的成功案例帶規劃導入地圖與方向

2. 解析成功案例「為何成功」、「導入流程、細節說明」、「成效與優化空間」

3. 成功案例拆解：用一個案例示範「怎麼拆才可複製」

4. 三個「最常成功」的紡織導入模板

5. 帶操作與實作

70分鐘

第五單元：AI導入場景地圖規劃（二）：實際規劃用戶使用情境

1.理解「現場資料如何使用」、「哪些資料適合」、「哪些應用適合」，以及「如何確認導入時辰與ROI」

2.場景收斂方法：用「高頻×高損失×資料可得× 可驗收」框架，從20+候選場景收斂到Top3–5

3.產出企業導入報告一份:

(1)場景規格書：問題定義、使用者角色、輸入資料、輸出物、流程、風險與治理

(2)資料盤點表：資料來源、欄位/文件類型、更新頻率、資料品質、權限/敏感等級

70分鐘

第六單元：成果

1.學員導入規劃一份（包含痛點、資料來源、為何需要AI Agent、導入AI Agent之優勢、時程規劃）

2.學員產出之導入規劃分享與回饋

3.提供測驗，評估學員學習成果

60分鐘