製造業 AI 數據問答平台 — 私有部署

工廠數據,
開口就問

稼動率、良率、訂單、庫存、交期——主管在對話框打一句話, AI 讀懂語意、查詢真實 ERP/MES 數據, 十秒內回覆數字結論+圖表+可稽核的 SQL。 不用等報表,不用排 IT 需求單。

// 每個客戶一套獨立部署,數據不出廠
DATA-QA CONSOLE — 展示對話
上個月全廠平均稼動率是多少?跟前月比呢?

上個月全廠平均稼動率為

89.4%  ▲ 較前月 +2.1 pt
1月2月3月4月5月6月
▸ SQL SELECT ROUND(SUM(runtime_min)::numeric / SUM(planned_min), 4) FROM machine_daily_stats WHERE …
唯讀查詢 白名單資料表 SQL 可稽核
FIG.01
<10
從提問到拿到數字與圖表
FIG.02
100%
內部基準問題集查詢準度驗證
FIG.03
0 改造
唯讀對接,不動既有 ERP/MES
FIG.04
0
私有部署,數據不離開廠區
SEC.01 — 現場的痛

這些場景,
每天都在廠裡上演。

數據明明都在系統裡,要用的時候卻總是拿不到、對不上、追不下去。

DELAY PAIN — 01

一張報表,等三天

想看上週各線稼動率,得先開需求單給 IT 排程。等數字撈出來、Excel 做完,會議都開完了,決策只能靠感覺。

SCATTER PAIN — 02

數據散在四套系統

ERP 一套、MES 一套、品保另一套,Excel 滿天飛。同一個「良率」,三個部門三種算法,開會先吵定義。

DEAD-END PAIN — 03

報表看得到,問不下去

月報只有結果。想追「為什麼 7 號機稼動掉了」「哪個客戶的單拖累交期」,又是一輪撈數據——追問的成本太高,就沒人追了。

RISK PAIN — 04

敏感數據,不敢上雲

產能、成本、客戶訂單是工廠的命脈。市面上的 SaaS 問答工具再方便,也不敢把核心營運數據餵給外部服務。

SEC.02 — 運作方式

讓 AI 查數據,
但用工程師的紀律。

不是把整個資料庫丟給 AI 亂猜。每一個答案,都經過五道工序。

自然語言提問

「上個月哪台機器稼動率最低?」——像問同事一樣問。

語意層對齊口徑

白名單資料表+欄位字典+指標公式,統一全廠對「稼動率」「良率」的定義。

※ 準度的關鍵,不是裸生 SQL

AI 生成 SQL

AI 只看得到語意層定義的範圍,不接觸整庫 schema。

驗證閘門

僅允許唯讀查詢、僅限白名單資料表、強制筆數上限——不合格就擋下。

數據+圖表+SQL

數字結論先行,圖表自動生成,SQL 附在答案下方供 IT 稽核。

查不到,就誠實說。 超出語意層範圍的問題,平台會明確回覆「無法回答」,而不是掰一個看起來很像的數字——這是給管理層用的系統,可信比話多重要。
SEC.03 — 平台能力

六件事,一次到位。

Q

自然語言問數據

稼動率、良率、訂單、營收、庫存、交期,一句話直達答案,支援連續追問、跨期間比較。

SQL

每個答案附 SQL

查詢語句完整附錄、可展開檢視。IT 能稽核,主管敢引用——黑盒子換成玻璃盒。

圖表自動生成

趨勢自動配折線、比較配長條、占比配圓餅。數字先講結論,圖表輔助判讀。

§

SOP 知識庫問答

保養步驟、檢驗規範、安全規定——文件上傳即可問。數據與規範,同一個對話框問到底。

私有部署

一套容器化服務裝進自家機房或指定雲主機,營運數據全程不離開掌控範圍。

雲端/地端模型雙軌

自備金鑰使用主流雲端模型;資安敏感場景可切換廠內地端模型,資料零外流。

SEC.04 — 安全設計

安全不是功能,
是前提。

給管理層用的數據系統,每一層都按最壞情況設計。

GUARD — 01

唯讀查詢

資料庫連線僅允許讀取類查詢,任何寫入、修改、刪除指令一律拒絕執行。

GUARD — 02

資料表白名單

AI 只能查語意層明確授權的資料表與欄位,薪資、成本等敏感表不進白名單就碰不到。

GUARD — 03

金鑰加密儲存

模型金鑰與資料庫連線字串一律加密落地,不寫入任何日誌。

GUARD — 04

對外行動人工審核

凡是要送出廠外的動作(郵件、推播),一律先進審核中心,人核准了才發。

GUARD — 05

完整稽核軌跡

誰問了什麼、跑了哪句 SQL、改了哪個設定,全程留痕可回溯。

GUARD — 06

角色權限控管

依角色與部門控管每個助理、每個資料源的可見與可用範圍,各看各的。

SEC.05 — 導入前後

同一個問題,
兩種人生。

「上個月哪台機器稼動率最低?為什麼?」

BEFORE — 傳統流程

層層轉手

  • DAY 0主管口頭交辦,助理整理成需求單
  • DAY 1IT 排程,等前面的單子消化
  • DAY 2工程師撈數據、對欄位、確認口徑
  • DAY 3做成 Excel 報表寄回
  • DAY 3+想追問原因?重新走一輪
TOTAL3+ 天
AFTER — 導入平台

直接開問

  • 0 秒對話框輸入問題
  • ~5 秒語意層生成 SQL、通過驗證閘門
  • ~10 秒拿到數字結論+圖表+SQL 附錄
  • +10 秒追問「為什麼」,AI 接著往下鑽
  • 隨時換個角度再問,不用重排需求
TOTAL10 秒
SEC.06 — 下一步

用你們自己的數據,
跑一場 30 分鐘的展示。

我們準備了完整的仿真製造數據環境,也可以在評估階段直接對接貴廠的測試資料庫——看它回答你們每天真正在問的問題。

// 私有部署・唯讀對接・不動既有系統