活動內容 / Event Details：
🌟 課程目標 🌟
1.協助學員理解生成式AI、機器視覺、AOI影像全檢及品質預測的基本原理與應用流程。
2.培養學員辨識金屬扣件缺陷類型，以及建立檢驗標準與缺陷分類規範的能力。
3.協助學員掌握影像資料蒐集、資料標註、樣本分類及資料品質檢查方法。
4.培養學員運用品質圖表及AI工具分析產品、機臺、模具、材料批次與製程條件的能力。
5.引導學員運用AI進行品質異常預測、5 Why、魚骨圖、根因分析及8D品質改善報告製作。
6.建立學員對AI誤判、漏判、模型偏誤、客戶資料保密、智慧財產權、人工覆核及品質責任的正確認知。
7.協助學員完成一項AI視覺檢測、品質異常預警、品質預測或根因分析應用方案。
8.預期可提升產品檢測速度、準確性與判定一致性，降低人工目視檢測負擔及人為判斷差異。
9.預期可降低不良品流出、客戶退貨及重工成本，並提升產品良率、品質追溯能力與客戶信任。 10.培育企業內部AI智慧品保種子人員，建立後續推動AOI概念驗證、品質數據整合及智慧檢測系統導入的基礎。
🌟 報名資格 🌟
本課程報名資格需為國內依法登記成立之製造業者，且受經濟部產業發展署產業競爭力輔導團輔導之企業在職員工。
提醒您，線上填寫報名資料後，仍需經本單位以電話或 E-mail 聯繫確認，才算完成報名。
🌟 培訓對象 🌟
本課程主要培訓對象為已申請 19+1 計畫並進入第二階段培訓之製造業者在職員工。
• 金屬扣件及金屬製品相關企業之經營管理者、品保主管、品質檢驗人員、製程工程師、研發人員、生產管理人員、設備與自動化工程師，以及負責AOI影像檢測、客訴處理、8D改善、ISO品質管理、數位轉型及AI導入之企業種子人員。
• 具備基本製造流程或品質管理經驗者尤為適合，課程不要求具備人工智慧或影像辨識程式開發基礎。
• 先備條件：具備基本電腦及一般辦公軟體操作能力；熟悉自身工作流程或部門業務內容；願意參與分組討論、實作練習並完成課程專題成果。
🌟 課程時間 🌟
培訓總時數：30 小時（115年10/15（四）、10/16（五）、10/19（一）、10/20（二），08:30-17:00，中午休息 1 小時，共4天）
🌟 課程地點 🌟
臺南市歸仁區武東里歸仁十二路3號（大台南會展中心）
🌟 課程費用 🌟
本課程係接受經濟部產業發展署產業競爭力輔導團補助辦理，不另向學員收取任何費用。
🌟 學員須知 🌟
一、所有參與受訓學員，須於課程期間配合下列作業：
(1) 每次課程完成簽到/簽退作業。
(2) 完成課程之前測、後測記名測驗，並將測驗卷交回值課人員。
(3) 配合值課人員的隨機抽樣，進行課程效益簡短訪談。
(4) 每次課程離開前，確實填寫線上滿意度問卷。
二、學員同時符合下列條件者，得由本會核發完訓證書：
(1) 缺課時數未超過課程總時數之五分之一。
(2) 後測成績達70分（含）以上。
(3) 完成課程專題成果並參與成果發表
🌟 講師簡歷 🌟
(1) 唐嘉偉：國立澎湖科技大學 專任副教授
(2) 許孟鈞：國立高雄餐旅大學 旅館管理系 助理教授
🌟 其他提醒 🌟
1. 有關課程規劃及相關內容，將由主辦單位及執行單位依據實際情況調整，並保有最終釋義權；如遇不可抗拒之因素，主辦單位保留修訂課程日期及取消課程的權利。
2. 請尊重智慧財產權，上課期間禁止任何形式的錄音或攝錄影。
3. 錄取結果請以最終錄取通知為主，並請報名學員留意開課前寄送的課前通知信，如有問題請來電/信洽詢課務人員。
4. 因ˊ課程教室無提供電腦設備，請學員自行攜帶筆電參與課程，以利實作及課程操作。
| 第一天：115 年 10 月 15 日（星期四）｜當日合計 7.5 小時 |
| 時間 | 課程內容與研習重點 |
| 08:30–12:00
（3.5 小時） | 【生成式AI發展與金屬扣件產業轉型（講授與討論）】 1. 生成式AI、機器學習及AI Agent基礎概念。 2. 金屬扣件產業價值鏈與數位轉型需求。 3. 企業AI成熟度與需求盤點。 4. AI應用可行性、風險與預期效益評估。 |
| 12:00–13:00 | 【午餐與午間休息】 |
| 13:00–16:00
（3 小時） | 【ChatGPT Gemini與Claude應用（講授與實作）】 1. 三項主流生成式AI工具的功能與差異。 2. 文字生成、摘要、翻譯與內容改寫。 3. 圖片、PDF、表格及產品規格文件分析。 4. 扣件圖面、檢驗報告與客戶需求的多模態應用。 5. AI輸出的比較、查核、修正與優化。 |
| 16:00–17:00
（1 小時） | 【工具比較與文件分析實作（實作）】 1. 以相同扣件規格或檢驗文件測試不同AI工具。 2. 比較輸出差異，完成查核、修正與整理。 |
| 第二天：115 年 10 月 16 日（星期五）｜當日合計 7.5 小時 |
| 時間 | 課程內容與研習重點 |
| 08:30–12:00
（3.5 小時） | 【金屬扣件情境提示詞設計（講授與討論）】 1. 角色、背景、任務、資料、限制及輸出格式。 2. 單輪與多輪對話提示詞設計。 3. 扣件客訴情境。 4. 模糊需求拆解與結構化任務指令。 5. 提示詞測試、修正及版本管理。 |
| 12:00–13:00 | 【午餐與午間休息】 |
| 13:00–16:00
（3 小時） | 【AI辦公協作與文件自動化（講授與實作）】 1. 會議紀錄、公文及電子郵件製作。 2. 產品說明、詢回覆與中英文商務文件。 3. SOP、品質文件與教育訓練教材。 4. 客訴整理、5 Why分析及8D報告。 5. 文件查核、修訂與標準化。 |
| 16:00–17:00
（1 小時） | 【品質文件與提示詞實作（實作）】 1. 運用情境提示詞草擬SOP、客訴分析或8D報告。 2. 檢查內容、修訂版本並建立標準格式。 |
| 第三天：115 年 10 月 19 日（星期一）｜當日合計 7.5 小時 |
| 時間 | 課程內容與研習重點 |
| 08:30–12:00
（3.5 小時） | 【品質數據整理與異常分析（講授與討論）】 1. 扣件品質數據的類型、來源與蒐集方式。 2. 尺寸、牙距、硬度、扭力、表面處理及缺陷資料。 3. Excel與CSV資料清理、缺漏處理與格式標準化。 4. 依產品、機臺、模具、材料批次及製程條件分析。 5. 柏拉圖、趨勢圖、管制圖及交叉分析。 6. AI品質摘要、監控指標及視覺化儀表板。 |
| 12:00–13:00 | 【午餐與午間休息】 |
| 13:00–16:00
（3 小時） | 【AI品質預測與根因分析（講授與實作）】 1. AI品質預測與異常分類基本概念。 2. 品質特徵、製程參數與預測目標設定。 3. 不良率、尺寸異常、牙紋缺陷及品質風險預測。 4. 材料、機臺、模具、人員及製程條件關聯分析。 5. 5 Why、魚骨圖、柏拉圖與根因分析。 6. AI協作8D報告、預防措施及人工覆核。 |
| 16:00–17:00
（1 小時） | 【品質預測與根因分析實作（實作）】 1. 依品質情境資料設定分析變數，練習5 Why與魚骨圖。 2. 整理根因分析結果，草擬8D改善措施並進行人工覆核。 |
| 第四天：115 年 10 月 20 日（星期二）｜當日合計 7.5 小時 |
| 時間 | 課程內容與研習重點 |
| 08:30–12:00
（3.5 小時） | 【AI倫理、資安與法規（講授與討論）】 1. 可信任AI與智慧品保倫理原則。 2. 影像、規格、檢驗資料與營業秘密管理。 3. 著作權、資料授權與智慧財產權。 4. 模型偏誤、AI誤判與漏判風險。 5. 公開平台、帳號權限與第三方工具資安。 6. 人工抽驗、異常升級與品質責任機制。 |
| 12:00–13:00 | 【午餐與午間休息】 |
| 13:00–16:00
（3 小時） | 【小組成果發表與導入評估（講授與實作）】 1. AI智慧品保原型或流程展示。 2. 品質痛點、缺陷分類與檢驗標準說明。 3. 影像及品質數據、AI輸出與修正紀錄。 4. 準確性、誤判率及追溯能力評估。 5. 三個月AOI或品質AI概念驗證計畫。 |
| 16:00–17:00
（1 小時） | 【成果講評與導入行動規劃（實作）】 1. 依講評修正AI智慧品保方案並設定量化KPI。 2. 完成三個月概念驗證計畫，列出資料、測試、時程及負責人員。 |