AI 不是萬靈丹：台灣傳統製造業補上資訊斷鏈的 ISA-95 轉型藍圖

傳統產業營運流程資訊斷鏈之現況與實質經營困境

台灣傳統製造業在過去數十年憑藉優異的製造彈性與成本控制，在全球品牌代工（OEM/ODM）及自有品牌市場中佔據關鍵地位¹。然而，隨之而來的經營挑戰在近年愈發嚴峻，多數傳統產業業者目前面臨著嚴重的「企業營運流程資訊斷鏈」問題³。這種資訊斷鏈最直接的體現，在於管理層無法即時化掌握「接單利潤」以及「動態庫存量」，導致決策活動高度依賴「事後報表」或各部門拼湊出的「影子電子表格」（Shadow Spreadsheets），造成企業主無法根據實質狀況進行接單及營運分析的經營困境³。當面對全球市場快速波動、客戶頻繁變更訂單或插單、以及原料供應不穩定的新常態時，這種「以人工維持系統運作，而非以系統輔助決策」的傳統傳產模式，正將企業推向高成本與低附加價值的惡性循環中³。

以台灣知名飲料代工龍頭為例，該企業專精於無菌冷充填寶特瓶飲料代工¹。即便其產線本身具備極高度的自動化控制（如吹瓶、充填、套標及包裝設備）¹，但在管理資訊系統上卻存在高度碎片化的痛點³。其企業資源規劃系統（ERP）幾乎僅能用於事後的會計帳務結算，而生產現場的實際投料、產出、設備綜合稼動率（OEE）及即時能耗等關鍵數據，皆未與行政決策層系統進行實時對接³。業務端在開發新客戶或估算新品項報價時，必須耗費一至兩週的時間，以人工電子表格跨部門向採購與相關單位詢價與試算³；而在出貨結算階段，更需動用多名財務與營運人員，花費數個工作天手動核對數個外倉的租金、棧板流向與換板費用³。

與此同時，人工智慧（AI）與生成式人工智慧（GAI）技術的演進正在急劇加速⁶，國際先進製造業紛紛將 AI 導入預測性維護、智慧排程與動態供應鏈預測中⁴。如果台灣傳統產業在底層的資訊基礎工程（IT/OT 整合）仍處於不穩固的狀態，就盲目嘗試「跨代」引進高階 AI 應用，勢必將在轉型過程中遭遇巨大的技術與管理衝突⁴。

在探討組織內部的系統斷鏈時，各職能部門的運作現況與管理瓶頸呈現出高度關聯的因果鏈。以下針對典型品牌代工企業進行跨部門的痛點剖析：

● 業務與通路接單端（業務部 ）：開發新客戶或新品項時，估價流程高度依賴 Excel 人工作業³。業務人員需向採購及成本課詢問原料、瓶型、包材與外銷堆疊等動態費率，通常需時一至兩週³。此外，外倉代管租費、棧板租金及換板費用的合約條件複雜，月底需動用高達八名財務與營運人員，花費五至八個工作天進行手動核對與結算³。這導致業務在接單當下無法立即掌握預估毛利，事後分析獲利落差時，只能依賴財會提供的銷貨成本總數，全憑人工「猜測與拆解」差異原因，無法支持決策層進行單一品項的動態利潤管理³。

● 採購與行政管理端（管理部 ）：現行電子簽核系統（Flow）流程過於冗長，採購單需經高達五位主管簽核，耗時一至二週³。為確保產線不斷料，採購被迫採取「先以紙本或口頭向供應商實質下單，事後再補打 ERP 採購單」的權宜之計³。此舉導致系統資訊嚴重滯後，系統內的交期與採購單皆為事後追認，導致生管與財務主管在系統上看不見真實的物料達交時間與資金需求盲區³。

● 財會與決策結算端（會計部 ）：前端採購、製造與倉管數據的延遲，將經營壓力全數轉嫁至財會結算端³。由於採購單價延遲確認及入庫時間差，財會每個月必須耗費大量時間人工迴轉價差，調整失真的移動加權平均成本³。此外，每個月還要動用1-2個工作天，手動以 Excel 試算並申報應繳納的飲料貨物稅³。財務報導在次月十號產出，根本無法在接單或生產當下提供動態成本分析³。

● 生管與排程調度端（生管部 ）：生產計畫與原物料需求（MRP）未經系統有效自動展算，計畫單與工單皆為事後人工補登³。面對頻繁的急單與插單，生管需耗費大量時間確認跨廠區（如二廠、三廠）之原物料（如砂糖、瓶蓋等共用料）庫存與模具狀態，回覆交期耗時三天以上³。因缺乏供需運算、先進規劃排程系統的即時模擬，每次插單都會引發全廠調度混亂³。

● 製造與生產現場端（廠務部 ）：雖然產線自動化程度極高，但設備數據完全未與 ERP 或執行系統（Level 3）連線³。現場操作人員每批生產必須手寫高達三十幾張的紙本日報表，生產結束後，生管還得額外耗費半天的時間手動將過期數據打字輸入 ERP 系統補單³。曾總監與高階主管無法在辦公室看見即時的設備綜合稼動率（OEE）或真實停機原因，現場甚至可能以加班來掩蓋實際產能的落差，導致真實製造費用無法被即時掌控³。

● 品質保證與進料檢驗端（品保部）：進料檢驗流程缺乏系統化卡控與圖文辨識輔助³。品保人員需用肉眼人工比對供應商進貨標籤，逐一至電子郵件下載檢驗報告（COA）並手動命名歸檔，最後花費約五分之一的工作時間將檢驗數據人工鍵入系統³。人工文書作業不僅效率低下，更嚴重拖慢了原物料入庫放行的速度，導致生產單位經常面臨「料到了卻因為尚未驗放而無法開線」的困境³。

● 倉儲與物流管理端：廠內自動倉儲與四個外部代管倉庫之間缺乏條碼（Barcode/QR Code）與 PDA 行動化設備連線³。外倉盤點與出貨扣帳全賴人工紙本或通訊軟體拍照回報，存在嚴重的資訊時差，導致 ERP 系統內的庫存數據失真，生管 MRP 算料與實際物料狀態產生極大偏差³。

ISA-95 框架下多產業價值鏈系統整合與資料一致性分析

國際自動化學會制定的 ANSI/ISA-95 標準（IEC 62264），是解決製造業行政決策系統（Level 4）與現場執行系統（Level 3）之間通訊障礙與語義歧義的核心框架⁸。該標準將企業的決策與現場控制清晰地劃分為五個層級，定義了「什麼是生產」、「什麼是資源」以及「數據如何標準化流動」⁸。

• Level 4 (業務物流系統 - ERP)：負責全廠資源規劃、訂單管理、財務結算與主數據維護⁵。
• Level 3 (製造營運管理系統 - MES/MOM)：負責生產營運、品質管控（QMS）、設備維護與倉庫管理（WMS），並在生產完成時形成可靠的電子批次記錄（eBMR）與產品譜系（Lineage）⁵。
• Level 2 (監控與控制系統 - SCADA/HMI)：執行多工序的即時監控、參數調節與製程警告⁵。
• Level 1 (感測與操控活動 - PLC/傳感器)：直接感測物理環境變化，並將其轉化為數位訊號⁵。
• Level 0 (實體製程)：實際的物理加工、輸送與物理轉化流程⁹。

然而，在台灣傳統產業的實際運作中，此架構普遍存在嚴重的系統整合斷層，資料一致性極差³。下表詳盡對比台灣地區主要傳統產業在 ISA-95 架構對照企業價值鏈下的斷鏈現況、未整合系統與資料一致性缺失：

若不遵循 ISA-95 建立的語義規範，盲目推展工業物聯網（IIoT）或 AI 轉型，只會加速「垃圾數據」的累積⁴。這種「技術冒進」正是許多傳產智慧化轉型失敗的主因⁸。企業在建構智慧製造與虛實整合（Cyber-Physical Systems）時，必須建立中介軟體或統一命名空間（UNS），透過 MQTT、RESTful 或專用企業服務匯流排（ESB），設計源系統與目標系統間的數據映射邏輯，才能實現真正的跨系統壓力測試與閉環驗證⁸。

營運工作價值鏈之工作流程優化與虛實整合（智慧製造）機會

在 ISA-95 的架構指導下，傳統代工與品牌製造業可在其核心工作價值鏈中，推動以下具體的流程優化與虛實整合升級。

1. 業務端：從「靜態估報價」升級至「即時利潤與貨物稅動態模擬」

傳統代工報價需耗時數天至數週，且無法精準掌握大宗原物料（如砂糖、特殊添加物、寶特瓶胚）與即時油電能耗波動對淨利的影響³。台灣地區對於設廠機製之清涼飲料品課徵從價飲料貨物稅，其中稀釋天然果蔬汁課徵 8%，其他飲料品課徵 15%，無糖或純天然果汁則免稅，且課稅時應減除容器（如寶特瓶、鋁罐）之成本以計算其出廠價格¹²。

為了在報價階段精準掌握獲利，系統應整合 L4 ERP 與 L3 現場能耗數據³。當業務輸入預期接單價格、預計生產批量、特定包材與大宗糖原料之動態市價時，系統應自動執行飲料貨物稅與即時單品利潤的動態試算³。出廠價格與應納稅額之數學試算模型如下：

透過此動態利潤模擬器，業務可在接單當下任意拖拉滑桿，模擬不同批量（MOQ）與包材材質波動下的實質淨利，系統並可設置「利潤率低於 3% 自動發出紅色預警」之卡控機制，作為業務談判與核定 MOQ 的最強決策後盾³。

2. 生管端：先進規劃排程（APS）與共用料調撥最佳化

優化後的流程應完全摒棄 Excel 人工排程，導入先進規劃排程（APS）³。APS 系統能自動考量跨廠區（如保二、保三廠、嘉義新廠）之間的共用料（如砂糖、瓶蓋、紙箱）庫存，以及產線換線時間與機台物理約束（如吹瓶模具切換限制）¹。當遇到頻繁的急插單時，系統能進行秒級的動態排程模擬，自動計算出插單對現有工單交期的影響，並自動展算 MRP 與物料調撥建議，減少跨部門無效溝通與停工待料風險，將交期回覆時間由三天縮短至數分鐘內³。

3. 品保端：AI/OCR 與 LIMS 智慧整合放行流程

為解決品保部進料檢驗（IQC）耗費大量人工輸入、且紙本 COA 報告無法即時關聯的痛點，應導入 AI 光學字元辨識（OCR）與文檔處理技術³。當供應商進貨時，品保人員僅需以 PDA 拍下供應商標籤並上傳 COA PDF 檔³。系統自動透過 AI OCR 擷取批號、有效期限與核心檢驗指標，自動與 L4 定義之品管規格（Specs）進行卡控比對³。比對無誤後，系統自動於 WMS 生產檢驗合格貼紙，並將原料批號與後續製造工單自動進行強綁定，在幾秒內建立起符合食安溯源要求的產品譜系（eBMR）³。

4. 製造端：老舊設備非侵入式數據採集與即時工單成本分攤

傳統工廠存在大量無法直接連網輸出的老舊測試或加工機台，全面更換硬體設備成本極高且面臨停線風險¹¹。此時，企業應導入非侵入式的「AI 視覺 + RPA 虛擬員工」技術¹¹。透過在老舊控制面板前架設高解析度相機，利用 AI 電腦視覺即時「讀取」螢幕上的產能、溫度或良率數據¹¹，並由 RPA 虛擬員工自動將數據秒級同步寫入 MES 與 ERP 系統中，實現「零改機成本」的智慧化數據採集¹¹。

同時，將現場智慧電錶、水錶等 IoT 設備，依據 ISA-95 層級與生產執行系統（Level 3）連接³。系統能自動依據每張生產工單的「實質運轉機械工時」，將水解、無菌冷充填等高能耗工段的能耗費用即時分攤回每張工單上³，實現即時成本（Real-time Costing）與設備綜合稼動率（OEE）的動態計算³。其 OEE 計算模型如下：

5. 倉儲端：Unique ID 棧板流向與自動化外倉計費 WMS

在每個成品棧板貼上具備唯一識別碼（Unique ID）條碼，出貨時以手持 PDA 掃描³。系統設計「入庫滿 X 天自動對客戶起算保管費」與「到期主動催款」之規則，自動依據合約級距、出入庫天數、棧板租金與換板費進行批次化自動計費，徹底取代財務人員手動對帳工作³。

未能落實 ISA-95 對 AI 轉型所造成的巨大營運風險

在國際 AI 與工業 5.0 發展趨勢快速演進的背景下，許多企業主急於追趕 AI浪潮，試圖直接在雜亂的歷史資料上建構 AI預測性維護、智慧銷售預測、或智慧產能調度系統⁴。然而，若沒有先落實ISA-95標準架構以建立穩固的數據底座，直接進行AI轉型，將面臨巨大營運風險。

1. 「垃圾進、垃圾出」（GIGO）導致的決策系統癱瘓

AI 模型的預測精度與推論品質，百分之百依賴輸入數據的品質、完整性與語義一致性⁴。當企業底層系統（ERP、MES、PLC）未整合時，資料必然存在格式混亂、時間落後與定義不一致的「數據孤島」⁴。在統計學與資料科學中，「垃圾進，垃圾出」（Garbage In, Garbage Out, GIGO）是絕對的定律¹⁵。將有缺陷或低質量的數據輸入 AI 系統，只會導致 AI 產生嚴重的「幻覺」（Hallucination），並產出不可信的分析結果¹⁵。

● 在預測性維護（Predictive Maintenance）上：若 PLC（Level 1）的感測器歷史溫度與震動數據，在傳輸到 L3/L4 時，沒有對齊特定的設備編號、潤滑維護日誌或生產工單主數據，AI模型在訓練時將無法建立正確的物理因果關聯⁵。錯誤的感測器訊號將被傳播放大，導致 AI頻繁發出「錯誤故障警報」或「漏報真實故障」¹⁵，進而引發非計劃性停機與巨大的維修損失⁴。

● 在智慧銷售與動態庫存預測上：若外倉與門市 POS 庫存更新存在時間落差³，AI 模型接收到的歷史庫存是失真、滯後的。AI 會誤判市場需求，產生偏頗的採購與備料預測⁴。一旦供應鏈預測失準，將導致熱銷品嚴重斷貨（損失接單商機）或大宗原物料（如高成本的燕麥、乳粉）嚴重過剩而過期報廢，直接侵蝕企業核心利潤³。

2. 資料庫主數據缺失導致的系統性錯誤傳遞

在 ISA-95 的 Part 2 中，定義了標準的資源模型（物料、設備、人員、工藝段）⁸。若不遵循此架構建立標準的「主數據字典」（Master Data Dictionary）與「統一命名空間」（Unified Namespace, UNS）⁵，任何 AI 的導入都將在底層遭遇語義混亂。例如，業務系統（ERP）中的物料代碼「A-01（特級白砂糖）」在生產控制端（SCADA）卻被命名為「Sugar_Premium」；研發配方中的取替代料關係沒有結構化地寫入資料庫，僅存在研發人員的腦海中³。當 AI 試圖進行跨系統的排程規劃或替代料成本試算時，將因為命名歧義而產生語義混亂，導致系統自動生成錯誤的調撥單、錯誤的工單倒扣料路徑、甚至將不符合食安規範的替代料排入配方中，引發嚴重的產品安全與法律合規風暴³。

3. 「安靜錯誤」的連鎖反應與管理盲點

動態、非結構化或手寫的 Excel 數據處理方式對資料類型的正確性採取無所謂的態度³。在沒有 ISA-95 標準約束下，數據中的「安靜錯誤」（Silent Errors）不會觸發系統報警，而是悄悄在數據流中傳播並在隨後的計算中引起連鎖反應¹⁶。這導致 AI 輸出的「表面上合理」的決策報告（如推薦某張預估高利潤但現場根本無法開線的代工訂單）被高層採納，直到產線停擺或客戶退貨時才發現根源，而此時系統已難以進行錯誤根源定位與責任追溯⁵。

雙軸轉型戰略：自我審視指標、實施進程與政府補助資源對接

傳統產業必須在 ISA-95 架構指導下，抓緊時間進行自我審視，找出改變的項目，並制定循序漸進的雙軸轉型實施進程³。

1. 企業資訊基礎工程之「自我審視指標」

決策層應定期針對以下四大維度進行嚴格的自我評估，辨識出核心的轉型盲區：

維度一：數據即時性與「單據先行」卡控

● 系統中的生產工單、投料、產出與報工，是「見單行事、現場實時觸發」，還是在生產完畢後由生管手動補單入 ERP？³

● 外部代管倉庫與廠內自倉庫存異動，是否能做到當日「扣帳不落地」與「單據先行」？³

維度二：系統整合度與資訊不落地

● 業務報價時，系統能否自動、即時地關聯最新採購合約單價與生產能耗？還是一律依賴 Excel 手動詢價？³

● 現場自動化設備（PLC/SCADA）的運轉數據與故障代碼，是否能無縫拋接至 MES，還是依賴現場人員紙本超寫日報表？³

維度三：主數據一致性

● ERP 的物料代碼、研發部門的配方 BOM 表、以及生產現場的 Recipe，是否使用同一個標準主數據字典管理？⁵

● 外部倉庫棧板流向、代管倉租計費邏輯，是否內建於系統並能與銷售出庫單直接連動？³

維度四：合規與防錯機制

● 研發部門的取替代料配方，是否具備系統化的防錯卡控，還是高度依賴特定研發人員的個人經驗？³

● 品保進料檢驗（IQC）與供應商 COA 報告，是否能與 ERP/MES 採購收貨自動關聯，還是全憑肉眼與手工鍵入？³

2. 四階段轉型實施進程

基於傳統產業多廠區建置（例如：因擴大接單產能而建置新廠）與現有廠區營運不中斷的考量，建議採取「急用先導、新廠智慧化到位、舊廠分步汰換」的四階段並行策略¹。

3. 政府轉型補助資源之動態對接

台灣地區政府為推動數位與綠色「雙軸轉型」，釋出了極為豐沛的資金補助資源¹⁷。傳統產業業者應主動規劃專案，對接以下政府資源以降低自付額度：

● 根留台灣企業加速投資行動方案：專為在台進行重大資本支出、推動智慧化與低碳生產之大中型製造業設計¹。以導入 AI 智慧管理系統、節能低碳與太陽能光電設備¹。

● 經濟部 19+1 數位轉型補助計畫：專門針對不想更換老舊硬體設備的中小微型及傳統工廠設計¹¹。

結論與決策建議

傳統品牌製造及代工企業在面對 AI 發展趨勢演進加速的時代，切忌盲目進行「技術冒進」⁴。若企業內部底層的資訊基礎工程不穩固，盲目導入高階 AI 只會因「垃圾進、垃圾出」（GIGO）而導致系統混亂，將寶貴的資源虛耗在處理錯誤決策、修正系統漏洞與人工對帳的無窮惡性循環中⁴。

ISA-95 標準架構並非落後的技術束縛，相反地，它是引導企業將物理製造世界（OT）與商業營運決策世界（IT）進行語義對齊的唯一通用語⁸。透過落實 ISA-95，將 Level 4 的 ERP 計畫與 Level 3 的 MES/WMS/QMS 執行層緊密綁定，才能為 AI 模型提供精準、即時、具備脈絡因果關係的高質量數據底座⁵。

針對台灣傳統產業決策層，提出以下三點具體行動建議：

1. 語義優先，標準先行：立即針對企業內部的「主數據」（物料代碼、Recipe 配方、設備名稱、外倉代管計費基準）進行標準化定義與統一命名空間（UNS）規劃⁵，徹底消滅影子電子表格，落實「單據先行、扣帳不落地」的管理原則³。

2. 分步實施，新舊並重：在新設廠區堅持 智慧化工廠規格¹；而在舊廠區則應善用「非侵入式 AIoT 與 RPA 虛擬員工」技術，無痛打破老舊設備孤島¹¹，分階段向智慧製造邁進。

3. 借力政府，槓桿資源：緊密對接經濟部數位轉型補助及根留台灣企業方案¹，將外部輔導資源與資金挹注最大化¹⁸，降低雙軸轉型的財務風險，確保企業在 AI 驅動的新賽局中掌握致勝先機²¹。

常見問題解答 (FAQ)

Q1：我們工廠已經有 ERP 系統了，為什麼還需要導入 ISA-95 架構或 MES？

A1：ERP 主要負責商業與財務層面（Level 4）的「事後記帳」，無法掌握生產現場（Level 0-2）的即時動態。缺乏 ISA-95 架構連結 MES（Level 3），ERP 的數據往往滯後且失真。導入 ISA-95 能確保行政決策層與現場控制層溝通無障礙，達到即時成本分析與產能透明化。

Q2：舊廠房有許多十幾年的老舊機台無法連網，要實現數據採集是否必須花大錢換新設備？

A2：不需要。企業可善用「非侵入式 AIoT」與「RPA 虛擬員工」技術。例如在老舊控制面板前架設高解析度鏡頭，透過 AI 電腦視覺讀取螢幕數據，再由 RPA 自動秒級同步至 MES/ERP，即可在零改機成本、不停線的前提下打破設備孤島。

Q3：如果底層資訊尚未完全整合，強行導入 AI 會造成什麼具體後果？

A3：會面臨「垃圾進、垃圾出」（GIGO）的風險。當輸入 AI 的歷史庫存或設備數據失真時，AI 會給出偏頗的備料預測或錯誤告警。更危險的是生成「表面看起來合理但實際不可行」的決策報告，導致企業營運成本大幅增加或非計畫性停機。

Q4：傳統製造業推動雙軸轉型，有哪些政府補助資源可以申請？

A4：主要有兩大資源：1. 經濟部「19+1 數位轉型補助計畫」，專門輔導中小型工廠利用虛擬員工或軟體無痛轉型；2.「根留台灣企業加速投資行動方案」，針對在大台進行重大智慧化與低碳化升級的製造業提供資金貸款與專案補助。

引用資料來源：

1. 2025 製造業AI 趨勢解析：高風險時代下，智慧工廠如何打造韌性競爭力？ - iKala,

2. ISA-95 (S95) – 企業控制集成

3. 2025/2026產業技術白皮書- 出版品 - 經濟部

4. 台灣傳統產業AI轉型攻略：2026年製造業、金融業、零售業成功案例分析 - AI未來世代

5. 什麼是ISA-95？智慧製造的數據網格

6. ISA-95 框架和層

7. 智慧製造- 認識產業技術司 - 經濟部

8. 【2026 企業轉型指南】善用經濟部19+1 補助！免換老舊設備，用「虛擬員工」無痛打造智慧工廠

9. 課稅方式 - 財政部稅務入口網

10. 函釋-財政部各稅法令函釋檢索系統

11. 財政部主管法規共用系統-法規內容-貨物稅條例

12. 垃圾進，垃圾出（GIGO） - FlowHunt,

13. 垃圾進，垃圾出- 維基百科，自由的百科全書

14. 2024/2025產業技術白皮書 - ITIS智網

15. 2025年補助案說明

16. 耐斯集團打造新一代高野健康生技大埔美生技園區今舉行動土典禮 - 嘉義縣政府

17. 2024/2025產業技術白皮書 - 出版品- 台灣經濟研究院

延伸閱讀：

>>台灣零售與製造業進軍大型通路之戰略與實務指南一案例篇

>>2,000萬補助背後：政府真正想扶植的未來企業曝光