近年來，全球工業自動化巨頭洛克威爾自動化（Rockwell Automation）正積極透過不同路徑，將 AI 技術推向製造現場最前線。其中一條路線，是透過 FactoryTalk Analytics VisionAI，讓 AI 在邊緣端進行運算，使其更靠近生產線與相機設備，以便即時、高效判斷產品瑕疵；另一條路線，則是與工業預測性維護領域的領先廠商 Augury 展開深度合作，將具主動性的 Agentic AI 導入工廠設備維護與可靠性管理流程，讓 AI 不只是偵測與診斷異常，更進一步跨入建立維修任務、規劃工單的行動階段。
這兩條並進的技術路線，也分別回應製造業邁向工廠自主化時面臨的即時判斷與流程執行兩大關鍵問題。透過 Edge AI 與 Agentic AI 的雙軌布局，洛克威爾自動化正逐步縮短工業現場從資訊感知到實際執行之間的距離，推動製造業從傳統的程式化自動化，走向更具適應能力的自主製造。
Edge AI 進駐生產現場，洛克威爾自動化讓視覺檢測從事後分析走向即時判斷
在傳統工廠中，依靠肉眼或固定規則進行視覺檢查，有效率往往只有約 80%，而且多數系統缺乏完整的歷史檢查紀錄，使品質管理難以實現數位化追溯與深度分析。為了克服這項痛點，洛克威爾自動化推出 FactoryTalk Analytics VisionAI，並將其與旗下雲端品質管理系統 Plex QMS 深度整合。如此一來，無論是產線上既有的舊相機，還是新部署的影像採集設備，都能透過通用工業影像協定接入 AI 視覺檢測系統，即時從生產影像中辨識各類異常與產品缺陷。
這套系統最關鍵的技術優勢，在於其邊緣運算（Edge Computing）架構。VisionAI 的影像推論模型可直接部署在靠近產線的邊緣端硬體設備，或本地工業電腦（IPC）上，不需要將大量、高速的超高解析度生產影像全部送往雲端處理。這種低延遲的邊緣端影像處理方式，讓產品品質判斷得以貼近實際生產設備的運作節奏。
這種 Edge AI 架構，代表工廠不再只把 AI 當成事後回溯、分析歷史數據的靜態工具，而是讓深度學習物件辨識模型與電腦視覺演算法真正進駐生產現場，成為能即時揪出品質異常的「現場守護者」。洛克威爾自動化對此強調，這樣的設計不僅能提高辨識產品瑕疵的準確度，更能將品質檢查從過去容易出錯的人工目視判斷，轉化為可追蹤、可全面數位化分析的智慧生產流程。
從現場判斷到營運決策，AI Agent 走進品質、作業與分析流程
當邊緣端的相機與 VisionAI 模型即時偵測到產品異常後，這項關鍵判斷不會只停留在現場攝影機或邊緣硬體，而是會透過 RESTful API 與 Webhook，將視覺檢查數據、元數據與判定結果傳送至雲端 Plex QMS 品質管理資料庫，為受檢產品自動建立專屬序列號與事件紀錄。
這套流程會即時更新統計製程管制（SPC）圖表，必要時更可直接啟動不合格品報告（NCR）程序並更新物料履歷，省去人工手動輸入的環節。這種從現場一路串接到品質管理系統的設計，縮短了傳統流程中「發現缺陷」與「品質紀錄、追溯」之間的資訊斷點。
除了品質檢測端的自動化整合，洛克威爾自動化也持續擴大 Plex 軟體套件在其他現場工作情境中的應用。例如，在協助一線技術人員執行現場任務的 Plex Connected Worker 套件中，便導入內建 AI 的 Authoring Agent（編寫代理），可以直接解析中性幾何交換格式的電腦輔助設計（CAD）檔案，並結合產品與技術資料，自動將複雜的 3D 向量幾何圖與裝配階層架構，快速轉換為一線工人可在行動裝置或輔助設備上閱讀的數位工作指示書。
同時，在 Plex Reporting and Analytics（報告與分析）引擎中，也嵌入專屬 AI Agent，提供可立即使用的儀表板。工廠系統管理與營運人員可以透過自然語言與報告工具對話，進一步取得即時決策指標、全面評估營運風險，並在問題發生前進行預警與預測。
這也凸顯洛克威爾自動化並非試圖打造一個龐大、笨重且高門檻的集中式 AI 運算平台，而是採取更靈活、分散的策略，將不同的專屬 AI 模組依照感知、分析、品質管控與一線人員操作等不同環節，「各司其職」地嵌入工廠運作流程。
從故障診斷、工單排序到技師派遣，AI Agent 接手設備維護流程
如果說 VisionAI 是讓智慧系統擁有一雙更靈敏、能即時「看見」生產缺陷的眼睛，那麼洛克威爾自動化與 Augury 的合作，則進一步將自動化帶入自主「採取行動」的新階段。
這項合作將 Augury 研發的 Industrial AI Workforce（工業 AI 勞動力）平台，與洛克威爾自動化旗下的 Fiix 電腦化維護管理系統（CMMS）及 FactoryTalk Optix 軟體緊密串接。透過這套名為 Fiix Asset Health by Augury 的解決方案，設備健康與震動數據不再只是被動等待工程師檢視的預測性維護（Predictive Maintenance）報表，而能主動支援深入診斷、維修規劃、排程與實際派工，形成更完整的智慧維護閉環。
在這套體系下，當 Industrial AI 持續監控並發現工廠內的馬達、泵浦或齒輪箱等核心物理資產出現早期故障徵兆時，AI Agent 便會開始運作。洛克威爾自動化資產管理自動化總監 Sunil Koticha 指出：「機器數據只有在洞察轉化為決策，進而為某人實際完成任務時，才能創造價值。」
透過與 Augury 的合作，AI 會持續解讀設備健康數據、辨識正在發展中的問題，並在 Fiix CMMS 中自動將其轉化為排定優先順序的工單，讓設備異常的發現能直接落實到維護團隊的工作流程中。
AI 不僅可以自動生成工單、依照嚴重程度安排維護優先順序，甚至還能將深入診斷所得的異常原因與建議維修步驟一併整合，交付給最適合處理的技術人員。
當資深技術人員依照系統指示完成設備維護後，實際處理與維修結果還會再次回傳至 AI 系統，形成「設備數據、判斷、行動、回饋」的資料閉環，讓 AI Agent 能持續參與工廠核心資產的生命週期維護流程，並根據實際結果改善後續建議。
用 Edge AI 與 Agentic AI 縮短工廠決策距離
洛克威爾自動化在 Edge AI 與 Agentic AI 領域的並行布局，勾勒出工業智慧化轉型的一個重要轉折：Edge 技術主要負責將算力與判斷能力部署在數據產生地與實體設備旁；AI Agent 則進一步負責把這些判斷轉化為後續工單、工作指令與一線人員的具體行動。
無論是 VisionAI 即時捕捉細微外觀缺陷，再將結果串接至雲端 Plex QMS 的品質管理機制；或是 Augury 的 AI Agent 診斷設備異常後，在 Fiix CMMS 中自動建立維護任務，都顯示 AI 技術正逐步跨越過去橫亙在分析層與執行層之間的鴻溝。
洛克威爾自動化產品經理 Devin Burke 對此表示：「AI 在洛克威爾的工業自主化戰略中扮演著至關重要的角色，透過預測性智慧，製造商得以從原先寫死的自動化轉向更具適應性的自主化，因為系統現在能在軟體、硬體與工人之間進行自我學習、動態調整與緊密協作。」
然而，追求高度自主化並不等於打造完全去人化的工廠。不論是洛克威爾自動化還是 Augury，其核心理念始終是「人機協同」。AI 的優勢，在於能持續從龐雜的工業數據中進行推理、提供高價值的診斷與決策建議，並啟動後續工作流程；但涉及關鍵大型設備的實體檢修、精密現場操作與最終核准等工作，依然需要仰賴資深工程人員的經驗判斷。正如 Augury 執行長 Elan Greenberg 所言：「這與取代那些運行工廠的人無關，而是要放大他們的能力。我們的未來，是要建立能夠為工廠工人和各行各業技師賦能的 AI 代理解決方案。」
過去數年，製造業決策者在審視、評估一項 AI 方案時，目光往往聚焦在各項技術指標。然而，當工廠能做到即時抓出細微缺陷、判斷齒輪箱故障，甚至主動為值班技師建立包含診斷與維護資訊的工單時，AI 的價值才真正從「分析」走向「執行」。
對製造業領導者而言，下一階段更值得關注的指標，或許不再是「工廠內究竟導入了多少個 AI 模型」，而是這些 AI 技術是否真正縮短了從看見（Perception）、推理判斷（Reasoning）到採取行動（Action）的距離，進而一步步推動製造現場走向更高程度的自主決策。
製造業的每一次升級，背後都是值得深入解讀的故事。如果你擅長從技術趨勢中提煉觀點、寫出決策者真正需要的報導，想和我們一起記錄產業轉型，《TechOrange 科技報橘》正在徵內容編輯！
👉立即投遞履歷
【推薦閱讀】
◆ 【工業 AI 作業平台】稱工廠供應鏈是 AI 最有價值處，新創 Arrakis 不綁模型、費用跟績效掛鉤
＊本文開放合作夥伴轉載，資料來源：《Reuters》、《Ars Technica》、《WSJ》，首圖來源：Unsplash
立即報名 9/17 AI 智慧大工廠論壇，Qualcomm、鴻海、緯謙、TeamT5 等專家將共探 Edge AI Agent 超自動化與資安實戰
