生產排程不再是一張「死表格」：日立如何靠 AI 把交期砍半？
日本科技與製造業巨頭日立（Hitachi）正透過組織重整與 AI 技術升級，加速轉型為「數位中心型企業」。
日立總裁兼 CEO Toshiaki Tokunaga 指出，AI 已從生成式（GenAI）、代理型（Agentic AI）邁入實體 AI（Physical AI）階段。日立聚焦將 IT、OT（營運技術）與實體產品串接，推動自研 AI Lumada 3.0 佈局，並實施「Customer Zero」策略：先在自家組織內驗證技術，再轉化為外部客戶的數位服務。
從靜態計畫到動態應變，Physical AI 翻轉製造邏輯
日立所強調的 Physical AI，核心在於讓 AI 不只處理數位世界的資訊，更能即時理解並回應真實物理環境的狀態。對製造業而言，這代表 AI 能直接讀取設備、產線、庫存與供應鏈等現場資料，進而動態調整生產決策。
過去的製造排程多半依據預定訂單與固定產能制定。一旦現場發生設備故障、料件延遲或生產條件改變，往往需要人工二次介入重排，不僅耗時，更容易造成等待與產能浪費。
Lumada AI 的做法則是直接打通工廠即時營運數據與企業規劃系統。當供應鏈條件或設備狀態發生變化時，AI 能依據最新資訊重新評估最佳生產順序。換句話說，生產計畫不再是一份制定後死板執行的靜態表格，而是能隨現場狀況持續微調的「活系統」。
實戰驗證：Omika Works 核心產品交期大減 50%
這套動態調度架構已在日本日立 Omika Works 廠區成功落地。該工廠主要生產能源、鐵路與水務基礎設施所需的資訊控制系統，由於產品高度客製化，涉及複雜的零組件與多變製程，排程管理傳統上極具挑戰。
導入 Lumada AI 與 IoT 平台後，系統能根據現場動態即時重算製造流程，大幅降低生產過程中的等待與閒置時間。最終，這套 AI 驅動機制使 Omika Works 的核心產品交期（Lead Time）成功縮短 50%。更重要的是，日立在完全不擴建廠房的前提下大幅提升了產出，徹底釋放原本被固定排程限制的潛在產能。
這項成果也凸顯 IT／OT 整合對智慧製造的重要性。單純將 AI 模型放進工廠，並不代表生產流程就能自動最佳化；真正關鍵的是 AI 能否取得足夠即時、可靠的現場資料，並將分析結果回饋到實際的生產決策。Lumada 所扮演的角色，便是將工廠端的 OT 數據與企業 IT 系統串接，讓資料、分析與執行形成更緊密的循環。
日立希望進一步將這種能力延伸至更多工業與社會基礎設施場景。隨著 Physical AI 持續發展，AI 的角色也可能由協助人員分析資料，逐漸擴大至規劃任務、調整流程與協調實體設備。對製造業而言，這將使 AI 成為生產系統中的決策與調度能力，而非單純的分析工具。
Omika Works 的 50% 交期縮短，正是這種轉變的具體案例。日立透過 Lumada AI 將即時工廠數據納入生產決策，讓既有設備與空間發揮更高效率。當 AI 開始能夠根據真實世界的變化持續調整生產流程，智慧工廠的競爭也將逐漸從「導入多少 AI」轉向「AI 能否真正改善現場營運」。
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！
👉了解職缺內容
【推薦閱讀】
◆ 物理 AI 最大商機或許不在人形機器人，而是替既有設備裝上大腦
＊本文開放合作夥伴轉載，參考資料：Hitachi、《Supply Chain Digital》、《Technology Magazine》，首圖來源：Hitachi
（責任編輯：廖紹伶）