SCIEN 入選「Triangle Ehime 3.0」延續專案：推動愛媛縣造紙業品質管理業務升級
SCIEN 入選 2026 年度「Triangle Ehime 3.0」延續專案及人才培育專案。該公司將開發專屬於造紙業的 AI 模型，將熟練檢查員的判斷基準轉移至 AI，並致力於培育在地 AI 人才。
📋 文章處理履歷
- 📰 發表: 2026年5月26日 01:12
- 🔍 收集: 2026年5月25日 16:31
- 🤖 AI分析完成: 2026年5月25日 17:04（收集後32分鐘）
## SCIEN 入選「Triangle Ehime 3.0」延續專案：推動愛媛縣造紙業品質管理業務升級
SCIEN（以下簡稱 SCIEN）宣布，其「基於造紙業特化型 AI 模型的品質管理業務自動化專案」，入選了愛媛縣推動的數位實裝支援事業「Triangle Ehime 3.0」的 2026 年度延續專案。
在本專案中，SCIEN 旨在透過將熟練檢查員累積的判斷基準轉移至 AI 模型，對愛媛縣紙張、不織布、薄膜等製造與加工現場的瑕疵檢查與品質判斷作業進行對象化，目標是實現品質管理作業的省力化、標準化與升級。此外，由於該專案同時入選了旨在推動在地學生聘用與 AI 實裝人才培育的「人才培育專案」，公司也將致力於培養能夠駕馭現場 AI 的下一代人才。
### 背景：愛媛縣造紙業面臨的品質管理課題
在愛媛縣的紙業相關產業中，在處理紙張、不織布、離型紙、薄膜等長型材料的製造與加工製程中，微細瑕疵的檢測與品質判斷是一項關鍵作業。儘管透過瑕疵檢測機進行圖像擷取與警報檢測已有所進展，但「該瑕疵在品質上是否可被允許」、「在後續製程中該如何處理」等判斷，仍高度依賴熟練檢查員的經驗與現場知識。
特別是僅靠 OK/NG 的二值化判定，當 AI 的判斷與現場感受有落差時，往往難以獲得認同，導致檢查員仍需進行重複確認與修正。再加上勞動力不足、年輕世代的技能傳承、製程間瑕疵資訊的連結、減少廢棄損失等挑戰疊加，業界亟需的不僅僅是引入 AI 作為單純的判定器，而是能持續學習與共享現場判斷基準的機制。
### 本專案概要
基於截至 2025 年度所累積的瑕疵圖像數據、現場訪談以及對檢查作業流程的理解，SCIEN 將在 2026 年度致力於打造「可解釋 AI」與「轉移現場知識的數據基礎」。公司將發展造紙業特化型 AI 模型，透過不僅累積 AI 判斷的瑕疵圖像，同時累積作為元數據的判斷理由、品質管理根據以及檢查員的修正理由，藉此反映各家企業獨有的品質判斷標準。
- 不僅判定瑕疵圖像，同時將判定根據、檢查所見、品質管理注意事項進行語言化。
- 當檢查員修正 AI 輸出時，將修正理由以自然語言記錄，建立 Human-in-the-Loop（人機協作）型改善循環。
- 將圖像數據擴展至語言數據，整備出可連結未來「為什麼-為什麼分析 (Why-Why Analysis)」、「故障樹分析 (FTA)」、「廢棄損失因素分析」的品質管理基礎。
- 使用各實裝現場的訓練數據，同時將程式碼、運用技巧、數據獲取手法磨練為可橫向展開的模型。
### 建構轉移熟練工現場知識的特化型模型
本專案所建構的 AI 模型，並非一般的影像分類模型，而是專門針對造紙與紙加工領域品質管理的「現場知識轉移型」模型。該模型將熟練工人在現場隱性做出的判斷，例如「該瑕疵可/不可被允許」、「在後製程需再確認」、「容易導致廢棄損失」等，以圖像、檢查結果、判斷理由、修正歷史的形式累積，並反映在 AI 的判定邏輯與運用規則中。
- **Perception (感測)**：檢測並分類瑕疵圖像，提取品質管理上的特徵。
- **Ontology (本體論)**：將瑕疵類別、製程、判斷理由、後製程處理進行結構化，將現場判斷基準共享知識化。
- **Orchestration (編排)**：連結 AI 輸出、檢查員修正與業務系統，持續優化模型與運用規則。
藉此，SCIEN 將 AI 的實裝定位為「繼承熟練檢查員智慧給下一代、提升品質判斷重現性的基礎」，而非「取代現場判斷的工具」。
### 入選在地學生聘用與 AI 人才培育專案
由於入選了 Triangle Ehime 的 AI 人才培育專案，本計畫也將致力於聘用在地學生與年輕人才。SCIEN 極為重視現場實裝所需的工程能力，不僅是製作 AI 模型，還包括從現場獲取數據、在安全環境下運用、與業務系統連接、設計評估指標等。
對於實習學生與年輕人才，SCIEN 希望讓他們體驗從了解製造現場挑戰、數據獲取、數據標註、模型訓練、評估、UI 優化到維運的一系列完整實裝流程，目標是培養能在愛媛縣內擔當 AI 實裝重任的實戰型人才。透過面對現場發生的不完整數據與制約條件，而不僅僅是處理整理好的教材數據，我們將培育出能為地方產業挑戰做出貢獻的人才。
SCIEN（以下簡稱 SCIEN）宣布，其「基於造紙業特化型 AI 模型的品質管理業務自動化專案」，入選了愛媛縣推動的數位實裝支援事業「Triangle Ehime 3.0」的 2026 年度延續專案。
在本專案中，SCIEN 旨在透過將熟練檢查員累積的判斷基準轉移至 AI 模型，對愛媛縣紙張、不織布、薄膜等製造與加工現場的瑕疵檢查與品質判斷作業進行對象化，目標是實現品質管理作業的省力化、標準化與升級。此外，由於該專案同時入選了旨在推動在地學生聘用與 AI 實裝人才培育的「人才培育專案」，公司也將致力於培養能夠駕馭現場 AI 的下一代人才。
### 背景：愛媛縣造紙業面臨的品質管理課題
在愛媛縣的紙業相關產業中，在處理紙張、不織布、離型紙、薄膜等長型材料的製造與加工製程中，微細瑕疵的檢測與品質判斷是一項關鍵作業。儘管透過瑕疵檢測機進行圖像擷取與警報檢測已有所進展，但「該瑕疵在品質上是否可被允許」、「在後續製程中該如何處理」等判斷，仍高度依賴熟練檢查員的經驗與現場知識。
特別是僅靠 OK/NG 的二值化判定，當 AI 的判斷與現場感受有落差時，往往難以獲得認同，導致檢查員仍需進行重複確認與修正。再加上勞動力不足、年輕世代的技能傳承、製程間瑕疵資訊的連結、減少廢棄損失等挑戰疊加，業界亟需的不僅僅是引入 AI 作為單純的判定器，而是能持續學習與共享現場判斷基準的機制。
### 本專案概要
基於截至 2025 年度所累積的瑕疵圖像數據、現場訪談以及對檢查作業流程的理解，SCIEN 將在 2026 年度致力於打造「可解釋 AI」與「轉移現場知識的數據基礎」。公司將發展造紙業特化型 AI 模型，透過不僅累積 AI 判斷的瑕疵圖像，同時累積作為元數據的判斷理由、品質管理根據以及檢查員的修正理由，藉此反映各家企業獨有的品質判斷標準。
- 不僅判定瑕疵圖像，同時將判定根據、檢查所見、品質管理注意事項進行語言化。
- 當檢查員修正 AI 輸出時，將修正理由以自然語言記錄，建立 Human-in-the-Loop（人機協作）型改善循環。
- 將圖像數據擴展至語言數據，整備出可連結未來「為什麼-為什麼分析 (Why-Why Analysis)」、「故障樹分析 (FTA)」、「廢棄損失因素分析」的品質管理基礎。
- 使用各實裝現場的訓練數據，同時將程式碼、運用技巧、數據獲取手法磨練為可橫向展開的模型。
### 建構轉移熟練工現場知識的特化型模型
本專案所建構的 AI 模型，並非一般的影像分類模型，而是專門針對造紙與紙加工領域品質管理的「現場知識轉移型」模型。該模型將熟練工人在現場隱性做出的判斷，例如「該瑕疵可/不可被允許」、「在後製程需再確認」、「容易導致廢棄損失」等，以圖像、檢查結果、判斷理由、修正歷史的形式累積，並反映在 AI 的判定邏輯與運用規則中。
- **Perception (感測)**：檢測並分類瑕疵圖像，提取品質管理上的特徵。
- **Ontology (本體論)**：將瑕疵類別、製程、判斷理由、後製程處理進行結構化，將現場判斷基準共享知識化。
- **Orchestration (編排)**：連結 AI 輸出、檢查員修正與業務系統，持續優化模型與運用規則。
藉此，SCIEN 將 AI 的實裝定位為「繼承熟練檢查員智慧給下一代、提升品質判斷重現性的基礎」，而非「取代現場判斷的工具」。
### 入選在地學生聘用與 AI 人才培育專案
由於入選了 Triangle Ehime 的 AI 人才培育專案，本計畫也將致力於聘用在地學生與年輕人才。SCIEN 極為重視現場實裝所需的工程能力，不僅是製作 AI 模型，還包括從現場獲取數據、在安全環境下運用、與業務系統連接、設計評估指標等。
對於實習學生與年輕人才，SCIEN 希望讓他們體驗從了解製造現場挑戰、數據獲取、數據標註、模型訓練、評估、UI 優化到維運的一系列完整實裝流程，目標是培養能在愛媛縣內擔當 AI 實裝重任的實戰型人才。透過面對現場發生的不完整數據與制約條件，而不僅僅是處理整理好的教材數據，我們將培育出能為地方產業挑戰做出貢獻的人才。
常見問題
トライアングルエヒメ3.0において、株式会社SCIENはどのような事業で採択されましたか？
「製紙業特化型AIモデルによる品質管理業務の自動化プロジェクト」として、継続枠および人材育成枠で採択されました。
SCIENが開発するAIモデルの最大の特徴は何ですか？
単なる画像分類ではなく、熟練検査員の暗黙知（判断理由や品質管理上の根拠）を画像とともに言語データとして蓄積し、現場の判断基準を転写・共有知化する「現場知転写型」である点です。
人材育成枠ではどのような取り組みが行われますか？
学生インターンや若手人材を対象に、製造現場における課題理解からデータ取得、アノテーション、モデル学習、運用保守までの一連のAI実装プロセスを経験させる実践型の人材育成を行います。
このプロジェクトが愛媛県の紙産業にもたらす価値は何ですか？
人手不足や技能継承といった課題に対し、検査業務の省力化・標準化・高度化を実現し、廃棄ロス削減や品質判断の再現性向上に貢献します。
株式会社SCIENのビジョンは何ですか？
「科学の力で人々の暮らしを『彩』り、『縁』を与える」というビジョンのもと、製造現場を中心に真に社会に必要とされる価値を創出することを目指しています。