設計要求
把 CAD / MBD / PMI 裡的尺寸、公差、基準與特徵關係整理成可被系統理解的品質語意。
一、品質資料為什麼常常有檔案、沒脈絡
製造業並不缺品質資料。CAD 圖面、檢驗規格、CMM 結果、AOI 報告、Excel 統計表與客戶交付文件，每天都在產生。
但當問題發生時，企業常常仍要靠人工去找圖、找版本、找報告、找量測程式，再重新判斷這些資料彼此之間的關係。
這代表真正的問題不是資料不存在，而是資料缺少共同語意。圖面上的一個特徵、檢驗表上的一個欄位、量測報告裡的一筆結果，如果沒有共同定義，就很難確定它們是不是指向同一個設計要求、同一個檢驗項目，或同一個品質風險。
本篇核心判斷：QIF 不該只被理解成 XML 或 ISO 標準介紹。更實用的理解是：QIF 是品質資料的語意骨架，讓設計、製造、檢驗、量測、結果與統計能在同一套語意下被理解。
二、QIF 的基本定義
QIF 是 Quality Information Framework。它是一套以 XML 為基礎、與 CAD 系統無關的品質資訊標準，由 DMSC 推動，並成為 ISO 23952:2020。這個定義很重要，但如果只停在這裡，現場通常不會有感。
對品質主管、工程主管和製造主管來說，QIF 比較像一套共同語言：它把設計要求、PMI / GD&T、量測特徵、檢驗計畫、量測資源、量測結果與統計分析放進同一個可追溯的資料框架裡。換句話說，它不是單純把資料存起來，而是讓資料知道自己在品質流程中的位置。
檢驗任務
讓檢驗計畫、量測資源與判定規則不再只是散落在表單或程式裡，而是能對回原始要求。
結果回饋
讓量測結果與統計分析能回到特徵、公差和版本脈絡中，形成可查核的品質證據鏈。
三、QIF 不只是交換格式
很多人第一次聽到 QIF，會把它想成「某種檔案格式」。這個說法沒有錯，但太淺。真正關鍵不是把 A 軟體的資料轉給 B 軟體，而是讓不同軟體、設備、部門與供應鏈在談同一件品質事情時，有辦法指到同一個語意節點。
如果沒有語意框架，品質資料常常會變成「看起來很多，但用起來很慢」。工程師知道資料在哪裡，卻不知道哪一份才是最後版本；品保有報告，卻不確定它對應哪一版圖面；製造現場知道異常，但改善經驗沒有回到設計和檢驗規則。資料量累積很多，管理能力卻沒有跟著提高。
四、從資料保存到資料理解
傳統做法常停在文件保存：檔案放在資料夾、報告存在系統、表單有人簽核。這些都必要，但它們還不是資料理解。真正的資料理解，是當一個檢驗結果出現異常時，系統和人能一起回答：這個結果量的是哪個特徵？對應哪個公差？根據哪一版圖面？使用哪個量測方法？過去有沒有類似異常？最後如何改善？
這也是 QIF 對 AI 品質應用重要的原因。AI 可以協助查找、比對、摘要和提示風險，但前提是品質資料本身有結構、有來源、有關聯。沒有語意框架，AI 只是讀到一堆檔案；有了語意框架，AI 才比較可能理解資料之間的關係。
避免過度承諾：QIF 本身不是 AI，也不會自動完成智慧製造；它更像底層語法，讓 PLM、MES、QMS、CMM 軟體和 AI 工具更有機會讀懂同一批品質資料。
五、三個現場例子：資料存在，但語意不一致
從提供的 MD 來看，這篇文章不應只講標準，也要讓讀者看到現場問題。下面三個例子不引用檔案內文，只使用 MD 提供的案例方向，用來說明為什麼「共同語意」不是抽象名詞。
| 現場資料狀況 | 它暴露的問題 | QIF 對應角度 |
|---|---|---|
| 不同製程 PPT 需要統一機器名稱 | 同一台設備在不同車間、表單或人員口中可能有不同名稱；資料存在，但實體定義沒有統一。 | 先讓同一實體有唯一定義，跨部門資料才有辦法對應。 |
| 不同機種各自保存生產標準書 | 文件完整不代表資料可彙整；材料、條件、特徵與品質要求若沒有結構化，就難以交換與重用。 | 把文件中的品質要素轉成可判讀、可關聯的語意資料。 |
| 為混雜檔案庫建立索引與全面分析 | 當檔案庫太大、格式太雜，企業會先需要一層索引與共同視圖，否則知識只停在資料堆裡。 | 這正是 QIF 思維的雛形：先建立可追溯、可關聯的品質資料骨架。 |
六、QIF 對企業的第一層價值
QIF 的第一層價值，不是立刻讓企業變成智慧工廠，而是降低人工重建脈絡的成本。當品質資料跨軟體、跨設備、跨部門、跨供應鏈流動時，如果每一站都要重新解釋欄位、版本、特徵與判定規則，資料流得越多，混亂也可能越多。
有了語意框架，資料累積才可能產生質變。早期只是少打幾次資料、少找幾份報告；累積到一定程度，就能形成更穩定的品質證據鏈、異常知識庫、供應鏈稽核依據，以及 AI 輔助判讀的資料基礎。這個變化不是靠一句口號，而是靠每一筆品質資料都能被正確連回它的來源與意義。
所以，QIF 可以被理解成後續 AI 品質與數位主線的底層語法。沒有語意框架，企業只能保存檔案；有了語意框架，品質資料才有機會變成證據鏈，進一步變成可校準、可追溯、可再利用的組織知識。
外部連結與註解
- DMSC QIF Overview註解：QIF 官方說明其 XML-based、CAD-neutral 的定位，並涵蓋量測計畫、量測結果、PMI、量測資源與統計分析等品質資訊。
- ISO 23952:2020 Quality information framework註解：ISO 23952:2020 是 QIF 的國際標準頁面，用來佐證 QIF 並非單一軟體廠商格式，而是製造品質資訊的標準模型。
- NIST QIF PMI Report Software註解：NIST 說明 semantic PMI / GD&T 可從 QIF 檔案中被讀取與整理，適合支撐本文「語意 PMI」與「資料可理解」的論點。
- NIST End-to-End QIF Technology Survey註解：此報告可支撐從設計特徵、公差與基準，到品質規劃、量測資源與結果回寫的端到端資料鏈觀點。
想先盤點自己的品質資料語意缺口？
可以從一條產品線、一份檢驗表或一個常見品質異常開始，確認圖面、標準書、量測結果與改善紀錄是否能對回同一套語意。
準備把 QIF 變成可治理的工程資料資源？
從一組代表性產品開始，盤點資料欄位、版本、轉檔、MBD、STEP 與供應商交付包，建立可複製的數位串接樣板。
卡片定位與保密、引用聲明
定位：本頁為知識庫「QIF 專題系列」文章，用來整理工廠 CAD、品質資料、製造治理與 AI 應用之間的關係，並連結外部權威準則。具體敏感明細留在各受控源文件，本頁只做指引。（本頁所述「工廠」均為去識別化代稱。）
若連結之權威單位，有認為需要修改／下架之必要，本單位將配合調優、修改、刪除或者下架。
保密（營業秘密）：本頁為對外文件，不揭露客戶名稱、機種真實名稱（一律代號）、配方、供應商料號、報價等營業秘密。
引用（連結＝引用，不得用於模型訓練）：外部連結僅供「引用、查證、延伸閱讀」，不得整段／整圖轉載、不得用於訓練 AI。標準發行者（ISO／ASME／AIAG）之標準條文原文一律不轉錄；本頁相關內容均為自行整理並標出處。