新創公司開必拓探訪了40~50家製造業者之後，發現最大的問題在於品質檢測站用了相當多的人力，而人工作業的速率，降低了整條產線運作的順暢度。眼見業者正為此苦惱，正運用人工智慧技術(AI)，自主開發軟硬整合的瑕疵辨識方案，降低業者對人力的需求的同時，亦大幅提升產品品質。

瑕疵檢測雖然堪稱近年製造業運用AI技術最廣泛的領域，但事實上還有許多未知的領域值得探索。開必拓創辦人暨執行長孫逢佑說，雖然在瑕疵檢測領域中，傳統的自動光學檢測(AOI)已行之有年，也有相關設備業者投入AI開發，但開必拓不走老路，而是希望透過AI開發新方法，來解決產業還未被挖掘的痛點。

導入矽谷AI經驗 將目光鎖定台灣製造業

開必拓由3位共同創辦人成立於2017年，在創立之初就將目標市場鎖定在製造業。而不僅創辦人之一的孫逢佑過去曾任職於聯發科9年，另兩位創辦人孫逢佐和葉怡婷，也在AI領域擁有相當豐富的學經歷，先後在矽谷任職於兩間以機器學習為核心技術的新創公司，分別將其應用於醫藥、圖像以及語意分析。

看中台灣在製造產業的豐厚實力，開必拓以台灣製造業為基礎，從台灣最大的半導體、電子產業聚落開始，落腳台灣新竹。那麼對於這些業者而言，AI究竟可以幫上什麼忙？能否實際解決痛點，或許才是業者最感興趣的，因此為傾聽應用端的需求，開必拓在創立之初積極拜訪各家製造業者，半年就跑了40~50家，而實地深入產線探訪後便發現，品檢流程依賴人工的比例過高，一來導致產線運作效率降低，二則是淡旺季人力備援難以掌控等，這些都是製造業常面臨的共通問題，也是業者現階段最想改善的痛點，因為生產現場一旦藉由人力精簡而提升效益，業者便可明顯感受到智慧製造與傳統生產流程的差異，這是最直接且快速削減成本的做法。

運用AI抓錯 還能透過瑕疵分級活用次品

因而，運用AI技術改善生產線上的品質檢測作業，便成開必拓的市場著力點。開必拓為此打造一套名為「fastable.ai」AI瑕疵檢測系統，在結合光學取像設備與AI影像辨識引擎的輔助下，一來可透過自動化檢測降低對人工的依賴，改善作業效率，二來由於過去人工容易出現紕漏，透過機器也能以更高的辨識準確度揪出產品上的瑕疵。

而瑕疵檢測不僅要揪出產線上的不良品，也能透過檢測資訊的反饋，優化生產中的各個環節。孫逢佑特別提到，在「fastable.ai」中還有一項功能是可用以活用次品。孫逢佑指出，不管是人工還是傳統自動光學檢測，都以「找到瑕疵」為目標，而非辨識瑕疵，但在這種非黑即白的檢測機制下，容易造成產品過度報廢，相當可惜，「因為對客戶來說，每生產一個產品都是成本。」

為了改善此種不夠明確的檢測機制，開必拓在fastable.ai中建立數據化的瑕疵分級制度，例如將瑕疵訂為A、B、C等級，如此一來，在符合不同客戶的品質要求基準下，便能夠從分級制度上活用次品，靈活庫存去化。

除了電子業為最大宗，經過3年多，開必拓現也將fastable.ai拓展到更多領域，包括應用於金屬箔面、紡織品、皮革、農畜產品、半導體/精密產品、鏡面/玻璃等的領域，在不同產業中透過客製化提供相應的服務。

自主開發軟硬體　打造AI-Ready完整解決方案

也因為客製化程度高，開必拓為此也發展出自主開發軟硬體整合的能力。孫逢佑指出，過去檢測方案的開發，總是耗費工時在光學與軟體的搭配、整合，且萬一效果不佳，會讓檢測效益大打折扣，因此軟硬體的匹配相當重要，為了使客製化百分之百符合生產現場，開必拓也透過與設備商夥伴的合作，自主打造AI-Ready的設備，透過完整的軟硬體解決方案，加速製造業部署上線的時間。

而自主開發軟硬體設備的好處，則可以依據客戶需求保有相當大的彈性。孫逢佑指出，目前fastable.ai可直接部署於產線上，讓品檢流程從過去透過離線設備抽檢，改為線上全檢，透過提高檢測設備的機動性，將瑕疵檢測的效益放到最大，在揪出瑕疵的同時，即時做出反應與回饋。

希望客戶成為以數據為導向的製造業

現階段雖著眼於品質檢測，但開必拓仍然積極開拓新的應用領域。孫逢佑指出，AI擁有無限的應用可能，瑕疵檢測只是現階段已被開發的一個應用點，但未來延伸至「線」，甚至「面」，都還有很多想像空間，而開必拓也鼓勵客戶挖掘新的問題、提出新的需求。

為此，開必拓也做好準備，fastable.ai現階段可透過開放API，提供客戶將瑕疵檢測資料嫁接到不同資料庫，以進一步開發更多應用，像是串聯庫存系統活用次品、或是結合MES系統透過生產履歷進行製程優化的交叉分析等，最終目的無非都是希望客戶透過開必拓活用數據，達到更有效率的工廠管理、供應鏈管理等。

而以數據導向為目標，不僅體現在客戶端，也是開必拓下一步重要的發展策略。孫逢佑表示，像瑕疵檢測這樣的影像資料，只是數據的冰山一角，歸功於物聯網技術的蓬勃，感測資料可以產生的效益具有相當大的潛力，因此未來開必拓也不排除發展更多數據資料的應用，讓智慧製造的輪廓更加完整與鮮明。