電腦及家電上的關鍵小零件「風扇」，小歸小，卻是左右產品壽命的關鍵元件，該怎麼確保品質無虞？
過去風扇業者訓練品檢員正式上班前，必須先訓練2個月，上班地點在電話亭大小的房間內，「聽」風扇運轉的聲音平衡度判斷良莠，缺點是半年耳朵就會疲乏，必須安排其他工作。
人的聽覺敏銳度會下降，但AI不會，解決風扇業者必須不斷訓練聽檢人員的痛點。
為解決痛點，華碩錄製合格風扇的運轉聲音，製作「好的風扇聲音波形」讓AI學習，華碩智慧物聯網事業群共同總經理張權德說：「這不是比對聲音，比對意味要一模一樣，但對於風扇，AI必須要學習什麼屬於好的一類，什麼屬於壞的一類。」
聲音的品質檢測對所有「動件」都通用，比方AI可以做工廠內馬達的生命週期監測，一旦AI「聽」出馬達有不好的聲音波形，就知道該提前維修或汰換。對鋼鐵或化工業來說製程長，一旦馬達中途故障，耗損的是整條產線上的鋼材或原料。
但業者無法預知馬達何時壽終，只好提前替換，馬達原有五年壽命，廠商可能一兩年就換掉，即使成本變高，也比整條產線材料報廢好。
AI聽出問題馬達，華碩搶攻智慧製造生意
AI聲波檢測能改善工廠痛點，用科學化方法聽出馬達「該保養」，或「該替換」，這個智慧工廠的解決方案，意外的出自於「沒有自有大型工廠」的華碩之手。
華碩筆電在台灣稱霸市場，但這家2007年起就不再專注生產製造的科技品牌，為何2019年底開始關心智慧製造？如何說服客戶？
「華碩過去9成業務的B2C（面對消費者），AIoT領域則面對商業或工業客戶，這是完全不同客戶群，因此在獨立為事業群之前，董事長（施崇棠）都要我們想清楚。」張權德說。
2019年11月，華碩宣佈「智慧物聯網事業群」，任命張權德及許祐嘉擔任事業群共同總經理，成立集團第三大事業群。這也是華碩開放平台事業群（主機板及顯示卡等零組件）及系統產品事業群（筆電與桌機）外的新業務，旗下約分AI（人工智慧）與IoT（物聯網）兩單位，總計300人。
那麼為何華碩先後成立AI研發中心及智慧物聯網事業群？事實上，在營運面角度，兩單位有不同的使命，AICS任務是集合台灣AI人才和資源，創造應用可能性。智慧物聯網事業群則期望落實AI對產業的創新與升級，以全新的角度來解決產業的痛點。
AIoT部門其實早在一年半前成立，原本是鎖定嵌入式工業控制領域發展，但看好物聯網裝置應用機會大，未來要靠AI加速處理龐大數據，華碩去年底決定擴大組織規模，納入AI解決方案能力，在董事長施崇棠一聲令下，ABC（AI、Big Data、Cloud）加速整合，要發展各種新智慧解決方案。
獨立後，新團隊從設計力、技術力及生意模式可靠度（持續獲利）三面向思考什麼生意可以做？終於，他們找到供應商的需求，其中瑕疵檢測是最大痛點，因為零件常用人工目檢，一旦失誤就會出現瑕疵，造成退貨。
華碩目前有200到300家以上供應商，當華碩有能力組團隊協助供應商改善品質檢驗流程，零件商接受意願高。「我們有大華碩資源！」全球資深副總裁暨智慧物聯網事業群共同總經理許祐嘉說，為搶吃智慧解決方案，華碩勢必需要軟硬整合，除了供應鏈，華碩也看到智慧零售跟智慧醫療機會。
金屬瑕疵精準度98%，2020年目標30個專案
目前這個出生四個多月的新事業群，已經拿下三個客戶，四個新客戶進行中，今年團隊目標是：搶下30個專案，包括風扇及金屬機構件供應商。
「初期是期望推動產業跟我們一起升級，希望穩紮穩打，協助供應鏈體質提升，以面對國際競爭。今年不是以賺錢為目標。」許祐嘉說，透過累積經驗驗證佈局，是事業群首要任務，單是華碩300家供應商，「供應商認識華碩，比較好談，幫助你也等於幫助我。」
對製造業來說，用光學檢測取代人工是常見做法，但對金屬機構件業者相對困難，因為，金屬件尺寸不一，且光學鏡頭常會因為光線折射，遮蔽原本該被檢測到的瑕疵，必須掌握光學特性及物理元件表現特性，找到適合的拍攝點，取得正確的瑕疵資料才能訓練AI模型。
「一般光學檢驗精準度約85～90%，業者是不會用的，因為這表示有10%瑕疵被誤判。」張權德說，而人工檢測瑕疵精準度約93%，目前華碩已經能讓AI學習後做到98%精準度，替代人力目檢。
「武漢肺炎期間，業者更關心減少人力（群聚），過去三條產線要三人管，現在只要一人，如果良率從93%提高至98%，成本等於降低5%。」許祐嘉侃侃而談。
願景：全品質分析，找出製造業的終極解答
然而技術到位了，若華碩智慧物聯網團隊必須一件一件針對客戶客製化AI，面對上游零件供應商高達200～300家，產品多樣分散，勢必要消耗極大資源，物聯網生意怎麼做？
「假設每一個零件都要替客戶客製化AI模型，資源消耗很大。」張權德說，這樣效率太低，影響獲利，所以「降低客製化比率，提高共同化」也是目標。目前事業群期望客製化比率從40~50%降至20~30%，未來每接到一個專案，調整比例只要2成。「這樣產品才可以複製，可以規模化，」他說。
這也是華碩團隊摸索出來的AIoT專案執行邏輯。舉例來說，金屬件因為特性，必須擷取瑕疵特性，找出刮傷特徵做訓練、建模型，未來每接一個新Case，再訓練拉高精準度，「目前市場上還沒有真正商品型態販售的AIoT解決方案，這是我們的目標。」許祐嘉說。
面對鴻海、英業達等大型代工巨獸，也導入智慧製造、AI檢測，要拚技術輸出，華碩如何競爭？「代工廠有自己的場域，對外服務客製化比率可能要3~5成，複製能力是挑戰，華碩供應商不只是單一場域，客製化需要低，可複製能力就很高。」許祐嘉解釋。
那麼AIoT事業群的下一步？張權德透露，檢測料件只是華碩AIoT團隊的第一步，他們把終極眼光放在「全品質分析」，期望用3～5年時間，以數據分析，探究料件引發瑕疵的原因，幫供應鏈找出為何良率好或糟的根本解答。
責任編輯：陳映璇
