ASUS AIoT 透過打造全新智慧製造解決方案促進工業升級

全新製程藉助人工智慧和大數據減少人工檢測可能疏漏的瑕疵,進而提高產品的品質和效率

2020/06/05


焦點

  • ASUS AIoT 事業群已開發多種支援 AI 和大數據的先進製造解決方案。
  • 華碩改變了其營運方式,以實現供應方工業 4.0 升級所需的靈活性、速度、生產力和品質。
  • 投資於生產和組裝智慧製造解決方案不僅能提升效率,且能減少人工瑕疵檢測所導致的損失。

2020 年 7 月 4 日台灣台北訊

隨著 AIoT 時代到來,華碩投入各種新技術和方法來發展先進的製造能力。2019 年底,華碩擴大了公司的 AIoT 事業部,以便為產業開發更多解決方案,並在此過程中更名為 AIoT 事業群 (AIoT BG)。針對成功製造的三大要素 (設計、技術和持續獲利能力) 仔細考慮和規劃後,華碩改變了其營運方式,以實現供應方工業 4.0 升級所需的靈活性、速度、生產力和品質。

人工偵測瑕疵是主要的痛點,也是製程效率低下的原因。華碩投資於 AI 智慧生產解決方案,用於生產金屬周邊裝置、風扇、印刷電路板和其他電腦元件,以及組裝系統,藉此克服效率瓶頸,並減少因工廠員工誤判製造瑕疵而導致的損失。展望未來,華碩將繼續利用人工智慧和大數據,對不同類型的品質瑕疵進行統計分類、找出原因並改善瑕疵源頭的製程,以進一步突破製造品質的疆界。

資深副總裁暨開放平台與 AIoT 事業群聯席主管許祐嘉表示:「華碩目前擁有數百家供應商,只要我們能夠改善品質檢測流程,供應商就會接受並願意做出改變。對於華碩和整個產業而言,這是雙贏的局面,而產業一向都非常重視產品的品質。」

AI 視覺檢測系統

在製造業中,通常是利用自動光學檢測 (AOI) 取代人工目視檢測。然而,光學檢測對於機械金屬零件製造商而言效率低下。人工目視檢測通常需要從多個角度觀察產品表面,以確認因光線反射而引起的瑕疵。掌握光學和元件表面特徵,以取得完整和正確的瑕疵資料非常重要。

光學檢測是 AIoT 事業群的核心技術之一,使用機器學習、深度學習和人工神經網路技術正確地訓練 AI 偵測模型。公司副總裁暨 AIoT 事業群聯席主管張權德表示:「自動光學檢測的準確度一般約為 80-90%,這表示 10% 以上的瑕疵可能為誤判,而人工目視檢測的準確度則約為 90%。目前,華碩可透過讓 AI 學習,將準確度大幅提升至 98%。」

AI 波形偵測系統

風扇是許多電腦和消費性電子產品的關鍵元件,可幫助散熱並延長產品壽命。為確保風扇品質,製造商依靠檢測員來偵測風扇問題,而這些檢查員只要用聽的就能發現問題所在。培訓這個重要職位的高技能人員約需 3 到 6 個月時間,且檢測員偶爾會經歷短暫或長期耳部疲勞,以及其他對員工健康產生不利影響並降低問題發現率的職業因素。

為解決此道難題,華碩推出了 AI 波形特徵系統 (AI Wave Signature System),用於分析正常運作的風扇聲音,並據以開發聲音特徵。接著,該聲音特徵會用於訓練 AI 模型,以快速識別高品質的風扇。檢測期間,AI 聲波特徵系統可結合產品電流、電壓、振動等其他特性的測試,藉此確保整體產品品質。此外,該系統可用於即時監控生產設備,避免工廠停機。例如,可利用 AI 波形特徵系統監控工廠中的設備馬達,只要馬達開始出現異常,就會立即通知作業員。如此一來,便能在馬達完全失效前搶先修理,避免生產中斷和隨之而來的損失。

ASUS AIoT 業務模型的再現性

今年,ASUS AIoT 事業群對風扇和機械零件供應商訂立了積極的目標,有望收購 30 項智慧檢測專案。華碩資深副總裁暨開放平台與 AIoT 事業群聯席主管許祐嘉表示:「事業群的初衷和首要任務是促進產業共同升級,協助改善供應鏈以因應國際競爭並繼續累積經驗。」

談到大型工廠推出的智慧製造和 AI 偵測解決方案,公司副總裁暨 AIoT 事業群聯席主管張權德表示:「過去,AI 演算法和模型為高度客製化,提升了 AI 偵測解決方案的潛力。再現性是下一階段的目標,關鍵在於實現快速普及和採用,以及可擴充性。最後,ASUS AIoT 事業群的最終願景是專注於『全面品質分析』。」

ASUS AIoT 未來三到五年的目標將會是資料分析。資料分析可用於調查瑕疵的原因、協助供應鏈找出高良率的基礎解決方案、打造成功的公式並累積長期價值,未來將成為華碩品牌的重要支柱。