以前，管理者做判斷，要先花2小時分析數據，再製作圖表，最後用10分鐘決策。」Garmin（台灣國際航電）亞洲製造與營運中心資深協理傅微旭表示。
如今，Garmin工廠系統每2個小時就自動搜集數據、更新圖表，管理者再據此做決策，整個過程從2小時又10分鐘，一口氣縮短為10分鐘。
這個 時間差的大躍進 ，是Garmin在2017年宣布4年內砸1億美元（約新台幣30億元）投資智慧工廠的成果。「我們稱這個決策公式化，叫做AI，」亞洲行銷與業務中心協理林孟垣說。
國際智慧錶大廠何以一舉提升市值＆產能？
Garmin不只是全球四大智慧錶品牌，更是知名航空與船舶導航系統業者，這家國際大廠把95%的製造集中在台灣桃園，跟對手採取完全不一樣的策略：投資智慧製造。
3年前，高層下達積極導入AI應用、數據分析的指令。至今，Garmin桃園的智慧工廠人力沒增加、工廠面積沒擴大，產量卻成長兩成，產值也大增三成，營收更從2016年的28億美元，成長至2019年預估營收達36.5億美元（根據官方財測）。
不擴編、沒擴廠，AI如何讓Garmin工廠產量和產值同步提升？
Garmin是少數從產品設計、製造到品牌經營一條龍掌握在手的智慧穿戴品牌。過去，生產端得預測消費者會買多還是買少，模擬銷售量，再備料、生產，最後進入業務銷售，往往會遇到備料與市場實際需求不同、銷量跟庫存產生出入的狀況。
「我們工廠需要同時生產多樣產品，大的有航海雷達設備，小到手錶、晶片等級產品，需求複雜。」林孟垣指出，「智慧製造很大的重點，是把前端需求與供應鏈做串連，但資料海量，產品元件太多，市場需求又受到天氣、政治、甚至一個成功行銷活動所影響，如何轉化這些數據挑戰很大。」
從前的做法是靠老練的經理人憑經驗下判斷，像是直覺預測「紅色款」會賣。有了AI之後，能學習經驗老道的經理人內在的判斷邏輯，把團隊經驗數位化，學會需求預測、工廠排程、不良分析決策。
從數據得知產品周期！發現鐵粉每3年就換機一次
Garmin下一個智慧製造任務，是搜集更多客觀的市場數據，讓決策更快速簡單。這些數據包括每天全球3,000萬個活躍用戶的日常作息、壓力、步行與喝水量，從中發掘更多洞見。
林孟垣舉例，活躍型用戶手上的穿戴使用快滿3年，就有高機率會購買新機種；而韓國夏天腳踏車銷售極佳，冬季需求會瞬間消失，管理團隊可以據此計算新品銷售周期。
至於要搜集多少數據類型？林孟垣笑說，大概成千上百！從一個通用零件需要備多少料，到一周多少電阻或面板才夠？單是一個產品就有很多參數，另外還包括用戶活躍項目、過去銷售數據，以及運動市場趨勢等等。
工廠訓練AI，大數據的收集是一大挑戰，在數據中撈金更不容易。
目前Garmin工廠已經累積多年的品質檢驗數據，對照產品功能差異（如防水或防高溫），利用虛實整合系統（Cyber-Physical System）預測產品品質可靠度，提早採取措施。
「就跟每跑一萬公里，就建議換一次機油一樣，車子換機油時不見得壞了，但要等車壞了才換機油，就很不方便。」Garmin工廠已導入「預測保養」機制，在機器不良率增加前，提早保修，而下一步則是生產良率預測，知道這批貨良率差，一開始就不做。
目標不是關燈工廠，「因為那是一種Show off的事」
談到智慧工廠的下一步，林孟垣強調，有兩件事需要加強。第一件事是把「人還沒想到需要」的百萬數據，都先搜集製作好圖表，隨時提供洞見，幫人做大部分判斷。「到那時候，AI會在經理人下決策時，推薦三個最佳選項，即使亂選第三項執行，也不會出錯。」
第二個目標是人機協作的最佳化，重複性工作讓機器做，機器出錯再讓人協助。若要100%由機器人代勞，必須投資龐大成本，並不划算。Garmin工廠人機協作已有10%工序由機器人取代，預估2025年可以拉高至30%。
傅微旭表示，過去Garmin智慧工廠的投資偏向硬體為主，未來8年將會更加重軟體投資，「但我們並不想消除所有人！」他強調，同業倡議的無人關燈工廠並非他們目標，因為，對他們來說，純粹的關燈工廠只是一種Show off（炫耀）的事情。
責任編輯：林美欣、張庭銉
