面對製造業 AI 轉型的強勁需求，華碩智能整合方案部處長呂文成日前於 TechOrange 科技報橘在高雄舉辦的 AI 智慧大工廠論壇中表示，華碩推出一系列從產線、廠務到廠區的全方位工業級 AI 智慧製造解決方案，涵蓋智慧排程派工、AI 視覺檢測、馬達振動檢測與設備預防保養、設備信號監測等，整合 4 種 AI 解決方案以及工業安全防護平台 AIEHS，全面解決工廠營運的轉型痛點。
一、AISODA 智慧排程打破人工盲點，5 分鐘重算最佳產能
在製造現場，排程與派工是影響產能與交期的關鍵。傳統人工排程高度依賴紙本作業與個人經驗，管理能見度通常只能以「日」為單位，一旦遇到客戶抽單或插單問題，往往需要耗費多位人員數小時的冗長溝通與協調。
為解決此痛點，華碩推出 AISODA 智慧排程派工系統，整合企業資源規劃與製造現場的報工資訊，將人、機、料、法及行事曆等要素納入運算。使用者只需透過「特殊預約、拆單指定、權重優先與滾動派工」四個步驟，即可在短時間內算出兼顧最短作業時間、最少在製存貨與最高產能利用率的最佳化方案。呂文成強調，「我們希望透過這個 AI 賦能排程，將管理的細膩度跟能見度降低到以『分鐘』為單位，並讓生產能見度擴展至 30 到 60 天，並透過系統整合，在 5 到 10 分鐘內重新排程。」此外，AISODA 具備閉環運行的能力，能依據派工計畫與實際產出數據進行 PDCA 的滾動驗證與即時調校，提升計畫的透明度、準確性與可信任度。
二、AISVision 零代碼視覺檢測，克服傳統 AOI 痛點
除了生產排程，產品品質控管也是製造業的關鍵。華碩推出的 AISVision 視覺檢測模型工具，打破過去導入 AI 視覺專案必須具備軟體開發能力的限制，工程師只需透過「資料蒐集、資料標記、模型訓練與模型佈署」四個步驟，即可輕鬆建立 AI 模型。
這套系統支援分類、分割、旋轉物件偵測及異常檢測等多種演算法，在第一線產線應用中，AISVision 尤其擅長解決傳統光學檢測（AOI）設備因嚴格閥值所導致的「高度過殺」痛點，協助企業降低複檢的人力成本，目前該系統已成功應用於金屬扣件、汽車零件、電子組裝與食品包裝等多個領域。
三、 AISSENS + AISPHM 打造預測性維護智慧防線
在廠務端，設備的穩定運作是維持生產不中斷的基礎。傳統設備監控往往在無預警故障後才發出警報，導致意外停機與高昂維修成本。為此，華碩提出 AISSENS 與 AISPHM 預測性維護與狀態監控方案，透過 AISSENS 工業級振動感測器，系統能精準擷取高頻率的振動與溫度資料，並將這些數據傳送至 AISPHM 平台後，系統再結合深度學習模型進行趨勢分析與故障偵測。
平台更內建結合大語言模型的專家智慧，包含能自動分析異常趨勢並提供文字解讀的 Trend GPT、快速定位潛在異常源的 Spectrum GPT ，以及作為工程師進行預測性維護的 PHM 智慧助手。
四、 AISDetector 五條良品數據快速建模，自主微調機台閥值
針對機台隱患，華碩進一步推出 AISDetector 非視覺信號異常檢測系統。「工廠中有許多問題是肉眼無法察覺的，這套系統的核心價值就在於把看不見的聲音、震動或是電壓電流，轉成看得到的訊號，」呂文成處長說明，為讓管理者能夠即時掌握並採取行動，這套系統僅需透過 4 步驟即可完成零代碼 AI 系統整合開發，同時打破過去 AI 訓練的限制，只需要提供五條良品數據就能快速建模，並且系統能自主掌握閥值微調，擺脫 AI 過去如黑盒子般無法控制的疑慮。目前這套系統已成功應用於風扇異音辨識、精密 CNC 加工異音檢測，以及捷運軌道的狀態監測等，展現跨領域應用彈性。
華碩 AIEHS 主動式智慧防護平台，守護製造業環境安全
根據美國國家安全委員會統計，全球平均每八秒就會發生一起工傷事件，每年累積高達四百萬件。面對傳統製造業高度仰賴人工經驗與被動式管理的工安瓶頸，華碩推出 AIEHS 智慧工業安全防護平台，該系統內建 14 項高精準 AI 模型，具有風險識別、評估數據，並主動偵測環境中的危險行為，例如跌倒、人員攀爬 A 字梯等高危險動作，或是即時確認員工是否確實穿戴安全帽與反光背心等防護裝備。
此外，AIEHS 平台還具備電子圍籬功能，防止人員或各式車輛誤闖生產或倉儲區域，並即時監控廠內車輛與環境是否出現異常突發狀況。這套系統賦予管理者極大的配置彈性，並且已在半導體場域成功落地，不僅無痛整合廠區既有的監視器基礎建設，更在半年內讓違規事件每月減少 25%，為企業建構高效率的主動式安全防線。
面對傳統製造業長期受限於高度仰賴人工經驗與被動式管理的瓶頸，華碩試圖藉由將複雜的 AI 技術轉化為低門檻的實用工具，向市場提供一套分層協作的解決方案。在全球供應鏈重組與缺工挑戰下，這類強調整合性與落地實用性的智慧製造架構，正成為企業突破營運痛點、建立生產韌性的具體選項，也反映出當前的工業 AI 發展，已逐步從技術展示與概念驗證，走向實質普及的產線應用階段。
