以前，管理者做判断，要先花2小时分析数据，再制作图表，最后用10分钟决策。”Garmin（台湾国际航电）亚洲制造与运营中心资深协理傅微旭表示。
如今，Garmin工厂系统每2个小时就自动搜集数据、更新图表，管理者再据此做决策，整个过程从2小时又10分钟，一口气缩短为10分钟。
这个时间差的大跃进，是Garmin在2017年宣布4年内砸1亿美元投资智能工厂的成果。“我们称这个决策公式化，叫做AI，”亚洲营销与业务中心协理林孟垣说。
国际智能表大厂何以一举提升市值＆产能？
Garmin不只是全球四大智能表品牌，更是知名航空与船舶导航系统企业，这家国际大厂把95%的制造集中在台湾桃园，跟对手采取完全不一样的策略：投资智能制造。
3年前，高层下达积极导入AI应用、数据分析的指令。至今，Garmin桃园的智能工厂人力没增加、工厂面积没扩大，产量却增长两成，产值也大增三成，营收更从2016年的28亿美元，增长至2019年预估营收达36.5亿美元（根据官方财报预测）。
登录Garmin官网，会赫然发现这家品牌从导航、军工用系统、智能穿戴到航空产品都有。
不扩编、没扩厂，AI如何让Garmin工厂产量和产值同步提升？
Garmin是少数从产品设计、制造到品牌经营一条龙掌握在手的智能穿戴品牌。过去，生产端得预测消费者会买多还是买少，仿真销售量，再备料、生产，最后进入业务销售，往往会遇到备料与市场实际需求不同、销量跟库存产生出入的状况。
导入智能制造以后，一切都改变了。
“我们工厂需要同时生产多样产品，大的有航海雷达设备，小到手表、芯片等级产品，需求复杂。”林孟垣指出，“智能制造很大的重点，是把前端需求与供应链做串联，但数据海量，产品组件太多，市场需求又受到天气、政治、甚至一个成功营销活动所影响，如何转化这些数据挑战很大。”
从前的做法是靠老练的经理人凭经验下判断，像是主动预测“红色款”会卖。有了AI之后，能学习经验老道的经理人内在的判断逻辑，把团队经验数字化，学会需求预测、工厂调度、不良分析决策。
Garmin的AOI光学检测设备（Automatic Optical Inspection, AOI），利用AI视觉识别机台外观瑕疵，并经过人工精细检测反馈，使机器不断学习，极致智能化检验。从数据得知产品周期！发现铁粉每3年就换机一次
Garmin下一个智能制造任务，是搜集更多客观的市场数据，让决策更快速简单。这些数据包括每天全球3,000万个活跃用户的日常作息、压力、步行与喝水量，从中发掘更多洞见。
林孟垣举例，活跃型用户手上的穿戴使用快满3年，就有高几率会购买新机型；而韩国夏天脚踏车销售极佳，冬季需求会瞬间消失，管理团队可以据此计算新品销售周期。
“我们早就知道用户数据能当作销售预测，只是过去以手动方式调数据，常在下决策时忽略某些关键变量。导入AI，未来主观和客观面都不会忘记此事。”林孟垣说。
至于要搜集多少数据类型？林孟垣笑说，大概成千上百！从一个通用零件需要备多少料，到一周多少电阻或面板才够？单是一个产品就有很多参数，另外还包括用户活跃项目、过去销售数据，以及运动市场趋势等等。
工厂训练AI，大数据的收集是一大挑战，在数据中捞金更不容易。
目前Garmin工厂已经累计多年的品质检验数据，对照产品功能差异（如防水或防高温），利用虚实集成系统（Cyber-Physical System）预测产品品质可靠度，提早采取措施。
“就跟每跑一万公里，就建议换一次机油一样，车子换机油时不见得坏了，但要等车坏了才换机油，就很不方便。”Garmin工厂已导入“预测保养”机制，在机器不良率增加前，提早保修，而下一步则是生产良率预测，知道这批货良率差，一开始就不做。
未来Garmin智能工厂里的机器人将“更聪明”，实现人机协作优化，目前已有10%工序由机器人取代，预估2025年将拉高至30%。目标不是关灯工厂，“因为那是一种Show off的事”
谈到智能工厂的下一步，林孟垣强调，有两件事需要加强。第一件事是把“人还没想到需要”的百万数据，都先搜集制作好图表，随时提供洞见，帮人做大部分判断。“到那时候，AI会在经理人下决策时，推荐三个最佳选项，即使乱选第三项执行，也不会出错。”
第二个目标是人机协作的优化，重复性工作让机器做，机器出错再让人协助。若要100%由机器人代劳，必须投资庞大成本，并不划算。Garmin工厂人机协作已有10%工序由机器人取代，预估2025年可以拉高至30%。
傅微旭表示，过去Garmin智能工厂的投资偏向硬件为主，未来8年将会更加重软件投资，“但我们并不想消除所有人！”他强调，同业倡议的无人关灯工厂并非他们目标，因为，对他们来说，纯粹的关灯工厂只是一种Show off（炫耀）的事情。
你手上的智能表，是人机协作最佳范例，5年后，人机协作30%工序交给机器人。