AdvantechIOT
活动+
 

质量检测成智能制造商机主流、瑕疵肇因分析将是未来检测应用的新焦点

  • 廖家宜
质量检测解决方案是目前智能制造市场上的庞大商机。DIGITIMES摄

根据工研院统计调查,质量与良率仍然是目前台湾制造业者最重视的议题,因此从应用端的需求来看,质量检测的相关解决方案将是目前智能制造市场上的庞大商机,同时也为市场上多数供应商切入智能制造商机的发展重点。其中以结合机器视觉与机器学习的自动化光学检测已成为制造领域检测方案的发展主流。

工研院产科国际所经理熊治民根据院内调查表示,目前对台湾制造业者来说,质量与良率一直是业者最为关心的议题,也因此让质量检测成为现阶段在智能制造商机带动下,发展较为成熟且普及的应用。

熊治民也点出其中业者对于质量检测需求所考量的关键因素,包括检测的执行速度、准确性、可追溯性及成本等。尤其对于汽车及航天产业来说,对于品检的可追溯性具有特别性要求。

为符合上述4种关键因子,集成机器视觉与机器学习的智能自动化光学检测已成为目前制造领域检测方案的发展主流,而应用领域也已从电子产半导体产业逐渐扩散到其它金属、橡塑料制品与食品领域。藉由智能制造商机发酵,供应商透过早期应用范围最广的电子零组件AOI技术基础下,将进一步结合AI技术提高执行速度与准确性,而未来则是看好3D光学检测及质量瑕疵肇因辅助分析是未来智能检测应用的新焦点。

台湾IBM制造事业群副总经理梁晏慈则分析,目前国内制造业对于人工智能的运用,主要着重于两个需求,除了设备预知维护外,则是质量检测。IBM指出,目前利用人工智能进行品检的判读准确率可达9成以上,有汽车制造业者在AI品检的协助下,减少80%的检测时间,不仅大幅提升良率,亦可削减产在线的人力需求。


如IBM先前也发布与PCB业者欣兴电子合作,共同研发产品外观自动视觉检测的AI辅助判断机制。品管流程过去最大的痛点在于,受限检验机的检测能力与设计限制,导致检测的准确度不高。但透过AI将人工检测经验模型化,利用算法分析判断,而在模型辅助判断的情况下,不仅可降低对人工的依赖,亦可大幅提高生产效率与降低检验人员的工作负荷。

更多关键字报导: IBM 资策会 质量检测