科技产业报订阅
Advantechline
 

英业达AI三计画落地展成效

电子代工大厂英业达基于计算机视觉的AI应用已落实于包括软件测试、AOI复检以及笔记本表面刮痕检测等。符世旻摄

人工智能在制造领域的应用越来越广泛,基于机器学习的影像识别是目前发展速度较快的应用,这也是目前台湾在发展制造领域AI的应用重点。电子代工大厂英业达去年成立AI研发中心,陆续已有相关解决方案落地,并实际于生产线启动,其中基于计算机视觉的AI应用已落实于包括软件测试、自动光学检查(AOI)复检、以及笔记本表面刮痕检测等。

制造业持续推动产业AI化,对内也自主团队全力冲刺,结合产官学各方经验共同携手推动AI应用落地。象是英业达去年成立「AI研发中心」,延揽同时为台大教授与Skywatch共同创办人陈维超主导团队,投入算法及新应用,此外也网罗在硅谷工作多年、现任机器学习首席科学家陈佩君加入。

而AI研发中心也以英业达自家工厂作为练兵场域,目前在内部已陆续落实3项以计算机视觉为基础的AI应用,用以优化生产流程,如以智能化程度从低到高区分,则分别为自动检测机器人、AOI复判以及笔记本表面刮痕检测等。一路从智能化程度稍低,以提高自动化需求为主的应用,进展到透过智能化优化现有自动化作业,以及透过AI解决现有生产线痛点。

英业达主要将自动检测机器人运用在笔记本软件测试阶段。通常在硬件外观检测完成后,还须针对内部软件安装进行测试,以确保系统能够正确运行,但过去英业达采用人工测试,其做法是让质检员按照SOP纪录表逐一动作,如开机、按键,接著确认画面与信息是否正确,并手写登记测试结果,如以每月出货量至少100万台计算,粗估至少需耗费数百人才能完成测试流程。

因此英业达将开机、按键与画面检视等步骤分别透过机器手臂与工业相机取代质检员的手与眼,以影像辨识搭配OCR进行画面确认与字元辨识。即便该应用技术门槛不高,但仍可为英业达节省数百人力,另一方面也可取代人力执行重复性作业,提升人类工作价值。

其次则是改善AOI复检流程。与众多电子制造业者面临相同问题,AOI的高严格参数设定造成假瑕疵判断机率过高,因而需要人工复判。目前AOI虽能判读具体量化的瑕疵成像,但较难定义瑕疵程度与分类,因此基于AOI已相当成熟的计算机视觉技术,英业达也透过AI取代人工加强AOI复检,进一步可判别出瑕疵程度,例如英业达将其应用于判断锡膏检测中,锡膏量多寡程度分析。

至于在笔记本表面外观检测部分也遇到相同问题,目前该产业在表面瑕疵检测作业仍多以人工检测,然而外观瑕疵包含指纹、刮痕等数种类型,每一种瑕疵的外型、大小不一,如以人工目视实难以确保达到100%的检出正确。因此英业达透过大量影像数据,基于深度学习技术训练的两种AI模型,其一为可解释的AI Model,其二为可调整的AI Model,后者可依据客户品检严谨程度调整检测门槛。透过深度学习模型除了可辨识瑕疵之外,也能进一步分析瑕疵种类、大小、位置、外型及数量等信息。

陈佩君透露,目前英业达已进入第二阶段AI模型开发,可针对不同机型自主学习瑕疵成像,未来可在不需要大量影像数据的训练下,学习未知瑕疵的判读。甚至进一步结合自动化设备,取代由人类负责上机检料的动作,以加快作业效率。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 机器人 工业4.0