TWCC
event
 

智能制造聚焦三大应用领域

制造业质量检测需求高 AI加速品检效率与准确性

目前PCB产业正尝试透过AI辨识模块辅助AOI检测的后续优化。符世旻

对制造业者来说,质量与良率一直都是业者最为关心的议题,因此从应用端需求来看,质量检测的相关解决方案也是目前智能制造市场上的一项庞大商机,更是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成为制造领域检测方案的发展主流。

自动光学检测(Automatic Optical Inspection;AOI ) 是以非接触的方式,运用机器视觉技术撷取影像进行分析,进而判断半成品是否存在瑕疵,是业界广泛应用的检测手法。根据市场调查,目前AOI检测应用最广泛的两个领域分别为PCB和面板显示产业,两者的占比分别为64%和15%。

不过以应用最广泛的PCB产业来说,由于PCB产业对于良率要求颇高,因此在AOI的参数上设定非常严格。因此当进行检测时,一来时常造成过度筛检的现象,二来则是因光学原理容易被光影干扰而敏感,因此只要有些微外在光影影响,设备便会非常敏感的自动判读为缺陷品。根据业者统计,当PCB产业在进行AOI检测时,过筛机率高达70%,因此目前产业的作法仍是采取人工进行第二次筛检。

为降低人力消耗并加快检测速度,目前PCB产业正尝试透过AI辨识模块辅助AOI检测的后续优化。而AOI检测与AI辨识的差异,在于是否可针对未知瑕疵主动进行识别。智能机械推动办公室副主任王维汉解释,AOI的检测原理只能以设定好的参数标准为基准进行判断,也就是逻辑性的思考,须先定义瑕疵的样本,再透过样本进行筛检,而AI则是经由训练成熟后自行定义瑕疵范围,可进一步有效判别未知的瑕疵成像。而经PCB业者评估导入AI视觉辨识后,将可有效降低过筛机率至25%。

台湾IBM制造事业群副总经理梁晏慈分析,目前台湾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,另一项则是质量检测。集成机器视觉与机器学习的智能自动化光学检测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半导体产业逐渐扩散到其它金属、橡塑料制品与食品领域。未来市场则是看好3D光学检测及质量瑕疵肇因辅助分析将是智能检测应用的新焦点。

IBM与PCB业者欣兴电子也透过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。 

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 台湾IBM AOI 人工智能 影像辨识