产线效率大改造 优化AI机器视觉导入工厂流程成显学

凌华科技协理杨家玮(右)、资深产品经理许凯翔(左)、研发经理高铭章(中)均指出，凌华在AI与机器视觉领域深耕多年，其解决方案可协助客户快速建构智能化系统。DIGITIMES摄

AI是这波工业4.0浪潮中的关键技术，尤其是与机器视觉的结合，更成为多数制造业者导入智能化系统的第一步，透过深度学习演算法，机器视觉可自我学习，判断受检物的品质优劣，不过凌华科技智能机械事业产品中心资深产品经理许凯翔指出，AI有一定技术门槛，对多数制造业者而言，导入并非易事，对此凌华结合过去在机器视觉与AI两大领域的专业，推出了AI机器视觉解决方案，以PnP灵活弹性配置的特色，协助制造业者顺利踏出智能制造的第一步。

从技术发展来看，AI目前在制造业的应用主要集中在机器视觉与机器手臂两大区块，透过深度学习演算法，预测维护生产设备、优化产线效能、提升产品品质，许凯翔以PCB与水五金两大产业为例，PCB表面的电路细小复杂且生产速度快，水五金则是有多重曲面特性，这两大类产品都需要高强度的检测系统，AI就会是提升检测系统效能的关键技术。除了产线之外，AI机器视觉也可将应用触角扩大到厂务端，像是以影像分析制造现场工作人员行为，以确保劳工安全，或是以物件识别功能协助厂房进行环境控制，提升管理效能。

即便AI的效能强大且应用多元，业界也多认定这已是制造业未来趋势，不过在实际导入时，多数业者都会发现想像与现实仍有一段距离，凌华科技协理杨家玮指出，原因在于AI并非仅是单纯配备加速引擎的硬件，完整的软硬件架构与精准的专业领域知识，才能让AI机器视觉系统具备智能化，达到智能制造目标。

延续杨家玮的观点，许凯翔表示，这几年市场上陆续出现各种AI机器视觉系统的POC(Proof of Concept；概念性验证)，其训练端完成的模式，一直无法在现场端的设备上发挥预期效能，主要就是因为对专业的认知不足。他指出AI要落实在应用面需要两大专业–特定领域的专业与AI的专业。在特定领域专业中，制造现场的产线设备多元，且不同的制造业有其特殊的生产工序，包括AI在内的所有新进的系统，都必须与现有机台与生产模式紧密匹配，不过多数AI系统业者对其专业知识的掌握有限。

在AI部分，系统需要高度专业，才能因应产线需求，找出合适的软硬件，建构出最佳化系统。许凯翔指出，深度学习演算法的神经网络相当复杂，再加上硬件厂商针对现已推出各种加速器，像是Google的TPU、NVIDIA的GPU与两家CPU大厂Intel、AMD的AI处理器，这些加速器的特性不一，在同一神经网络上运作会产生极为不同的效果，因此系统厂商除了必须了解深度学习神经网络的运作外，也要充分了解市场上各种加速器的特色，才能针对系统需求，搭配出最佳化系统，让终端设备的运作合乎预期。

不过要具备制造与AI两端的专业，建构出精准AI机器视觉系统，需要投入大量的资源与时间，对多数系统厂商与制造业来说，借助外部专业将会是最佳策略。凌华科技领域平台研发经理高铭章表示，凌华科技以自动化技术起家，在制造业已深耕多年，累积了深厚的制造专业知识，此外在AI领域也早已成立团队，专职研发各种软硬件的研发，因此可针对各类型制造业的需求，设计出合身的AI机器视觉解决方案。

高铭章进一步指出，凌华在深度学习演算法与市场各类硬件加速器功能的掌握，可为客户搭配出最贴合产线需求的AI机器视觉系统，提升在产线运作的成功率。此外高度整合的软硬件，不但以一站式采购，一次满足客户需求，其PnP随插即用特色，可以协助业者快速部署系统、随时校准参数、弹性变动产线，让机器视觉系统完美达到制造业者的预期目标。

凌华的AI机器视觉系统现已应用于海内外制造业系统中，近年紧密合作的LEDA Technology(乐达创意科技)CEO黄哲瑄就指出，凌华在机器视觉已有多年的经验，这几年又全力投入AI研发，并成立相关团队，不仅硬件产品可快速满足系统厂商需求，让厂商可专注于演算法的开发，在设计系统时，凌华的专家团队也会提供谘询服务，协助系统快速落地应用，携手协助客户迈向制造智能化的第一步。