智能应用 影音
爱尔兰商红帽软件股份有限公司
20211029_Research产业趋势论坛

【数码转型 台湾最行】制造业转型高附加价值市场 AOI+AI来助攻

自动光学检测(AOI)在自动化领域的发展已久,而近年来AI技术再次兴起,并与自动光学检查(AOI)整合,成为智能制造落地速度最快的应用之一。《数码转型 台湾最行》应用篇系列第9集,DIGITIMES邀请能钜科技副总经理廖国闵分享AI如何助攻AOI,让制造品质再升级。

 点击图片放大观看

传统产业近来对於自动化检测的需求正在提高。Unsplash

过去深耕高科技产业的能钜科技近年往传统产业迈进。图中为能钜科技副总经理廖国闵。DIGITIMES

自动化瑕疵检测俨然是近年智能制造成熟度相当高的应用之一,虽然过去科技业对於AOI的导入已行之有年,但相较之下,传统产业至今仍靠「人工」智能进行检测,然一旦产线有人,就会有不可控的因素存在,包括人工目视容易疲劳或偷懒造成疏忽,不管效率或品质上都难以做到「零检出」,随着传统产业欲往更高附加价值市场转型,对於品质的把关固然成为接下来产业相当重视的课题。

而这也让近年AOI与AI的结合受到市场相当大的关注。廖国闵解释,虽然AOI与AI都不是新的技术,但两者结合却可创造出新的价值。例如AOI擅长用以量测,而AI的强项则在於识别,过去AOI使用规则式比对,但AI的精髓就在於能够自我学习,因此相当适合应用於很难用具体规则描述的待测物,可以说,AI具有相当优异的应变能力,甚至进一步将瑕疵成因反馈前制程,借此不断优化制程,达到稳定良率。

但AOI仍扮演相当重要的角色。廖国闵进一步指出,导入AI的前提是需以大数据做为训练基础,恰好AOI正是产在线收集影像数据的数据库,因此制造业者如过去已导入AOI,那麽要再加入AI,就等於已经踏出关键的第一步了。

不过在正常产线运作下,不良品的机率往往远低於良品,要蒐集瑕疵样本,看起来好像要累积很长时间?但其实不然,廖国闵指出,现在已可利用如影像增量技术来解决一部分问题,藉由少量瑕疵模型,透过演算法创建新的瑕疵样本,以加强训练模型的准确度。

在科技业已运用相当成熟的AOI,随着智能制造的需求扩大,现在也慢慢将自动化检测的概念带到传统产业中,能钜科技也感受到这波传产的转型需求。

廖国闵指出,不只科技业有些高单价产品需要零检出,有些传产虽然单价低,但因产量大,或产出速度相当快,因此对自动智能化瑕疵检测的需求与兴趣也相当高。

例如某吸管制造商,标准产能是一小时可生产3万多只吸管,但过去产在线只有2人,可想而知,不管是效率或是可靠度显然是不足的。而在能钜科技的协助下,这间吸管制造商开始导入自动化瑕疵检测,现在机器可以担任第一道筛检关卡,自动检测完至少9成吸管成品,再由1人花约莫10分钟进行复检与最後确认,而廖国闵也指出,像这样采取逐步缩减人力的方式,而非一次性导入,也能为产业在考量投资报酬率的情况下,同时亦能有效提高生产效率与降低成本。

  •     按赞加入DIGITIMES智能应用粉丝团