藉由AI视觉检查 让工厂生产效率与良率突飞猛进 智能应用 影音
hotspot
ST Microsite

藉由AI视觉检查 让工厂生产效率与良率突飞猛进

  • DIGITIMES企划DIGITIMES企划

研华专案课长苏俊豪(右)与偲倢科技市场开发经理吴竣民(左),同台演绎「AI于视觉检查的落地应用」这一主题。DIGITIMES摄
研华专案课长苏俊豪(右)与偲倢科技市场开发经理吴竣民(左),同台演绎「AI于视觉检查的落地应用」这一主题。DIGITIMES摄

综观现今的智能制造,俨然蕴含「3A新浪潮」,三个A分别是AI、Automation及Autonomous;足见以AI为首的三大技术特色,对制造业数码转型的发展可谓至关重要。研华专案课长苏俊豪表示,根据IDC的最新人工智能支出指南报告,预期2025年国内AI市场总规模将逾160亿美元;另依TrendForce预测,随着数码转型加速及线上作业需求提升,估计2021年底全球智能制造市场规模可望达3,050亿美元。综观AI之于智能制造的应用范畴,视觉检查绝对是关键一环,为此研华在近年积极与偲倢科技合作,打造出成熟的AI AOI解决方案。

偲倢科技市场开发经理吴竣民指出,偲倢是一家擅长AI视觉检测与自动化导入服务的公司,已有5年以上AI AOI落地经验;迄今的每一分钟,偲倢客户都在进行逾20万次检测分析。

吴竣民说明,传统规则式AOI有几个常见瓶颈,包括瑕疵规则设定复杂,兼容性低;难以精准定义不规则瑕疵,误判率高;不易区分瑕疵类型,难以溯源制程问题。AI的出现,并非取代AOI,而是为AOI加分。

以某家从事EUV光罩门制造的企业为例,过去曾倚重规则式AOI来进行瑕疵检测,但必须撰写复杂逻辑导致负担沈重,如今导入AI,即可由AI自主学习哪边该检或不该检,无需预先设定复杂逻辑,便能精准检测瑕疵的种类、面积与位置。

另外某家半导体公司也利用AI执行晶圆(Wafer)平整度检查,可依颜色过深或过浅而辨别瑕疵。回顾过去,工程师每隔2~3小时需要到产线看照片,以确认这批生产有无问题、良率是否骤然暴低,但效率不高。后来该公司接受偲倢的建议,将Wafer图片交由AI分析,凡侦测到瑕疵率暴增、即发出告警,使其生产良率从85%提高到93%,AI通报准确率超过95%。

「AI不是放羊的孩子,而是精准的吹哨人!」吴竣民说,因此现在亟欲导入AI的企业迅速增多,但他们也担心一旦导入AI方案,日后不管要新增产品或调整参数,皆须仰赖AI厂商,形同遭到Vendor Locking;所以不少客户为防止Know-how外泄,都会对厂商有所保留、给予不完整信息,导致厂商也只能训练出不完整的模型,形成负面循环。

反观偲倢则会藉由两大方向,循序引导用户实现AI自主化。首先让客户理解AI导入流程,包括工厂与产品适性评估、AI训练与调校辅导、自动化整合开发、规模化技术支持等,并预先提示每个阶段可能遭遇的瓶颈,再实际带领客户从头到尾走过一遍,藉机协助客户端现场人员培养AI Know-how。

其次借助偲倢的SmaAI这个富含弹性的开放平台,使客户受惠于步骤式指引,一步步完成自主性AI训练与验证。从而加速工厂上线速度,大大提升生产效率与品质。


关键字