机器视觉提升生产线分析定位验证能力
- DIGITIMES企划
-
在自动化生产线中，机器视觉设备能见度越来越高，因为机器视觉可以取代人工检测远远达不到的速度与精确度，甚至搭配自动化制程整合，机器视觉还能辅助自动化设备进行关键制程，对于工业4.0擘划的无人工厂概念，机器视觉甚至是其中关键的一环…
在规划自动化产线时，机器视觉设备或内嵌机器视觉的自动生产机具，已经成为布建自动化产线不可或缺的重要技术，若从应用领域区分，机器视觉系统主要用途为工业制造、航太工业、生物科技产业与传统制造业…等，使用产业更是包罗万象，包含半导体制造、电子代工制造、化学产品制造、汽车产业、石化产业与数码通讯等产业，大量的自动控制或生产程序均需导入机器视觉辅助。
机器视觉系统产业使用普遍 半导体生产赖以维持制程优化空间
在众多产业使用机器视觉的程度，以半导体制作的机器视觉技术应用最深入，一方面半导体产业为最早投入智能工厂制造优化，因为产业与制品特性使然，半导体晶圆加工精密度高、单片晶圆价值不斐，加上制程必须在无尘环境下进行，使用自动化生产程序与机具才能达到高精准度、低失误率的生产流程，尤其是高精密度的进阶制程，机器视觉系统更扮演产品加工品质与相关制程成功与否的重要关键角色。
加上全球对半导体产品的品管操作要求极致严苛，没有透过机器视觉系统与自动化流程整合，将无法达到其生产管理的高要求标准，尤其在降低成本、提升产值方面，机器视觉系统可在前段制程扮演检核组件瑕疵、辅助高端、微细加工工序的制程优化，在后段制程则可协助检料、封装处理、批量产品识别生产履历录入等工序，达到工业4.0要求的高度自动化、无人化智能生产目标。
机器视觉市场需求强劲 相关应用技术持续升级
而在其他产业，如国防、航太产业，由于近年景气成长趋缓、区域军事威胁问题降低，导致相关研发、制造需求下滑，反而是生物科技产业使用与导入机器视觉的需求无逐步提升，而在电子产品制造、代工方面，随着智能手机产品产量与需求强劲，轻薄、高精密度的智能手机组装需求提升，为因应市场的巨量需求，高度智能化、自动化生产产线重要性渐增，机器视觉系统的要求也较以往单纯产线自动化或部分自动视觉量测工作站点整合不同，以机器视觉搭配自动化控制的进阶整合机台要求越来越高。
在要求高速生产、自动化/标准化的产线要求目标，导入接触式、免治具辅助的自动化检测程序，都需要大量的数码科技辅助进行完成，透过高效能图像撷取、分析与处理决策，在驱动自动化设备达到高速化生产作业整合，不仅生产线的产速得以提升，制作或组装工件的精准度、品质也能获得改善，甚至完成制品的返工问题也减低了，同时，机器视觉与自动化生产过程恒时纪录的视觉影像、操作纪录数据不断累积，可使制程优化人员运用BigData数据分析的技术挖掘改善制程的关键优化程序，进行整体制程或产线的极致优化与更精密的品质与成本控管。
实时分析、实时处理 自动化产线效能提升关键
而运用机器视觉系统透过图像分析机制进行品质管控，再加上自动化工序进行串联时，就可以做到发现问题料件随即进行判断、处理或挑出问题工件，提升自动化产线的效能与价值，也能避免针对问题工件浪费时间、料件进行组装后，才发现整体产品原来在制造某个环节就有问题，减少成本浪费、也能增加生产效能，提升产线的自动化程度，同时也能大幅减省生产过程参与人力成本。
专注自动化系统整合的业者，对于机器视觉整合导入也更加关注，因为机器视觉导入后自动化生产设备可以完成更智能的生产判断、决策，让自动生产程序效率大幅提升，同时自动化机具整合物联网应用，再加上机器视觉技术整合后，就能透过设备上的参照条码识别身份或进行进阶信息沟通，不只能将机器视觉做为自动化整合的支持系统，甚至也能与NFC/RFID多元科技技术横向整合，建构更完善的监控生产品质的产制流程。
图像分析、决策系统为机器视觉效能优化关键
不管是高科技生产、或传统产业的生产线智能化，机器视觉都可以在是当整合后实践辅助生产流程控管的关键角色，针对降低产制成本或是提升产品品质不同面相需求，持续优化生产流程、或是让生产进程更加流畅。在实际视觉设备的部署建置过程，并非图像撷取的CCD或工业摄影机分辨率越高越好，其实机器视觉系统真正严苛的挑战关键在于后端图像识别系统的判别精准度与分析速度，加上工厂生产环境照明品质不佳，图像识别软件与辅助光源部署就成为系统能否发挥效用的关键。
尤其是自动化系统的关键要求，其实就是对图像分析、工件加工状况识别的精准度，对加工件上面的油污、阴影、灰尘等影响图像品质的现象，都会导致识别成效低落，影响导入机器视觉系统的分析效益，在实际生产环境下，产线的速度其实并不是追求的唯一目标，反而是一步到位的精准分析与处理才是机器视觉系统的导入重点，
生产履历全纪录 降低产品召回处理成本
机器视觉系统的另一种用途是，跟进目前流行的生产履历、实时生产纪录机制，在生产过程中即进行整个生产程序的纪录与数据录入，这种制作方式在产品组构零组件数量庞大的大型产品来说就相当常见，例如汽车产业就会在生产过程进行关键工序、零组件的生产履历纪录，当发生如重要车型的重复性产品瑕疵问题，可实时调阅分析同批量产制的车辆、与相关零配件的来源与生产纪录进行分析，减少问题车辆召回检修的返工成本。
以生产履历用途，若是人工录入关键工序或是零组件来源，很容易因为录入数据不全或是数据错乱而增加事后回溯追踪查找问题困难度，而使用机器视觉系统辅助纪录生产履历，因为自动化产线本身即导入关键工序的视觉系统、可再搭配针对零件上的条码、标签进行实时分析识别、录入处理的自动化功能扩充，在生产行为进行时实时同步纪录相关处理流程、时点、工序与使用零件清单，事后发生产品故障瑕疵需要大量召回产品时，也可有效限缩问题产品影响范围，减轻召回产品反修的人力与处理成本负荷。
机器视觉系统用于检测也是相关应用极为重要的一环，若用于定位检测应用在后端分析软件就是应用成功与否关键，因为识别定位正确度的分析演算相对复杂，除须撷取正确、高品质影像外，图像还须经过预处理、分析、影像识别等，同时搭配自动机具(机器手臂)的定位控制，整组应用的繁复程度相当复杂。而在某些特殊测试的加工工序，如半导体的多芯片封装接合、特殊材料加工、金属件表面处理等，机器视觉都需要更高速、精密的动态分析技术支持，搭配高速影像撷取机制、实时进行图像分析，或透过极高分辨率的图像撷取获得更精密的检测分析成果。
