Dtalk
Advantechline
 

英業達AI三計畫落地展成效

電子代工大廠英業達基於電腦視覺的AI應用已落實於包括軟體測試、AOI複檢以及筆電表面刮痕檢測等。符世旻攝

人工智慧在製造領域的應用越來越廣泛,基於機器學習的影像識別是目前發展速度較快的應用,這也是目前台灣在發展製造領域AI的應用重點。電子代工大廠英業達去年成立AI研發中心,陸續已有相關解決方案落地,並實際於生產線啟動,其中基於電腦視覺的AI應用已落實於包括軟體測試、自動光學檢查(AOI)複檢、以及筆電表面刮痕檢測等。

製造業持續推動產業AI化,對內也自主團隊全力衝刺,結合產官學各方經驗共同攜手推動AI應用落地。像是英業達去年成立「AI研發中心」,延攬同時為台大教授與Skywatch共同創辦人陳維超主導團隊,投入演算法及新應用,此外也網羅在矽谷工作多年、現任機器學習首席科學家陳佩君加入。

而AI研發中心也以英業達自家工廠作為練兵場域,目前在內部已陸續落實3項以電腦視覺為基礎的AI應用,用以優化生產流程,如以智能化程度從低到高區分,則分別為自動檢測機器人、AOI複判以及筆電表面刮痕檢測等。一路從智能化程度稍低,以提高自動化需求為主的應用,進展到透過智能化優化現有自動化作業,以及透過AI解決現有生產線痛點。

英業達主要將自動檢測機器人運用在筆電軟體測試階段。通常在硬體外觀檢測完成後,還須針對內部軟體安裝進行測試,以確保系統能夠正確運行,但過去英業達採用人工測試,其做法是讓質檢員按照SOP紀錄表逐一動作,如開機、按鍵,接著確認畫面與資訊是否正確,並手寫登記測試結果,如以每月出貨量至少100萬台計算,粗估至少需耗費數百人才能完成測試流程。

因此英業達將開機、按鍵與畫面檢視等步驟分別透過機器手臂與工業相機取代質檢員的手與眼,以影像辨識搭配OCR進行畫面確認與字元辨識。即便該應用技術門檻不高,但仍可為英業達節省數百人力,另一方面也可取代人力執行重複性作業,提升人類工作價值。

其次則是改善AOI複檢流程。與眾多電子製造業者面臨相同問題,AOI的高嚴格參數設定造成假瑕疵判斷機率過高,因而需要人工複判。目前AOI雖能判讀具體量化的瑕疵成像,但較難定義瑕疵程度與分類,因此基於AOI已相當成熟的電腦視覺技術,英業達也透過AI取代人工加強AOI複檢,進一步可判別出瑕疵程度,例如英業達將其應用於判斷錫膏檢測中,錫膏量多寡程度分析。

至於在筆電表面外觀檢測部分也遇到相同問題,目前該產業在表面瑕疵檢測作業仍多以人工檢測,然而外觀瑕疵包含指紋、刮痕等數種類型,每一種瑕疵的外型、大小不一,如以人工目視實難以確保達到100%的檢出正確。因此英業達透過大量影像數據,基於深度學習技術訓練的兩種AI模型,其一為可解釋的AI Model,其二為可調整的AI Model,後者可依據客戶品檢嚴謹程度調整檢測門檻。透過深度學習模型除了可辨識瑕疵之外,也能進一步分析瑕疵種類、大小、位置、外型及數量等資訊。

陳佩君透露,目前英業達已進入第二階段AI模型開發,可針對不同機型自主學習瑕疵成像,未來可在不需要大量影像數據的訓練下,學習未知瑕疵的判讀。甚至進一步結合自動化設備,取代由人類負責上機檢料的動作,以加快作業效率。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 機器人 工業4.0