藉由AI視覺檢查 讓工廠生產效率與良率突飛猛進 智慧應用 影音
Microchip
ADI

藉由AI視覺檢查 讓工廠生產效率與良率突飛猛進

  • DIGITIMES企劃DIGITIMES企劃

研華專案課長蘇俊豪(右)與偲倢科技市場開發經理吳竣民(左),同台演繹「AI於視覺檢查的落地應用」這一主題。DIGITIMES攝
研華專案課長蘇俊豪(右)與偲倢科技市場開發經理吳竣民(左),同台演繹「AI於視覺檢查的落地應用」這一主題。DIGITIMES攝

綜觀現今的智慧製造,儼然蘊含「3A新浪潮」,三個A分別是AI、Automation及Autonomous;足見以AI為首的三大技術特色,對製造業數位轉型的發展可謂至關重要。研華專案課長蘇俊豪表示,根據IDC的最新人工智能支出指南報告,預期2025年中國AI市場總規模將逾160億美元;另依TrendForce預測,隨著數位轉型加速及遠端作業需求提升,估計2021年底全球智慧製造市場規模可望達3,050億美元。綜觀AI之於智慧製造的應用範疇,視覺檢查絕對是關鍵一環,為此研華在近年積極與偲倢科技合作,打造出成熟的AI AOI解決方案。

偲倢科技市場開發經理吳竣民指出,偲倢是一家擅長AI視覺檢測與自動化導入服務的公司,已有5年以上AI AOI落地經驗;迄今的每一分鐘,偲倢客戶都在進行逾20萬次檢測分析。

吳竣民說明,傳統規則式AOI有幾個常見瓶頸,包括瑕疵規則設定複雜,相容性低;難以精準定義不規則瑕疵,誤判率高;不易區分瑕疵類型,難以溯源製程問題。AI的出現,並非取代AOI,而是為AOI加分。

以某家從事EUV光罩門製造的企業為例,過去曾倚重規則式AOI來進行瑕疵檢測,但必須撰寫複雜邏輯導致負擔沈重,如今導入AI,即可由AI自主學習哪邊該檢或不該檢,無需預先設定複雜邏輯,便能精準檢測瑕疵的種類、面積與位置。

另外某家半導體公司也利用AI執行晶圓(Wafer)平整度檢查,可依顏色過深或過淺而辨別瑕疵。回顧過去,工程師每隔2~3小時需要到產線看照片,以確認這批生產有無問題、良率是否驟然暴低,但效率不高。後來該公司接受偲倢的建議,將Wafer圖片交由AI分析,凡偵測到瑕疵率暴增、即發出告警,使其生產良率從85%提高到93%,AI通報準確率超過95%。

「AI不是放羊的孩子,而是精準的吹哨人!」吳竣民說,因此現在亟欲導入AI的企業迅速增多,但他們也擔心一旦導入AI方案,日後不管要新增產品或調整參數,皆須仰賴AI廠商,形同遭到Vendor Locking;所以不少客戶為防止Know-how外洩,都會對廠商有所保留、給予不完整資訊,導致廠商也只能訓練出不完整的模型,形成負面循環。

反觀偲倢則會藉由兩大方向,循序引導用戶實現AI自主化。首先讓客戶理解AI導入流程,包括工廠與產品適性評估、AI訓練與調校輔導、自動化整合開發、規模化技術支援等,並預先提示每個階段可能遭遇的瓶頸,再實際帶領客戶從頭到尾走過一遍,藉機協助客戶端現場人員培養AI Know-how。

其次借助偲倢的SmaAI這個富含彈性的開放平台,使客戶受惠於步驟式指引,一步步完成自主性AI訓練與驗證。從而加速工廠上線速度,大大提升生產效率與品質。

關鍵字