:::

【109年 解決方案】 AI助攻,AOI檢測漏檢率達0.1% 超過人工10倍

你知道小小一顆高爾夫球有高達28個瑕疵檢測嗎?用人工一小時看500顆球,若用AI來檢測瑕疵,一小時可以檢測6,000顆球。慧穩科技所研發的AOI自動化光學檢測技術,可以達到0.1%的漏檢率,高出人眼達10倍之多。除了高爾夫球產業外,慧穩科技AOI檢測也將導入紡織業等產業。

慧穩科技創辦人兼總經理林耿呈是鑽研人工智慧(AI)的專家,早在2013年間,就感受到深度學習(Deep Learning,DL)和AI影像辨識的未來性與爆發力。而AOI一直以來是製造業的強烈需求,主要能夠替業主提高產品的品質,讓交出貨的品質可以穩定,另外可以把AOI檢測的結果數據來改善製程,讓製程改善可以進入正循環,進一步節省成本。

由於人眼有疲憊與標準不一等不可控因素,導致檢測遭遇瓶頸,人眼經過訓練的漏檢率極限大約在1~2%,且每下愈況,檢測情況會越來越差,AOI是一個穩定且可大量檢測的設備,慧穩科技可達到0.1%的漏檢率,是人眼的10倍之多,相當於檢出率達99.9%。當然,AOI也會造成5%-10%的過檢率,再透過人力針對過檢進行篩選既可。有AOI輔助,可減輕品檢的負擔,相對省下不少工時。

AOI檢測高爾夫球瑕疵 一小時檢測能量成長12倍

慧穩科技AOI技術第一個試金石是高爾夫球。高爾夫球球面凹凸不平,是高反光產品,過往仰賴人工一一檢測瑕疵,一顆小小的高爾夫球有高達28個瑕疵,一個小時能檢測500顆。國內高爾夫球大廠為了符合日本客戶的需求,在兩年前導入AOI檢測,透過AOI高速高精度光學影像檢測系統結合AI深度學習影像辨識技術,進行高爾夫球表面瑕疵檢測,進出料全面自動化,以取代人工辨識漏檢問題,並可即時記錄瑕疵狀況並回報,每年每台可檢測20萬打高爾夫球,大大提升客戶的滿意度。但是,這一步,慧穩科技足足走了兩年多……。

高爾夫球AOI辨識技術畫面

▲高爾夫球AOI辨識技術畫面

高爾夫球AOI辨識,28個球面瑕疵無所遁形

▲高爾夫球AOI辨識,28個球面瑕疵無所遁形

林耿呈表示,從資料評估與諮詢開始,接著是資料整理與標記、AI演算法挑選驗證及AI訓練服務,高爾夫球資料相當於從零開始一筆一筆累積下來,所幸,高爾夫球廠商全力配合,才終於開花結果。AOI檢測高爾夫球瑕疵,一般用人工一小時看500顆球,若用AI來檢測,一小時可以檢測6,000顆球,成效高達12倍之多。

跟其他公司不同,林耿呈認為AI需要深耕Domain把專業的資料給磨出來,唯有這些Domain的資料才能讓AI做得很好,所以公司是從專案接案開始走起,非一開始就設定一個AI的產品,因為,沒有好的資料或專注的領域,有再好的演算法都無法成就AI,慧穩科技這幾年將專案的經驗累積,漸漸發展出產品,除了專注在Domain資料外,慧穩也提供最新AI演算法給客戶,與客戶共同成長,因此,不同於對外募資,慧穩的投資人就是客戶或是合作夥伴,形成更緊密的合作關係。

評估期到正式上線 AI導入需要六大階段

慧穩科技承接的專案,都會分成幾個階段:1.評估期、2.前期驗證(POC)期、3.收集資料期、4.反覆驗證期、5.AI正循環期、6.正式上線。評估期是將需求端的Domain狀況先期的了解與評估,接下來會進行POC的驗證,經過POC後將會大量的收集資料,進入反覆的驗證階段,最後讓AI進入到正循環的階段,達到一定的效用後,即可正式上線。一般來說,一個案子需要磨個半年至一年的時間。但以比較熟悉的PCB AOI專案,則直接跳過前兩個階段,從收集資料開始做起,時間也相對縮短許多。

「無論這個案子或其他案子都會遇到的共同問題,客戶都會問說,資料要多少才夠,AI何時才會學會?」面對諸如此類的問題,林耿呈指出,這些問題產生的原因是:1. 深度學習技術上不可解釋,因為它是個黑盒子;2. AI技術上普遍客戶都沒有相對的概念。因此,公司必須耐心地去反覆驗證資料,找出AI所需要的資料,進行累積與測試,把所有的Domain狀況一一釐清與解決,這是非常需要時間與耐心。

在AI導入的過程中,客戶對於AI高度期待,認為只要結合AI服務,就可以立即取代人力,林耿呈指出,其實不然,實際上AI的價值是透過累積大量高品質資料後,轉換與分析並建立AI訓練與驗證模型,才能完整解決人工所產生的問題。

目前除了高爾夫球的檢測外,慧穩科技正針對紡織業的布料與鞋帶等等用品進行導入,亦有許多行業都有透過慧穩進行POC,如半導體業、PCB業與其他傳產等。

AOI布料瑕疵檢測,上圖為導入AOI檢測前,下圖為導入AOI檢測後

▲AOI布料瑕疵檢測,上圖為導入AOI檢測前,下圖為導入AOI檢測後

林耿呈指出,在創業的過程中,最困難的是人才的培育與客戶的認知,客戶通常比較講求快速看到成效,殊不知,AI的導入需要資料的累積與反覆驗證,這些過程沒有半年以上無法顯現成果。

受到新冠病毒肺炎衝擊,製造業供應鏈全球化、集中化的趨勢已經被打破,取代而起的是「短區域」的供應鏈,也就是說,小而美的工廠將遍地開花,是否也為AOI帶來新的商機?林耿呈表示,高度自動化對於AI自動檢測的確帶來商機,然而,相對資本投入較高,包括自動化設備、主機、GPU及足夠的AI維運人才等,都非中小企業或小工廠負擔的起,需要靠政府資金、資源投入,才有辦法順利轉型。

推薦案例

【解決方案】2秒鐘完成結帳動作 Viscovery AI影像辨識助攻智慧零售
1 秒鐘完成結帳動作 Viscovery AI 影像辨識助攻智慧零售

近年來,人工智慧 Artificial Intelligence,簡稱 AI 已逐漸改變各行各業的運作模式,不過,絕大部分的工作仍然是由人類完成,AI 則扮演輔助的角色,因而出現了「AI Copilot」一詞,代表「由 AI 驅動的工具或助理」,旨在協助使用者完成各種任務,提高生產力和效率。 AI Copilot 的概念源自於「副駕駛」這個角色,在飛行中,副駕駛協助主駕駛員完成各項任務,確保飛行安全與效率。其實,工業革命的「機器」就開始有 Copilot 的影子,各種機器在不同領域中扮演「Copilot」的角色,輔助人類完成繁重的體力和重複性工作,大幅提升工廠生產效率,推動經濟快速發展。 隨著運算設備的進步、機器學習、深度學習、影像辨識等技術的突破,AI Copilot 的概念逐漸成形。AI Copilot 的發展標誌著從「機器輔助提升到智慧輔助的轉變」。早期的機器人只能完成預設的重複性工作,而現在的 AI Copilot 則能夠學習和適應新的環境與任務,並在實際應用中不斷優化自身表現。這一轉變不僅改變了人機交互的方式,也為各產業帶來了深遠的影響。 AI Copilot 的應用範圍涵蓋了各個行業,包括:金融、醫療、製造、教育、零售hellip等等,無處不在。 AI Copilot 於零售業的應用:AI 影像辨識結帳 在零售業,AI Copilot 的應用已經開始展現具體成果。 以 Viscovery 的 AI 影像辨識結帳系統為例,這套系統即為 AI Copilot 模式的一種,輔助店員加速結帳,或者輔助消費者簡化自助結帳流程。 nbsp 一般的結帳方式需要店員逐一掃描商品條碼,若是無條碼的商品,如:麵包、餐點,則需店員花時間先用肉眼確認品項,再一個個輸入到 POS 結帳系統中。根據一家連鎖麵包店實測,資深店員從「肉眼辨識」到「輸入一盤 6 顆麵包的商品資訊到結帳系統」的過程,就要 22 秒的時間,新進店員需要的時間可能更多。另外,根據一家日本麵包店業者分享,培訓員工認識、熟悉商品需要 1 至 2 個月的時間。 nbsp 現在有了 AI 影像辨識技術,店員可以把「辨識商品」的步驟交給 AI,由 AI 扮演 Copilot 的角色,1 秒內迅速辨識品項,加快結帳,整體節省 50 的結帳時間,優化顧客購物體驗。而培訓員工辨認麵包的時間成本,也能因此有效縮短。 nbsp 即便是帶有條碼的商品,AI 也可以在一秒內快速辨識多個品項,相比逐個掃條碼的方式,效率更高 nbsp 而有 AI 影像辨識「輔助」的自助結帳系統,則能夠讓消費者在沒有店員幫助的情況下,順利完成購物,省去刷條碼或在螢幕上查找品項的麻煩,提升購物體驗,在缺工、找不到店員的時代,也幫助店家降低營運成本。 nbsp AI 快速辨識多件結帳商品只要一秒鐘 圖片來源:Viscovery 近來,致力研發 AI 影像辨識結帳方案的新創在各國嶄露頭角,目前已知最輕量化的解決方案就在台灣,只要在結帳櫃檯安裝一支 Viscovery 的鏡頭與一台搭載 Viscovery AI 影像辨識軟體的平板,即可與店家既有的 POS 結帳系統串接,馬上啟用。 整合方式多元,有隨插即用的作法,也有與店家 POS 整合的 API 串接方案。 Viscovery AI 影像辨識系統可與店家現有的 POS 系統無痛整合 圖片來源:Viscovery AI 影像辨識結帳的導入實例 目前 Viscovery AI 影像辨識系統已導入台灣連鎖烘焙店、新加坡中式麵店、日本仙台百貨公司商辦超商 micormarket、日本麵包店與蛋糕店hellip等等。超過 700 萬筆交易筆數,都是透過這套 AI 系統完成,辨識超過 4000 萬件商品。這些使用案例展示了 Viscovery AI 影像辨識系統在零售行業的廣泛應用,未來將持續深耕、探索零售及餐飲運用 Vision AI 的各種可能。 nbsp Viscovery AI 影像辨識系統已導入日本、新加坡、台灣,使用於麵包店、蛋糕店、餐廳、便利商店等多個場域 圖片來源:Viscovery

【解決方案】AI電眼取代人眼 慧演智能運用AI幫製造業做品管
AI電眼取代人眼 慧演智能運用AI幫製造業做品管

因應製造業少量多樣的客戶需求,亟待可以找到從雲端到終端的AI解決方案。慧演智能提供軟硬整合解決方案-BailAI影像檢測解決方案,來協助傳統製造業提升製程效率及產品品質,達到轉型的初步目標。 政府宣示2017年為台灣「AI元年」之後,台灣AI新創公司如春筍般林立,成立於2018年的慧演智能即鎖定智慧製造,提供AI影像分析與流程優化的平台,以深度學習的方式檢測產品的瑕疵和組裝的步驟異常,協助企業建置從終端到雲端的基礎設施,讓工廠生產端可以自動化監控,以提升製程的效率和品質。 熟悉產線品管流程 以AI影像檢測作為創業主軸 慧演智能創辦人暨執行長劉雅雯年紀輕輕,在大學畢業之後即進入製造業,在硬碟零件的塑膠射出製程擔任品管職務,「當時已經在產線上,對於生產機台的產線流程相當熟悉」,她之後轉換跑道擔任行銷企劃、接著又擔任過AI產品經理,在時機成熟之後,劉雅雯決定創業,以製造業的AI影像辨識作為創業主軸。 「企業的困難在於缺乏AI開發團隊,即使有了AI團隊,開發專案要花很多時間,至少6-12個月」深諳市場痛點的劉雅雯表示,平台要解決的問題是提供傳統製造業不需要程式開發背景的員工,也可以自行打造AI模型的平台,從遠端協助產線的故障排除及後續的系統維護作業,來幫助企業節省開發時間及人力成本。 BailAI影像檢測平台使用場景 面對市場上提供AI影像辨識的競爭對手非常多,慧演智能的技術優勢何在劉雅雯表示,現階段許多企業備有AOI光學檢測設備,但AOI光學檢測在應用上的瓶頸是,只能用於產線速度快、數量多的瑕疵檢測,而每回檢測或生產都要重新調整參數。而根據她對產業的了解,受限於AOI設備動輒上百萬元台幣起跳,大部分中小型傳統製造業,並不具備雄厚的財力,但他們又想要做自動化檢測,這就是慧演智能的機會。 劉雅雯接著表示,傳統製造業不可能養一個包括AI工程師、資料工程師、雲端架構師、終端架構工程師等專業人才的技術團隊,而慧演智能擅長於軟硬體整合,企業透過BailAI影像檢測平台,就能輕鬆解決產線上的檢測問題。換言之,客戶只需提供影像或樣品,交由慧演智能訓練模型、部署模型及系統整合,即可輕鬆使用AI技術進行產線流程優化及監測。 參加AI新銳選拔賽 組裝行為影像辨識辨識率達9成以上 舉例而言,某家連接器廠商,技術團隊只有1-2位AI工程師。主要解決的問題是,大部分作業員都在產線上,而品管及高階主管在遠端,公司欲透過遠端監控方式掌握產線實際情況。慧演智能透過工業相機拍攝產線畫面,並將AI影像分析傳送到遠端,主管及品管人員可以透過螢幕來觀察產線組裝有無錯誤,如連接器頭跟線路有沒有接好等問題。 慧演智能的AI影像檢測架在微軟的Azure雲端平台上進行作業,也會透過終端設備,如NVIDIA的邊緣運算設備放置於檢測站周邊,透過雲端到終端的整合解決方案,協助傳統製造業提升產線效能與及早發現問題。現階段慧演智能的客群包括航空、電子周邊、連接器及金屬等相關產業。 組裝產線人體行為辨識組裝流程解決方案,準確率達9成以上 為了實證技術深度,慧演智能參加經濟部工業局2021年AI新銳選拔賽活動,為光寶科技提供「組裝產線人體行為辨識組裝流程」解決方案,透過相機及AI影像辨識的方式辨識產線作業員的有效工時及無效工時,也就是透過影像辨識手的姿勢及位置,來判斷作業員的組裝行為,其精準率可達9成以上。 劉雅雯補充說明,由於電子零組件組裝工序較複雜,多以人力為主,無法以機械手臂取代,因此慧演智能在光寶的組裝站裡,用鏡頭拍下作業員組裝的流程,再針對影片進行演算法的訓練、校正,最終訓練出的模型能直接判斷組裝過程是否出現任何錯誤,以改善整體流程。 導入BailAI影像檢測平台 專案開發時間可望縮短至1個月 成立三年多以來,慧演智能累積不少專案經驗,希望能將專案經驗產品化,劉雅雯指出,將於今2022年完成BailAI影像檢測試用版,客戶可依檢測物件的精細度選擇工業相機、視訊相機,甚至於X光來擷取影像,再透過平台做影像自動標記,慧演智能會提供符合場域的AI應用模型,供客戶使用,也可以在雲端終端做推論,便於製造業上線使用。包括金屬產業、工業電腦的金屬機殼、連接器、電子周邊,機械零件,皆可利用平台進行瑕疵檢測及物件辨識。 現階段慧演智能將持續提升技術能力,累積客戶的經驗完成產品化,同時加速AI檢測落地應用,中期將建置終端雲端基礎設施,將企業AI專案開發時間從6-12個月縮短至1個月,降低企業使用時間及使用門檻。長期目標將鎖定台商聚集較多的東南亞市場,將軟硬整合AI解決方案拓展到海外市場,擴大營運規模。

這是一張圖片。 This is a picture.
AI缺陷智能化檢測-降低製程耗能智慧監控解決方案

AI缺陷智能化檢測-降低製程耗能智慧監控解決方案 當一片貼片陶瓷基板上有超過2萬顆貼片電阻,應該要如何快速檢測答案是用AI來檢測。 在當前科技迅速發展的時代,雷科自豪地宣布其雷射加工技術的顯著進步,這一突破得益於人工智慧AI領域的創新應用,雷科致力於將先進的AI技術整合至雷射加工機中,於2019年與合作廠商共同開發出全球第一台結合AI技術的雷射加工機,並以此為基礎上進一步在2023年打造了首台結合AOIAILASER的陶瓷載板檢測機。 智慧陶瓷載板檢測機 藉由AI與機器學習的導入,加上樣本大數據的累積,在系統愈變愈聰明的狀況下,使產品良率在一年內提升5、將檢測速度由原本2分鐘片大幅降低至20秒片、大幅降低了檢測成本、在前段有效率檢出與雷射標示後,可降低後段製程上的浪費,減少整體場域碳排、並可自動產出詳細檢驗報告,以進行數據分析與優化,有助於提升設備產能、降低人為疏漏,使雷科的設備產品更具價值、強化我國電機電子產業之國際競爭優勢。 雷科股份有限公司Laser Tek成立於1988年,並於2002年正式掛牌成為上櫃公司,成立迄今已成為具指標性之SMD電子包裝材料、SMT檢測設備、雷射設備等全球性銷售通路服務及設計製造商之一。 雷科總經理擁有20多年雷射整合經驗,他觀察到被動元件客戶每個月產能可超過10億顆SMD元件,但伴隨著SMD元件尺寸持續微型化發展,其生產製造時之瑕疵檢測作業變得更加困難,一片陶瓷基板上動輒上千上萬顆元件,元件尺寸越小,印刷雷射加工位置更加微小,檢測難度就越大,而更容易出現偏差,因此生產檢查成為相當重要的一環。 R-SMD生產檢查流程 AOI良率過殺問題,靠AI來把關 而AOI檢查機是普遍且成熟的機種,但市面上的高精度AOI運作方式是以單次拍攝小圖移動拼接成大圖,精度雖高但檢查時間較久,小尺寸SMD元件更易受環境干擾,如:光照和振動等容易造成誤判;因此AOI僅能以抽檢方式估算良率,且抽檢良率差的元件也並非單獨去除,而是連同良品整個剔除;人力複檢不但成本提高,每個人的檢查標準又無法統一,最終導致的結果,是平均會發生約2-5的產品未被檢出不良品而流入後段製程,即約每月至少2,000萬顆不良品之SMD元件,因未能在初期被檢測出,而造成後續各段製程中,不良品上依然會有印刷、加工檢查等流程,無論是油墨耗材及能源的浪費,增添了成本負擔,更因此加速設備磨損、使設備運作壽命簡短,而每一階段的浪費,皆會增加場域製程的碳排放量,不利於企業的碳足跡盤查。 0402修阻後樣品照片範例 傳統AOI 自動光學檢查的高誤判率也是業者面臨的一大生產痛點,在被動元件產業對於良率「寧可錯殺一百,不可放過一人」的高標準要求,往往會把 AOI 參數設定極高規格,導致設備異常敏感。當數據參數設定過於嚴苛時,易造成高誤判率。例如:當被動元件的汙染髒汙與印刷層顏色相近時,AOI 過篩誤判率可能高達 7 成。 汙染髒汙與印刷層顏色相近AOI易誤判 雷科有別於其他AOI供應商,捨棄了小圖拼接或線掃描方式,有效避免圖像處理時硬體或環境造成的資料遺失與斷差,採用超大面陣感光相機搭配訂製高解析度鏡頭,透過特殊影像進行合成處理。合成的過程中,感光元件的每個像素位置上都包含了從多個不同位置捕捉到的光線資訊。通過將這些資訊結合起來,影像的解析度和細節得以提高,達到億萬級別的分辨率,配合多重自動調整光源,單次拍攝可處理涵蓋7070mm,影像解析度可高達5um,取得清晰影像,再透過Smart-AI技術進行分析篩選。 三大妙法打造快速檢測Smart -AI 雷科總經理分享,快速將AI技術導入並減少檢查運算時間,並開發Smart-AI有三大方法: 方法一、先以AOI方式快速將良品與含爭議的缺陷品進行二分法區隔,將檢測重心放在少數不良的辨識上。 方法二、自動標註平台簡化訓練問題:運用攝影機蒐集機台的資料,用自動標註取代人工標註,逐步訓練以拉高精度,問題越簡單,訓練所需資料越少。 方法三、AOI與AI雙軌並進:在智慧製造流程中,僅僅單靠AOI或AI無法畢其功於一役,必須由AOI先行,將特徵值標出,同時區分是良品或是瑕疵部分,再以AI方式進行標註與訓練。接著利用可重複串聯的加疊效應,其檢測效益更大,隨著訓練資料累積越多,AOI比例降低,AI比例逐漸提高。 修阻後物件偵測與訓練 透過三大方法逐步構建系統信賴度,並將資料進行缺陷整理分類,最終將AI判斷結果回傳到主機,以雷射加工方式在製程前端控管將真正的不良品剔除,減少不良品流入其他站別,造成重複檢測或重複加工的損耗。 智慧雷射設備第一,選擇LASERTEK就對了 由臺灣品牌雷科持續打造結合AI智慧檢測與雷射加工設備,以逐步建構由原材料、產品、檢測、雷射設備等相互相加疊而成的智慧化監控解決方案,以降低生產製程之耗能為目標,落實發展半導體 載板及元件加工等領域,產出能在低碳條件下仍可滿足終端使用者需求之設備產品,以快速且優質的產品與服務來拓展國內、外需求市場,增加本土Made in TaiwanMIT設備之全球競爭力。