【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,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
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。