:::

【108年 應用案例】 公廁如何靠IoT及雲端科技變乾淨、解決7成客訴,並且提昇120倍效率?

IOT智慧廁間:一個乾淨、省電、便利的新智慧廁所革命

使用六種感知器偵測衛生紙、洗手乳存量、漏水、臭味發生以及人流和廁間使用狀況偵測,搭配上NBIoT傳輸、雲端系統以及 LINE 機器人。可以大幅改善客訴、提高廁所消耗品的補給效率,加上即時的狀況通知,可以禁絕違法廁間抽煙以及提昇安全性。使用者再也不會遇到廁所濕、髒、臭,以及沒有衛生紙的窘境,體驗大升級。

走進熱門觀光區的公廁,給您什麼樣的印象?沒有洗手乳?沒有衛生紙?甚至是又髒又臭還漏水?資策會的 IoT 大數據智慧廁間解決方案,一次解決廁所不方便的問題。

根據行政院環保署的統計,截至2019年9月底為止,全台灣目前已經建檔管理的公廁數量達 4 萬 3 千餘座,而整個環保署卻只有 3 萬 4 千餘人。這麼龐大場域數量的清潔管理,顯然不是一件容易的工作;再加上高齡化社會來臨的必然,從事第一線廁間清潔服務的人員數量和品質勢必遇見前所未有的瓶頸。引入有效的服務流程以及科技的輔助,成為一個遲早要面臨的重大課題。

資策會在全台 20餘間 IoT 智慧廁間服務解決方案的實證案例,或許為我們解決這道難題帶來一個不錯的方向。

應接不暇的客訴、四大問題、以及資策會的三套解方

2016年,當與火車站共構的捷運松山站正式啟用後,原本使用量已經幾乎爆滿的公共廁所,面臨到爆量使用所造成的嚴重客訴。原本平均每日旅客量只有四萬人次的臺鐵松山站,就已經瀕臨服務產能的瓶頸;在連接的捷運松山站開通之後,旅客爆增為七萬人次,讓原本就已經接近極限的服務能量,完全無法應付捷運開通後新增的旅客量。

曹雪芹在小說巨著「紅樓夢」當中曾出過一個刻劃人心的經典台詞:「牆倒眾人推」,或許可以形容這個現象:各個獨立廁間的衛生紙、洗手乳總是來不及補充、洗手台骯髒以及廁間排泄物的污染來不及清理,使得廁間的客訴連連,應接不暇。再加上臺鐵松山站的公廁比捷運松山站的公廁更為靠近旅客必經要道。臺鐵松山站至此,必須站出來、面對並解決這個難題。

由於臺鐵松山站與資策會有著長期的合作關係,就委託資策會協助解決這個頭痛難解的問題。

愛迪生有句名言:「只有在我知道一切做不好的方法以後,才知道做好一件工作的方法是什麼。」而資策會第一個要做的就是痛點分析(Pain Point Analysis),從根本面來思考問題。經過盤點客訴以及與第一線的清潔服務公司探討分析之後,發現四個問題、和三個解方:

四個問題分別是:衛生紙以及洗手乳補充不即時,洗手台潮濕以及空間內的惡臭。

而三個解方分別來對應這四個問題,分別是:1. 消耗品如衛生紙、洗手乳的精細管理。2. 服務流程中的關鍵績效指標 ( KPI )數位化,如洗手台的潮濕程度,或是空間中的臭味濃度。3. 利用物聯網( IoT )的新科技達成前面兩個解方的實作,輔佐大數據和雲端科技來達成高效益的場域清潔管理。

「技術特點以及研發過程」

六個關鍵感知器,以及 IoT 雲端主板與大數據的結合,徹底解決七成的客訴,效率也提昇了120倍

一、消耗品的精細管理

為了達成衛生紙和洗手乳的精細管理,第一步就是針對這兩個耗材研發感知器來偵測。

從 2017 年開始,資策會開始設計首款的紅外線廁紙偵測模組。該模組主要運用衛生紙使用習慣的物理特性來偵測:一般正常使用下,廁紙放在鐵桶型的支架上,它的厚度會隨著消耗而慢慢的變薄。

這個模組需要利用 PSD 位置感應探測器 (position sensitive detector) 、 IRED 紅外線發光二極體 (infrared emitting diode) 以及 SPC 信號處理電路 (Signal processing circuit) 三者的搭配,來達成有效的廁紙長度判斷,其精確度甚至達到小數點後一位。

第一次開發這個偵測模組的時候,由於沒有可以參考的設計,只好從感知器的選擇、電路板的設計規劃、感知器程式的撰寫,甚至光固化 3D 列印的外殼設計完全不假他手,全部都在資策會內完成。

廁所場域偵測器展示圖

▲智慧廁間服務實境

不過,雖然設計生產廁紙感知器的種種困難都克服了,但是萬萬沒有想到,如何固定反而是讓人吃盡苦頭的一道難題。

廁所感測器展示機圖片

▲智慧廁間廁紙偵測模組

資策會團隊與我們分享:「一開始的時候,我們用熱溶膠固定,可是清潔人員每次補充廁紙的時候都需要開開關關。震動一多,沒有很牢固的固定住,結果就是掉下來。

最糟糕的狀況是在女廁:有一次有女性旅客如廁的時候,這個感知器沒固定好就掉下來了。你會不會覺得這個感知器看起來很像針孔攝影機?這東西突然在女廁掉下來,有沒有很糟糕?(笑)

還好長官支持,我們也持續研發如何固定的技術,直到最後可以成功的牢牢固定,不然這個專案早就胎死腹中了。」

感測器與 line 連動示意圖

▲智慧廁間服務手機畫面展示

後來,廁紙偵測模組上線之後,原本清潔人員巡察一次廁紙使用量就要花掉 15- 20 分鐘,後來只需打開 APP,10秒就能查完廁紙使用量。大幅提高了效率至原本的 120 倍。

既然衛生紙的消耗量解決了,下一個難題就是洗手乳的低存量偵測了。

跟衛生紙不同,洗手乳每一次補充的量不見得完全相同。由於設計的理念是希望能夠用最低價、最穩定的元件來完成這個功能,以便於未來的推廣。最後選擇了常見的霍爾感應器,將其貼在洗手乳給皂器的外殼上,來達成偵測洗手乳即將見底的功能。

原理其實很單純,只要液面低於某個百分比,霍爾感應器就可以對液面進行電磁感應而產生電壓的變化,感知器送訊號至後端的雲端伺服器,然後跟廁紙感知器一樣,由伺服器再發送訊息給清潔人員。

二、服務流程中的關鍵績效指標 ( KPI )數位化

洗手台潮濕往往就會滲水到地板上,再加上來往旅客腳上難免帶有灰塵,一旦踩過潮濕的地板,就會使得地板髒污。視覺上就會給人「這廁所很髒」的感受。然而,廁所不可能隨時都有清潔人員值守,這時就需要有專門的感知器來偵測這樣的情況。

資策會利用薄膜導電電阻的特性,當薄膜電阻表面具有液體時就會降低整體電阻值,進而改變類比訊號輸出的相關數值。如此一來,只要在容易潮濕的表面鋪設薄膜電阻即可偵測潮濕的情況。例如窗台旁邊,或是洗手台面。

不過,由於感知器較為昂貴,而且刮傷就會破壞感知器的效能,所以後來只有特定的公廁才有導入這個潮濕偵測的感知器。

另外,除了視覺上的髒污,若是公廁傳出陣陣惡臭,即便這個廁所看來明亮乾淨,仍然會被認為是髒污的廁所。

然而,臭味的偵測可沒有那麼容易解決。

一開始,為了找到這個「電子鼻」,找遍了國內外的各種感知器,結果才從日本某個專門生產各種氣體感知器的大廠產品線中找到合適的 MEMS 微機電感應晶片。

所內接著也是從這個晶片的麵包板測試、電路設計圖、以及發包出去生產,共花了近半年才完成這個感知器的設計。

除此之外,在研發智慧廁間的過程當中,陸續也接到其他的需求,如人流偵測以及使用偵測等模組的研發委託。

感測器配置於洗手台下方呈現

▲智慧廁間感測器呈現

在開發過程當中發現,部份的無障礙廁間可能在使用過後,使用者有可能不小心把門關上,燈也忘記關,所以看起來這間廁所一整天都有人佔用。然而,真正需要使用的人反而被空蕩蕩的無障礙廁所擋在門外。這個問題相對簡單,工程師找到現成的人流感應模組,將其安裝在洗手台之下,這個問題也就迎刃而解。

另外,部份偏遠的公廁如梨山國家公園這一類公廁,對於環保減碳的要求上實在難以執行。由於地處偏遠,負責人員每天上班要去開燈,下班再去關燈。有些時候一整天卻沒有幾個遊客使用公廁,但所有的燈光以及設備都還是整天開啟,實在非常浪費電。

而一般市售的感應器非常呆板,只要30秒到10分鐘設定的時間一到,就關掉電源。或許在家中只有一個人使用廁所的情況,這樣的感知器已經堪用,但是動輒60坪的廁所,需要好幾個偵測器一起工作才能確保是否還有使用者在廁間當中,又是一個市面無售的解決方案。資策會只好整合多個感知器,另外在 MCU 上開發演算法,才解決這個需求。

三、IoT、雲端、大數據、以及 5G NBIoT 新科技的引入

創新的路上,總是有總總的困難等著工程人員來克服。而見招拆招的過程當中,也一步步的精鍊了解決方案,使它更便宜、更可靠、更便利。

在前述的各種感知器建置完成之後,這套系統也陸陸續續產生新的問題留給資策會來解決。例如使用者習慣的障礙、耗電問題、成本問題等等。

由 APP 改為更為貼近使用者習慣的 LINE 群組機器人

透過電信商、技術商、服務商擴散至場域的 Line 服務擴散系統圖

▲智慧廁間服務架構呈現

2017年首次完成松山車站約 60 坪的公廁佈建之時,是採用 MCU 搭配 WIFI 的通訊方式全天候監測並傳輸資料到伺服器上,在系統判斷異常之後,利用資策會寫的手機 App 通知清潔人員。

這個設計乍看之下似乎牢不可破,然而,由於現場清潔人員平均年齡 50 歲以上,安裝一個專門的 APP 反而沒人使用,第一線人員經常用沒幾天就把程式刪除。空有整套感知器在監控,卻沒有清潔人員真的使用。使用者習慣,往往是新科技導入面臨的最大障礙。

後來,做了一些使用者訪談後發現,每個公廁的清潔人員,都有一個 LINE 群組。

廁所設備 LINE 群組溝通使用圖

▲智慧廁間服務 Line 群組展示

資策會團隊提到:「既然知道他們(清潔人員)有 LINE 群組,那就好辦了!

我們一開始小心翼翼的詢問清潔人員,是不是可以邀請一個機器人”新同事”來幫忙巡察衛生紙以及判斷廁所的異常。

一開始的時候,清潔阿姨們還有點疑慮。後來發現這個機器人”新同事”很好用之後,反而很愛它。」

因為成本、環保、以及便利性問題,由 WIFI 升級成 NBIoT 通訊協定

WIFI的速度快,頻寬大。但是一個公廁裡有男廁和女廁,就要分開兩個系統來分別監控,而且每個系統都需要獨立的 4G 網路連上雲端系統。所以建置以及通訊成本較為高昂,而且耗電也比較大。

說到這裡,或許讀者會有疑問:公廁都是設置在公共空間當中,難道沒有公共 WIFI 網路可用?

資策會團隊給了我們很有深度的答案:「其實,確實幾乎每個公共空間都有 WIFI 網路可以使用,但是,與其他人共用 WIFI 容易受到干擾,而且 IoT 設備簡單,缺乏安全性控管的機制,若使用公開 WIFI ,有一定的安全風險。

因此,我們的解決方案中,還是設計封閉的WIFI通訊系統來解決通訊問題。

另外,由於一個 WIFI 基地台能夠支援的節點數量只有 20-30 個,一個有 18 個廁間的女廁就需要一組系統了。再加上隔了一個水泥牆,訊號會非常衰弱,甚至影響到訊號的穩定性。所以一個公廁設置兩套系統主要是穩定性考量而不是成本考量。」

人口密集的使用場域當中透過 WIFI 來傳輸資料到伺服器並不會太麻煩,然而,當智慧廁間系統開始被應用到更遙遠的廁間如梨山、谷關、獅頭山等國家公園遊客中心公廁,時時都要確保網路通暢,確實成為一道難題。

還好,5G 的新一代行動通訊網路當中有一個專門為了 IoT 物聯網設計的 NBIoT 窄頻物聯網通訊方式 (Narrow Band Internet of Things)。資策會領先全台,採用國內晶片大廠的 NBIoT 晶片組開發出台灣首套針對智慧廁間設計的 NBIoT MCU 控制系統 。

這套系統除了成本大幅下降、而且十分省電,只需要原本 WIFI 系統 ⅙ 的電量。最重要的是,比起傳統 WIFI 需要相對穩定的 4G 訊號橋接,這套系統的覆蓋範圍更廣,深山野嶺也都可以通訊。使得未來智慧廁間的覆蓋率,可以不受網路訊號的限制而更加廣泛。

四、「效應分析以及未來展望」

IoT 智慧廁間:一個乾淨、省電、便利的新智慧廁所革命!

隨著整套的各式感知器、雲端系統、NBIoT 以及 LINE 機器人陸續上線,帶來的好處十分顯著。

以松山車站公廁為例,從本來的應接不暇到後來大砍 70% 客訴量,巡察消耗品廁紙所需要的時間從原本的 15-20 分鐘縮短到只需要 10 秒。一旦有異常狀況發生,也從原本的不知不覺,到現今的立即通知。

有趣的是,意料之外的,這整套系統也順便也帶來了安全、以及徹底執行菸害防治法的附加好處。由於廁間只要有人佔用超過 40 分鐘,就會發出警告給清潔人員的群組。所以,一旦有使用者佔用太久,就會有清潔人員來敲門。安全性大幅提昇。

另外,臭味偵測器對於煙味也非常的敏感。由於國家公園全面禁煙,部份偏遠公廁常有旅客存著僥倖心態,溜進公廁偷抽煙。在國家公園的公廁中,臭味偵測器一旦偵測到煙味,就會播放一段菸害防治法的語音,讓旅客清楚知道公廁內抽煙可是要開罰新台幣二千至一萬元的。自從臭味偵測器安裝了之後,公廁使用者偷抽煙的情況很明顯的大幅減少。

後來,松山車站的「智慧公廁」因為克服了種種難題,而得到了交通部頒發的「金路獎」,因此而聲名大噪。從原本的客訴連連,變為各個公部門爭相參訪的模範公廁,讓承辦人多了許多帶團參訪的工作,也可以說是很奢侈的煩惱吧。

未來展望

這套系統因為 3 年的研發和場域實驗過程當中已經實證其穩定性和成本效應,目前已經成功技轉給國內的系統整合廠商。目前服創所也期待未來這套方案能夠擴展、甚至是技轉到歐美地區。

除此之外,在穩定可靠的數據流和通訊連線基礎之上,引入大數據來分析,或許可以讓人力的調配更加的精細,工作分配不均的問題可望得到根本的修正。

面對高齡化社會的來臨, NBIoT 通訊系統,搭配上各種 IoT 感知器,或許可以為我們帶來更健康、安全的生活環境。一些傳統上高度仰賴人力的重複性工作,也可以利用科技大幅提昇效率。

推薦案例

這是一張圖片。 This is a picture.
CCTV 智能影像搜索系統

查找某特定人物,尋找攜行李箱入廠人物進入高安區。人物及物件顏色特徵確定,人物藍黑色上衣,行李箱顏色黑色,透過CCTV 智能影像搜索系統,做物件與顏色檢索條件設定,可以成功搜尋到三段縮圖有出現關鍵標的影片,可以有效解決作業人員查找物件標的物,透過此系統查詢速度可比人工快6倍。 需求痛點 日月光高雄廠區內密布CCTV能及時監控廠區中的各個角落,但若在事件事故發生時,無法在有限的時間可透過CCTV影像回放被找到,其背後之意涵與其中蘊藏之巨大風險自是不言而喻,而許多平時無人的區域也很容易成為治安上的死角。故如何更智能、更有效的監控占地龐大的廠區是全體半導體企業打造智慧廠區之一大重點。日月光高雄廠占地遼闊,其中有許多重要的場域需要監控人員進出以確保企業機密與員工安全。 1 自動化生產線與自動倉儲:半導體企業之自動化生產線與自動倉儲中常有AGV(Automated Guided Vehicle)無人車高速行駛,若有廠區人員不慎誤入AGV移動區域且無法對該人員發出警告,則當憾事發生將追悔莫及。 2 材料與產品存放區域:半導體相關製程之材料價值不菲,若存放材料或產品之區域遭人入侵則有損失高價材料、產品之風險。 3 高機密管制區:營業秘密關乎半導體相關企業之核心技術競爭力,若有人員侵入高機密管制區則有企業營業秘密外洩之風險,而營業秘密安全防護一直以來都是半導體相關企業最最重視之議題。 4 卸貨碼頭區:日月光L但碼頭區常有卸貨車輛進出,若人員闖入碼頭區則有發生人車擦撞、碰撞意外之風險。甚至堆放在碼頭區待出貨的貨物有失竊以及因人員碰撞後,貨物倒塌造成損毀,因而造成公司具大的信譽、金錢損失。更進一步的造成生產出貨的不便。 異常事件發生時,如何在海量數據中,快速搜尋符合條件的關鍵影像 日月光高雄廠有許多重要的場域都需要架設CCTV為安全把關,但CCTV的數量動輒上千支、上萬支,一旦發生事件要去搜索影像時,都要用人眼一一回放查找、搜索,耗時耗力效益不彰。有鑑於現今電腦視覺的發展,遂利用AI來替代人眼回放查找。 問題情境 物件偵測 物件偵測資料來源分成兩個部份 開源資料集OIDv4、以及日月光高雄廠CCTV影像檔案。針對OIDv4中,取出符合定義的九大類別物件訓練資料,其中有二類物件未能於OIDv4中搜索到可用資料,分別為刀子與汽油桶,其餘七種類別物件皆可從OIDv4中取出可用訓練資料,此訓練資料皆已有標記。而針對高雄廠CCTV影像檔案,從中抽取部分幀(Frame)的影像,並且對欲偵測的物件進行人工標記以做為訓練與測試資料。 九大物件 顏色辨識 顏色辨識資料來源分成兩個部份網路圖像截圖、以及高雄廠CCTV影像檔案。目前並沒有找到針對顏色辨識應用的公開可下載的開源資料集,因此只能從網路蒐集圖像,於網路上搜索符合定義的九大類別物件的圖像,儲存圖像後將物件與背景分割,只保留物件的區塊,最後將圖像依照顏色做類別標記。另外針對高雄廠CCTV影像檔案,則使用物件偵測資料已標記好的bounding box擷取CCTV影像檔案中各個Frame的物件所在區塊之圖像,最後將肉眼可辨其顏色之圖像依照顏色做類別標記。針對每種物件類別皆有其專屬顏色定義,各種物件類別的顏色定義取決於此物件類別於現實生活中常見之顏色。 動態忽略免除混淆訓練 從OIDv4訓練專案的物件偵測雛型模型時,因為此資料集的每張影像中,皆只有針對單一類別做標記,但影像中有可能包含其他欲偵測之類別未被標記,故針對此種情況,訓練時會使用動態忽略之技術使其不會有混淆訓練的情況。接著使用高雄廠取出的訓練資料用來Fine-Tune雛型模型提高物件於特定指定場域下的辨識率。最終選取訓練過程中於測試集計算之損失值最低的模型做為主要物件偵測模型。 動態忽略 AI幫你看 CCTV 智能影像搜索系統主要是做為監控影像的搜尋輔助系統,可以藉由設定搜尋物件條件來加速達到從影片找出目標事件的功能,僅需定義搜尋條件,即可快速產出關鍵物件的縮圖影片並進行回放確認,縮短昔日以人工調閱案件所須時間,查找時間快6倍,前端安全單位運用此平台可強化風險管理第一道防線之自行監督功能以及早採取因應措施。

【導入案例】赫銳特科技VCSEL封裝元件瑕疵導入AOI檢測 提升產能效率20
赫銳特科技VCSEL封裝元件瑕疵導入AOI檢測 提升產能效率20%

2017年,iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門,也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測,若透過AI推論模型可解決良率偏低產業難題,提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場,包括機器人、移動設備、監控、無人機,以及ARVR等。VCSEL在需求高速調製功能的應用(例如照相機和生物計量)中堪稱為不錯的解決方案。 VCSEL技術應用層面廣,也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示,VCSEL封裝元件市場也面臨到商業對手強力的削價競爭,需要進一步降低成本提升、產品競爭力,其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高,但成本較環氧樹脂透鏡高,因環氧樹脂經切割製程,側壁切割道上容易會有毛邊,造成尺寸過大,容易在打件時因為受熱而產生的應力釋放,將會直接導致光學透鏡破裂。 赫銳特科技指出,VCSEL環氧樹脂透鏡的入料檢測十分重要,在封裝空間的限制下,封裝與光學透鏡貼合的空間有限,且此光學透鏡會被侷限於一金屬框架內,若是沒有控管好尺寸公差,很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂,造成VCSEL封裝可靠度驗證良率損失最高達到10,造成生產成本增加。 為解決上述問題,赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段,可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵,確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測,經通過大略的人眼目檢分辨好壞,為順利收集影像數據,首先需要解決影像蒐集的問題。 因此,赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection,AOI,自動光學檢測裝置包含X、Y、Z三軸動及高解析相機,及相關控制軟體自動記錄影像。蒐集完成後的影像資料,經opencv將測試影像Test與一標準正常影像Normal,進行影像對位後取出Test與Normal影像的差異部分,並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類,進行手動標籤標示包含:正常、外觀瑕疵或形狀特徵差異之樣品,後進行演算法訓練與驗證,使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習,以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異,導入前的VCSEL入料透鏡檢測,僅透過簡易的人工外觀檢測,將透鏡封裝在已固晶的VCSEL封裝體上,通過一般點亮檢測後,最後進行可靠度測試高溫回焊,失效樣品進再入重工流程。 但在導入AOI檢測之後,可提前將有問題的透鏡篩選出來,除了可以降低後續物料投入的成本,亦可減少失效情形降低重工的需要,因而提升可靠度驗證良率達95以上,預期可協助場域業者降低生產成本達10,提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出,這項技術是基於微小影像開發的AI應用技術,透過深度學習演算法辨識影像瑕疵,用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別,因此不再需要繁瑣的編程。 而在工業機器視覺環境中,深度學習主要用於應用中的分類任務,例如在工業產品的檢驗或零件的辨識,未來隨著IOT穿戴裝置的發展,符合節能省電的潮流議題,光電元件尺寸將不斷的縮小,本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。

這是一張圖片。 This is a picture.
基於人工智慧的PCBA表面瑕疵檢測改善

隨著AOIAI系統的導入,我們將能提高產品良率、降低成本,從業務面來看,更可提高客戶的信任度,增加營業收益。而且AI具有難以被模仿的優勢,並非如其它設備只要花錢就買的到,讓我們的競爭對手難以追上我們。 組弘發展現況 我們致力於IOT智慧製造上,自行開發的系統已有智慧物料系統、環境溫溼度監控系統、防錯料系統、智能採購算料系統、智慧物料盤點系統、錫膏管理系統、生管系統。過去我們曾詢問過其他廠商,有關AI檢驗PCBA表面瑕疵的可能性,每個廠商都希望我們能夠購買其設備,但實際驗證後都無法達到效果,此次與資服業者討論過後,定調為AOIAI的運作模式,方覺得有可行性。 組弘科技投入AOIAI檢測計畫,用於檢查SMT零件上的文字、焊點、極性、缺件hellip等,用AI替代人工來學習AOI檢測後定義為rdquo可能是不良品rdquo的部份,提升人員產值與降低誤判率。 產業痛點 nbspnbspnbsp 台灣缺工情形嚴重,尤其願意從事目視檢查的人更少,而且年齡相對較大,檢查遺漏的狀況越來越嚴重。所以在追求高品質電子產業中,最關鍵的瓶頸已經是生產後的檢查。過去的消費性產品,異常未能被檢出,只要在一定比例下,也可被接受。現在的汽車產業如果有不良未被檢出,即有可能造成人員死亡,所以汽車產業對於品質的要求極高。要想在汽車產業的供應鏈中生存,就必須解決異常無法被檢出的問題。 nbspnbspnbsp 而且隨著台灣工資越來越高,只能設法以AI技術,取代傳統人力,否則就算解決了異常流出,但相對高的人力成本依然無法在此產業中競爭。 應用技術與說明 nbspnbspnbsp 原本過程圖一,PCB從出來Reflow後,會經過AOI檢測,分出「疑似不良品」與良品,這時「疑似不良品」的部分約為20,再由人工針對這20的部分來做複判,再將「疑似不良品」的部分區分為良品與不良品。 nbspnbspnbsp 我們想要藉由AI的技術,將原本由人工複判這20的「疑似不良品」改由AI來做,複判出來一樣會有良品與「疑似不良品」,結果一樣會有「良品」與「疑似不良品」的產生,但此時「疑似不良品」約只剩下3,也就是說組弘作業人員的工作量會從20降到只有3。理論上是AOI檢查完後,再由AI來做複判,但從表面看起來似乎只有經過AOI而已,所以我們才將這個技術稱之為A0IAI檢測圖二。 原本AOI檢測過程 操作員將待測PCB板放入AOI檢測設備,輸出AOI 檢測不良品資訊,再經由人工逐一覆判是否為不良品。 AOIAI檢測過程 操作員將待測PCB板放入AOI檢測設備,輸出AOI檢測不良品資訊後, 進由AI先進行AOI檢測不良品的覆判,輸出AI檢測不良資訊後, 再經由人工逐一覆判是否為不良品。 流程差異 nbspnbspnbsp 藉由AOIAI系統的導入,我們除了能夠提升目視檢查人員的效率與良率外,我們有了這次AI的導入經驗,以後也可將AI與大數據的運用加入到組弘原有的智慧製造系統,使我們的智慧製造系統的效能更提升,更進一步的減輕員工的工作壓力。 導入前後差異說明 推廣策略 1nbspnbspnbspnbspnbspnbsp 同領域擴散:所有SMT製造業皆會遇到檢查瓶頸導致延誤出貨的狀況,導入此系統可解決目前缺工嚴重問題並提升出貨速度與品質,自行向客戶推廣或透過設備商銷售給相關需求者。 2nbspnbspnbspnbspnbspnbsp 異業擴散規劃:與AOI製造商洽談直接將AI系統掛在AOI系統內,增加其市場競爭力。 nbsp 獲利策略 1nbspnbspnbspnbspnbspnbsp 與AOI製造商合作收取授權金。 2nbspnbspnbspnbspnbspnbsp 與SMT製造業直接銷售AI系統。 3nbspnbspnbspnbspnbspnbsp 提供SMT製造業AOIAI系統訂閱制