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

綠能是未來趨勢，必帶動未來龐大商機。而風力發電是近年全球矚目綠色能源之一，將成為我國再生能源重要生力軍、幫助台灣發電量於2025年達到20的目標，以提高台灣能源自主性。隨著國內風力發電機風機組數量和電量逐年增長，如何讓儲電設備達到安全、長效性、充放電不易衰減和永續低碳又環保的技術能量顯得格外重要，同時風機設備本身的健康檢測、保養與維修也成為風場業者關注焦點。為滿足風場客戶需要，華鉬實業旗下綠能事業部門推出長效儲能的全釩液流電池電解液及風機AI預測性運維，提供100安全、長效性且可降低客戶初製成本的電力儲能設備，並透過AI預測性運維服務協助客戶降低發電度成本10，節省最多30維護保修成本。 華鉬實業成立於1998年，本業以提煉釩、鉬及稀有金屬元素等製品起家，並運用於高階鋼鐵、專業化工及特用化學品等行業，而釩更如同煉鋼的維他命可加值煉鋼的成效。其中釩、鉬相關製品為公司主力項目之一，公司看見100以釩元素為主的全釩液流電池在長效儲能上未來將是相當被看好的綠能技術主流，並且2010年以前政府已積極請法人如工研院在固態電池和全釩電池進行相關零組件材料投入研究，再加上經濟部期許再生能源在2025年發電量佔比達20目標並達15GW，基於上述考量，華鉬實業決定於2017年全力研究與投入自主開發的全釩液流電池電解液的技術開發，以藉此加速2025年再生能源的達標率。 華鉬公司指出「再生能源的電源較不穩定，而台灣本身缺乏鋰資源，在鋰電池製造上幾乎80-90電池芯必須倚賴國外採購，缺乏100國內自足自給的儲能資源與技術。」同樣地，對於本身沒有天然釩礦資源的台灣是如何克服呢 為此，華鉬實業利用獨創技術，透過石化業如中油煉油廠或台朔石化製程中的廢觸媒，其中有高達10釩離子成分可提煉出高價值的釩礦資源，藉此生產出台灣100自主自製的全釩液流電池電解液且不受資源影響，有效達到資源循環再利用。自2017起華鉬實業已成功打造出全釩液流電解液技術，並順利通過工研院和核研所及多家國際大廠的產品驗證。 台灣在儲電能量目標於2025年要達15GW，其電力分配包含500MW於台電的自動調頻系統、500MW於E-dReg及500MW於既有或新設的太陽能電廠，以太陽能電廠的用電使用為例，主要以下午4點到晚上10點用為民生用電尖峰時段，為此，能源局特別要求台電必須加強儲能設備的升級，也因此帶動市場上對全釩液流電池儲能系統設備的高度需求。另外，台灣在目前總儲備電能的建置與貢獻尚未達到100MW，距離2025年目標15GW儲電量仍差距15倍以上。 運用全釩液流電池 成功打造100安全、低碳環保又長效性儲能系統設備 相較於鋰電池的短效電力儲能，全釩液流電池的最大優勢為全球公認可長效性的儲備電能，可以長時間儲能達12小時，代表若充12小時電力，則可以釋放12小時電力。相較於一般儲能系統的計電方式也就是每日用電度數功率以千瓦為單位 x時間以小時為單位，對全釩液流電池而言，功率和小時數是各別設計，該功率又稱為電堆，是由金屬、高分子模、碳氈和石墨板等四種材料組成，而該用電時間改以電解液的量以立方體為單位來計算，因此當功率電推 x電解液的量我們每日運用全釩液流電池儲能的用電度數。 全釩液流電池儲能系統設備之產品特色方面，包含安全性、長效性、充放電不易衰減和永續低碳環保性等四大特色。全釩液流電池品質是100安全，由於電能是儲存在含釩的電解液中，能避免儲飽電的儲能系統造成任何易燃事故發生。在電池壽命上，相較於鋰電池的電池壽命短暫，全釩液流電池透過價數變化可高達20-25年以上電池壽命。對於儲能的充放電性能，不像鋰電池有一定充放電次數5000-600次，全釩液流電池的充放電次數是沒有限制性的。對於全球高度重視的零碳排放，不同於鋰電池有回收議題，全釩液流電池的電解液可永久使用，該電堆材料成分是環保的且可完全回收，以打造真正永續性又低碳環保的儲能系統。 陸域風機AI預測智慧運維 讓客戶降低發電度成本10 省下維護保修成本高達30 華鉬實業不只透過全釩液流電池儲能系統設備提高再生能源客戶長效儲電效能、協助客戶降低初置成本，更透過離岸與陸域風機AI智慧運維實證計畫在台電的陸域風場的場域實證，積極累積自家在AI預測性運維的技術經驗和能量。在經濟部工業局AI HUB計畫支持下，合作場域將以台電公司路域一期風場為主並提供6個月以上風機的智慧運轉數據進行分析。本次陸域風機的AI預測運維系統，採用機器學習方式，主要技術提供者來自英國British PetroleumBP石油集團的子公司ONYX Insight，該公司透過AI Hub分析軟體技術進行台電面臨的風機痛點分析，包含路域風機的發電量損失和陸域風機的關鍵零組件如齒輪箱、變槳軸承hellip在異常震動三維的振動頻率或異常溫度等狀態下進行損壞預測等報告產出。透過本次落地實證可有效協助台電降低發電度成本10，增加資產價值12，節省最多30維護保修成本。近三年ONYX Insight在全球已成功預測運維2萬台以上離岸或陸域風機，累積極高的AI模型準確率。相信透過與ONYX Insight建立的國際合作夥伴關係，將有效輔導並加速華鉬實業的綠能事業部在邁向成為風機AI預測性運維的獨立科技服務提供者之目標與布局。 與合作夥伴ONYX insight提供客戶AI預測運維系統，包含風機發電量損失與風機關鍵零組件之損壞預測 厚植國內風機運維的基礎 以台灣為基地 拓展到東南亞風場 離岸風機AI預測性運維未來在台灣將超過300億台幣的的市場產值，儲能市場在全球更是有千億美金以上的產值，在未來公司願景，華鉬實業期許能成為釩液流電池電解液及風機AI預測性運維的獨立技術服務提供者。而長期目標，透過累積豐厚技術及實績資本，在世界各地建立釩液流電池電解液之在地供應鏈，就近供應產業需求。

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。