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

工具機生產線上，組裝的第一步有些微差池，累積公差將造成組裝工作要重來，耗時又費力，導致出貨延遲的情況將衝擊企業聲譽。耐銳利科技公司聚焦智慧製造領域，提供各式AI解決方案，運用機器學習模型傳承老師傅的經驗，在CNC加工機組裝及鑄造過程，利用AI分析產線數據，精準調校各式數據，提升生產精準度 25。 這套AI產線數據分析系統，被耐銳利科技董事長黃常定稱為「師傅40」，就是師傅加上人工智慧的最進化版，用在工具機加工廠，成效斐然。此外，耐銳利科技運用AI瑕疵檢測技術，參加經濟部工業局2021年AI新銳選拔賽活動，協助友達進行面板進階影像瑕疵檢測，正確率達百分之百，引此也榮獲大獎。 協助面板大廠友達解題 瑕疵檢測正確率達百分百 黃常定進一步說明，一般面板在生產時，邊邊角角可能會有缺陷，雖然缺陷肉眼可見，但AOI卻往往難以辨識，導致檢測錯誤率常常超過30，因此，一定要搭配人力進行複檢，才能提高正確率。然而，因應少量多樣的產品需求，在人力不足的情況下，運用AI檢測確實是一個好方法。 成立於2018年的耐銳利科技，在短短三年期間，AI技術就能獲得面板大廠的青睞，實則在CNC工具機領域磨練已久。耐銳利科技總經理唐國維指出，台灣前三大CNC工具機廠希望將AI導入組裝及鑄造兩條產線，其中，在組裝產線上，為保持組裝的準確性，設計組件的每一個零件均會設計公差，在組裝時，每個元件都在公差內，但累績公差最後品檢仍無法通過，必須拆掉重新組裝，不僅耗時耗力，也造成浪費。 「進入產線之後，才知道有些師傅累積很多經驗，很會調校，經過他調校之後，正確率提高不少，速度又快。」反之，新來的工程師沒有經驗，調校時間比較久，也未必能通過品質檢測。 師傅40系統 良率從70大幅提升至95 唐國維接著表示，原本師傅在組裝時所設定的尺寸資料都記錄在紙本上，資料寫完之後就存入倉庫封存，沒有人去研究尺寸之間的關係。耐銳利協助客戶設計師傅40系統，透過人機面板，讓師傅在組裝時直接輸入所測量的尺寸及相關數據。蒐集不同師傅的數據之後，再運用AI演算法分析數據間的關係，做出AI模型，AI模型自動通知作業員要調整到甚麼樣的尺寸，品質檢測就一定會過，如此一來，良率從70大幅提升至95以上。 耐銳利科技公司聚焦於智慧製造領域，提供各式AI解決方案 唐國維補充，組裝一台CNC加工機的主軸要耗費四小時，第一步驟機器量測錯誤，包括震動、溫度，速度等超過範圍，都要拆掉重裝，又花了四小時。拆掉要如何調整，是憑藉師傅的經驗，可能一開始師傅憑經驗做了最好的組法，但錯檢率也達30，組裝又耗了好幾天。透過AI師傅協助，組裝時間只需半天，良率達95以上，省下許多時間及人力。 「運用機器學習的AI模型，綜合所有師傅的經驗蒐集在一起，提供給AI學習。第一步要數位化、第二步則是知識化，這是企業邁入轉型的重要關鍵」，黃常定認為，耐銳利科技是傳統製造業從自動化生產走向邁向數位轉型的重要夥伴。 此外，耐銳利科技另一個聚焦的產業是電梯廠領導品牌的智慧派車系統。所謂派車指的是電梯車廂，即兩部電梯以上就需要群管理。過往派車依據固定法則，如哪一台距離叫車比較近，就自動派那台電梯，一方面沒有考慮到電梯被叫太多次的派車，可能會讓其他人等待更久；另一方面過往的派車模式並無考慮大樓使用特性，造成許多浪費。例如辦公大樓，早上上班、中午休息及下午下班時段各有尖峰時間，透過AI智慧派車可以依據離峰及尖峰時段進行彈性調整，讓派車效率增加、降低等待時間，同時減少電力虛耗。 導入電梯智慧派車 提升運輸效率兼具環保功能 黃常定補充說明，就好比之前的路口紅綠燈號誌，系統已將主幹道、副幹道及小街道的停留及通過秒數寫死，現在則運用智慧紅綠燈，彈性調整等待時間，讓容易壅塞的路段更加順暢。透過AI學習使用情境，在電梯中導入智慧派車系統，會讓輸送效率提升，也更加環保。 除了導入電梯智慧派車外，耐銳利也將AI導入電梯廠的生產出貨智慧排程系統 。電梯廠常常無法準確預估客戶的電梯交期，例如，辦公大樓或賣場等必須完工到一定程度，電梯才能進工地安裝。若受到客戶工期延遲等非預期因素影響，往往造成電梯廠產閒置或是排程不易安排的窘境。 唐國維指出，一般了解客戶端工程進展者可能是業務或工務，但整體而言，出貨正確率大概只有六成左右，也就是說有四成不會如期出貨。因此，若能準確預估出貨時程，就能將產線空出來以因應急單或是其他產品生產需求。AI智慧排程系統將分析過去出貨的資料，氣候、工廠及施工端兩地距離位置、客戶信用等約20-30個參數，放入AI演算法中，可以精準預估到底能不能如期出貨。 黃常定也特別說明，耐銳利科技的機器學習非一般的機器學習，更加入傳統影像處理技術、統計學等各種運算方式，要對領域知識十分熟稔，才能作出好的AI模型，這也是公司競爭力之所在。他強調，一般SaaS平台能處理的資料十分有限，正確率頂多從7成提升至7成5，耐銳利的強項在於AI演算法及機器學習，必須再加上深厚的產業領域知識才能產出好的AI模型。 耐銳利科技從AI專案開始，逐漸深化技術，選擇從困難度高的做起，並累積經驗法則，預計在今2022年開發出SaaS服務，以客戶的需求為出發點，逐步站穩腳跟、成為智慧製造的重要夥伴。 圖左為耐銳利科技總經理唐國維及董事長黃常定右

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。