搜尋 | AI HUB

隨著 AOI+AI 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 AOI+AI 的運作模式，方覺得有可行性。

組弘科技投入 AOI+AI 檢測計畫，用於檢查 SMT 零件上的文字、焊點、極性、缺件… . 等，用 AI 替代人工來學習 AOI 檢測後定義為”可能是不良品”的部份，提升人員產值與降低誤判率。

產業痛點

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。

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

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。

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 A0I+AI 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。

AOI+AI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

藉由 AOI+AI 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

(1) 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。

(2) 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。

獲利策略

(1) 與 AOI 製造商合作收取授權金。

(2) 與 SMT 製造業直接銷售 AI 系統。

(3) 提供 SMT 製造業 AOI+AI 系統訂閱制

Internet Explorer

Mozilla Firefox

Google Chrome

Apple Safari (5.0)