工業(yè) 4.0 在全球制造業(yè)掀起智能化海潮，通過智能制造體系，制造流程將可大幅優(yōu)化，進而提升產(chǎn)線效能、降低老本支出，在智能制造體系中，人工智能飾演了緊張角色，尤其是深度學習（Deep Learning）演算法更開始被應用到產(chǎn)線體系中的視覺檢測，快速而精準的判別產(chǎn)品瑕疵。 機械視覺檢測有用取代人眼，全靠“深度學習” 深度學習屬于機械學習的平臺，其演算方式是通過接續(xù)重復判別物件獲得巨大數(shù)據(jù)，再經(jīng)過大量的運算讓精準度接續(xù)接近完美，臺達指出，當前深度學習曾經(jīng)被大量應用于種種平臺，制造業(yè)的視覺檢測則是其中重點應用。 產(chǎn)品檢測是制造業(yè)質(zhì)量管理的一環(huán)，過去皆由現(xiàn)場功課員親力親為，然而人眼有其極限，檢測速率與精確率會隨著功課時間拉長降低，再加上產(chǎn)線速率越來越快、產(chǎn)品體積漸漸浮滑短小，后期機械視覺開始取代人眼，成為產(chǎn)線檢測合流。 在產(chǎn)線中，視覺檢測有四大主要功效，包括量測、辨識、定位、搜檢等，而檢測是所有功效中非常困難的片面，因為現(xiàn)場人員對瑕疵的認知不同，因此即便是已然自動化的機械視覺，仍會存在因體系設定或現(xiàn)場質(zhì)管人員不同，造成出貨產(chǎn)品質(zhì)量無法一致性的問題，要辦理此一問題，臺達指出深度學習將會是非常佳方式。 純 AOI 體系將快速消失，結(jié)合 AI 成轉(zhuǎn)型環(huán)節(jié) 將深度學習導入至產(chǎn)線檢測，對制造業(yè)與體系提供商兩頭來說，都可提升事情服從。在使用者端，視覺檢測體系可以省下大量人眼檢點的老本，機械視覺軟硬件架構的精確率與校驗速率，已遠遠超過人眼，而且設定實現(xiàn)后，即可長時間不中斷且以一致標準的事情，將可為制造業(yè)者省下大量的人力老本。 過往的機械視覺體系，每一次上線都必需接續(xù)調(diào)整設定，在智能制造概念中，產(chǎn)線必需可快速回應訂單，彈性調(diào)整制造內(nèi)容，現(xiàn)行機械視覺檢測的繁復設定將難以滿足彈性化制造需要，深度學習架構只要事前通過訓練，即可快速上線使用，且還能自主學習，體系可以自動找出非常佳的 OK/NG 參數(shù)，無謂再由人員調(diào)整，在此狀況下，各裝備的瑕疵檢測標準將可一致性，不會因品牌、使用時間的不同發(fā)生差別。 至于體系整合商，應用人工智能也將強化環(huán)境趨勢角逐力。人工智能在視覺檢測環(huán)境趨勢正加快遍及，純 AOI 體系在制造業(yè)的角逐力將會快速消失，但是臺達也指出，當今環(huán)境趨勢對人工智能的導入也有迷思，多數(shù)廠商覺得將 AOI 全面替代為人工智能，將可登時降低漏檢與誤判機率，然而這種一步到位的年頭在現(xiàn)實狀況中并不可行，反而會讓漏檢和誤檢率大幅增加，建議應該保存現(xiàn)行 AOI 功效并結(jié)合人工智能，才氣迭加兩者的優(yōu)勢。 產(chǎn)品漏檢率趨近于零，誤判率極低 臺達針對視覺檢測所推出的 DAVS 就是以人工智能為核心的輸送體系，此體系可以結(jié)合既有的 AOI 體系，讓既有裝備可延伸使用年限，以此保證制造業(yè)者過去的投資，而人工智能與 AOI 整合的模式，也提升了產(chǎn)品的檢出率。 以SMT用電感(用于手機/小型化PCB)為例，除非是緊張裂紋，否則傳統(tǒng)的 AOI 體系常無法校驗印象中的線條是原有紋路或裂縫，且AOI對其中度裂紋的檢出率小于 50％，輕微裂紋檢出率更是在 5％ 以下，加裝 DAVS 以后，檢出率大幅提升，不但漏檢率為零，誤判率更低于 0.3％。 臺達指出，工業(yè) 4.0 夸大產(chǎn)線彈性化與快速自主學習，DAVS 通過人工智能與 AOI 的結(jié)合，以深度學習辦理了當今 AOI 體系難以檢測的產(chǎn)品瑕疵，同時讓漏檢率趨近于零，到達超高檢出率需要，藉此提升出貨產(chǎn)品質(zhì)量。 別的 DAVS 輕易安置的特點，可讓檢控裝備建置在產(chǎn)線中的每一個緊張環(huán)節(jié)，一旦制造過程中出現(xiàn)錯誤，體系就可登時提醒改進，避免將錯誤累積到非常后檢測端，造成更大的老本鋪張，也因為 DAVS 可大幅削減人力與管理老本，其投資可在 0.8～1.5 年之間收購。臺達以本身打造AOI裝備的踏實經(jīng)驗，建議制造業(yè)者可依本身需要，于AOI裝備加裝建置便當?shù)娜斯ぶ悄芤曈X檢測體系，向智能制造更邁近一步。 |
