台灣高階製造業如半導體、PCB產業，面對國際競爭來勢洶洶，必須不斷提高產線與產品的品質，因此「產能」跟「良率」至關重要。工研院運用AI人工智慧，研發出「機台故障預診斷技術」和「深度學習瑕疵檢測技術」，協助業者精準掌握設備機台健康、確保產品良率，提升高階製造業競爭力。

機台無預警故障，導致產線停擺，是製造業的致命傷。若能預先掌握機台健康，就能適時地保養維修、確保產能。然而，以半導體產業為例，產線資料參數多達上百種，經反覆驗證測試後，順利找出能反映機台健康的關鍵參數。接著建立資料分析模型，整合十幾種先進演算法研發「機台故障預診斷技術」，如同機台的醫生，透過分析機台運作的感測資料掌握機台健康，來決定最佳的保養或維修時機，減少非預期性故障，準確度超過95%，目前已實際導入半導體晶圓廠。

PCB產業瑕疵自動光學檢測行之有年，但這技術卻有「寧錯殺百人，也不放過一人」的特性，須仰賴大量人力複檢。
因此，研發團隊向業者取得上百萬張PCB瑕疵影像來訓練模型，研發出「深度學習瑕疵檢測技術」，賦予瑕疵檢測設備機器視覺自主學習的能力，能自行判斷產品是否有瑕疵，正確率超過99.95%。
但正確率高還不夠，業者要求每片PCB板檢測速度需低於20毫秒。最終團隊想出「多分支網路架構」，概念類似多位關主分層把關，先由運算速度快的AI人工智慧關主直接對容易區分的瑕疵影像做出判斷，較難判斷的瑕疵則再交給需要較多運算資源，但判斷能力更好的AI人工智慧關主，如此既提高運算效能也具備決策彈性。

詳細內文請參考網址