產經情報

如何提升產品良率 視覺檢測解決方案高效揪出瑕疵零件

日期:2019-09-06

工業 4.0 在全球掀起AI浪潮,透過智慧製造,流程將可大幅優化,提升產線效能、降低成本支出,而智慧製造系統中,人工智慧扮演了要角,尤其是深度學習更被應用到產線系統中的視覺檢測,用以快速而精確的判別瑕疵。
機器視覺檢測取代人眼,全靠「深度學習」

深度學習的演算方式是透過不斷判別物件獲得大量數據,經過大量的運算讓精確度提高,目前深度學習已經被大量應用在製造業的視覺檢測。加上過去產品檢測皆由人員親力親為,檢測速度與正確率會隨著工作時間拉長而降低,其次產線速度越來越快、產品體積逐漸輕薄短小,以機器視覺取代人眼,成為產線檢測主流。

在產線中,視覺檢測有四大主要功能,包括量測、辨識、定位、檢查,而檢測是所有功能中最困難的部分,由於人員對瑕疵的認定不同,即便是已經自動化的機器視覺,仍會因系統設定或品管人員的不同,致使出貨品質無法一致性,台達指出深度學習將會是解決此一問題的最佳方式。

純 AOI 系統將消失,結合 AI 是未來趨勢
將深度學習導入至產線檢測,對製造業與系統供應商兩者來說,都可提升工作效率。對使用者,視覺檢測系統可以省下大量人力檢查的成本,機器視覺的準確率與判斷速度已遠遠超過人眼,而且設定完成後,即可長時間不間斷且以一致性的工作。

在智慧製造概念中,產線必須快速回應訂單,彈性調整生產內容,現行機器視覺檢測的繁複設定難以滿足彈性化生產需求,深度學習架構只要事先透過訓練,即可快速上線使用,還能自主學習,自動找出最佳的參數,不會因品牌、使用時間的不同產生差異。

系統整合商運用人工智慧強化市場競爭力。人工智慧在視覺檢測市場正加速普及,純 AOI 系統在製造業的優勢將會漸漸消失,但市場對人工智慧的導入也有迷思,廠商認為將 AOI 全面替換為人工智慧,即可立刻降低漏檢與誤判機率,然而這種做法目前並不可行,反而會增加漏檢和誤檢率,建議應該保留現行 AOI 功能並結合人工智慧,才能疊加兩者的優勢。

產品漏檢率趨近於零,誤判率極低
台達針對視覺檢測所推出的 DAVS 即是以人工智慧為核心的運送系統,以人工智慧與 AOI 整合的模式,也提升了產品的檢出率。

以 SMT 用電感為例,傳統的 AOI 系統常無法判斷影像中的線條是原有紋路或裂痕,且 AOI 對其中度裂紋的檢出率小於 50%,輕微裂紋檢出率更是在 5% 以下,加上DAVS 之後,檢出率大幅提升,不但漏檢率為零,誤判率更低於 0.3%。

台達指出,工業 4.0 強調產線彈性化與快速自主學習,DAVS 透過人工智慧與 AOI 的結合,以深度學習解決了現在 AOI 系統難以檢測的產品瑕疵,同時讓漏檢率趨近於零,達到超高檢出率需求,藉此提升出貨產品品質,透過台達自身打造 AOI 設備機台的紮實經驗,製造業者仍可依自身需求,於 AOI 設備加裝建置便利的人工智慧視覺檢測系統,向智慧製造更邁近一步。