| 2020-07-22
阅读183
漏检率趋近于零!台达 AI 视觉检测解决方案高效掌握瑕疵零件

工业 4.0 在全球製造业掀起智慧化浪潮,透过智慧製造系统,製造流程将可大幅优化,进而提升产线效能、降低成本支出,在智慧製造系统中,人工智慧扮演了重要角色,尤其是深度学习(Deep Learning)演算法更开始被应用到产线系统中的视觉检测,快速而精準的判别产品瑕疵。

机器视觉检测有效取代人眼,全靠「深度学习」

深度学习属于机器学习的领域,其演算方式是透过不断重複判别物件获得庞大数据,再经过大量的运算让精準度不断接近完美,台达指出,目前深度学习已经被大量应用于各种领域,製造业的视觉检测则是其中重点应用。

产品检测是製造业品质管理的一环,过去皆由现场作业员亲力亲为,然而人眼有其极限,检测速度与正确率会随着作业时间拉长降低,再加上产线速度越来越快、产品体积逐渐轻薄短小,后期机器视觉开始取代人眼,成为产线检测主流。

在产线中,视觉检测有四大主要功能,包括量测、辨识、定位、检查等,而检测是所有功能中最困难的部分,由于现场人员对瑕疵的认知不同,因此即便是已然自动化的机器视觉,仍会存在因系统设定或现场品管人员不同,导致出货产品品质无法一致性的问题,要解决此一问题,台达指出深度学习将会是最佳方式。

纯 AOI 系统将快速消失,结合 AI 成转型关键

将深度学习导入至产线检测,对製造业与系统供应商两端来说,都可提升工作效率。在使用者端,视觉检测系统可以省下大量人眼检核的成本,机器视觉软硬体架构的準确率与判断速度,已远远超过人眼,而且设定完成后,即可长时间不间断且以一致标準的工作,将可为製造业者省下大量的人力成本。

此外过去的机器视觉系统,每一次上线都必须不断调整设定,在智慧製造概念中,产线必须可快速回应订单,弹性调整生产内容,现行机器视觉检测的繁複设定将难以满足弹性化生产需求,深度学习架构只要事先透过训练,即可快速上线使用,且还能自主学习,系统可以自动找出最佳的 OK/NG 参数,不必再由人员调整,在此状态下,各机台的瑕疵检测标準将可一致性,不会因品牌、使用时间的不同产生差别。

至于系统整合商,运用人工智慧也将强化市场竞争力。人工智慧在视觉检测市场正加速普及,纯 AOI 系统在製造业的竞争力将会快速消失,不过台达也指出,现在市场对人工智慧的导入也有迷思,多数厂商认为将 AOI 全面替换为人工智慧,将可立即降低漏检与误判机率,然而这种想一步到位的做法在实际状况中并不可行,反而会让漏检和误检率大幅增加,建议应该保留现行 AOI 功能并结合人工智慧,才能叠加两者的优势。

漏检率趋近于零!台达 AI 视觉检测解决方案高效掌握瑕疵零件产品漏检率趋近于零,误判率极低

台达针对视觉检测所推出的 DAVS 即是以人工智慧为核心的运送系统,此系统可以结合既有的 AOI 系统,让既有设备可延长使用年限,以此保障製造业者过去的投资,而人工智慧与 AOI 整合的模式,也提升了产品的检出率。

以 SMT 用电感(用于手机/小型化 PCB)为例,除非是严重裂纹,否则传统的 AOI 系统常无法判断影像中的线条是原有纹路或裂痕,且 AOI 对其中度裂纹的检出率小于 50%,轻微裂纹检出率更是在 5% 以下,加装 DAVS 之后,检出率大幅提升,不但漏检率为零,误判率更低于 0.3%。

台达指出,工业 4.0 强调产线弹性化与快速自主学习,DAVS 透过人工智慧与 AOI 的结合,以深度学习解决了现在 AOI 系统难以检测的产品瑕疵,同时让漏检率趋近于零,达到超高检出率需求,藉此提升出货产品品质。

此外 DAVS 容易安装的特色,可让检控设备建置在产线中的每一个重要环节,一旦製造过程中出现错误,系统就可立即提醒改善,避免将错误累积到最后检测端,造成更大的成本浪费,也由于 DAVS 可大幅减少人力与管理成本,其投资可在 0.8~1.5 年之间回收。台达也提到 DAVS、AOI 设备或 ROI 系统的效益与产品状况还是会依照实际情况稍有不同,不过透过台达自身打造 AOI 设备机台的扎实经验,製造业者仍可依自身需求,于 AOI 设备加装建置便利的人工智慧视觉检测系统,向智慧製造更迈近一步。