產品在製作過程中難免會有瑕疵，而如何提高良率、降低人力成本＆維運細節，一直以來都是每間工廠、公司品管及營運的熱門話題。 在這個AI人工智慧角逐的時代，奕瑞是如何利用AI AOI瑕疵檢測系統，協助工廠做到「及早發現問題，降低各環節成本」呢？
使用AOI瑕疵檢測貨物，降低成本並改善良率問題
工廠出貨的產品或是包裝外觀有瑕疵，可能會導致客戶滿意度下降，甚至退貨，客人退貨一次所造成的運費、物料報廢等損失，金額較高的，甚至足夠做一整套AI 影像辨識之瑕疵檢測系統，加上客戶轉單以及對公司信譽上的傷害，損失難以估算，如果能在製造初期，就能將瑕疵檢測出來，是最直觀且有效的預防方法。在辨識的過程中所收集到的生產資訊，經過分析整理歸類，也能作為將來製程改善，或是設備預知保養系統的珍貴資料。早期預防能省下更多的生產、維護成本，對於客戶來說，不僅提高良率，降低人力，也能協助工廠內設備保養組防微杜漸，省下大量維修成本。
AI系統傳承AOI檢測工法，利用演算法改良工廠人工目檢作業
另外每個產業都有不同的瑕疵定義，同一個產業，不同公司可能也會有不同的檢驗標準，以半導體晶圓的瑕疵來說，一個優秀的製程工程師，終其一生可能也只能懂得其中的幾項，可以想見一個好的工程師對公司來說養成成本有多高。但是對於AI系統來說，我們不需要了解造成瑕疵的原因，只需要能夠分辨哪些是好的，哪些是壞的，在每個專案初期，工程師會與客戶多次往返討論，以便完全釐清該客戶的瑕疵檢測的定義及標準，經過理解之後，會先制定出標註規則，然後請標註工程師著手進行第一階段的標註，AI工程師則將客戶的期望，用電腦能夠理解的程式語法，加上辨識演算法，把辨識技巧完全教會電腦，讓電腦來執行檢查。在完成了初期標註之後，會讓程式先跑一次辨識結果，根據辨識結果再來調整辨識模型或是標註規則以及程式判斷邏輯，幾次修正的結果，就能讓電腦如同一個訓練有素的產線操作人員，確實有效率的執行任務了。
延伸閱讀：【應用案例】5大瑕疵檢測深度學習之影像處理， AI 光學辨識技術大升級！
導入奕瑞AI AOI瑕疵檢測系統的4大優點
優點1、聰明AI 縮短AOI上線時程
常常有客人問到，為何你們的系統仍需要時間調整，無法馬上上線？舉例來說，擔任檢查員的員工在離職後，去到新的工廠任職，即便是相似的產品，也需要時間去適應學習，AI 系統也是一樣，相類似的產線、產品，AI/AOI系統上線前，一樣要收集資料，重新訓練、調整辨識邏輯，當然，相似度越高的不同專案間，學習的時間越少，所需要添加的訓練資料也會減少，上線時間也會縮短，這也就是人們說的 “越來越聰明“的AI。
優點2、制定AOI 容錯空間， 檢測彈性有效率
造成傳統AOI誤殺多的原因，就是其檢測瑕疵多用比對的方式，以圖像比對來說，無法制定出容錯空間，產品必須要與標準品100%一致，不然就會被歸類於瑕疵，為了避免過多的損耗，業主需要再多派人員做複檢，挑出可用的產品。這也常常造成業主乾脆放棄AOI 檢測，從原本的零容忍，變成零檢測，而 AI 檢測則不同，它可以貼近客戶的需求，制定出瑕疵的容錯空間，在這個範圍內，都能判定為良品，將真正的瑕疵挑選出來，大幅降低複檢人力，以及產品耗損。
優點3、多種條件準確定義瑕疵，資料分析有智慧
傳統的AOI 有檢測速度快，能完成吞吐量大的產線的優勢，但其缺點就是誤殺多，另外，面對越來越少量多樣的生產環境，AOI 無法承載太多的變化，也是令業者頭痛的缺點，以印刷電路板為例，光是瑕疵的種類就有脆裂、碳粉髒污、氧化髒污、邊緣破碎、線條破碎等，這些瑕疵可能需要搭配不同的條件才能被定義為真正的瑕疵，這些對於傳統AOI 來說，是無法克服的瓶頸。但是AI 則不同，AI 系統能夠定義多種條件，唯有符合其中某幾項，才判定為瑕疵，並且可以針對這些瑕疵做分類。另一種情形是，客戶要求一次看多種瑕疵，這些如果定義清楚，甚至能夠挑出僅需要重工的品項，或是不同種類的重工挑揀出來，大大降低產線耗損率，並且也能將這些資料，反向分析造成瑕疵的原因，這也是工業4.0 的一大革新重點。
優點4、新舊並存，快速上線
瑕疵檢測分為四大類：1. 光學取向、2. 機械設備、3. 自動化系統、4.視覺辨識。AI 系統就像更聰明的大腦，藉由既有的光學影像，透過AI辨識主機，產生的辨識結果再回到既有的機器設備、來剔除或保留。客戶不需要更改或是變動既有的系統，僅需要做系統串接，能夠快速經濟的導入，這也是許多客戶選擇Ai Vision 瑕疵檢測系統的原因。
AI系統就像是靈活、永不言累的盡責員工，各位苦於員工難找的老闆們，趕緊幫產線導入一套量身定制的AI/AOI 瑕疵檢測系統吧！
