研華攜手偲倢科技以 AI 優化瑕疵檢測成效，助力被動元件業者提高品管能力

被動元件是電子產品中的重要零組件，也是台灣電子業的重點發展領域之一，在全球被動元件市場中，台灣廠商一直占有舉足輕重的地位。近年來，台灣被動元件業者不只積極朝電動車、航太、5G等高階應用領域發展，更導入偲倢科技人工智慧瑕疵檢測軟體AINavi與研華解決方案，確保產品良率與降低生產成本，藉由從產品線到生產端的優化，全面提升在國際市場上的競爭力。

AOI規則式檢測機制，形成瑕疵檢測的三大盲點

偲倢科技大中華區商務開發總監吳竣民指出，被動元件主要用途是儲存或釋放電力，如果外觀出現破損或其他瑕疵，有可能造成被動元件運作異常或失效，進而導致電子產品發生短路、燒毀、爆炸等危險情況，也因此，外觀瑕疵檢測是被動元件出貨前必要的把關項目。過往，被動元件廠多透過六面檢查機進行外觀瑕疵檢測，其以自動光學檢測（Automated Optical Inspection；AOI）技術為基礎，將產品的光學影像與瑕疵規則進行比對，找出外觀有瑕疵的產品。「這種Ruled-Base的檢測方式容易有漏檢風險高、系統維護不易及過殺率高等問題，」吳竣民說。

吳竣民進一步說明，AOI因為靠規則辨識瑕疵，如果遇到形狀不規則、灰階度差異較小或是非預期的瑕疵，就不容易辨識出來，使用者需要比較深的產業Know-how及設定比較多的參數規則，才能讓AOI系統辨識出外觀瑕疵，因此容易有漏檢風險、系統維護不易等問題。而為了降低漏檢風險、達到零漏檢目標，工程師通常會用比較嚴苛的參數去定義瑕疵規則，進而導致過殺率（Overkill Rate）高、即良品容易被誤判為不良品的問題，不只形成製程上的浪費，甚至會衍生配置目檢員複檢的需求和成本。「無論是被誤判的良品或額外人才需求，其實都在增加生產成本，」吳竣民說。

偲倢科技以AI整合AOI，最大化瑕疵檢測成效

也因此，偲倢科技推出 AINavi 瑕疵檢測軟體 ，以 人工智慧來解決 AOI 技術的限制。 因為 AI 可以從大量歷史資料中去學習瑕疵的特徵， 用特徵去辨識瑕疵， 針對上述所提 AOI 辨識難度高的瑕疵， 檢測效果特別好，相對可以降低漏檢風險、 過殺率及人員維護的作業成本 。「 AOI 與 AI 辨識瑕疵的原理不同，沒有絕對的優劣之分，兩者互補可以最大化瑕疵檢測成效 ，」 吳竣民說，AOI 為規則式檢測，適合辨識與量測相關的瑕疵， 如：長度，因為有標準定義，本來就不太會 漏檢也不需要調整參數，而 AI 的強項是從眾多暇疵中找出彼此共通 的特徵值 ，比較適合處理一些 複雜或難檢的瑕疵。所以，偲倢科技在協助被動元件廠導入 AINavi 時，不只提供標準 API ，更透過 TCP/Http 整合廠內既有的六面檢查機， 如此便能維持產線既有作業流程不變， 料件一樣通過六面檢查機，只不過機台會另外傳一份照片到 AINavi ，經由 AI 系 統進行辨識，再將辨識結果回傳給六面檢查機做後續處理 ，現場人員不必學習 新的操作流程，亦能確保產線運作穩定度 。 

在協助被動元件廠整合既有設備之餘，偲倢科技亦考量到製造業對效率 的要求，將 AINavi 運行在研華無風扇系統 MIC - 7 70 搭配顯卡或 AI 推理系統 MIC - 730 上，提高系統運算效率，使 AINavi 在短短一分鐘之內便可檢測上千個料件，滿足產線高速檢測的需求。 吳竣民表示，與研華合作的主要原因有二，首先是研華的硬體多樣性高且體積輕巧，可以滿足不同客戶的偏好和需求。其次則是硬體穩定度，當工業電腦插 上顯示卡或跑 AI 模型時，非常考驗底層元件的整合能力，如果整合度不足，就會出現電源供應器無法供電、顯卡驅動程式和主機板不相容等問題，造成 AI 模型無法運作，而研華是所有硬體中相對穩定的廠牌，且客戶信賴感高，是倢倢科技最佳的硬體合作夥伴。

AINavi瑕疵檢測軟體三大效益，降低作業時間、人力和成本

而從眾多被動元件廠導入 AINavi 的經驗，可以歸納出三個效益，

第一是節省工程師的作業時間。以被動元件最常遇到的瑕疵 - 缺角為例，過往工程師要知道如 何設定缺角的參數和規則，如果有一個缺角沒有抓到，就要去調整 AOI 參數，但在導入 AINavi 後，工程師只要蒐集產品圖像並把瑕疵圈出來，交由系統去學 習瑕疵特徵就可以。 「 AINavi 的訓練介面非常簡潔與直觀，即便是產線作業員也 能輕易上手，」 吳竣民說。 

第二為降低 目檢員的人力需求，甚至 可以省去人力複檢的流程。舉例來說，某車用被動元件製造商原本在每台六面檢查機皆配置 3 名作業員，負責上下料及複檢作業，在導入 AINavi 後變成每 3 台六面檢查機配置 1 名作業員 ，且只要處理上下料作業就可以，不只降低人力成本，更不必擔心缺工問題。 

第三是避免製程 上不必要的浪費 、降低生產成本。某被動元件廠原本的過檢率為 4 - 5%，在導入 AINavi 後 ，找回很多原本被歸類為不良品的良品，也讓過檢率 降到 1 %，而生產成本也因此降低 3 - 4% 。 

吳竣民強調，隨著終端客戶對於元件來料的標準越來越高，被動元件業者不能只仰仗既有 AOI 設備檢測瑕疵 ，必須結合AI 技術提高品質管控能力，確認每一個出貨的產品都能符合客戶需求，才能獲得客戶的青睞與肯定，而且不只被動元件業者，任何存在過檢率過高、需要配置人力複檢的製造業，如： IC、扣件、金屬件等，同樣適合導入 AINavi 去確保產品品質，以高品質的產品拓展未來更廣大的市場 。