400-818-5166
工业视觉助力产线整体效能提升
2020-03-04
摘要:
2019年 1 月中,台积电因使用光阻剂规格不符,造成南科晶圆 14B 厂晶圆瑕疵,导致数万片晶圆报废事件。


背景新闻: 台积电光阻剂事件

2019年1月中,台积电因使用光阻剂规格不符,造成南科晶圆14B厂晶圆瑕疵,导致数万片晶圆报废事件。后来证实对台积电的2019年第1季营收产生冲击,除已经公告调降2019年第1季财测之外,根据台积电公布的2018年财报指出,台积电对此事件初步估算,事件约造成新台币61亿元损失,较2018年8月机台受到病毒感染,造成25.96亿元损失,增加约2.35倍的金额。



人工智能能为工业4.0的应用带来什么?大家也许会马上想到:利用计算机视觉做产品检测,可以把人力从简单重复性工作中解放出来;可以维持稳定的检测正确率。其实远远不止这些。

威盛的工业视觉在实际项目的应用中,除了可以解放人工、获得稳定的高正确率这些基础成效外,还可以达成:

1、在复杂环境、多重判定条件下,迅速得出优解,从而整体提升生产过程的正确率。

2、威盛的工业人工智能通过计算机视觉在整个生产体系的运用,加上对视觉结果的整体分析,可以提升整个产线的效能。


第一台阶:稳定正确率、解放人力

人非圣贤孰能无过,这些由人为因素导致的失误在工厂的特殊环境因素下可能被客观放大。

1、疲劳因素:产线的7x24小时的运转要求,势必造成疲劳,有些原先依赖肉眼识别的质量检测环节,不要说是瞌睡,哪怕是眨眼也会导致一些疏漏。

2、培训因素:有些质量检测的判断条件很多,相对复杂,对操作人员的经验要求很高,很多检测岗位甚至需要专业证书才能上岗。这些产品检测如果遇到人员变更,就会客观存在阶段性的正确率下降。

为了避免这类问题,就需要增加人工、增加班次减少个体工作时间;增加培训时间这样就存在人工投入成本的增加。厂方不得不在增加成本和降低正确率两者之间做取舍。


1583290264400206.jpg


采用计算机视觉就可以规避这两大问题。威盛工业视觉解决方案,采用神经网络深度学习,对产品的各种新形态进行学习生成模型从而及时做出判定。即便是对于复杂情况,深度学习的模型也可以迅速做出精准判断。将客观存在正确率波动的人工判断,稳定为正确率几乎恒定的计算机视觉判断,项目实践中,威盛整体方案的正确率达到了99.9%以上。实现了将宝贵的人工资源从简单重复工作中解放出来的目的。


第二台阶:借助人工智能获得最优解

在工厂实施环境下,很多决策依赖于多项条件。如材料剪裁,在特殊原材料裁剪时,考虑因素非常多,原材料物理属性、目标产品尺寸要求、以及切割工具的尺寸大小。当传统工业在采用人工的时候,这项最优解高度仰仗工人的经验,但当条件因素增加的情况下,即便是具有丰富经验的工人也只能给予“较优解”,很难保证“最优解”。


1583290330234859.jpg

(不规则曲面上的优解)


威盛的工业人工智能,采用深度学习、图像分隔、边缘检测、二值化等方法,对各种判断方法生成模型,实施对多项条件因进行分析,从而高效得出可能是唯一的优解。在项目实践中,威盛解决方案,相较传统方法的速度,也至少提高了2.5倍效能。最终,整体提升了工业过程的正确性。


第三台阶:流程改进、整体效能提升

威盛工业人工智能通过对各个工作点的数据统计分析,循环递进改善整体工作流程效能。如下图,左边的厂区中有多种车床、设备等生产工具,采用工业视觉对各项设备及各个流程产出的产品监控检测,上传到人工智能系统进行分析,再根据分析结果对流程中各个环节改善,从而形成正向闭环提升,成功解放人力,获得了稳定乃至更高的正确率数据,持续提升整体工效能。未来五年,智能工厂作为新工业革命进一步提高效率和精度,以及更加合理化和智能化的使用设备,以标准化、自动化、规模化为基础,以柔性化、定制化、可视化、低碳化为新目标。将工业视觉技术引入整体制造流程后,将由基层到整体,分阶段全面优化产线,解放人力、提升制造精准性、整体优化生产效能。


微信图片_20200304104833.jpg


关于威盛电子

威盛电子是全球领先的科技企业,运用先进的人工智能、物联网和计算机视觉技术,致力于交通、工业、智慧城市和数据中心应用的创新智能解决方案。公司总部位于台湾台北,通过威盛全球化网络布局,在美国、欧洲及亚洲的高科技核心区域设立了分支机构。客户群涵盖全球各大领先高科技、工业和运输企业。