AI助力Foup檢測與預測驗證
瑕疵辨識: AI技術降低Overkill rate與Escape rate
透過Zero NG的AI技術：
假警報(Flase alarm) 降低≦ 15%
精準瑕疵辨識≦ 2%
輸入ROI圖像，經由AI模型做二次判定
訓練結果OK & NG圖片如下
關於Zero NG
1. 輕量級AI模型
具成本效益
2. 僅OK樣本
即可訓練第一個模型
3. 從零開始也可快速完成訓練
4. 無AI背景的初學者也能使用上手
成功案例：LED瑕疵檢測運用
AI模型導入前
Overkill rate = 1.3%
Escape rate = 0.93%
AI模型導入後
Overkill rate = 0.45%
Escape rate = 0.07%
成功案例：Die Bond
AI模型導入後
Overkill rate = 0.15%
Escape rate = 1.55%
專案背景
客戶是全台灣前三大手機印刷電路板(PCB)廠，產品主攻高階智慧型手機及平板電腦市場。
背景：在PCB濕製程上由於產線監控參數繁多，現階段機台設備欠缺具智慧感測技術，無法提供即時監控，也無法即時回饋與動態調整，藉由導入機聯網與AI的應用模組，協助客戶即時監控機台狀態，減少異常發生與產出不良品。
PCB電鍍製程即時監控
透過機聯網即時收集與監控電流、電壓、硫酸銅濃度等其他參數後，以看板方式將重要參數可視化。可連續紀錄製程變異情形，與自動添加系統整合，動態調整參數，維持機況穩定。
導入重點：感測技術
可視化呈現分析與回饋
機聯網即時監控與收集機台與生產製程參數，如硫酸銅濃度，導入AI演算法結合統計分析技術進行即時監控。
每五分鐘的硫酸銅檢測濃度變化趨勢可從圖表一目了然，若有異常，生管人員可立即處理，減低不良狀況出現。
On-line SPC可提供電鍍鍍層即時趨勢，柏拉圖可顯示主要的瑕疵原因，協助品質檢驗人員著手解決不良問題。
PCB電鍍製程預測平台
以領域專家經驗而訓練出來的智慧電鍍鍍層厚度預測模型，可智慧化提供電鍍機台參數設定值的參考依據，減少實驗次數，縮短良率拉升時間
分析與回饋
由人員經驗為基礎訓練AI模型，可減少試片次數，縮短良率提升時間。
