META-aivi成功案例

电子业

META-aivi 智能电子制造

AI检测电子零件装配

主机板是电脑的核心零件，它设有晶元组，同时更提供显卡、CPU、内存、硬盘及外接装置等应用接合，以利电脑中各软硬件元件能整合运作。然而主机板上充满许多不同的零部件，制造、组装步骤繁多，稍有疏忽遗漏电脑将无法顺利运作，因此如何确保整体生产的良率与品质，是电子制造的首要任务。

   挑   战  

电子制造的难题：人员的疏忽

主机板的生产过程与步骤繁多，且如接口、插槽等元件零件因体积问题不易机器安装，需仰赖人员手动安装。组装需确保每一样组件的方向、位置正确，然而主机面板具有高度反光的特性，人员在组装的过程中难免因疲乏等因素出现无法避免的漏件、失误情况，无法保持商品品质一致性。

解 决 方 案

META-aivi优化制造流程

在制造过程中导入操作简易的「穿戴式AI」META-aivi，人员可透过AI学习面板上所标示出的正确组件配置图，立即验证人员组装正确性。若侦测到装配错误，META-aivi将立即发出异常警示，提醒人员即时修正，确保物件的品质一致，减少人为疏失。 此外，组装完成后利用AI做统一流程验证，即时储存辨识结果并制成品检报告，能有效追踪料件资讯，建立完整的制程资讯。

META-aivi侦测装配异常

重新装配

检测通过

   效   益   

AI检测零件位置 确保品质无瑕疵

利用所罗门人工智能快速辅助人员执行电子制造过程中，由正确的AI模型侦测错误的装配位置并统一验证最终品质，协助控管及追踪制程资讯，能降低人为疏漏、确保操作流程之正确性，进而提升生产效率、优化商品品质。

30% 加速组装过程

制成品检报告

99% 降低漏检机率

  META-aivi 其 他 应 用 案 例  

相关文章
  • a group of square objects

    晶粒边缘崩裂检测解决方案

    由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。

  • 鸡蛋蛋壳品质检测分级解决方案

    运用所罗门SolVision AI影像平台的Instance Segmentation技术，定位、标注影像样本中鸡蛋蛋壳裂隙瑕疵位置并以训练AI模型，训练完成后即可透过AI检测蛋壳表面的孔隙及裂痕情形再予以分级，提升鸡蛋食用的安全性及商品价值。
  • Man in Black Jacket and Black Knit Cap Inspecting Car Engine

    汽车发动机号码快速读取解决方案

    引擎号码系以烙印方式印刷在引擎上，容易受到干扰，字体、背景明暗不均的情形，不易在产在线快速识别引擎上的编码。运用SolVision AI技术，以不同亮度的影像样本训练执行光学字符识别(OCR)，将影像中引擎号码转为数值，实时登录至原厂数据库系统中与车身号码链接。

  • 半导体晶片封装制程接着剂瑕疵检测解决方案

    固晶接着剂透明，易造成光源折射影响特征判断，且爬胶、溢胶不具固定位置及型态，无法创建规则执行传统光学检测AOI。运用Solomon SolVision AI影像平台技术建立AI学习模块，自动学习并侦测爬胶、溢胶的特征及位置。增加多项正确类别提升辨识强度，有效降低环境因素的干扰。