META-aivi成功案例

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  

更多案例
  • A Man Fixing a Laptop

    笔电组装零件缺漏与瑕疵检测

    笔电产品零件进入组合与包装程序后,利用人工方式进行配套零件的装配,在执行上下装壳与垂直螺丝组装等工序时,若有零件缺漏将直接影响最终产品质量,进入各通路贩卖后有损公司名誉。导入所罗门SolVision检测提高产品良率及稳定性,能持续优化其检测效力,有效提高产品的质量良率。
  • 如何快速精準辨識多種IC Tray盤字元

    快速辨识多种萃盘字符

    所罗门利用 SolVision学习Tray盘所需辨识的定位点,执行光学字符识别 (OCR),能够大幅优化传统AOI的作业流程,不受识别画面位移、歪斜及其字符缺陷等限制,精准识别个别料件来源,而随着AI深度学习件数增加,亦能持续优化AI辨别字符的能力,使辨识字符不再困难。
  • 医疗口罩制造品质管控解决方案

    口罩产品瑕疵种类繁多,包括掉线、皱褶、鼻垫片缺漏及穿透、破洞、角切、脏污、侧边凸出及过滤层破损等。难以透过AOI方式检出全部的瑕疵。运用SolVision AI影像技术,将影像样本中各类型瑕疵予以标注,AI经深度学习后即可于品管端精准辨识口罩上是否有瑕疵,进而将不良品汰除。
  • 组装电路板(PCBA)制程优化解决方案

    利用AI视觉检测PCBA插件是否正确 什么是PCBA?PCB、电路板、PC板? PCB与PCBA的差异就在「PCBA = PCB + Assembly」,也就是没有组装电子元件的板子叫PCB,而已经组装完成电子元件的板子则称之为PCBA。PCBA其实是「Printed Cicrcuit Board Assembly」的英文缩写,也有人简略一点叫它PCA,当然也有人叫它PWA (Printed Wire Assembly),中文我们一般称它为「组装电路板」或「组装板」,不过业界中少人用以上的中文来称呼PCBA的,一般如果一台整机内只有一片板子,会直接叫它「主板(Main board)」或直接省略叫「板子」,如果有两片以上PCBA ,则会用功能来区分主板、IO板、充电板(charging board)。 PCBA插件是否正确影响制程良率 PCBA上面集成了不同功能的电子元件、插槽及各种芯片组,制造流程繁琐,如何提升插件及组装的正确率,是良率提升的关键。 PCBA 插件缺陷检测 PCBA标准样本 PCBA缺陷样本 Capacitor Defect Missing Components