面對現(xiàn)今消費(fèi)電子產(chǎn)品極力朝向輕、薄趨勢發(fā)展，上中游印刷電路板（PCB）、面板、晶片等核心元件也須隨之整合，並採取一體化設(shè)計(jì)；在製程階段，則將要求品質(zhì)應(yīng)通過全檢、24/7不間斷連續(xù)生產(chǎn)。如今不僅導(dǎo)入自動化光學(xué)檢測（AOI）解決方案已是標(biāo)配，還須加入人工智慧（AI）以2D/3D圖像分析為核心的機(jī)器學(xué)習(xí)技術(shù)，強(qiáng)化影像辨識功能。

回顧過去AI因?yàn)槭艿礁咚龠\(yùn)算技術(shù)限制，CPU無力執(zhí)行機(jī)器學(xué)習(xí)（Machine learning）演算法，直到約7~8年前NVIDIA正式跨足AI並加速深度學(xué)習(xí)（Deep learning）演算法之後，才促使AI能真正蓬勃發(fā)展，並深入影響人類社會各層面生活，接下來甚至還會持續(xù)向雲(yún)端cloud、5G，或地端的自駕車、機(jī)器人等領(lǐng)域滲透。

尤其是在工業(yè)製造應(yīng)用場域可導(dǎo)入4大項(xiàng)目，包括：Design階段，例如IC/PCB設(shè)計(jì)與分析；Manufacture，針對產(chǎn)品或製造過程中的工件進(jìn)行瑕疵檢查；Supply chain，確保料件能及時(shí)滿足生產(chǎn)線上需求；Service，執(zhí)行預(yù)測診斷故障及維護(hù)營運(yùn)等。

等到目前邊緣運(yùn)算產(chǎn)品（Edge AI）完成改變工業(yè)物聯(lián)網(wǎng)（IIoT）環(huán)境之後，預(yù)估未來市場規(guī)模可望達(dá)到4.8兆（Trillion）元規(guī)模，又以製造（Manufacturing）、倉儲物流（Logistics）產(chǎn)業(yè)應(yīng)用各占2T的規(guī)模最大。隨著IC晶片整合程度越來越高，Edge AI Device功能也會越來越豐富，如NVIDIA提供TAO Toolkit等套裝工具，即可協(xié)助使用者快速上手AI應(yīng)用。

圖1 : NVIDIA預(yù)估未來市場規(guī)模可望達(dá)到4.8兆元規(guī)模，又以製造、倉儲物流產(chǎn)業(yè)應(yīng)用各占2T的規(guī)模最大。(source：nvidia.com)

工業(yè)電腦大廠善用GPU算力　支援視覺檢測複雜瑕疵

工業(yè)電腦（IPC）大廠宸曜科技也從製造業(yè)硬體供應(yīng)商的角度來看，認(rèn)為AI現(xiàn)已無所不在，分散在工廠各個(gè)可見或不可見的場域，例如透過傳感器蒐集大量工廠和機(jī)臺數(shù)據(jù)，再利用Deep learning進(jìn)行自動排程最佳化及預(yù)防性維護(hù)；結(jié)合強(qiáng)化學(xué)習(xí)（Reinforcement Learning）訓(xùn)練機(jī)器人自動規(guī)劃、產(chǎn)生移動路徑，以進(jìn)行更複雜的Pick & Place作業(yè)。

以及在自主搬運(yùn)機(jī)器人結(jié)合不同傳感器與AI感知，以協(xié)助規(guī)劃路徑、定位、避障，減少人為失誤的風(fēng)險(xiǎn)；不必?fù)?dān)心光源不足或相機(jī)功能，就能透過深度學(xué)習(xí)來增加讀取OCR/Bar code，在快速移動的流水線上讀取的正確率；或者利用深度學(xué)習(xí)的卷積網(wǎng)路（Convolution Neural Network；CNN）模型來自動產(chǎn)生特徵，藉此為各式物件分類或檢測不規(guī)則瑕疵，就不必再耗時(shí)設(shè)計(jì)許多不同特徵。

「惟仍需要選擇適合的Edge AI平臺，才能滿足所有從低到高端應(yīng)用需求。」宸曜指出，目前製造業(yè)AI邊緣運(yùn)算平臺遭遇的設(shè)計(jì)和挑戰(zhàn)，在於其嚴(yán)苛環(huán)境不如傳統(tǒng)建構(gòu)大量伺服器、GPU的資料中心（Data Center），可處於舒適恆溫的冷氣房，利用龐大頻寬執(zhí)行高速運(yùn)算。

反之，為了支援在廠內(nèi)GPU強(qiáng)大算力與操作時(shí)的寬溫差，Edge AI平臺必須採取專利機(jī)構(gòu)設(shè)計(jì)，以保持進(jìn)/排氣最佳效率散熱，在高溫環(huán)境下還能維持100%GPU效能。且因?yàn)樵诠呐c電源設(shè)計(jì)上，廠房也不像Data Center可以有充足穩(wěn)定的電源，所以必須採用低功耗、接收高可靠度寬壓直流輸入設(shè)計(jì)，讓仰賴DC電池供電更簡單，AGV/AMR才能跑得更快更遠(yuǎn)。

可承受若安裝於自動導(dǎo)引搬運(yùn)車（AGV）、工業(yè)機(jī)器人上的震動與衝擊，而分別因應(yīng)低頻振動的緊固與高頻振動的減震等專利機(jī)構(gòu)設(shè)計(jì)，鎖固I/O接頭、纜線，即使在3Grms振動下仍維持可靠運(yùn)行。進(jìn)而與傳感器或PLC/運(yùn)動控制卡/Field bus等週邊設(shè)備整合控制，如搭配工業(yè)相機(jī)輸入各類資料來源，並搭配各式各樣模型和演算法，進(jìn)行更複雜檢測。

進(jìn)一步落實(shí)於視覺檢測應(yīng)用時(shí)，包含在「倉儲物流」場域使用工業(yè)相機(jī)擷取多面影像，再經(jīng)過Deep learning模型辨識條碼/形狀大小不同物件分類，並導(dǎo)入不同倉儲位置。宸曜也因應(yīng)客戶對於高可靠度、24/7運(yùn)行要求，提供可大量部署、高性價(jià)比平臺，搭配最新第十二代中階GPU，以提升CPU/GPU算力倍增，用較少部電腦更快速、有效率介入物流系統(tǒng)。

導(dǎo)入於「物料分檢/備料Pick & Place」應(yīng)用時(shí)，則為了透過工業(yè)機(jī)器人針對一堆雜亂物件分類與夾取，須由6~8支工業(yè)相機(jī)從不同視角觀察並輸入影像，並使用強(qiáng)化學(xué)習(xí)（Reinforcement learning）不斷訓(xùn)練，而自動產(chǎn)生機(jī)器人控制夾取類型和角度等策略；轉(zhuǎn)移學(xué)習(xí)（transfer learning）重複利用現(xiàn)有模型，加速自有樣本的訓(xùn)練。宸曜提供的平臺則須具備多支相機(jī)輸入介面、中高階GPU、與機(jī)器人通訊介面卡。

但在針對以視覺檢測較為複雜的面板或晶圓等產(chǎn)品的紋理/刮痕等瑕疵時(shí)，則建議採用卷積網(wǎng)路（CNN），適合檢測品項(xiàng)多樣且表面複雜的形狀/瑕疵不規(guī)則產(chǎn)品。透過專業(yè)機(jī)器視覺廠商提供深度學(xué)習(xí)視覺檢測軟體，在同一環(huán)境裡取像、標(biāo)記、訓(xùn)練、推論，讓使用者僅需少量瑕疵影像標(biāo)記，即可在產(chǎn)線上檢測出撕裂、污漬等瑕疵；平臺再搭配單支或多支相機(jī)輸入介面、單張或多張中/高階GPU提高算力，並善用模型量化（quantization）與剪裁（pruning），支援提高訓(xùn)練與推論（inference）的速度、可整合I/O或運(yùn)動控制卡24/7運(yùn)行。

圖2 : 宸曜科技從廠內(nèi)嚴(yán)苛環(huán)境的角度來看，業(yè)者仍須要慎選適合的Edge AI平臺，才能滿足從低到高端應(yīng)用需求，讓使用者僅需少量影像標(biāo)記，即可在產(chǎn)線上檢測瑕疵，維持24/7高效運(yùn)行，也降低部署時(shí)間與成本。

機(jī)器人結(jié)合光譜視覺系統(tǒng)　強(qiáng)化多色檢測能力

日系工業(yè)機(jī)器人大廠Epson近年來也逐步與周邊自家選配件，包括屬於機(jī)器視覺的智能相機(jī)、PC視覺，以及六軸力覺感測器、教導(dǎo)器、輸送帶跟蹤等產(chǎn)品，強(qiáng)調(diào)與別家品牌機(jī)器人最大差異化優(yōu)勢，在於軟體、控制系統(tǒng)及專用功能，克服客戶導(dǎo)入自動化的最大痛點(diǎn)。

其中Epson視覺功能不只為了Pack & Place定位，還能用於製程中辨識外觀檢測、長度及角度量測、缺料檢視、輸送帶追蹤、智能校正、掃瞄Barcode & OCR、輪廓追蹤等功能，且都可沿用Epson機(jī)器人本體控制器、介面，讓使用者不必重新學(xué)習(xí)編程。進(jìn)而支援不同工業(yè)相機(jī)安裝方式，可選擇CV2架構(gòu)，適用於PC/PLC控制GigE、USB相機(jī)；或是PV1架構(gòu)，僅適用於PC控制GigE相機(jī)，且省去PoE布線不便。

在今年剛結(jié)束的臺北國際自動化暨機(jī)器人大展期間，Epson也為了實(shí)現(xiàn)「Epson 25」企業(yè)願景，現(xiàn)場規(guī)劃多個(gè)工業(yè)機(jī)器人應(yīng)用展示區(qū)，包括組裝、搬運(yùn)、視覺與力覺感測、IoT監(jiān)控管理系統(tǒng)、簡易軟體操作等全方位智慧製造解決方案，更將自動化範(fàn)圍從搬運(yùn)與組裝的過程，擴(kuò)展至零件生產(chǎn)和檢測的應(yīng)用。

除了發(fā)揮Epson工業(yè)機(jī)器人擁有高速度、高精度、低震動的優(yōu)異性能，更結(jié)合了3D視覺感測器帶來的雙眼，賦予其解決多樣生產(chǎn)需求的能力，同時(shí)能快速辨識3D空間、物料與色階，順利完成取放料的動作，也可透過視覺演算進(jìn)行產(chǎn)品檢測，提高產(chǎn)能良率。

今年還引進(jìn)Epson全新光譜相機(jī)產(chǎn)品SV-700S，因?yàn)槟茉黾悠毓鈺r(shí)間，測量多個(gè)波長且進(jìn)光量較少，測量時(shí)間比RGB相機(jī)來得久。但色域表現(xiàn)更廣，所能呈現(xiàn)的顏色也更多，射出成型機(jī)便能藉此，以少量的運(yùn)算時(shí)間完成產(chǎn)品檢測，有效提高產(chǎn)能。

機(jī)器人也可結(jié)合光譜視覺系統(tǒng)，用於須精準(zhǔn)雷射辨識多種顏色場域、肉眼難以區(qū)分的色差，助產(chǎn)線完成產(chǎn)品色彩檢驗(yàn)流程。且比其他第三方相機(jī)廠商更擁有高度整合的一致性優(yōu)勢，以便於機(jī)器人若手眼校正不協(xié)調(diào)而出錯時(shí)究責(zé)；能以嚮導(dǎo)指示智能校準(zhǔn)，省去繁雜的校準(zhǔn)步?，新進(jìn)工程師也不必重新學(xué)習(xí)複雜視覺知識和通訊程式控制，就能快速上手。

圖3 : Epson推出的光譜相機(jī)新品SV-700S，將機(jī)械手臂與光譜視覺系統(tǒng)整合，令手臂可透過色階辨識演算助產(chǎn)線提高產(chǎn)能。（source：Epson）

工研院建構(gòu)微型工業(yè)相機(jī)+AIBOX　展現(xiàn)可重組多工AI視覺系統(tǒng)

經(jīng)濟(jì)部技術(shù)處也在今年舉行的「2022 SEMICON Taiwan」，共展出33項(xiàng)創(chuàng)新技術(shù)！其中「微型3D疊構(gòu)智能相機(jī)」模組，便是透過最適化電路模組劃分演算法進(jìn)行設(shè)計(jì)，以兼顧模組空間、功耗、效能；及其可彈性擴(kuò)充，具備更換晶片能力的模組化架構(gòu)，以滿足不同AI系統(tǒng)模組應(yīng)用需求。

此針對微縮化硬體需求，結(jié)合3D疊構(gòu)型SOM與具AI邊緣運(yùn)算功能的工業(yè)相機(jī)模組，並提供客製化硬體及散熱外殼機(jī)構(gòu)設(shè)計(jì)，將高解析度視覺影像系統(tǒng)導(dǎo)入工業(yè)檢測應(yīng)用。內(nèi)部採用聯(lián)發(fā)科MTK Genio 500 AI邊緣運(yùn)算晶片為核心而降低成本，且可達(dá)到0.75TOPS/W算力，應(yīng)付需求較高的應(yīng)用程式，以支援深度學(xué)習(xí)、類神經(jīng)網(wǎng)路，用於異質(zhì)資料邊緣運(yùn)算、電腦視覺應(yīng)用、工業(yè)檢測等情境。

同時(shí)針對工廠通訊規(guī)格設(shè)計(jì)介面，整合打通德國iDS等不同品牌工業(yè)相機(jī)Driver與AI 架構(gòu)（framework），得以配合客戶需求，提供如MobileNet、AlexNet、ResNet等，已通過驗(yàn)證的最適化AI演算法來設(shè)計(jì)AI模型、訓(xùn)練、推論與部署、導(dǎo)入系統(tǒng)，可在工業(yè)檢測與消費(fèi)型AIoT應(yīng)用，找出物件瑕疵、缺件、短路、偏移等問題，方便工研院後續(xù)協(xié)助維運(yùn)、升級服務(wù)。

現(xiàn)場也展示該模組整合了工研院自製「AIBOX」邊緣運(yùn)算器，採取「可重組多工AI視覺嵌入示異質(zhì)系統(tǒng)」架構(gòu)，強(qiáng)調(diào)可兼容現(xiàn)今市面上標(biāo)準(zhǔn)USB及IP Camera，得以多路分別執(zhí)行不同AI模型，可有效節(jié)省外部記憶體50%。進(jìn)而整合時(shí)下的深度學(xué)習(xí)演算法，採用模組化設(shè)計(jì)、簡易直覺式UI，使之能一鍵新增客製化AI演算法模型，為嵌入式設(shè)備升級。有效解決過去業(yè)者若導(dǎo)入AI應(yīng)用，每增一項(xiàng)應(yīng)用就須添購GPU平臺搭配一部設(shè)備+相機(jī)，如今則可藉此達(dá)到多工需求，又能節(jié)省開發(fā)時(shí)間與成本。

圖4 : 經(jīng)濟(jì)部技術(shù)處打造「微型3D疊構(gòu)智能相機(jī)」模組＋「AIBOX」邊緣運(yùn)算器，展示可重組多工AI視覺嵌入示異質(zhì)系統(tǒng)」架構(gòu)。（攝影：陳念舜）

系統(tǒng)整合實(shí)現(xiàn)人工智慧　軟硬體工具為自動化加值

值得一提的是，為了讓現(xiàn)今機(jī)器人更適應(yīng)多元場域，必須與環(huán)境互動、人機(jī)協(xié)同作業(yè)，所以必須具備更高階的感知功能。在臺灣也有如系統(tǒng)整合商所羅門公司（SOLOMON），推出「Solomon AI Inside」概念成果，其有別於一般用來分析、預(yù)測保養(yǎng)的大數(shù)據(jù)AI，而是屬於圖像式AI，可無縫連結(jié)機(jī)器人、視覺和AI軟體邏輯判斷；現(xiàn)也納入多家不同機(jī)器人品牌的程式語言，一旦用軟成功建立流程，就不必再編寫繁複的程式。

所羅門強(qiáng)調(diào)，經(jīng)由整合自家深度學(xué)習(xí)（Deep Learning）的類神經(jīng)網(wǎng)路AI檢測軟體Solvision，導(dǎo)入到國內(nèi)外各家檢測設(shè)備及系統(tǒng)整合商的解決方案，能讓使用者利用僅需市售AI軟體約10%~30%數(shù)量的標(biāo)註影像樣本，即可訓(xùn)練高辨識模型的優(yōu)勢，輕鬆解決過往難以高效檢出瑕疵的痛點(diǎn)。

得以最短時(shí)間降低員工誤判、漏檢所造成的影響，以便管理者執(zhí)行決策，亦能有效提升生產(chǎn)力。進(jìn)而訓(xùn)練機(jī)器人持續(xù)學(xué)習(xí)、升級進(jìn)化，不必靠操作人員手持教導(dǎo)盒緊跟著指點(diǎn)、下令，或針對各種亂堆工件，重新製作夾治具生產(chǎn)，即可自主辨識及執(zhí)行插件等動作指令。

結(jié)語

展望現(xiàn)今工廠對於新型態(tài)智慧製造的需求，在ESG的永續(xù)浪潮下，已有越來越多企業(yè)期盼能藉由智慧轉(zhuǎn)型調(diào)整工廠產(chǎn)線的製造模式，以達(dá)成永續(xù)經(jīng)營的目標(biāo)。因此當(dāng)建置工廠軟硬體設(shè)備及整合系統(tǒng)時(shí)，皆期盼能以相對縮短的安裝流程、在少量投資的前提下，完成優(yōu)化生產(chǎn)線。

包括Epson的製造創(chuàng)新模式，便是將工業(yè)機(jī)器人技術(shù)與系統(tǒng)服務(wù)整合後，以一站式方案為工廠導(dǎo)入靈活且穩(wěn)定的生產(chǎn)線，建立高效的生產(chǎn)系統(tǒng)實(shí)現(xiàn)短鏈製造目標(biāo)，並減少對環(huán)境的衝擊。同時(shí)更透過自動化來緩解勞動力短缺困境，讓工廠享有高品質(zhì)的成品，也有效降低人事成本。

系統(tǒng)整合商所羅門則分析過去10餘年來，與各家業(yè)者合作導(dǎo)入機(jī)器人系統(tǒng)整合的經(jīng)驗(yàn)，發(fā)現(xiàn)機(jī)器人其實(shí)很難取代人力高彈性的優(yōu)勢。反之，若能藉AI從建立流程標(biāo)準(zhǔn)化開始，量化員工效率並設(shè)法讓員工減少犯錯，就有機(jī)會加以改善，避免影響作業(yè)效率，甚至衝擊接單狀況與製造成本。

尤其是在現(xiàn)今製造業(yè)正面臨基層熟練技術(shù)人力短缺，或無力與半導(dǎo)體產(chǎn)業(yè)爭奪高階人才的困局，克服技能落差、經(jīng)驗(yàn)傳承等問題。業(yè)者倘若能藉此深化AI技術(shù)，並完善虛實(shí)整合應(yīng)用，將能大幅提高維運(yùn)團(tuán)隊(duì)效率，能讓員工操作更安全、有效率，且成果接近零瑕疵，從而提升企業(yè)靈活性，加快回收自動化投資報(bào)酬。

**刊頭圖（source:assets.bosch.com）