快訊

連假最後一天鬆口氣 「加零」報到!無記者會

婚變傳言報導滿天飛 福原愛忍不住吐心聲「心情很沮喪」

鴻海發布全新AI演算技術 降低50%以上產線檢測人力

非監督式學習AI演算法FOXCONN NxVAE,實際於產線檢測狀況。鴻海/提供
非監督式學習AI演算法FOXCONN NxVAE,實際於產線檢測狀況。鴻海/提供

鴻海科技集團(2317)今(21)日宣布,正式推出非監督式學習(Unsupervised Learning)人工智慧(AI)演算法「FOXCONN NxVAE」,運用正面表列的模型訓練方式,只以產品容易取得的正樣本進行光學檢測演算,解決產線中瑕疵樣本取得的問題,適用於良率高的成熟產品線,可增加AI模型的整體容錯能力,此技術已實際導入集團部分產品外觀檢測生產線,成功降低50%以上的產線檢測人力。

鴻海半導體事業群AI團隊歷時8個多月的研發,從架設AOI光學檢測設備,到產線採集產品外觀影像,期間因COVID-19疫情影響,團隊無法親臨產線,改由遠端工作模式,進行影像數據處理與AI演算法的開發與調適,最終研發出非監督式學習AI演算法FOXCONN NxVAE,並已實際應用在鴻海科技集團中國大陸園區內的電子產品外觀檢測產線上。

鴻海半導體事業群晶片與系統方案事業處副總經理劉錦勳說:「鴻海科技集團生產線品質良率早已超過99%,累積的工業數據龐大,除了持續進行品質改善外,也讓AI得以發揮,助益產業發展。此次AI團隊研發非監督式學習演算法,不僅降低產線新產品導入的陣痛期,也是業界人工智慧發展的重要里程碑。」

FOXCONN NxVAE已可全檢產品外觀常見的13類瑕疵,並達到0漏檢的客戶要求,降低50%以上的產線檢測人力,除提升整體工作效率外,也代表鴻海往智慧工廠的目標也更向前邁進一大步。

傳統機器視覺(Computer Vision)檢測,大多以標準樣本(Golden Sample)為基準與待測樣本進行差異比對,當產線是在客製化的環境下進行檢測時,準確度會因光源變化、待測樣本定位差或產品本身紋路不規則等不定、不同因素造成了比對失敗,產生較高的過殺率,甚至因此加設人力進行過殺樣本的二次檢測,造成人力支出浪費。

FOXCONN NxVAE演算法採集不同日期的數據進行AI模型訓練,平均產品數據的變異性,增加AI模型的整體容錯能力,也解決數據差異化問題。此非監督式學習算法的核心概念即為:「不是好的,就是壞的」、「只需正樣本」、「讓模型重建自己」。

一般監督式學習的AI算法為提升準確率,動輒需要數百至上千張瑕疵影像,才可取得90%以上的準確率,但仍未達到產線採用標準,因此,要提升準確率以達到產線檢測要求,根本之道在於高品質瑕疵影像數據集的建立與取得。

鴻海AI團隊先前亦針對廠內機殼瑕疵檢測提出監督式學習(Supervised Learning) 演算法,讓產品外觀瑕疵的檢測率達到99%以上,然而,在鴻海產線良率高的情況下,要收集20種以上各類瑕疵的足夠樣本實屬不易。

非監督式學習AI演算法FOXCONN NxVAE,實際於產線檢測狀況。鴻海/提供
非監督式學習AI演算法FOXCONN NxVAE,實際於產線檢測狀況。鴻海/提供

鴻海

延伸閱讀

瞄準Apple car供應鏈,鴻海真能從手機代工跨足電動車?老總:市場已經給了答案!

專家:缺人力 專責醫院系統性問題

鴻海投資AI新創 助攻電動車

全民權證/鴻海 挑逾五個月

相關新聞

台積電再飆3年!1兆營收將變2兆、黃金交叉英特爾 要謝謝蘋果?

「只是要它把製造讓給我」張忠謀願望成真!靠英特爾起飛的台積,如今技術反超,預估營收將在2023年翻倍。蘋果M1神技昭告天下:架構用Arm、晶片自己設計、製程找台積,已能技壓英特爾。

美揪台廠 組半導體聯盟

外電報導,美國總統拜登最快本月簽署一項行政命令,與台灣、日本和南韓等國家合作,加速打造生產晶片和其他具戰略意義產品的供應...

台積訂單塞爆 急調千人趕工

蘋果、高通、超微、聯發科等四大客戶訂單湧進,台積電先進製程訂單持續爆滿,傳出為此將於農曆年後緊急調度「千人部隊」至先進製...

iPhone大陸銷售 大噴發

蘋果產品持續熱銷,包括iPhone在中國大陸銷售火熱,上月出貨量估計比一年前激增「驚人的」158%,且連兩個月出貨成長,...

蘋果攻AR 找台積幫忙

日經新聞10日報導,蘋果公司正與台積電合作,於蘋果台灣龍潭廠秘密開發Micro OLED面板,計劃用於即將問世的頭戴擴增...

晶圓代工 爆競標搶產能

8吋晶圓代工產能供不應求,報價持續揚升之餘,傳出客戶端破天荒主動要求代工廠提撥產能「競標」,包括台積電、聯電、世界、力積...

商品推薦

udn討論區

0 則留言
規範
  • 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
  • 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
  • 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
  • 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。