AOI+AI+3D 檢測鐵三角成形
疫情突顯產(chǎn)業(yè)供應(yīng)鏈中斷和制造業(yè)缺工問題,加上少量多樣需求成趨勢,迫使制造業(yè)快速轉(zhuǎn)型,走向更自動化、數(shù)字化的智能化方向。因此,各產(chǎn)業(yè)對自動光學(xué)檢測(AOI)技術(shù)的需求更為殷切。
疫情突顯產(chǎn)業(yè)供應(yīng)鏈中斷和制造業(yè)缺工問題,加上少量多樣需求成趨勢,迫使制造業(yè)快速轉(zhuǎn)型,走向更自動化、數(shù)字化的智能化方向。導(dǎo)入自動化及AI的過程中,傳統(tǒng)人力逐漸被取代,也改變產(chǎn)線人員配置的傳統(tǒng)生態(tài),其中,可以確保產(chǎn)線及產(chǎn)品質(zhì)量的自動檢測儀器不僅發(fā)揮精準(zhǔn)有效的優(yōu)勢,還能針對缺陷或瑕疵及時修復(fù)、舍棄,降低不必要的時間成本與人力成本,快速穩(wěn)定且一致的檢測結(jié)果大幅提高制程的完整性及正確性,因此,各產(chǎn)業(yè)對自動光學(xué)檢測(Automatic Optical Inspection;AOI)技術(shù)的需求更為殷切。
傳統(tǒng)AOI需要再進(jìn)化
AOI是高速、高精度光學(xué)影像檢測系統(tǒng),以機(jī)器視覺做為檢測標(biāo)準(zhǔn)技術(shù),改善傳統(tǒng)人力使用光學(xué)儀器執(zhí)行檢測的缺點,常見應(yīng)用范疇包含高科技產(chǎn)業(yè)研發(fā)、制造業(yè)品管等,電力、機(jī)器人控制、生物醫(yī)學(xué)、醫(yī)療、衛(wèi)星遙測、宇宙探測、國防、汽車工業(yè)、半導(dǎo)體、環(huán)保等領(lǐng)域也能看到AOI的諸多應(yīng)用。
非接觸AOI技術(shù)是利用光學(xué)儀器取得成品樣態(tài),透過計算機(jī)圖像處理技術(shù)檢查出異?;蜩Υ?,技術(shù)領(lǐng)域包含光學(xué)照明技術(shù)、量測鏡頭技術(shù)、定位量測技術(shù)、圖像處理技術(shù)、自動化技術(shù)、電子電路測試技術(shù)等,透過光學(xué)照明(如CCD攝影機(jī)、光學(xué)鏡頭)、機(jī)器人接口與驅(qū)動裝置(如機(jī)器手臂)、電控系統(tǒng)(如PC Base控制主機(jī))、視覺軟件(如算法、圖像處理軟件)的串聯(lián),取得自動光學(xué)檢測結(jié)果。藉由AOI針對缺陷或瑕疵的及時修復(fù)、調(diào)整或舍棄,大幅降低不必要的成本支出。
不過,傳統(tǒng)AOI品檢容易產(chǎn)生過篩率偏高、上線時間長、不夠彈性、無法解決光學(xué)光影干擾等問題。舊式的光學(xué)檢測是透過沒有學(xué)習(xí)功能的傳統(tǒng)算法進(jìn)行,過篩率非常高,業(yè)者需要額外花費時間進(jìn)行二次人工篩檢分類,無形中提高成本支出。傳統(tǒng)AOI系統(tǒng)在每一次上線時要不斷調(diào)整設(shè)定,無法彈性調(diào)整生產(chǎn)內(nèi)容,難以滿足彈性化、客制化生產(chǎn)需求。
此外,AOI檢測只能以設(shè)定好的參數(shù)標(biāo)準(zhǔn)進(jìn)行判斷,須要先行定義瑕疵樣本,再透過樣本進(jìn)行篩檢。如果能導(dǎo)入AI,可以大幅改善AOI的不足,如優(yōu)化AOI影像判讀,降低誤判率,不僅可以提高AOI品檢的可靠性,還能減少二次人工檢驗成本;智能目視檢測可以自動判斷產(chǎn)品外觀,結(jié)合影像數(shù)據(jù)劃分重點檢查區(qū);產(chǎn)線可視化可以提供機(jī)臺實時監(jiān)控,記錄影像數(shù)據(jù)。
以金屬工件檢測為例,因為對象表面會反光,檢測時要反復(fù)轉(zhuǎn)動,檢驗人員容易疲累,效率難以提升,加上人員素質(zhì)與主觀認(rèn)知等差異,導(dǎo)致過篩率偏高;汽機(jī)車零組件的煞車碟盤常有刮痕、裂痕、撞傷、污漬等細(xì)微瑕疵,透過機(jī)器視覺加上AI演算,很容易檢測出瑕疵。
AOI導(dǎo)入AI趨勢不可擋
未來,AOI導(dǎo)入AI智能制造是企業(yè)生存關(guān)鍵,預(yù)估2024年全球智能制造市場規(guī)模上看4,000億美元,年復(fù)合成長率達(dá)10.1%,在此趨勢下,制造業(yè)更需要智能化的檢測系統(tǒng),應(yīng)用AI技術(shù)輔助AOI設(shè)備進(jìn)行后續(xù)篩檢優(yōu)化即為一例。工研院產(chǎn)科國際所數(shù)據(jù)指出,2022年全球AOI檢測系統(tǒng)市場規(guī)模預(yù)測達(dá)10億美元,2020年至2025年間的年復(fù)合成長率達(dá)17.7%。在工業(yè)4.0及智能制造潮流驅(qū)動下,愈來愈多制造領(lǐng)域采用AOI搭配AI的整合應(yīng)用,其中以半導(dǎo)體領(lǐng)域最為積極。
圖1 : 全球AOI技術(shù)的市場規(guī)模。(source:工研院產(chǎn)科國際所;2022年3月)
雖然生產(chǎn)過程中可以透過物聯(lián)網(wǎng)(IoT)和數(shù)字系統(tǒng)軟件工具結(jié)合OT與IT,達(dá)到搜集數(shù)據(jù)、實時人機(jī)協(xié)作等目的,但是,人力目視檢測進(jìn)料、檢驗、成品組裝、入庫、出貨檢驗等流程容易產(chǎn)生缺點,需要AOI搭配AI智能影像辨識改善這些缺點。除了缺工、工作人員老化等問題,人工檢測常因個人經(jīng)驗的良莠不齊(如手感差異、標(biāo)準(zhǔn)不一)導(dǎo)致質(zhì)量與產(chǎn)量不均,長時間用眼容易疲勞,很難維持長期的標(biāo)準(zhǔn)化和數(shù)據(jù)化統(tǒng)一,容易影響產(chǎn)能輸出,此外,以人工記錄生產(chǎn)產(chǎn)量、檢驗狀況也容易產(chǎn)生疏漏及信息延遲等現(xiàn)象,增加客訴率、質(zhì)量不良率與成本耗損率。
至于傳統(tǒng)的AOI檢測設(shè)備需要控制環(huán)境、光源及拍攝角度等細(xì)節(jié),量測目標(biāo)特征也要相當(dāng)明確,才能發(fā)揮AOI機(jī)器篩檢的質(zhì)量,一旦檢測新設(shè)計或新產(chǎn)品時,自動光學(xué)檢測流程需要重新設(shè)置,相對耗費成本。
AI具有深度學(xué)習(xí)(Deep Learning)技術(shù)及模型訓(xùn)練,可以很好地被應(yīng)用于AOI瑕疵檢測領(lǐng)域,如雷射焊接自動控制、金屬瑕疵與銹蝕檢測、紡織品花紋瑕疵檢測等,只要搜集大量預(yù)先處理好的影像并標(biāo)注影像種類(如瑕疵種類),透過AI深度學(xué)習(xí)與模型訓(xùn)練搭配AOI,不僅可以快速上線,還能自主學(xué)習(xí),將人工檢測經(jīng)驗?zāi)P突?,利用算法分析判斷,建立在線檢測數(shù)據(jù)庫,透過影像判讀瑕疵,不需等最后一步才做終檢,這樣的流程可以達(dá)到實時檢測、及時修正的效果,發(fā)現(xiàn)良率下降時也可以立即調(diào)整產(chǎn)線、設(shè)備及人力,避免成本的浪費。
另一方面,AI將人工檢測經(jīng)驗?zāi)P突罄盟惴ǚ治雠袛?,不僅相當(dāng)靈活有彈性,可以提高精準(zhǔn)度與持續(xù)性,還可以降低對人工的依賴、降低人員的工作負(fù)擔(dān),并且大幅提高生產(chǎn)效率。因此,近年來AOI結(jié)合AI已逐漸成為主流標(biāo)配。
工研院產(chǎn)科國際所執(zhí)行產(chǎn)業(yè)技術(shù)基盤研究與知識服務(wù)計劃產(chǎn)業(yè)分析師黃仲宏,以臺灣發(fā)展逾40年的印刷電路板(PCB)產(chǎn)業(yè)為例,說明AOI的進(jìn)化與需求刻不容緩。首先是5G的加速推展與應(yīng)用帶動產(chǎn)業(yè)發(fā)展及變化,應(yīng)用上必須考慮更多,如高頻訊號損失、傳輸速度、模塊整合度、系統(tǒng)穩(wěn)定度與功耗等細(xì)節(jié),而5G硬件系統(tǒng)的零組件規(guī)格比4G高出許多,帶動基頻芯片、印刷電路板(PCB)、天線、射頻前端及散熱組件等零組件的發(fā)展。
由于5G高速通訊、低延遲、高布建密度的特性,帶動PCB朝面積擴(kuò)大、層數(shù)增加、線路設(shè)計復(fù)雜等趨勢發(fā)展,為達(dá)輕薄短小、高效運算(HPC)裝置微型化等需求,PCB業(yè)者以高密度連接板(Any-Layer HDI)、軟硬結(jié)合板、IC載板等技術(shù)因應(yīng),希望藉由體積優(yōu)勢,開發(fā)更多應(yīng)用方式。當(dāng)PCB產(chǎn)業(yè)趨勢因為細(xì)線距、多層數(shù)等技術(shù)帶動產(chǎn)品升級,藉由AI加速制程及瑕疵檢驗更加刻不容緩。
此外,Mini LED顯示器加速落地,磊晶廠產(chǎn)出的磊晶波長、電性等規(guī)格差異大,需仰賴設(shè)備廠的檢測與分選才能提供高一致性的LED芯片,這些需求也會帶動AOI技術(shù)加速改變。
圖2 : 異質(zhì)封裝技術(shù)等趨勢帶動AOI朝極精密檢測發(fā)展,比方檢查晶圓狀況與金屬殘留。(source:CTIMES資料照)
若以半導(dǎo)體為例,半導(dǎo)體制程已進(jìn)入5奈米、7奈米微縮,技術(shù)難度愈來愈高,而先進(jìn)制程趨勢是芯片朝多層堆棧發(fā)展,如此可以使芯片體積更小、更省電、更有效能。進(jìn)化中的3D堆棧技術(shù)、異質(zhì)封裝技術(shù)等趨勢帶動AOI朝極精密檢測發(fā)展,比方檢查晶圓狀況與金屬殘留,提升良率或改善問題。
舊式瑕疵檢驗以人眼進(jìn)行檢測,有主觀判斷標(biāo)準(zhǔn)不一、眼睛疲勞不易持續(xù)等干擾因素可能降低精準(zhǔn)度,因此,導(dǎo)入AI瑕疵檢測有其必要性,結(jié)合機(jī)器視覺與AI技術(shù)有助晶圓電路缺陷分析,開發(fā)高速精確電路瑕疵檢測,大幅縮短檢測時間,提升晶圓產(chǎn)能及良率。
隨著異質(zhì)芯片整合制程需求大增,封裝技術(shù)更為重要,3D封裝成為臺積電、Intel、三星等國際大廠的布局重點,臺灣主要封測廠也鎖定研發(fā)系統(tǒng)級封裝(SiP)及整合天線封裝(AiP),帶動打線接合(Wire Bonding)的3D自動光學(xué)檢測需求。
極精密檢測 3D AOI占有一席之地
一般來說,需要使用AOI篩檢的產(chǎn)線多半具有相對大的產(chǎn)量或相對高的產(chǎn)品品管要求,而且多與高單價產(chǎn)品有關(guān),如PCB、半導(dǎo)體、手機(jī)零件、醫(yī)療器材等產(chǎn)業(yè),對于這些生產(chǎn)線來說,維持并提升良率非常重要。
AOI并非單純地檢查、排除瑕疵品,也扮演資料搜集者角色,只要善用AOI取得的大量瑕疵數(shù)據(jù),經(jīng)過合理分析、歸納,就可以找出制程或產(chǎn)品不良原因。
圖3 : Mini LED顯示器加速落地,需仰賴設(shè)備廠的檢測與分選才能提供高一致性的LED芯片,這些需求也會帶動AOI技術(shù)加速改變。(source:corbeauinnovation)
隨著愈來愈多產(chǎn)業(yè)采用AI搭配AOI光學(xué)檢測的整合應(yīng)用,導(dǎo)入AI AOI自動化質(zhì)量檢測升級,臺灣業(yè)者也加速瞄準(zhǔn)AOI產(chǎn)業(yè)新藍(lán)海,如今年9月的「SEMICON Taiwan 2022國際半導(dǎo)體展」中,晶彩科技即展示AI AOI解決方案,透過全新開發(fā)的AI實時檢量測功能,同時進(jìn)行Carrier上芯片外觀缺陷檢測及偏移/旋轉(zhuǎn)/傾斜檢知與量測,大幅提升缺陷檢出命中率并有效降低誤檢率。
不少AOI廠商是以規(guī)則系統(tǒng)(rule-based)做缺陷檢測,傳統(tǒng)方法檢測不好才會導(dǎo)入AI,目前已逐漸進(jìn)展到在少量多樣、快速變化的產(chǎn)品檢測中導(dǎo)入AI算法,應(yīng)用AI中的深度學(xué)習(xí)技術(shù)。隨著先進(jìn)制程中的AOI技術(shù)如硅晶圓檢測、PCB的IC載板檢測、半導(dǎo)體封裝測試檢測、Mini LED檢測等日益受到重視。
工研院產(chǎn)科國際所執(zhí)行產(chǎn)業(yè)技術(shù)基盤研究與知識服務(wù)計劃產(chǎn)業(yè)分析師黃仲宏預(yù)期,3D AOI技術(shù)將占未來市場大宗,線寬、線距縮小能有效增加封裝的腳位及縮短訊號延遲時間,提升整體系統(tǒng)效能。由于高階應(yīng)用的電子零件需求與PCB復(fù)雜度增加(線距縮小),AOI難度隨之提升,但是未來線寬線徑小于5um的AOI檢測會有一定的市場需求。
另一方面,隨著3D堆棧技術(shù)、異質(zhì)封裝技術(shù)不斷演進(jìn),AOI未來將朝極精密檢測方向發(fā)展,如碳化硅(SiC)晶圓檢測、AiP(Antenna-in-Package)載板檢測、半導(dǎo)體先進(jìn)封裝測試檢測、Mini LED的AOI設(shè)備等,帶動全球AOI市場蓬勃發(fā)展。
評論