AOI+AI+3D 檢測鐵三角成形

疫情突顯產(chǎn)業(yè)供應鏈中斷和制造業(yè)缺工問(wèn)題，加上少量多樣需求成趨勢，迫使制造業(yè)快速轉型，走向更自動(dòng)化、數字化的智能化方向。因此，各產(chǎn)業(yè)對自動(dòng)光學(xué)檢測(AOI)技術(shù)的需求更為殷切。

疫情突顯產(chǎn)業(yè)供應鏈中斷和制造業(yè)缺工問(wèn)題，加上少量多樣需求成趨勢，迫使制造業(yè)快速轉型，走向更自動(dòng)化、數字化的智能化方向。導入自動(dòng)化及AI的過(guò)程中，傳統人力逐漸被取代，也改變產(chǎn)線(xiàn)人員配置的傳統生態(tài)，其中，可以確保產(chǎn)線(xiàn)及產(chǎn)品質(zhì)量的自動(dòng)檢測儀器不僅發(fā)揮精準有效的優(yōu)勢，還能針對缺陷或瑕疵及時(shí)修復、舍棄，降低不必要的時(shí)間成本與人力成本，快速穩定且一致的檢測結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(dòng)光學(xué)檢測(Automatic Optical Inspection；AOI)技術(shù)的需求更為殷切。

傳統AOI需要再進(jìn)化
AOI是高速、高精度光學(xué)影像檢測系統，以機器視覺(jué)做為檢測標準技術(shù)，改善傳統人力使用光學(xué)儀器執行檢測的缺點(diǎn)，常見(jiàn)應用范疇包含高科技產(chǎn)業(yè)研發(fā)、制造業(yè)品管等，電力、機器人控制、生物醫學(xué)、醫療、衛星遙測、宇宙探測、國防、汽車(chē)工業(yè)、半導體、環(huán)保等領(lǐng)域也能看到AOI的諸多應用。

非接觸AOI技術(shù)是利用光學(xué)儀器取得成品樣態(tài)，透過(guò)計算機圖像處理技術(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(dòng)化技術(shù)、電子電路測試技術(shù)等，透過(guò)光學(xué)照明(如CCD攝影機、光學(xué)鏡頭)、機器人接口與驅動(dòng)裝置(如機器手臂)、電控系統(如PC Base控制主機)、視覺(jué)軟件(如算法、圖像處理軟件)的串聯(lián)，取得自動(dòng)光學(xué)檢測結果。藉由AOI針對缺陷或瑕疵的及時(shí)修復、調整或舍棄，大幅降低不必要的成本支出。

不過(guò)，傳統AOI品檢容易產(chǎn)生過(guò)篩率偏高、上線(xiàn)時(shí)間長(cháng)、不夠彈性、無(wú)法解決光學(xué)光影干擾等問(wèn)題。舊式的光學(xué)檢測是透過(guò)沒(méi)有學(xué)習功能的傳統算法進(jìn)行，過(guò)篩率非常高，業(yè)者需要額外花費時(shí)間進(jìn)行二次人工篩檢分類(lèi)，無(wú)形中提高成本支出。傳統AOI系統在每一次上線(xiàn)時(shí)要不斷調整設定，無(wú)法彈性調整生產(chǎn)內容，難以滿(mǎn)足彈性化、客制化生產(chǎn)需求。

此外，AOI檢測只能以設定好的參數標準進(jìn)行判斷，須要先行定義瑕疵樣本，再透過(guò)樣本進(jìn)行篩檢。如果能導入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(dòng)判斷產(chǎn)品外觀(guān)，結合影像數據劃分重點(diǎn)檢查區；產(chǎn)線(xiàn)可視化可以提供機臺實(shí)時(shí)監控，記錄影像數據。

以金屬工件檢測為例，因為對象表面會(huì )反光，檢測時(shí)要反復轉動(dòng)，檢驗人員容易疲累，效率難以提升，加上人員素質(zhì)與主觀(guān)認知等差異，導致過(guò)篩率偏高；汽機車(chē)零組件的煞車(chē)碟盤(pán)常有刮痕、裂痕、撞傷、污漬等細微瑕疵，透過(guò)機器視覺(jué)加上AI演算，很容易檢測出瑕疵。

AOI導入AI趨勢不可擋
未來(lái)，AOI導入AI智能制造是企業(yè)生存關(guān)鍵，預估2024年全球智能制造市場(chǎng)規模上看4,000億美元，年復合成長(cháng)率達10.1%，在此趨勢下，制造業(yè)更需要智能化的檢測系統，應用AI技術(shù)輔助AOI設備進(jìn)行后續篩檢優(yōu)化即為一例。工研院產(chǎn)科國際所數據指出，2022年全球AOI檢測系統市場(chǎng)規模預測達10億美元，2020年至2025年間的年復合成長(cháng)率達17.7%。在工業(yè)4.0及智能制造潮流驅動(dòng)下，愈來(lái)愈多制造領(lǐng)域采用AOI搭配AI的整合應用，其中以半導體領(lǐng)域最為積極。

 
圖1 : 全球AOI技術(shù)的市場(chǎng)規模。(source：工研院產(chǎn)科國際所；2022年3月)

雖然生產(chǎn)過(guò)程中可以透過(guò)物聯(lián)網(wǎng)（IoT）和數字系統軟件工具結合OT與IT，達到搜集數據、實(shí)時(shí)人機協(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(diǎn)，需要AOI搭配AI智能影像辨識改善這些缺點(diǎn)。除了缺工、工作人員老化等問(wèn)題，人工檢測常因個(gè)人經(jīng)驗的良莠不齊(如手感差異、標準不一)導致質(zhì)量與產(chǎn)量不均，長(cháng)時(shí)間用眼容易疲勞，很難維持長(cháng)期的標準化和數據化統一，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象，增加客訴率、質(zhì)量不良率與成本耗損率。

至于傳統的AOI檢測設備需要控制環(huán)境、光源及拍攝角度等細節，量測目標特征也要相當明確，才能發(fā)揮AOI機器篩檢的質(zhì)量，一旦檢測新設計或新產(chǎn)品時(shí)，自動(dòng)光學(xué)檢測流程需要重新設置，相對耗費成本。

AI具有深度學(xué)習（Deep Learning）技術(shù)及模型訓練，可以很好地被應用于A(yíng)OI瑕疵檢測領(lǐng)域，如雷射焊接自動(dòng)控制、金屬瑕疵與銹蝕檢測、紡織品花紋瑕疵檢測等，只要搜集大量預先處理好的影像并標注影像種類(lèi)(如瑕疵種類(lèi))，透過(guò)AI深度學(xué)習與模型訓練搭配AOI，不僅可以快速上線(xiàn)，還能自主學(xué)習，將人工檢測經(jīng)驗模型化后，利用算法分析判斷，建立在線(xiàn)檢測數據庫，透過(guò)影像判讀瑕疵，不需等最后一步才做終檢，這樣的流程可以達到實(shí)時(shí)檢測、及時(shí)修正的效果，發(fā)現良率下降時(shí)也可以立即調整產(chǎn)線(xiàn)、設備及人力，避免成本的浪費。

另一方面，AI將人工檢測經(jīng)驗模型化后利用算法分析判斷，不僅相當靈活有彈性，可以提高精準度與持續性，還可以降低對人工的依賴(lài)、降低人員的工作負擔，并且大幅提高生產(chǎn)效率。因此，近年來(lái)AOI結合AI已逐漸成為主流標配。

工研院產(chǎn)科國際所執行產(chǎn)業(yè)技術(shù)基盤(pán)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(shuō)明AOI的進(jìn)化與需求刻不容緩。首先是5G的加速推展與應用帶動(dòng)產(chǎn)業(yè)發(fā)展及變化，應用上必須考慮更多，如高頻訊號損失、傳輸速度、模塊整合度、系統穩定度與功耗等細節，而5G硬件系統的零組件規格比4G高出許多，帶動(dòng)基頻芯片、印刷電路板(PCB)、天線(xiàn)、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(dòng)PCB朝面積擴大、層數增加、線(xiàn)路設計復雜等趨勢發(fā)展，為達輕薄短小、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)、軟硬結合板、IC載板等技術(shù)因應，希望藉由體積優(yōu)勢，開(kāi)發(fā)更多應用方式。當PCB產(chǎn)業(yè)趨勢因為細線(xiàn)距、多層數等技術(shù)帶動(dòng)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(chǎng)產(chǎn)出的磊晶波長(cháng)、電性等規格差異大，需仰賴(lài)設備廠(chǎng)的檢測與分選才能提供高一致性的LED芯片，這些需求也會(huì )帶動(dòng)AOI技術(shù)加速改變。

 
圖2 : 異質(zhì)封裝技術(shù)等趨勢帶動(dòng)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)

若以半導體為例，半導體制程已進(jìn)入5奈米、7奈米微縮，技術(shù)難度愈來(lái)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(dòng)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(wèn)題。

舊式瑕疵檢驗以人眼進(jìn)行檢測，有主觀(guān)判斷標準不一、眼睛疲勞不易持續等干擾因素可能降低精準度，因此，導入AI瑕疵檢測有其必要性，結合機器視覺(jué)與AI技術(shù)有助晶圓電路缺陷分析，開(kāi)發(fā)高速精確電路瑕疵檢測，大幅縮短檢測時(shí)間，提升晶圓產(chǎn)能及良率。

隨著(zhù)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(chǎng)的布局重點(diǎn)，臺灣主要封測廠(chǎng)也鎖定研發(fā)系統級封裝(SiP)及整合天線(xiàn)封裝(AiP)，帶動(dòng)打線(xiàn)接合(Wire Bonding)的3D自動(dòng)光學(xué)檢測需求。

極精密檢測 3D AOI占有一席之地
一般來(lái)說(shuō)，需要使用AOI篩檢的產(chǎn)線(xiàn)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(jià)產(chǎn)品有關(guān)，如PCB、半導體、手機零件、醫療器材等產(chǎn)業(yè)，對于這些生產(chǎn)線(xiàn)來(lái)說(shuō)，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取得的大量瑕疵數據，經(jīng)過(guò)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(lài)設備廠(chǎng)的檢測與分選才能提供高一致性的LED芯片，這些需求也會(huì )帶動(dòng)AOI技術(shù)加速改變。(source：corbeauinnovation)

隨著(zhù)愈來(lái)愈多產(chǎn)業(yè)采用AI搭配AOI光學(xué)檢測的整合應用，導入AI AOI自動(dòng)化質(zhì)量檢測升級，臺灣業(yè)者也加速瞄準AOI產(chǎn)業(yè)新藍海，如今年9月的「SEMICON Taiwan 2022國際半導體展」中，晶彩科技即展示AI AOI解決方案，透過(guò)全新開(kāi)發(fā)的AI實(shí)時(shí)檢量測功能，同時(shí)進(jìn)行Carrier上芯片外觀(guān)缺陷檢測及偏移/旋轉/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(chǎng)商是以規則系統(rule-based)做缺陷檢測，傳統方法檢測不好才會(huì )導入AI，目前已逐漸進(jìn)展到在少量多樣、快速變化的產(chǎn)品檢測中導入AI算法，應用AI中的深度學(xué)習技術(shù)。隨著(zhù)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)科國際所執行產(chǎn)業(yè)技術(shù)基盤(pán)研究與知識服務(wù)計劃產(chǎn)業(yè)分析師黃仲宏預期，3D AOI技術(shù)將占未來(lái)市場(chǎng)大宗，線(xiàn)寬、線(xiàn)距縮小能有效增加封裝的腳位及縮短訊號延遲時(shí)間，提升整體系統效能。由于高階應用的電子零件需求與PCB復雜度增加(線(xiàn)距縮小)，AOI難度隨之提升，但是未來(lái)線(xiàn)寬線(xiàn)徑小于5um的AOI檢測會(huì )有一定的市場(chǎng)需求。

另一方面，隨著(zhù)3D堆棧技術(shù)、異質(zhì)封裝技術(shù)不斷演進(jìn)，AOI未來(lái)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、半導體先進(jìn)封裝測試檢測、Mini LED的AOI設備等，帶動(dòng)全球AOI市場(chǎng)蓬勃發(fā)展。