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需要再進化
AOI是高速、高精度光學(xué)影像檢測系統(tǒng)，以機器視覺做為檢測標(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、光學(xué)鏡頭)、機器人接口與驅(qū)動裝置(如機器手臂)、電控系統(tǒng)(如PC Base控制主機)、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)算法進行，過篩率非常高，業(yè)者需要額外花費時間進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)進行判斷，須要先行定義瑕疵樣本，再透過樣本進行篩檢。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)與主觀認知等差異，導(dǎo)致過篩率偏高；汽機車零組件的煞車碟盤常有刮痕、裂痕、撞傷、污漬等細微瑕疵，透過機器視覺加上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10億美元，2020年至2025年間的年復(fù)合成長率達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，達到搜集數(shù)據(jù)、實時人機協(xié)作等目的，但是，人力目視檢測進料、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節(jié)，量測目標(biāo)特征也要相當(dāng)明確，才能發(fā)揮AOI機器篩檢的質(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朝面積擴大、層數(shù)增加、線路設(shè)計復(fù)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(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)體制程已進入5奈米、7奈米微縮，技術(shù)難度愈來愈高，而先進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，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。