AI在智慧製造之應用

1.趙教授來中原任教之前，在工研院工作多年時間，從事AI在智慧製造的應用，特別是自動光學檢查（Automated Optical Inspection，AOI）的品質瑕疵偵測，利用光學儀器取得成品的表面狀態，再以電腦影像處理技術來檢出異物或圖案異常等瑕疵。

2.AOI可用來改善人工檢測，2015年深度學習的ResNet-152模型技術的錯誤率已降至3.5%，較人工的5%來得低，故可滿足工廠對高品質的要求。

3.從2012年開始，卷積神經網路CNN極速發展，不斷湧現出諸如AlexNet、VGGNet等優秀的神經網路。到2015年一個新型模型顛覆深度學習領域，這就是ResNet。

4.AI結合AOI可顯著提升瑕疵辨識率，如在PCB板或汽車品質偵測，亦即傳統AOI技術，不能滿足工廠高品質要求，仍有太多誤判率，還需耗費大量人力。

5.品質檢測錯誤分為Leakage（品質不OK卻判為OK）與Overkill（品質OK但被判不OK），實務上，寧可錯殺一百，不可放過一個，亦即發生Leakage較Overkill問題嚴重，PCB檢測目前誤判率五成以上，故先以AI級的AOI先檢測，再以人工來判斷。

6.在智慧製造部份，其目標是產能最大化、產品成本最小化、製程分析參數最佳化，皆可用到AI技術，除AOI外，還可用來優化排程技術、產線自動化、智慧型AIOT、將過去借助人工經驗的比率降低，改由AI來替代。

7.目前新增許多「標記」工作，如ChatGPT的標記，耗用許多血汗人力。亦即AI雖然可減少重複性的工作，但在做好AI之前，仍需耗用人力來進行標記以訓練AI模型。