FIND研究員：吳湘芸
台灣精密加工產業的起源可追溯至20世紀中期，當時台灣以出口導向的輕工業為主，逐漸發展出工具機及相關機械製造業。1970年代，台灣開始進入工業化階段，精密加工技術主要應用於製鞋機、木工機及紡織機等傳統產業。隨著全球製造業需求的提升，台灣逐步轉型為精密機械製造的重鎮，並在1980年代進一步擴展至半導體及電子零件製造領域，並以高精度、高品質的產品聞名。
然而，隨著市場對高精度產品的需求增加，對於瑕疵檢測的準確度要求也隨之提高，如某些高精密零件（如航太、醫療器材等），90%的以上檢測準確度可能無法滿足其品質標準，台灣企業作為全球金屬精密零件的重要供應商，必須維持高品質標準以保持競爭優勢，這也使得出貨前的品檢標準提出更高的需求。
傳統的品質檢驗方法多依賴人工目視檢查，這種方式不僅耗時，且易受到操作人員的主觀判斷，導致檢測結果不一致，影響產品品質的穩定性。此外，目前我國面臨人口老化及年輕人對製造業興趣降低，勞動力短缺問題日益嚴重，也使得人力成本不斷攀升。為解決這些問題，製造業需要更精確、更有效率的品檢解決方案。
圖1：精密加工製造業者結合AI品質瑕疵檢驗影像辨識系統的品檢區
資料來源：慧智瞳科技
精密加工產業品檢痛點：現有AI方案的侷限
目前市面上的AI影像辨識技術在瑕疵檢測方面已逐漸具有成本優勢，導入費用比AOI技術低。然而，AI檢測需要大量瑕疵樣本來訓練模型，才能達到良好的辨識效果，如果業者無法提供足夠的瑕疵樣本，模型的訓練和建立就會受到限制。所以，在良率高的成熟產品或精密製程產品中，瑕疵樣本數量有限，難以滿足AI模型的需求，也就無法完整訓練AI建立模型，使得AI若要實際應用在精密加工產業也有其侷限性。
生成式AI結合品檢方案：概念驗證的實際落地
為解決精密加工產業的AI品檢方案導入的應用痛點，資策會協助精密加工製造業者實際落地概念驗證（POC），先期導入由系統整合（SI）業者提供的「AI品質瑕疵檢驗影像辨識系統」智慧製造解決方案，利用生成式AI技術生成多樣化的瑕疵樣本，提升AI模型訓練效果，實現高精度的瑕疵檢測與分類。
圖2：AI品質瑕疵檢驗影像辨識系統架構
資料來源：慧智瞳科技
1.AI訓練與建模流程
由業者提供瑕疵工件與驗證場域，於業者驗證場域的無塵室檢驗現場架設攝影機、推論主機拍攝與蒐集實際檢驗畫面，以WEB架構或地端架構搭配RTSP通訊技術串流傳輸影像，在影像回饋的延遲性和便利性上可滿足品質檢驗與影像辨識的需求。
進而透過生成式AI與影像辨識AI技術，以小量的實際瑕疵樣本加上AI生成的瑕疵樣本進行模型訓練、回測與調整，提高訓練資料量樣本，專注於識別和學習影像中瑕疵區域，並透過深度學習技術精確地定位瑕疵，增強模型對瑕疵特性的理解，也提升了瑕疵模擬的準確性。
2.即時辨識與優化篩選能力
訓練出具品質瑕疵檢驗功能的AI模型後，部署至現場推論主機中使用，系統由感測層（數據收集）、傳輸層（數據傳輸）及應用層（AI分析與決策）組成，能即時檢測並回饋生產異常，可直接串聯產線的「品質檢驗資訊及影像分析狀態」，即時以電子看板與報表掌握數據呈現，針對異常瑕疵及時以燈號或語音警示，可使品質檢驗人員快速抓出不良品。
系統具備持續學習能力，能根據生產現場的回饋數據進行模型更新，確保檢測準確度隨著生產需求的變化而提升，實現全面檢測的可能性，避免瑕疵品混入良品，提升整批產品的可靠性。
3.導入成果與效益
導入AI品質瑕疵檢驗影像辨識系統方案為精密加工製造業者帶來明確的改善與效益：
(1)瑕疵樣本生成能力：生成式AI技術能減少對實際瑕疵樣本的依賴，降低樣本收集的成本與時間，特別適合良率高、瑕疵樣本稀少的產品。同時也提升模型的泛化能力，繼而提高檢測準確性達95%以上。
(2)品質檢測驗證效率：面對未定義的瑕疵時，傳統的AI檢測方案往往無法檢測出來，為了避免漏檢而將系統參數設定得過於嚴格，則可能導致過殺率過高，增加人工二次檢查的負擔。而生成式AI能夠快速適應不同的瑕疵樣態，提升檢測效率。
(3)優化產品開發方向：系統長期運行能夠積累大量的檢測數據，這些數據不僅能用於當前的品質控制，還能為未來的產品改進和新產品開發提供參考。
FIND觀點
AI技術創新和應用不僅可陸續解決我國精密加工產業的痛點，還為產業的數位轉型提供了具體的成功案例。未來面對關稅衝擊與AI智慧化浪潮，應積極導入AI技術與數位化管理，提升生產效率與品質，並透過物聯網技術實現設備即時監控與數據分析，並加速數位化轉型以應對全球市場的變化。
長期我國產業面臨來自中國、韓國及其他新興市場的競爭，這些國家憑藉低成本及技術進步對台灣形成威脅，技術升級是保持競爭力的關鍵，特別是在高精度、高附加價值產品的領域。企業應重視員工的技能培訓，特別是在AI技術和數位化管理方面，提升員工的專業能力，吸引具備AI及數據分析能力的高端人才，以適應未來的工作需求。同時，企業應充分利用我國多項技術升級補助計劃和資源，降低技術升級的財務壓力，結合AI、IoT及大數據技術，實現全流程的自動化與數據驅動的營運模式，才能讓台灣精密加工產業在面對未來挑戰時，能夠靈活應對，保持競爭優勢。
參考資料來源：
1.臺灣精密機械智慧製造的未來：虛實整合與一條龍式生產
https://case.ntu.edu.tw/blog/?p=43643
2.黑手變身高科技──精密機械瞄準下個兆元產業
https://www.taiwan-panorama.com/Articles/Details?Guid=527bcf94-fc66-4916-baa4-1103db0fea1b
