我們經常從企業客戶端聽到，他們需要導入像 AI 這樣的新技術來提高生產效率。事實證明，AI 的確能有效幫助製造業客戶實踐自動化的目視品管流程。
這些客戶告訴我們，他們希望使用 AI 解決方案來幫助他們提高品質控管和檢查的效率，進而提高整體品質。但是，有許多因素使他們難以防止瑕疵產品的發佈。此外，在製造過程中發現瑕疵的時間越晚，修復或更換所需的成本就越高。視覺檢測可以幫助製造業客戶，以較低的成本及早發現瑕疵，並以更創新的方式幫助企業革新其流程。
半導體業：用 Google AutoML Vision 有效提高晶片製造效率
世界第三大、僅次於台積電與三星的美國晶圓代工大廠格芯 (GlobalFoundries) 就使用了 AI 來改善其製造流程。該公司使用 AutoML Vision 建立了一套視覺檢測 (visual inspection) 解決方案，用來檢測晶圓圖，與掃描電子顯微鏡 (scanning electron microscope, SEM) 圖像中的隨機缺陷。這個過程對晶圓代工業來說，是必不可少的。晶圓圖會顯示半導體器件的效能，而透過聚焦電子束產生的 SEM 圖像，則可用來仔細檢查晶圓。
格芯的 AI XR 創新全球負責人 DP Prakash 博士解釋：「Google Cloud AutoML Vision 使我們的領域專家可以輕鬆快速地學習如何操控並訓練 AI。」「導入該計劃的工廠，有高達 40％ 的手動檢查工作，已成功改用 AutoML 建立的解決方案來執行。」
格芯的視覺檢測解決方案將 AutoML Vision 整合到內部內容管理系統中，其中包括 SEM 圖像採集、圖像和樣品缺陷管理、視覺化缺陷預測以及產品品質報表產出。
AutoML Vision 負責讀取晶圓圖和瑕疵範例，藉此訓練客製化模型來檢測這些缺陷。訓練好的模型，就會被用在檢測新的產品圖像，確認是否有瑕疵。
在評估技術時讓格芯大為驚豔的是，AutoML Vision 可以基於一開始有限的訓練資料，成功地對 80％ 的圖像進行分類。透過這種快速、高精度的方式，格芯能夠更快地投入正式環境、開始收益以並擴大規模。
為了控制半導體工廠生產過程的缺陷，格芯在其工廠中部署了數百個模型。AutoML Vision 的資料和模型管理功能有助於持續且有效率地刷新資料，使公司可以查看所有模型。
AutoML Vision 是什麼？一秒辨識屈中恆、宋少卿、鈕承澤就用它
格芯在晶片的光刻製程中也取得了類似的成功。以傳統方法來說，由於在大量製造環境下，時間和成本的限制，通常只會有一小部分的晶片才會被作為樣品進行瑕疵檢測。但在導入 AutoML 視覺檢測解決方案後，95% 的晶圓都能被進行驗證，驗證量體與品質皆大幅提升，不僅減少了浪費，也提升了質量與客戶滿意度。這對代工廠而言有顯著的成效。
電子業：善用 AI 革新製造流程，視覺檢測自動化！
電子業領導廠商西門子 (Siemens)，也同樣使用 AutoML Vision 來改變其品管流程。
西門子公司的內部創新暨資料科學家 Tigran Bagramyan 表示：「我們利用 Google 在 AI 領域的專業知識來建立『工廠人工智慧』；自動化的視覺檢測，徹底改變了我們的製程。我們使用 AutoML Vision 快速建立原型並將其推向正式環境，AutoML Vision 讓我們能更專注於專案與客戶上，而不用花心思在複雜的 AI 開發過程。」
同時，LG CNS 也利用 AutoML Vision Edge 來建立智慧製造解決方案，檢測由 LCD 螢幕和光學膜到流水線上的汽車面料等的瑕疵。AutoML Vision Edge 將瑕疵檢測精準度提高了6％，並將設計和訓練 ML 模型的時間從 7 天減少到了幾個小時。
Google 的 AutoML Vision 使客戶可以訓練高品質的瑕疵檢測模型、部署模型並在正式環境進行診斷。除了 AutoML Vision，Google 也持續提供企業各種不同的 AI 部署方法。想了解有關如何使用我們的視覺產品進行視覺檢測和其它範例的更多資訊，請查看 Google Cloud Vision AI。
（本文翻譯改編自 Google Cloud。）
