# 智慧製造 Surface Mount Technology(SMT)

* ### 導入AI後，可以節省超過50%的目檢人員工時，讓人員可以更有效率處理其他任務。該案例N個工廠共M條產線，一年成本可降低上千萬元。
* ### AI流程與文化依然是決定AI專案的成敗，領域知識不可或缺，像是定義缺陷沒有產線專業人員介入，AI模型也無法適從。
* ### AI專案導入更是牽扯到公司治理與政治問題，工廠產線團隊與AI團隊若無KPI掛勾，即使AI團隊想幫忙也不得其門而入，這也考驗公司領導人的智慧。
---
[圖片來源](http://jeff-wu.blogspot.com/2014/01/smt-flow.html)
[圖片來源](https://ginsanyen.tw/smt%E5%9F%BA%E7%A4%8E%E8%AA%8D%E8%AD%98-%E4%BB%80%E9%BA%BC%E6%98%AFsmt/)

在 SMT 製程中，AOI (光學檢測)是確保焊點與元件貼裝品質的核心環節。然而，AOI 雖能快速捕捉瑕疵，卻因製程變異、零件材質差異及表面反光等因素，常出現過高的誤判率。這些誤判並非真實缺陷，但系統仍將其標記為可疑點，導致後續必須由人工目檢逐一確認。由於 SMT 產線節奏快、檢測數量龐大，人工花費大量時間與精力在「驗證假問題」上，反而降低了整體檢測效率。

**簡單來說，AOI用來判斷像電阻、電容、電桿...等電子元件，是否有正確焊好。然而AOI大都使用傳統的CV影像比對方法，太過嚴格不夠彈性，所以容易誤警報，導致後續目檢人員花太多精力處理其實是OK的case。**

### 導入AI的流程如上圖，AI能夠更有彈性的判斷允收及抓出Defect，例如空焊、短路、立碑、爬錫、缺件...等SMT缺陷。
---
### 關於我 [Shawn Lee](http://hackmd.io/@TAIA/ShawnLee)
---
# 回到 [Shawn Lee 's Note](https://hackmd.io/@TAIA/note_main)