派思科技PI2AIS
AOI 後端 · AI 智慧複判

每一百張 AOI 警報,
有多少真的需要人看?

派思接在您現有的 AOI 之後,用 AI 先看一遍:誤報擋下,真缺陷與沒把握的才交給複判人員。降低過殺、縮短複判時間,把人工留給邊界案例。

預約現場評估 了解解決方案
首批試點夥伴招募中。我們不更換您的 AOI,歡迎帶著實際的複判現況來談。
現有複判佇列 · 減量後
介面示意 · 非實際資料
AI 已放行(誤報)
[數量]
待人工確認
[數量]
已確認
[數量]
疑似焊點異常
信心偏低 · 交人工
疑似刮傷
信心偏低 · 交人工
判為真缺陷
請人工確認
原系統蓋不住的確認,修正結果留在廠內
高信心誤報從原複判站佇列移除。人員繼續用原系統,只看真缺陷與沒把握的影像;原系統蓋不住的確認,由派思的多點複檢介面輔助。
不換現有 AOI
直接接在 AOI 之後,不改動既有產線。
真缺陷放行不高於人工
以雙人覆核或後段實錘為基準,這是驗收底線。
影像不出廠
全程在廠內離線運行,不需連外。
每筆判定可回溯
可查到原始影像與所用的模型版本。
01 · PROBLEM

AOI 愈完整,複判愈吃人力

檢測設備與供應鏈已相當成熟,真正的瓶頸,轉移到了檢測之後。

01

警報很多,誤報也多

AOI 為了不漏抓缺陷,往往寧可多報。其中相當比例是誤報,仍得逐張交給人確認。

02

複判又慢,又吃人力資源

複判站需要大量人力長時間盯著影像,速度與判斷的一致性都受影響,也拖慢出貨節奏。

03

人力難補,仰賴個人經驗

熟練的複判人員不易培訓與留任。人力成本與對個人經驗的依賴,成為產線的隱性風險。

AOI 為什麼會誤報?

多數 AOI 以固定的規則和標準影像做比對。只要畫面和標準「不一樣」,就可能判為 NG,即使那只是正常的變化。

門檻調鬆,怕漏掉真缺陷;調嚴,誤報就變多。這是規則比對本身的取捨。

派思不改動 AOI 的設定,而是在它之後,用從貴廠影像中學到的判斷,分辨「真的不良」和「只是看起來不一樣」。

  • 光線與反光金屬或亮面反光造成假影
  • 輕微汙漬、色差不影響品質的表面變化
  • 板件微幅翹曲造成局部對焦差異
  • 允收範圍內的差異正常製程變異被當成異常
AOI 流程中的位置

不換設備,只在 AOI 之後加一站

產線照原本的方式運作。派思只接手 AOI 判為 NG 的影像,先把誤報擋下,再把真正需要的交給複判站。

  1. 01 · 既有
    上料與掃碼
    讀取批號、料號,綁定資料
  2. 02 · 既有
    定位對準
    固定板件,對準基準點
  3. 03 · 既有
    AOI 掃描比對
    取像並與標準比對
  4. 04 · 既有
    機台判定
    OK 直接放行;NG 送往下一站
  5. 新增的一站
    05 · 派思
    AI 智慧複判
    逐張判讀 NG 影像,給出信心分數
    高信心誤報 → 自動放行,結果回寫 真缺陷/沒把握 → 交複判站
  6. 06 · 既有
    複判站人工確認
    只看真缺陷與沒把握的影像
  7. 07 · 既有
    維修或分揀
    依確認結果處理
貴廠既有流程,不需更動派思新增的一站示意流程,各廠站點與順序不同
02 · HOW IT WORKS

先擋下誤報,只讓人看該看的

1

AOI 照常檢測

您的 AOI 維持原有作業,把判為 NG 的缺陷影像與相關資訊交出來。

2

AI 逐張複判

判讀每張影像是真缺陷還是誤報,並給出信心分數。高信心的誤報自動放行。

3

人工專注在關鍵

真缺陷與沒把握的影像,一律交回原複判站。原系統蓋不住的確認與回饋,由派思的多點複檢介面輔助處理,結果留在廠內,越用越準。

「寧可多交給人工,也不放過一個真缺陷。」
漏放一個真缺陷的代價,遠高於多看幾張誤報。所以我們的判讀原則是不對稱的:只要信心不足,就交回人工;系統異常時,全部交回人工。
03 · VALUE

對產線的三個實際價值

降低人力依賴

減少需要人工逐張判讀的影像量,複判人員可轉往更需要經驗的工作。

縮短複判時間

誤報不再排隊等人看,缺陷影像處理得更快,減少等待與出貨前的時間成本。

提高直通率

高信心的誤報不再當成不良品排隊。過殺降下來,直通率跟著提高,人工留給真正的邊界案例。

實際成效須以貴廠現場資料驗證。在驗證之前,我們不提出保證數字;降幅由雙方在簽約前共同議定。

04 · SAFEGUARDS

六項品質與安全守門機制

複判最怕的是漏放真缺陷。每一項設計,都以此為出發點。

真缺陷放行率不高於人工基準
分母是 AOI 叫出的缺陷點裡、全部真缺陷的件數。基準用同一批影像,以雙人覆核或後段電測、維修站的實錘建立,雙方議定。自動放行純度(放行件數裡的真缺陷比例)另列上限。
低信心一律交回人工
信心門檻可依產線調整。寧可多看,不可漏看。
異常時自動降級
系統一旦出現異常,自動改為「全部交回人工」,不會默默放行。
並行試跑,先驗證再放行
正式啟用前,先與人工結果並行比對,不影響產線運作。
每筆判定可回溯
記錄原始影像、模型版本與參數,可供稽核,模型更新也可隨時回復。
影像不出廠
判讀與模型訓練皆在廠內完成,不需連外,不上雲。
05 · ARCHITECTURE

兩層架構:Edge 收資料,Server 做判斷

每條產線各配一個 Edge 端,只負責收資料、送資料;所有產線的資料匯集到廠內的 AI 複檢 Server,統一判讀、統計與更新模型,並提供多工、多點的圖形化複檢介面,輔助原複判站。兩層都在貴廠內網,影像不出廠。

AOI
AOI 設備
照常檢測,叫出疑似缺陷
EDGE × 每條產線
Edge 收集端
每線一個,收影像與製程資訊
SERVER
AI 複檢 Server
統一判讀、統計、模型更新
OUTPUT
原複判站/MES
真缺陷與沒把握的才交人工
01 · EDGE

Edge 收集端

每條產線各配一個 Edge 端,接在該線的 AOI 設備旁,接收缺陷影像(含參考圖或量測值)與 Machine ID、Lot ID、Wafer ID、Process 等製程資訊,整理後傳送到 AI 複檢 Server。加一條線,就加一個 Edge。第一條線先接一個 AOI 品牌。

02 · SERVER

AI 複檢 Server

所有產線的資料在這裡統一處理:AI 判讀並給出信心分數;跨產線依機台、批號、Wafer、製程統計誤報與放行數據;新版模型也在這裡訓練、評估,經簽章驗證才上線,可回復舊版。複判以原廠複判站為主,派思的圖形化複檢介面作為輔助,支援多工、多點作業,多位人員可在不同站點同時處理原系統蓋不住的確認與回饋。修正結果留在廠內作為學習資料。

03 · RELIABILITY

斷線與異常的處理

任何一層出問題,都退回人工,不會默默放行。Edge 連不到 Server 時先在本機暫存,該線改為全部交回人工,恢復後補送;Server 異常同樣自動降級。Edge 收到影像即計算雜湊值,Server 比對確認資料未被改動。判定結果由 Server 寫回原複判站或 MES。

每筆影像都和機台、批號、Wafer ID 與製程綁定,判定可回查到原始資料與所用的模型版本。並行期只留比對紀錄;通過檢核後,高信心誤報才從原複判站佇列移除。

06 · INDUSTRIES

適合已有 AOI、短期不換機的產線

不必為了導入 AI 而汰換設備。長期可接不同品牌;第一條線先把一個 AOI 品牌的資料接完整。混用多品牌、又要在廠內用自己的複判結果重訓的產線,最適合從這裡開始。

PCB · BARE BOARD

PCB 裸板

首要目標
  • 線路斷路、短路
  • 線路缺口、凸起
  • 刮傷、異物
  • 防焊不良
SMT / PCBA

SMT 組裝(PCBA)

首要目標
  • 缺件、偏移
  • 極性反向
  • 焊點外觀異常
  • 錫橋、少錫
IC SUBSTRATE

載板

首條產線穩定後
  • 細線路缺陷
  • 表面刮傷、異物
  • 判讀標準細緻、良率要求高
PACKAGING / TEST

半導體封測與先進封裝

先做分類輔助,不自動放行
  • 封裝外觀缺陷
  • 打印標記
  • 檢測站點多、複判量大

以上為規劃中的切入場景,實際缺陷類別依貴廠 AOI 的輸出而定。面板、電池等其他產業,歡迎來信討論是否適合。

開案前約兩週,先確認四件事:參考圖或量測值出不出得來、每日複判點數與人數、明顯誤報占比、終端客戶是否允許自動放行。車用、醫療、航太若必須人眼過目,先做排序與預分類。

07 · PROCESS

約三個月,用您的資料先證明有沒有用

進三個月之前,先用約兩週回答四個問題:資料接不接得出來、每天看多少、明顯誤報占多少、終端規範允不允許自動放行。明顯誤報占比蓋不住人力,就不進入驗證。每個階段未達標,就不進下一階段。

第 1 個月

資料盤點

了解 AOI 品牌、影像輸出方式、誤報比例與複判量,簽署保密與資料使用條款,並一併檢視現有 AOI 的影像品質。

第 2 個月

離線評估

以歷史缺陷影像建立判讀基準。邊界樣本採雙人覆核,或對上後段電測與維修站的實錘,量出真缺陷放行率與自動放行純度。

第 3 個月

只讀並行

與人工複判同時跑、不改產線。這段只留比對紀錄,MES 的放行結果維持原狀。逐週對一次真缺陷放行率與自動放行比例。

通過檢核後

正式導入

高信心誤報才從原複判站佇列移除,轉為依 AOI 機台授權。年費涵蓋漂移監測與簽章模型包,影像不回傳。新料號、AOI 程式或光源變動時,自動改為全部交人工。

AI 複判的前提,是 AOI 取得的影像本身夠清楚。若光源、對焦或解析度不足,AI 也無法彌補;遇到這種情況,我們會在評估階段先告訴您,並建議與設備商一起確認取像條件。

時程依現場狀況調整。兩週可行性確認可抵驗證費;驗證以專案計價,通過後改為機台授權與年費,[費用依現場評估報價]。若成效與自動放行比例連動,成功費有上限,真缺陷放行率一超過議定門檻即停止計付。

08 · ABOUT

為什麼叫「派思」

π 是圓周與直徑之比,一個永遠算不完、卻決定了「準不準」的常數。

AOI 之後的複判,要的正是穩定而一致的精準。派思以 π 為名,用科學的方法,把 AI 帶進對精度最苛刻的製造現場。

創辦人 Webman Hsu
Webman Hsu
創辦人 · 資深 R&D 主管

長年投入影像處理與高效能軟體開發,完整經歷產品從研發到量產的開發與管理;近年專注 AI 技術開發,持續探索它在製造業的應用。派思科技,把這些經驗帶進產線的 AI 智慧複判現場。

09 · SHARE

【樂於分享】

開發過程中,我們也做了幾套處理單據與文件的工具,歡迎上展示站試用。

pi2docv0.3.3

單據拍切

拍下紙本單據,自動找出紙張四角、拉正歪斜並裁掉多餘的桌面,只留下單據本身。照片從拍攝到裁切都在手機上完成,不會上傳伺服器。

C++WebAssembly手機瀏覽器
pi2ocrv0.2.0

單據拍辨

上傳圖片或 PDF 就能辨識文字,並可交給 LLM 校正錯字、擷取指定欄位。可用本機的 Ollama/vLLM,也可接雲端模型,並提供 MCP 工具給 AI agent 呼叫。

FastAPILLMMCP
pi2do開發中

單據準讀

離線部署的 OCR 與文件資料擷取平台。兩套 OCR 引擎交叉比對,由本地 LLM 分類文件、擷取欄位,每個值都標出在原文件上的出處。文件不會離開內網。

雙 OCR 引擎本地 LLM離線部署
pi2dayv0.1.0

每日消費記錄

隨手記下每一筆花費,用週、月、年看總額和分類統計。拍下統一發票就帶入金額、日期和發票號碼,同一家店會記得你上次選的分類;同一張發票不會記兩次。

手機瀏覽器拍發票帶入分類統計

帶一批 AOI 誤報影像來,
我們一起算一算。

每一百張警報有多少真的需要人看,要用您產線自己的資料來回答。我們先做離線評估,再決定值不值得往下走。

預約技術諮詢