背景新聞：
臺積電光阻劑事件
2019年 1 月中，臺積電因使用光阻劑規格不符，造成南科晶圓 14B 廠晶圓瑕疵，導致數萬片晶圓報廢事件。后來證實對臺積電的 2019 年第 1 季營收產生沖擊，除已經公告調降 2019 年第 1 季財測之外，根據臺積電公布的 2018 年財報指出，臺積電對此事件初步估算，事件約造成新臺幣 61 億元損失，較 2018 年 8 月機臺受到病毒感染，造成 25.96 億元損失，增加約 2.35 倍的金額。
人工智能能為工業4.0的應用帶來什么？大家也許會馬上想到：利用計算機視覺做產品檢測，可以把人力從簡單重復性工作中解放出來；可以維持穩定的檢測正確率。其實遠遠不止這些。
威盛的工業視覺在實際項目的應用中，除了可以解放人工、獲得穩定的高正確率這些基礎成效外，還可以達成：
01在復雜環境、多重判定條件下，迅速得出最優解，從而整體提升生產過程的正確率。
02威盛的工業人工智能通過計算機視覺在整個生產體系的運用，加上對視覺結果的整體分析，可以提升整個產線的效能。
第一臺階：穩定正確率、解放人力
人非圣賢孰能無過，這些由人為因素導致的失誤在工廠的特殊環境因素下可能被客觀放大。
1疲勞因素：產線的7x24小時的運轉要求，勢必造成疲勞，有些原先依賴肉眼識別的質量檢測環節，不要說是瞌睡，哪怕是眨眼也會導致一些疏漏。
2培訓因素：有些質量檢測的判斷條件很多，相對復雜，對操作人員的經驗要求很高，很多檢測崗位甚至需要專業證書才能上崗。這些產品檢測如果遇到人員變更，就會客觀存在階段性的正確率下降。
為了避免這類問題，就需要增加人工、增加班次減少個體工作時間；增加培訓時間這樣就存在人工投入成本的增加。廠方不得不在增加成本和降低正確率兩者之間做取舍。
采用計算機視覺就可以規避這兩大問題。威盛工業視覺解決方案，采用神經網絡深度學習，對產品的各種新形態進行學習生成模型從而及時做出判定。即便是對于復雜情況，深度學習的模型也可以迅速做出精準判斷。將客觀存在正確率波動的人工判斷，穩定為正確率幾乎恒定的計算機視覺判斷，項目實踐中，威盛整體方案的正確率達到了99.9%以上。實現了將寶貴的人工資源從簡單重復工作中解放出來的目的。
第二臺階：借助人工智能獲得最優解
在工廠實施環境下，很多決策依賴于多項條件。如材料剪裁，在特殊原材料裁剪時，考慮因素非常多，原材料物理屬性、目標產品尺寸要求、以及切割工具的尺寸大小。當傳統工業在采用人工的時候，這項最優解高度仰仗工人的經驗，但當條件因素增加的情況下，即便是具有豐富經驗的工人也只能給予“較優解”，很難保證“最優解”。
（不規則曲面上的最優解）
威盛的工業人工智能，采用深度學習、圖像分隔、邊緣檢測、二值化等方法，對各種判斷方法生成模型，實施對多項條件因進行分析，從而高效得出可能是唯一的最優解。在項目實踐中，威盛解決方案，相較傳統方法的最快速度，也至少提高了2.5倍效能。最終，整體提升了工業過程的正確性。
第三臺階：流程改進、整體效能提升
威盛工業人工智能通過對各個工作點的數據統計分析，循環遞進改善整體工作流程效能。如下圖，左邊的廠區中有多種車床、設備等生產工具，采用工業視覺對各項設備及各個流程產出的產品監控檢測，上傳到人工智能系統進行分析，再根據分析結果對流程中各個環節改善，從而形成正向閉環提升，成功解放人力，獲得了穩定乃至更高的正確率數據，持續提升整體工效能。
未來五年，智能工廠作為新工業革命進一步提高效率和精度，以及更加合理化和智能化的使用設備，以標準化、自動化、規模化為基礎，以柔性化、定制化、可視化、低碳化為新目標。將工業視覺技術引入整體制造流程后，將由基層到整體，分階段全面優化產線，解放人力、提升制造精準性、整體優化生產效能。
關于威盛電子
威盛電子是全球領先的科技企業，運用先進的人工智能、物聯網和計算機視覺技術，致力于交通、工業、智慧城市和數據中心應用的創新智能解決方案。公司總部位于臺灣臺北，通過威盛全球化網絡布局，在美國、歐洲及亞洲的高科技核心區域設立了分支機構。客戶群涵蓋全球各大領先高科技、工業和運輸企業。
