交大资工研究团队发表AIoT温控生产预测技术，以AI取代人工量温调整，改善PCB的SMT生产品质

为加速智慧制造应用在产业落地，科技部推动大数据、AI、物联网的产学合作，交大资工研究团队本周发表一项工业物联网温控生产预测技术，实际在PCB板的SMT产线上，利用感测器搜集生产环境温度，并以AI取代人工凭经验测温调校参数，达到100%的生产履历追踪，并提升生产品质。

在工业制造的过程中，需要精准的温控生产程序，但由于生产品质和产品承受的温度及时间有关，同时涉及多个参数的互动影响，在制造的过程中仅能控制设备的加温曲线，无法即时掌握环境、设备，以及产品在制程中的受热情形，传统上多由人工依据经验，利用频繁的量测、校正调整，以控制生产过程确保生产品质，如果要生产新的产品，更需要一段时间摸索，不断的透过尝试错误去调整制程参数、进行优化，趋向稳定生产。

研究团队以工业物联网结合AI，尝试解决这个问题。交大资工系教授曹孝栎以“温故知新”来形容，所谓“温故”即透过有系统、有结构的搜集、累积工业大数据，而“知新”则是运用这些资料去推论、预测没有生产过的物品该如何生产，特别是产品快速迭代之下，如何快速收敛，有办法稳定的大量制程，“知新”从过去的大量资料，透过AI抽炼出上位知识，再推论到新的产品生产上。

他指出，对于温度的提供可从两方向着手，一种是从物理的热力学来看，热传、热导、热对流，有很好的定性分析，但缺乏定量结果，另一方向则是数据驱动的定量分析，能够得到很好的定量结果，但无法解释很多定性行为。研究计划运用物理学的方法，得以关键、少量安装感测器，从搜集的资料推回参数，同时达到定性的解释性及定量的结果。

曹孝栎表示，经由感测器可纪录每个产品的生产过程，能够做到百分之百的追踪检测，建立生产大数据，累积两三年的数据，透过大数据及AI技术抽炼出上层知识，应用在加速新产品导入，协助工程师快速收敛到能稳定量产的阶段，这对于现今少量多样、产品快速迭代是很重要的。

以PCB板的SMT制程为例，过程中的温度控制极为关键，如果温度过高可能导致电子零件损坏，而不适当的温度或加热速度也可能造成焊接缺陷，降低生产品质，因此，工程师为确保良率，需要为每种产品设计专门的制程参数，并在回焊炉反复测试。

该团队在研华协助之下，在SMT产线导入物联网温控生产预测技术，在回焊炉内装置温度感测器搜集温度资料，结合热力学模型及机器学习模型，建立电路板的温度预测模型，透过机器学习模拟制程结果、建议参数。利用工业物联网感测器达到自动化100%监控追踪制程，解决过去单一的样品检测，无法顾及所有产品检测的问题。

（图片来源：科技部提供）

曹孝栎解释，通过感测器掌握每台回焊炉的加热性能，并推论电路板受热情形，达到100%的检测及虚拟量测技术，节省停机校验的人力成本，这是“温故”的部分。至于“知新”的部分，当产线导入新的电路板，因为已对炉子及电路板的抽象模型掌握度很高，鉴于新产品多为过去经验及知识的组合，只要将电路板设计档输入系统，并输入使用哪个回焊炉，就能从AI产生出不同加温效果，协助定出加温策略，新产品导入生产也能缩短制程参数的摸索过程。

导入这项AIoT温控生产预测技术后，从输入新产品资料、产生制程参数，依参数实际测温，再根据回馈的测温结果调整制程参数，到最后的产品生产。经过他们的测试，在测温阶段，95%首次测温合格不需要调整，并有80%的信心指数新产品可直接进行生产。

目前他们已在4家公司、7间工厂、100条SMT产线导入，最长已使用超过40个月, 累积大量数据。估计每年每条产线可减少150个小时无效工时，效益超过5000万元。

研究团队研发出两个系统，并准备推向产业界，一个是回焊炉即时生产品质监控与预测系统，用于即时炉温监控、完整生产纪录、生产品质监控等；另一个则是温控生产新产品参数生成与模拟，用于优化制程参数、模拟生产结果，以及减少产线停机用于新产品生产测试的占用。

目前将模型的建立、部署、重新训练、管理在WISE-PaaS上执行，明年准备以App上架至WISE-Marketplace，进一步扩大产业应用。