智能化加工之措施与体系与流程ob体育

　　1.本发明系关于一种自动化加工流程之优化，特别是一种智慧化加工之方法与系统。

　　2.生产制程从加工、检测、校正加工机台等过程乃是环环相扣，任一步骤失误终将导致产品良率不足、产能下降等问题。而上述生产制程过去常会被切割成不同专责部门进行，在人工沟通或配合上亦容易浪费许多时间成本。例如：透过自动光学检测产品时，尽管可以取代人工执行普检，但发现瑕疵产品时，仍需要人工再进行复检，以量测以及辨识瑕疵，并再将瑕疵数据交予生产单位，生产单位再校正生产机台的参数。而上述流程不但不连贯且旷日废时，且大多数的情况是无法藉由一次性校正机台之参数，立刻获得理想的良率，实际上是需要多次的校正。

　　3.随着技术的不断发展，「工业4.0」一词在2011年已被提出，主要精神为智慧化在自动化之生产流程，并可以主动排除生产时的问题。

　　4.因此，为解决上述的问题，所属领域应开发符合「工业4.0」精神的加工方法与系统，以提升生产制程之效率，并不断提升产品的良率。

　　5.为解决上述问题，本发明之实施例发展出一种智能化加工之方法与系统，上述系统整合产品溯源、光学仪器初检、基于人工智能复检、虚拟量测、自动优化参数等技术。本发明申请人参考过去所申请之专利案，包括：tw109132726、tw109124011、tw110107077、tw109212512以及tw109136592，作为本发明技术之参考。

　　6.具体而言，本发明之实施例提供一种智能化加工系统，上述智能化加工系统应用于至少一个加工装置，上述加工装置根据加工参数对待加工物进行加工，并产生被加工物。上述智能化加工系统包括至少一个标示装置、粗判装置、精判装置、加工信息获取装置以及量测/参数校正装置。

　　7.依据又一实施例，上述标示装置，于上述被加工物上标示加工信息，其中上述加工信息包括至少一个上述加工参数。上述标示装置之加工信息之记录方式包括文字、数字、符号以及图码，其中上述图码包括一维条形码以及二维条形码。上述标示装置之加工信息更包括制造批次、产品型号以及制造日期。

　　8.依据又一实施例，上述粗判装置，系为初检上述被加工物是否具有至少一个瑕疵处，并产生至少一个被加工物影像，其中上述粗判装置系为自动视觉检测装置。上述自动视觉检测装置的初检方法包括轮廓比对、位置坐标比对、3d轮廓比对、色泽比对以及亮度比对。上述自动视觉检测装置组成包括至少一个取像单元、至少一个测距单元、计算单元以及数据库。上述测距单元，用以产生撷取该被加工物之一取像距离信息。上述数据库，系为储存复数个标准尺寸信息，每一个上述标准尺寸信息分别包括单位面积之分辨率、取像距离、

　　对应之画素矩阵以及对应的实际尺寸与膜厚高度。上述计算单元根据上述被加工物影像之分辨率信息以及上述取像距离信息，比对上述数据库中之上述标准尺寸信息，计算产生具有实际尺寸信息之上述被加工物影像。上述数据库中之上述标准尺寸信息例如可为二维尺寸或三维尺寸，并进一步由上述计算单元计算出具有二维尺寸或三维尺寸之上述实际尺寸。上述被加工物影像可为2d或3d。

　　9.依据又一实施例，上述精判装置，讯号连接上述粗判装置，系为复检上述被加工物影像是否具有至少一个瑕疵处，并辨识上述被加工物影像中所含的瑕疵类型，并产生辨识结果。上述精判装置更包括分类模块，上述分类模块系为应用人工神经网络执行辨识上述瑕疵类型。上述分类模块之训练数据报括上述辨识结果以及人工复判结果。

　　10.依据又一实施例，上述加工信息获取装置，讯号连接上述精判装置，系为辨识上述被加工物影像之上述加工信息，并产生上述加工参数。

　　11.依据又一实施例，上述量测/参数校正装置，讯号连接上述精判装置，系为量测上述被加工物影像之瑕疵处，并产生瑕疵尺寸，再根据上述瑕疵尺寸以及上述加工参数，计算上述加工参数之最佳结果，进而产生校正加工参数，并传输上述校正加工参数至上述加工装置。上述量测/参数校正装置更包括参数优化模块，上述参数优化模块系为应用算法计算上述加工参数之最佳结果。上述瑕疵尺寸例如可为二维尺寸或三维尺寸。

　　12.依据又一实施例，上述量测/参数校正装置，系当上述被加工物具有设计图，可进一步将上述设计图与上述被加工物影像叠合，产生一叠合影像，以作为量测该瑕疵尺寸之依据。

　　13.依据又一实施例，上述量测/参数校正装置更包括提供事先设定上述设计图中至少一处监测量测区域，并再对上述叠合影像之上述监测量测区域进行量测，并产生监测尺寸信息。而上述监测量测区域在图像处理上可视为一种感兴趣区域或重点区域(region of interest；简称roi)。

　　14.依据又一实施例，上述量测/参数校正装置，可进一步将上述监测尺寸信息经统计产生监测统计信息，且上述监测统计信息将作为计算上述加工参数之计算数据。上述监测尺寸信息例如可为二维尺寸或三维尺寸的信息。

　　15.依据又一实施例，根据上述加工参数进行加工时，可透过上述精判装置所发现的瑕疵处的数量，进一步计算出上述加工参数所对应之生产良率。

　　16.依据又一实施例，上述生产良率的合格标准可依使用者需求调整，若上述加工参数所产生的良率已符合上述合格标准，上述加工参数可进一步作为执行虚拟量测(virtual metrology；简称vm)之参考参数。上述虚拟量测系指透过加工参数推估生产的结果(或质量)，以达到全检的目的。

　　17.依据又一实施例，上述量测/参数校正装置，系当上述瑕疵尺寸超出预设的阈值时，上述量测/参数校正装置将停止自动更正上述加工参数，并产生警示通知。

　　18.依据又一实施例，上述该精判装置接收到上述警示通知，将不会将上述警示通知所对应之辨识结果作为训练上述分类模块之上述训练数据。

　　19.依据又一实施例，上述警示通知，可透过简讯或邮件，实时通知系统管理人员。

　　20.本发明之实施例更提供一种智能化加工方法，包括以下步骤。于加工装置默认加工参数；对待加工物进行加工，并产生被加工物；于上述被加工物上标示加工信息，上述加

　　工信息包括上述加工参数；以粗判装置对上述被加工物进行初检，并撷取至少一个被加工物影像以及取像距离信息，其中该粗判装置系可为自动视觉检测装置；再透过上述粗判装置所载之多个标准尺寸信息，比对上述取像距离信息，产生上述被加工物影像之实际尺寸信息；以精判装置进行复检，并应用分类模块辨识上述被加工物影像中所含的瑕疵类型，并产生辨识结果，其中上述分类模块系应用人工神经网络执行上述辨识瑕疵类型；将上述被加工物的设计图与上述被加工物影像叠合，产生叠合影像，再对上述叠合影像执行量测瑕疵处，并产生瑕疵尺寸；辨识上述加工信息，产生上述加工参数；以量测/参数校正装置透过参数优化模块，根据上述瑕疵尺寸与上述加工参数，计算该加工参数之最佳结果，并产生校正加工参数，并传输至上述加工装置，其中上述参数优化模块系应用人工神经网络执行加工参数优化。

　　21.依据又一实施例，根据上述方法更包括质量监测之步骤，系事先透过上述量测/参数校正装置中设定上述被加工物的设计图中至少一处监测量测区域，并再对上述叠合影像之上述监测量测区域进行量测，并产生监测尺寸信息。

　　22.依据又一实施例，根据上述方法上述量测/参数校正装置，可进一步将上述监测尺寸信息经统计产生监测统计信息，且上述监测统计信息将作为计算上述加工参数之计算数据。

　　23.依据又一实施例，根据上述方法并可依上述加工参数进行加工时，透过上述精判装置所发现的瑕疵处的数量，进一步计算出上述加工参数所对应之生产良率。

　　24.依据又一实施例，根据上述方法上述生产良率的合格标准可依使用者需求调整，若上述加工参数所产生的良率已符合上述合格标准，上述加工参数可进一步作为执行虚拟量测(virtual metrology；简称vm)之参考参数。上述虚拟量测系指透过加工参数推估生产的结果(或质量)，以达到全检的目的。

　　25.依据又一实施例，根据上述方法之上述分类模块之训练数据报括上述辨识结果以及人工复判结果。

　　26.依据又一实施例，根据上述方法之上述瑕疵尺寸超出阈值时，上述量测/参数校正装置将停止自动更正该加工参数，并产生警示通知。

　　27.依据又一实施例，根据上述方法之上述精判装置接收到上述警示通知，将不会将上述警示通知所对应之辨识结果作为训练上述分类模块之上述训练数据。

　　28.依据又一实施例，根据上述方法之上述粗判装置的初步检测方法包括3d轮廓比对、位置坐标比对、色泽比对以及亮度比对。

　　29.依据又一实施例，根据上述方法之上述多个标准尺寸信息分别包括单位面积之分辨率、取像距离、对应之画素矩阵以及对应的实际尺寸与膜厚高度。

　　30.依据又一实施例，根据上述方法之上述加工信息之记录方式包括文字、数字、符号以及图码，其中上述图码包括一维条形码以及二维条形码。

　　32.(1)本系统应用在加工制程上，达到智能化与全自动化的功效，并可同时串连数个加工站点的加工设备，以自动执行各站点之加工设备之被加工物的初判与复判检测。

　　33.(2)透过本系统加工的产品，均可藉由产品上的加工信息，实时溯源各站点加工参数，可快速厘清造成产品良率不足的来自于哪些站点。

　　34.(3)本系统根据上述初判与复判检测结果，并透过人工神经网络，可自动分类瑕疵种类以及对该瑕疵执行量测，并获得瑕疵尺寸的信息。

　　35.(4)本系统在收集上述加工参数与瑕疵尺寸后，可进一步透过算法计算上述加工参数之最佳结果，并产生校正加工参数，再将该校正加工参数回传至上述加工设备，达到实时优化加工参数之功效。

　　36.为让本发明之上述和其他目的、特征、优点与实施例能更明显易懂，所附附图之说明如下：

　　37.图1所绘为根据本发明之一实施例之一种智能化加工系统之装置示意图。

　　38.图2所绘为根据本发明之一实施例之一种智能化加工系统应用于多个加工设备之装置示意图。

　　40.图4所绘为根据本发明之一实施例之一种智能化加工系统之质量监测流程图。

　　42.请参阅图1，图1所绘为根据本发明之一实施例之一种智能化加工系统之装置示意图。在图1中，依据一实施例，提供一种智能化加工系统100。上述智能化加工系统100应用于至少一个加工装置110，上述加工装置110根据加工参数对待加工物200进行加工，并产生被加工物220，上述系统100包括：标示装置120、粗判装置130、精判装置140、加工信息获取装置160以及量测/参数校正装置180。上述智能化加工系统100中的每个组件都可以是透过软件加上硬件来实现，或者透过纯硬件来实现，且本发明不以此为限制。

　　43.上述标示装置120，于上述被加工物220上标示加工信息，其中上述加工信息包括至少一个上述加工参数。上述标示装置120之加工信息之记录方式包括文字、数字、符号以及图码，其中上述图码包括一维条形码以及二维条形码。上述标示装置120之加工信息更包括制造批次、产品型号以及制造日期。例如：于印刷电路板成品或半成品上印制二维图码，并可提供日后透过扫描或辨识该二维图码，即可产生历史加工参数纪录。

　　44.上述粗判装置130，系为初检上述被加工物220是否具有至少一个瑕疵处，并产生至少一个被加工物影像，其中上述粗判装置系为自动视觉检测装置。上述自动视觉检测装置的初检方法包括3d轮廓比对、位置坐标比对、色泽比对以及亮度比对。本系统之粗判装置130于初判标准通常较严谨，以避免忽略真正具有瑕疵的产品，但常会有误判的情形发生，例如印刷电路板中某处出现细微灰尘，即判定为瑕疵，如此虽可确保产品之良率，相对容易判别出假瑕疵。在过去将仅能再透过人工复判的方式排除上述的假瑕疵，而在本发明则可透过上述精判装置140进行瑕疵的复判与瑕疵分类，可大幅减少假瑕疵以及需人工复判的数量。

　　45.根据本发明之另一实施例，上述自动视觉检测装置组成包括至少一个取像单元、至少一个测距单元、计算单元以及数据库。上述测距单元，用以产生撷取该被加工物之一取像距离信息。上述数据库，系为储存复数个标准尺寸信息，每一个上述标准尺寸信息分别包

　　括单位面积之分辨率、取像距离、对应之画素矩阵以及对应的实际尺寸与膜厚高度。上述计算单元根据上述被加工物220的影像之分辨率信息以及上述取像距离信息，比对上述数据库中之上述标准尺寸信息，计算产生具有实际尺寸信息之上述被加工物影像。上述粗判装置130例如可为配合影像辨识设备之计算器设备(具备cpu以及gpu)。

　　46.上述精判装置140，讯号连接上述粗判装置130，系为复检上述被加工物影像是否具有至少一个瑕疵处，并辨识上述被加工物影像中所含的瑕疵类型，并产生辨识结果。上述精判装置更包括分类模块142，上述分类模块142系为应用人工神经网络执行辨识上述瑕疵类型。上述分类模块142之训练数据报括上述辨识结果以及人工复判结果。上述分类模块142所应用之人工神经网络包括卷积神经网络模型(convolutional neural network；简称cnn)。上述cnn模型更可选自包括r-cnn(region-based convolutional neural network)、fast r-cnn、faster r-cnn、rpn(region proposal network)以及mask r-cnn、fcn(fully convolutional network)之一种进行瑕疵辨识与分类。另外，精判装置140除了可使用卷积神经网络模型来实现之外，其他对影像中部件分类的精密算法也可以拿来用于实现精判装置140，且本发明不以精判装置140的实现方式为限制。上述精判装置140可有效降低假瑕疵的数量以及需人工复判的数量，是否需要人工复判可藉由上述量测/参数校正装置180默认之阈值判定。上述假瑕疵以印刷电路板为例可包括：板边假点、细微板屑、灰尘以及待测子板与母板相异。上述精判装置140例如可为具有运算能力之计算器(具备cpu)。

　　47.上述加工信息获取装置160，讯号连接上述精判装置140，系为辨识上述被加工物影像之上述加工信息，并产生上述加工参数。其辨识的方法可为文字辨识、图码辨识以及rfid等感应标签。上述加工信息获取装置160例如可为配合影像辨识设备之计算器设备(具备cpu以及gpu)。

　　48.上述量测/参数校正装置180，讯号连接上述精判装置140，系为量测上述被加工物影像之瑕疵处，并产生瑕疵尺寸，再根据上述瑕疵尺寸以及上述加工参数，ob体育计算上述加工参数之最佳结果，进而产生校正加工参数，并传输上述校正加工参数至上述加工装置110。上述量测/参数校正装置180更包括参数优化模块182，上述参数优化模块182系为应用算法计算上述加工参数之最佳结果。上述参数优化模块182所应用之算法可应用任何可计算或归纳上述加工参数之最佳结果的算法，该算法例如可为：梯度下降法、牛顿法、共轭梯度法、线性搜寻、置信域方法、神经网络、微粒群算法、模拟退火、支持向量机、蚁群算法、差分进化算法、k-近邻算法(k-nearest neighbor)。上述量测/参数校正装置180例如可为具有运算能力之计算器(具备cpu)。

　　49.根据本发明之另一实施例，上述量测/参数校正装置180，当上述被加工物220具有设计图，可进一步将上述设计图与上述被加工物220的影像叠合，系可作为量测上述瑕疵尺寸之依据。

　　50.根据本发明之另一实施例，上述量测/参数校正装置180更具有执行质量监测之流程，系事先透过上述量测/参数校正装置中设定上述被加工物的设计图中至少一处监测量测区域，并再对上述叠合影像之上述监测量测区域进行量测，并产生监测尺寸信息。其中上述质量监测之流程可为普检或抽检的方式执行。其中以印刷电路板检测为例，上述监测量测区域可针对印刷电路板特定的焊接位置进行框选。

　　51.根据本发明之另一实施例，上述监测尺寸信息可再透过上述量测/参数校正装置

　　180，经统计产生监测统计信息。且上述监测统计信息将作为计算上述加工参数之计算的数据。

　　52.根据本发明之另一实施例，上述瑕疵尺寸超出一阈值时，上述量测/参数校正装置180将停止自动更正上述加工参数，并产生警示通知。

　　53.依据又一实施例，其中上述精判装置140接收到上述警示通知，将不会将上述警示通知所对应之辨识结果作为训练上述分类模块之上述训练数据。

　　54.依据又一实施例，上述警示通知，可透过简讯或邮件，实时通知系统管理人员，并提醒上述系统管理人员，上述警示通知所对应之辨识结果将需要人工复判。例如：发现印刷电路板上露镍的面积大于1.0cm2，如根据此瑕疵尺寸调整上述加工参数幅度可能会调整过多，将严重影响后续加工流程。因此不以此笔超过阈值之瑕疵尺寸作为调整上述加工参数与上述训练数据之数据源。

　　55.依据又一实施例，本发明可应用在各阶段的加工制程中，并请参阅图2，图2所绘为根据本发明之一实施例之一种智能化加工系统应用于多个加工设备之装置示意图。

　　56.根据本发明的实施方式，请参阅图3，图3所绘为根据本发明之一实施例之一种智能化加工系统之流程图。

　　59.在步骤304中，加工装置110执行加工作业，并产生被加工物220。

　　60.在步骤306中，于被加工物220标示加工信息。上述加工信息之记录方式包括文字、数字、符号以及图码，其中该图码包括一维条形码以及二维条形码。

　　61.在步骤308中，被加工物220透过粗判装置130进行初判，如判别被加工物220具有至少一个瑕疵处，则撷取上述被加工物220之影像，产生至少一个被加工物影像。粗判装置130可进一步计算上述被加工物影像之实际尺寸信息，上述计算方法如前文所述，在此不再赘述。

　　62.在步骤310中，经粗判装置130进行初判判定上述被加工物220至少具有一个瑕疵处，并判定为瑕疵物，则继续步骤312。若粗判装置130初判无发现瑕疵处，则跳至步骤322。

　　63.在步骤312中，上述被加工物影像透过精判装置140进行复判，并辨识瑕疵类型。

　　64.在步骤314中，经精判装置140进行复判判定上述被加工物影像确实具有至少一个瑕疵后，并进一步辨识该瑕疵的类型，上述辨识瑕疵的方法如前文所述，在此不再赘述。若精判装置140复判判定上述被加工物影像无瑕疵，则跳至步骤322，表示上述粗判装置130之判定之上述瑕疵处为假瑕疵。

　　65.在步骤316a中，透过量测/参数校正装置180进行瑕疵处的量测，并产生瑕疵尺寸，上述量测的方法如前文所述，在此不再赘述。

　　66.在步骤316b中，透过加工信息获取装置160，辨识上述加工信息，并产生上述加工参数，上述辨识加工信息的方法如前文所述，在此不再赘述。

　　67.在步骤318中，透过量测/参数校正装置180之算法根据上述瑕疵尺寸以及上述加工参数，计算校正上述加工参数之最佳结果，产生校正加工参数，并传输上述校正加工参数至上述加工装置。

　　68.在步骤320中，加工设备110根据上述校正加工参数，调整原加工参数，并跳回步骤

　　69.在步骤322中，系在粗判装置130之初判或精判装置140之精判均无发现被加工品上220，至少具有一个瑕疵处，故持续加工。

　　70.根据本发明另一实施方式，请参阅图4，图4所绘为根据本发明之一实施例之一种智能化加工系统之质量监测流程图。

　　71.本发明图3之实施例的流程可配合图4之实施例的质量监测流程以增加计算上述校正加工参数的准确性，其中图3与图4实施例之流程可同步或分别执行。

　　72.在步骤402中，事先于量测/参数校正装置180中设定(或框选)被加工物220的设计图中欲监测的量测区域。

　　74.在步骤406中，将被加工物220的设计图与加工后的影像叠合，产生叠合影像。

　　75.在步骤408中，于上述叠合影像上量测事先设定的监测量测区域之尺寸。

　　76.在步骤410中，根据量测结果产生监测尺寸信息，并进一步计算监测统计信息。

　　77.在步骤412中，上述监测统计信息可作为上述量测/参数校正装置180计算校正加工参数之计算的数据。

　　78.根据本发明另一实施方式，在步骤414中，透过上述步骤402-412所调整的加工参数，可同时对应上述步骤300-314所发现瑕疵物的数量，进一步计算上述加工参数所对应之生产良率。并可检视上述生产良率是否符合使用者订定合格标准(例如良率需达到95.0％)

　　79.在步骤416中，可将上述加工参数进一步透过虚拟量测(virtual metrology；简称vm)以增加上述生产良率。例如：透过虚拟量测计算，在制作印刷电路板时于基板布建金属铜层流程中，将硫酸铜浴电镀之时间下调0.5秒，可使电路产生短路的发生机率降低1％。因此，透过虚拟量测调整生产参数，可再进一步增加生产良率。透过上述虚拟量测可不需再透过上述步骤402-412，对监测量测区域进行量测，取而代之的是由虚拟量测计算产品的良率，以达到全检的目的。

　　80.综合上述，本发明之实施例一种智慧化加工的方法与系统，具有实时处理产线之加工以及检测。并进一步以自动化执行溯源、瑕疵判定以及校正加工设备。

　　81.本发明在本文中仅以较佳实施例揭露，然任何熟习本技术领域者应能理解的是，上述实施例仅用于描述本发明，并非用以限定本发明所主张之专利权利范围。举凡与上述实施例均等或等效之变化或置换，皆应解读为涵盖于本发明之精神或范畴内。因此，本发明之保护范围应以下述之申请专利范围所界定者为准。

　　83.100：智能化加工系统、110：加工装置、120：标示装置、130：粗判装置、140：精判装置、142：分类模块、160：加工信息获取装置、180：量测/参数校正装置、182：参数优化模块、200：待加工物、220：被加工物、300-322：步骤、402-416：步骤。

　　如您需求助技术专家，请点此查看客服电线.汽车流场分析和淀粉糖工艺技术。

　　1.振动信号时频分析理论与测试系统设计 2.汽车检测系统设计 3.汽车电子控制系统设计