粉末冶金齒輪AI 瑕疵檢測

摘要：粉末冶金在齒輪製造上複雜形狀的製造能力、材料選擇靈活性、少量切削加工、高精度尺寸控制，以及適合批量生產等優勢，使得粉末冶金成為製造高性能齒輪的重要方法之一。粉末冶金工件因粉末冶金燒結後產生多孔隙表面，在高解析攝影機下的影像呈現粗糙、顆粒感大之特性，使用傳統機器視覺檢測方式常發生誤判、漏檢現象，本文藉由人工智慧瑕疵檢測技術的導入，將可以優於傳統的自動光學檢測模式監控產品良率。
Abstract：Powder metallurgy offers several advantages in gear manufacturing, including the ability to produce complex shapes, flexible material selection, minimal cutting operations, high precision dimensional control, and suitability for mass production, making it one of the key methods for manufacturing high-performance gears. Powder metallurgy components often exhibit porous surfaces after sintering, which appear rough and granular under high-resolution cameras. Traditional machine vision inspection methods are prone to errors and missed detections in such cases. This article demonstrates that the introduction of artificial intelligence defect detection technology can outperform traditional automatic optical inspection methods, thereby improving product yield.

關鍵詞：人工智慧、粉末冶金、自動光學檢測
Keywords：Artificial intelligence, Powder metallurgy, Automatic optical inspection

前言
粉末冶金是一種利用金屬或非金屬粉末製造零件和產品的製造工藝。它涉及將粉末材料裝入模具中，然後通過壓力或加熱等方式將其固化成所需形狀的工藝。經由粉末冶金一次成型與精整的製程技術，不需其它後製處理，就能達到尺寸與精度的要求，尤其是齒形的精度，與傳統機械加工法相比，粉末冶金在材料與製造上都大幅勝出，同時也是完美呈現粉末冶金特色的產品[1]。粉末冶金技術被廣泛應用於製造各種金屬零件和產品。通過粉末冶金工藝，可以製造出具有複雜形狀和精密尺寸的零件，且製程適合大批量生產。這使粉末冶金成為許多行業中首選製造方法之一。
根據MarketsandMarkets中的報告[2]，2023年全球人工智能即服務(AIaaS)市場規模合理估計爲93億美元。到2028年底產生約550億元的收入，預計其年均複合成長率（CAGR）將達到42.6%。製造、金融和醫療保健業等主要行業越來越多地使用這些解決方案。 另一篇MarketsandMarkets的報告[3]顯示，全球機器視覺(Machine vision)市場規模預計將從2023年的129億美元增長到2028年的184億美元，年均複合成長率爲7.3%。各國提倡的工業4.0正成為製造流程中不可或缺的一部分。製造業在產品檢測和品質控制方面的需求日益提高，這將刺激更多人工智慧的新興技術及需求產生。工業4.0有望強化從研發到最終使用階段的所有環節，尤其是通過質量控制和工廠機械的預測性維護來提高生產效率，這將推動對機器視覺系統的需求。
一直以來多孔隙粉末冶金的自動化光學檢測一直未有泛用性的技術建立，造成國內以訂單生產且少量多樣的粉末冶金產業，至今仍以人工目視方式檢測，使用傳統AOI檢測技術針對崩角與刮痕瑕疵仍然容易產生爭議[4]，有鑑於人工智慧蓬勃發展，工研院機械所也開發人工智慧瑕疵分類與異常檢測技術，具有多年改善產業界AOI設備之經驗，將協助臺灣中小企業導入AI進行產業升級。以下將介紹實際導入AI技術，藉由AI技術導入智慧檢測，可將現行透過肉眼進行瑕疵檢出及標記作業，轉換為具有人工智慧檢測能力之設備，不僅可解決人員職業疲勞及人工檢測標準不一等問題，並期望大幅減少檢測的人力資源，將人力轉移至缺陷成因追查等高階工作。另導入人工智慧檢測設備可汲取人員經驗對AI辨識系統持續進行優化，使系統檢測正確率隨使用時間不斷提升，降低對熟練檢測人員之依賴，增加設備效能與競爭力。將協助粉末冶金產業導入機器學習和人工智慧技術，提高生產效率，加強企業競爭力。隨著技術的不斷進步和應用的擴大，我們可以預期這些趨勢有助於粉末冶金產業升級。
AI視覺應用於多孔隙齒輪瑕疵檢測
粉末冶金製程製作成型之工件眾多，其中最具價值性之單品項工件，可對應到汽車產業之應用，透過粉末冶金製程與模具搭配快速生產特異形狀金屬零件，經常為汽車傳動零件或汽車變速箱零組件，而齒輪是目前粉末冶金生產最大量的金屬零件，由於齒輪外型相對複雜，利用粉末冶金更能快速產出齒輪，省去切齒、研磨、磨齒等金屬加工步驟，若生產較小型齒輪(直徑4~12 mm)，更是凸顯粉末冶金製程快速之優勢。粉末冶金工件因粉末冶金燒結後產生多孔隙表面，在高解析攝影機下的影像呈現粗糙、顆粒感大之特性[5]，如圖1所示。以傳統的自動光學檢測(AOI)，在此呈現隨機且多孔隙的表面上進行檢測，無法套用模式匹配(pattern matching)之檢測法則，因此目前針對工件表面產生孔洞、崩角、粘粉等瑕疵是採放大鏡的人工目檢，需耗費大量人力與時間，尤其上述齒輪工件具備複雜外型、多孔隙表面、齒輪尺寸較小的多重困難因素下，使得人工目檢誤判、漏判的機會大增。
現行設備仍100%依賴肉眼檢出缺陷並依人工劃記標示進行缺陷磨除，無法進行自動檢測並記憶缺陷位置提供後製程使用。且近年來缺工問題日益嚴重，缺乏目檢人力、檢測標準不一致亦是產業品質把關時面臨的問題。工研院機械所透過自行開發的ITRI AOI² (工研院英文簡寫ITRI，Automated optical intelligent inspection)系統[6]

圖1 粉末冶金多孔隙表面