Cognex 機器視覺 - 汽車電動車產業 Schaeffler 燃油車轉 EV 製造 案例

ℹ 資料說明：本案例 A 廠 / B 廠等為代號標示，KPI 數字為類似專案的典型成效範圍，實際依專案有所差異；資料來源：VSK 內部 POC 紀錄與 Cognex 全球案例庫。如需細部資料，請聯絡 VSK 業務。

客戶背景

A 廠（汽車 Tier 1 軸承與傳動供應商）：IATF 16949 認證的全球 Tier 1 廠（Schaeffler 為公開案例參考），正進行從燃油車到 EV 製造的全面轉型。燃油車產品涵蓋變速箱齒輪、傳動軸、軸承、離合器；EV 新產品涵蓋電池模組、e-Motor 定子 / 轉子、減速齒輪箱、電力電子模組。產線特性 200-1,500 件/小時，視零件複雜度而定；雙世代並行運作（燃油車產線預計 5-10 年內逐步淘汰、EV 產線快速擴張）。品質壓力包含舊產線投資需保留延用、新產線 NPI 樣本不足、視覺技術選型錯誤造成設備閒置。法規 / 規範要求涵蓋 IATF 16949 汽車品質管理體系、ISO 9001 § 8.5.2 標示與可追溯性、PPAP 樣品認可。

燃油轉 EV 視覺技術選型的核心需求：

• 舊產線視覺資產延用：In-Sight smart camera + VisionPro 工具配置盡量遷移
• 新產線快速導入:EV 新零件 4-8 週上線（vs 傳統 6-12 個月）
• 燃油 / EV 雙世代並行:同廠同時運作，視覺架構需統一管理
• 技術選型容錯:錯選工具會造成設備閒置 / 重買，需 POC 驗證
• 跨世代 IATF 16949:audit trail 統一架構

EV 新世代零件（電池模組、馬達定子、減速齒輪箱）與燃油車零件特性差異極大，視覺檢測技術選型至關重要；Cognex 完整視覺方案提供燃油與 EV 雙世代產線的最佳組合。

系統配置

本案採用 Cognex 跨產品線視覺方案支援燃油 / EV 雙世代產線，依站位選配最適工具，完整配置如下：

• 燃油車產線：Cognex In-Sight 2800 / 3800（smart camera）+ VisionPro PatMax（齒輪 / 軸承幾何對位）+ 規則式量測工具
• EV 新產線:Cognex In-Sight 3800 + Edge Learning（簡易瑕疵 / 標籤 / OCR）+ VisionPro 平台 + ViDi 深度學習（電池焊點 / e-Motor 嵌線 / 齒輪箱毛邊）
• 共用條碼追溯:Cognex DataMan 380 / 475V（雙世代產線共用條碼讀取與驗證）
• 光學設計:燃油車金屬件用同軸 + 環形光；EV 電池焊點用 HDR Multi-exposure；e-Motor 漆包線用偏振 + 條形光
• 通訊介面:Ethernet/IP / PROFINET（需 license）/ Modbus TCP / OPC UA，與雙世代 PLC / MES 統一整合
• 影像追溯:跨世代 NG 影像 + AI 模型版本 + 操作員 + 批號統一歸檔到同一 MES，符合 IATF 16949 audit 要求

三層工具混用策略：

• PatMax（規則式）:燃油車幾何固定零件 — 齒輪角度、軸承外徑、傳動軸長度
• Edge Learning（快速 AI）:雙世代簡易瑕疵 — 標籤 OCR、零件分類、線束辨識（樣本 5-30 張）
• ViDi（進階 AI）:EV 複雜瑕疵 — 電池焊點、e-Motor 嵌線、減速齒輪箱毛邊（樣本 200-1,000 張）

商業價值

• 舊視覺工具延用:40-60% 燃油車視覺資產可遷移到 EV 站位，省 NT$ 500-1,500 萬投資（視個案評估）
• EV 新零件導入加速:傳統 6-12 個月 → ViDi 少樣本 4-8 週，縮短 60-80%
• 雙世代 PPM 達標:100-300 PPM → < 25 PPM，下降 75% 以上
• 客訴消除:< 1 件/季，PPAP 過件率提升
• ROI 回收:依產線複雜度與整合範圍而定，可依您的實際數據提供試算依據

燃油轉 EV 視覺選型的失敗模式分析

燃油轉 EV 雙世代產線視覺選型常見的失敗模式可歸為四類。第一，把燃油車的 PatMax 規則式工具硬套到 EV 變異性瑕疵 — 電池焊點、e-Motor 嵌線形貌變異大，PatMax 漏判率高；需改用 ViDi 深度學習。第二，把 ViDi 全部套用全廠 — 燃油車幾何固定零件用 ViDi 反而樣本訓練成本高、上線慢；應該幾何固定零件保留 PatMax。第三，EV NPI 階段 NG 樣本不足卻硬上 supervised ViDi — 容易過擬合單一瑕疵；應該以 unsupervised Analyze 模式起步，累積 NG 樣本再轉 supervised。第四，雙世代 MES audit trail 架構不統一 — 燃油車 audit log 用 A 格式、EV 用 B 格式，未來 audit 困難；需在規格書中統一 MES 整合架構。

降低失誤的工程實務：站位混用 PatMax / Edge Learning / ViDi；EV NPI 用 Analyze unsupervised 起步；雙世代 audit trail 統一架構。

為什麼選擇 Cognex PSI 系統整合商

燃油轉 EV 視覺選型的成敗，遠超過「相機規格表上的數字」。VSK 威視康累積在台灣汽車 / 製藥 / 製造業 10 年以上的整合經驗中，反覆觀察到三個關鍵失敗點：第一，工具選錯（PatMax vs ViDi）造成漏判或上線慢。第二，EV NPI 階段樣本管理不當，ViDi 過擬合。第三，視覺與 MES audit trail 架構不統一，雙世代並行困難。Cognex PSI 認證的訓練重點，正是上述三項。

導入後的服務模式：VSK 設備保固 1 年（自出貨日起算），教育訓練依專案客製。

相關常見問題（連到完整解析）

• 機器視覺方案投資成本？ — 設備、整合、ROI 試算指引
• Cognex 視覺系統導入要多久？ — 2-12 週分階段時程詳解
• VSK 設備保固與服務範圍？ — 保固 1 年、原廠送修、技術支援細節
• 視覺系統 PLC 整合？ — PROFINET / EtherNet/IP / Modbus / OPC UA 通訊配置

與威視康技術團隊聯繫

👉 您的視覺檢測需求由威視康技術團隊接手｜電話 +886 2-8809-3200｜線上聯絡｜查看完整 Cognex 產品線

延伸閱讀

• VisionPro ViDi 深度學習
• Edge Learning 邊緣學習
• Schaeffler EV 量產線品質案例
• BorgWarner EV 安全件 ViDi 案例
• 汽車電子機器視覺應用完整指南

本案例涉及之 燃油車轉 EV 視覺技術選型、Cognex In-Sight + PatMax + Edge Learning + ViDi 三層工具混用、雙世代產線整合、IATF 16949 audit trail 統一架構相關方案，VSK 威視康可依現場提供 Cognex 設備選型建議。EV 雙世代視覺整合導入請來電 +886 2-8809-3200。