跳到主要內容
VSK 威視康 — Cognex 官方授權 PSI 系統整合商
汽車 2018/12/19

汽車產業 馬達組裝 緩衝墊圈 / 彈簧銅套 AI 視覺檢測 - Cognex In-Sight 2800

影像感測器│汽車產業│馬達組裝 緩衝墊圈 / 彈簧 / 銅套 AI 檢測│

COGNEX IN SIGHT 2800 應用於汽車產業產線視覺檢測,協助達成品質追溯、降低召回風險、提升檢出率與產能釋放。

KEY RESULTS · 關鍵成效

檢測準確率

導入前

88-92%(人工目檢)

導入後

99.0-99.5%

+7-11.5 pp

檢測速度

導入前

5-10 秒/件

導入後

0.5-1 秒/件

5-10 倍

人力配置

導入前

3-4 名 QC

導入後

0.5-1 名

年省 NT$ 100-180 萬(視個案評估)

客訴件數

導入前

3-8 件/季

導入後

< 1 件/季

消除 85% 以上

VIDEO · 類似應用影片

類似應用影片

影片來源:VSK 威視康 YouTube 頻道(同類應用參考,非本案實機影像)

CHALLENGE · 產線挑戰

汽車馬達組裝產線多零件組裝(緩衝墊圈 + 彈簧 + 銅套 + 軸承 + O-Ring 等),零件遺漏 / 錯置 / 方向反裝可能造成馬達功能失效 → 召回風險;人工目檢漏判率 8-12%、主機廠 IATF 16949 audit 從嚴;單批召回成本動輒千萬元 + Tier 1 / 2 供貨資格危機。

SOLUTION · 應用方案

本案採用 Cognex In-Sight 2800 一體化影像感測器 + Edge Learning AI 整合馬達組裝產線終檢站:相機俯拍每件馬達組裝完成品、Edge Learning 同步學習「正常 / 缺件 / 錯置 / 方向反裝」分類、即時透過 PROFINET 通知 PLC 剔除,並 100% 影像歸檔供 IATF 16949 audit 追溯(紀錄保存期 10-15 年)。

RESULT · 導入成果

  • 檢測準確率:99.0-99.5%(+7-11.5 pp)
  • 檢測速度:0.5-1 秒/件(5-10 倍)
  • 人力配置:0.5-1 名(年省 NT$ 100-180 萬(視個案評估))
  • 客訴件數:< 1 件/季(消除 85% 以上)

TL;DR · 一分鐘看懂本案

  • 場景:IATF 16949 / ISO 9001 認證汽車 Tier 1 / Tier 2 馬達廠(雨刷馬達 / 升降窗馬達 / 風扇馬達 / 油泵馬達)組裝終檢站
  • 痛點:多零件組裝(緩衝墊圈 + 彈簧 + 銅套 + 軸承 + O-Ring)遺漏 / 錯置 / 方向反裝造成馬達功能失效 → 召回風險;人工目檢漏判率 8-12%、單批召回成本動輒千萬元
  • 方案:Cognex In-Sight 2800 + Edge Learning AI(多類分類)+ PatMax 形狀對位 + PROFINET 即時剔除 + 100% 影像歸檔
  • 關鍵成效:檢測準確率 88-92% → 99.0-99.5%(+7-11.5 pp)、檢測速度 5-10× 提升、客訴消除 85% 以上、年省 NT$ 100-180 萬人力(視個案評估)
  • 關鍵決策點:多 SKU 馬達建議於 POC 階段建立完整配方庫;黑橡膠 / 反光金屬光學配置必先做 POC 確認

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。如需細部資料,請聯絡 VSK 業務

客戶背景

A 廠(汽車產業 Tier 1 / Tier 2):IATF 16949 + ISO 9001 認證的汽車馬達製造商,產品涵蓋雨刷馬達 / 升降窗馬達 / 風扇馬達 / 油泵馬達 / EV 動力馬達,供應主機廠 Toyota / Honda / VW / Ford 等。產線特性年產量百萬件等級,多 SKU 切換(每天 5-15 種馬達型號)。品質壓力包含主機廠零容忍 — 一旦客訴可能整廠抽檢甚至失去供貨資格 + 召回成本動輒千萬元;法規 / 規範要求涵蓋 IATF 16949 汽車品質管理體系、ISO 9001 品質管理系統、PPAP / APQP 文件、主機廠 audit。

常見的馬達組裝瑕疵類型可分為:

  • 緩衝墊圈遺漏 / 錯置:橡膠墊圈未投入或位置偏移,造成馬達振動過大
  • 彈簧裝反 / 方向錯誤:彈簧裝置方向錯誤造成功能失效
  • 銅套缺件 / 位置偏移:銅套未安裝或偏離設計位置
  • O-Ring 遺漏 / 變形:密封圈未投入或在組裝過程中損壞
  • 軸承方向錯誤:軸承內外圈裝反

純人工目檢無法 100% 覆蓋產線速度,目檢漏判率 8-12%;錯誤組裝流入主機廠造成召回 + IATF 16949 audit 警告信 + Tier 供貨資格危機。需引入視覺式 AI 終檢方案。

系統配置

本案採用 Cognex In-Sight 2800 一體化影像感測器整合馬達組裝產線終檢站,完整配置如下:

  • 視覺主機:Cognex In-Sight 2800(一體化 AI 影像感測器,內建多色光源 + Edge Learning + HDR Multi-exposure)
  • 光學設計:依零件材質採同軸光(黑橡膠墊圈反光抑制)+ Dark Field(金屬彈簧邊緣)+ HDR Multi-exposure(拉動態範圍);視野涵蓋整個馬達組裝完成面
  • 觸發機制:馬達到位光電開關觸發 Strobe LED 凍結畫面(曝光 50-200 μs)
  • 通訊介面:PROFINET / Ethernet/IP / Modbus TCP 與產線 PLC + MES 對接,NG 訊號傳遞延遲 < 10 ms
  • 影像追溯:NG 影像 + 缺件位置 + 批號 + 時間 + 操作員自動歸檔,符合 IATF 16949 § 8.5.2.1 追溯(保存 10-15 年)

演算法組合:

  • PatMax 形狀對位:定位馬達輪廓 + 各零件位置基準
  • Edge Learning AI:學習「緩衝墊圈有 / 無 / 偏移」「彈簧裝對 / 裝反」「銅套位置正 / 偏」等多類分類
  • 規則式量測:零件高度 / 位置 / 角度量測

商業價值

  • 檢測準確率:88-92% → 99.0-99.5%(+7-11.5 pp),客訴消除 85% 以上
  • 檢測速度:5-10 秒/件 → 0.5-1 秒/件(5-10× 提升)
  • 產能釋放:自動化檢測釋放 3-4 名 QC 人力至更高附加價值的工作
  • 主機廠關係保護:IATF 16949 audit 文件齊備,Tier 供貨資格穩固
  • ROI 回收:依產線複雜度 6-15 個月回收期

汽車馬達組裝檢測的失敗模式分析

汽車馬達組裝 AI 視覺檢測在 Tier 1 / Tier 2 產線的失敗模式可歸為四類。第一,多零件遮擋與光源 — 馬達組裝完成面零件互相遮擋,單一視角可能無法覆蓋所有檢測項,需多角度補拍或多光源時序切換。第二,黑橡膠 vs 反光金屬光學配置衝突 — 黑橡膠墊圈與金屬彈簧反光特性截然不同,單一光源無法同時優化兩者,需多光源協同。第三,多 SKU 配方建立的工程量 — 5-15 種馬達型號各需獨立 PatMax 模板 + Edge Learning 模型,配方建立週期 2-4 週。第四,邊界樣品判定不穩 — 緩衝墊圈輕度偏移 0.5-1 mm、彈簧角度小幅偏差屬於邊界樣品,需於 POC 階段收齊邊界樣本作為容差設定基準。

降低失誤的工程實務:POC 階段須收齊邊界樣品(零件輕度偏移、邊界角度)作為訓練資料;光源 over-design 30-50%;定期維護每月清潔鏡頭與光源、追蹤辨識率趨勢;IATF 16949 對追溯的要求由整合方主導,Cognex 視覺設備可提供辨識率穩定度與量化報告。

為什麼選擇 Cognex PSI 系統整合商

機器視覺導入的成敗,遠超過「相機規格表上的數字」。VSK 威視康累積在台灣汽車 Tier 1 / Tier 2 / 食品飲料 / 製藥 / 半導體製造業 10 年以上的整合經驗中,反覆觀察到三個關鍵失敗點:第一,沒做 POC 直接下單,產線上線後才發現多零件遮擋判定不穩、節拍跟不上。第二,光源沒有 over-design 餘量,產線環境變化後辨識率下降。第三,視覺與機構 / I/O / PPAP 分工模糊。Cognex PSI(Premier Solution Integrator)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)

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

本案例涉及之 汽車視覺檢測、馬達組裝 緩衝墊圈 / 彈簧銅套 AI 檢測、IATF 16949、Edge Learning AI、PPAP / APQP、智慧工廠相關方案,VSK 威視康可依現場提供 Cognex 設備選型建議。汽車視覺自動化導入請來電 +886 2-8809-3200。

PRODUCTS USED · 本案採用

本案採用的 Cognex 產品

FAQ · 客戶常見問題

關於這個案例的常見問題

汽車馬達組裝視覺檢測 Cognex In-Sight 2800 方案多少錢? +
影像感測器級方案(單站、馬達終檢)整體投資在 NT$ 35-75 萬之間(視個案評估)(含相機 + 鏡頭 + 光源 + 整合設計 + 教育訓練);若需多角度補拍、多 SKU 配方、PLC 整合,視整合複雜度而定。VSK 提供 POC 後客製報價。
為何傳統 AOI 抓不到變異瑕疵? +
傳統規則式 AOI 設「面積 > X」「圓度 > Y」會漏判許多輕微瑕疵;位置 / 大小 / 形狀變異大的瑕疵需要 AI 深度學習處理,準確率才能拉升到 99% 以上。Cognex In-Sight 2800 內建 Edge Learning AI,部署簡單、樣本量小(5-30 張),適合多品項馬達組裝。
AI 訓練樣本要多少張? +
Edge Learning 每類典型 5-10 張起步(依瑕疵變異性可增至 30-100 張)、ViDi 進階 AI 典型 200-1,000 張,實際依瑕疵變異性而定。對「緩衝墊圈有 / 無」「彈簧裝對 / 裝反」「銅套位置正 / 偏」每類各補 10-20 張,POC 階段 1-2 週可完成。
黑橡膠墊圈 / 反光金屬彈簧如何處理? +
黑橡膠用同軸光(消除鏡面反光)+ HDR Multi-exposure(拉動態範圍);反光金屬彈簧可用偏振光 / 結構光 / Dark Field 改善。光學設計需依您的實際馬達樣品在 POC 階段拍樣決定。
主機廠 audit 抽驗時要展示什麼? +
通常三件事:(1) NG 影像保存 10-15 年(依合約),(2) AI 模型版本控制與重新訓練記錄,(3) 設備校驗週期紀錄(建議季 / 半年校驗)。
AI 模型未來會退化嗎? +
不會自動退化(Cognex Edge Learning 是離線模型)。但建議每月抽樣 100 件對照 AI 判斷,準確率低於門檻時補訓練。完整說明見 Edge Learning 詞彙頁
多 SKU 馬達型號切換能應付嗎? +
Cognex In-Sight 2800 內建配方庫支援多 SKU 切換,操作員透過 HMI 條碼掃描 10 秒換線。每 SKU 的 PatMax 模板 + Edge Learning 模型獨立綁定,新馬達型號需建立配方(補 10-20 張樣本實拍 + AI 訓練),約 1-2 小時完成。
REFERENCES · 引用標準與規範

📚 案例引用標準

本案例涉及之國際 / 在地標準與規範(標準內容請洽各主管機關官方來源):

  • IATF 16949 汽車品質管理體系
  • ISO 9001 品質管理系統
YOUR APPLICATION?

想做類似的應用?

每個產線狀況不同。歡迎與工程師討論您的應用條件,可規劃對應的 Cognex 機型測試與可行性評估。