AI助精準檢測金屬零件 降成本碳排

「AI音頻非破壞式檢測技術」讓檢測變得更加精準，準確率提升到98%，有助提升產品的安全性和品質。

【撰文╱趙心寧】

AI導入百工百業，爲產業展開新局面。過去，金屬加工製造業檢測金屬裂縫多依賴人耳，容易受限於人的經驗與主觀判斷。工研院研發的「AI音頻非破壞式檢測技術」，有了AI加持，不僅金屬等製造業，甚至是預判瓜果的好壞，都可以更精準、確實、簡便。

想像這樣的場景，你走進市場，在水果攤位看中了一顆飽滿渾圓的西瓜，你輕輕拍打幾下，感受聲音的迴響，判斷西瓜的甜度和多汁度。這種利用聲音來辨別內在品質的方式，不僅在生活中常見，也被應用於高科技領域。

「檢查的動作非常重要，電動車的剎車金屬零件內部如果有微小裂縫，可能釀成重大危機，後果不堪設想。」旭宏金屬股份有限公司副總經理連家毅說。旭宏金屬是臺灣知名粉末冶金製造商，成立30幾年來，爲汽車、機械和電子產業提供高品質零件，成功打入特斯拉（Tesla）的供應鏈。連家毅說，過去，檢測這些「內傷」必須依賴技術人員用耳朵聆聽敲擊聲音，如今在工研院的協助下，透過「AI音頻非破壞式檢測技術」，可以更精確、客觀檢測金屬零件瑕疵。

聽出金屬的「內傷」

「我們的系統就像順風耳，能聽出金屬內部的秘密，這些聲音訊號經AI處理後，可以大大提高檢測的準確度，」工研院機械與機電系統研究所組長王俊傑表示，這項技術的原理其實很簡單，是利用AI來分析金屬在敲擊時產生的聲波。這就像用耳朵聽西瓜的聲音來判斷品質一樣，AI可以從聲波中識別出金屬內部是否有裂縫或瑕疵。

過去，金屬裂縫檢測通常依賴人耳，但容易受限於人的經驗與主觀判斷。現在有了AI的幫助，檢測變得更加精準，準確率從85%提升到98%，這對於需要高精度的產業，尤其是像電動車剎車零件等，對安全性要求極高的領域來說，至關重要。

「AI音頻非破壞式檢測技術」的另一大優勢在於，不僅提高檢測準確率，還能減少工廠的報廢率。以往，爲了避免出貨時混入不良品而引發客訴和退貨，工廠常常不得不採用過於嚴格的檢測標準。技術人員若發現聲音有微小差異，便只能選擇整批報廢，這導致許多良品被錯誤淘汰，造成資源浪費，並對環境造成壓力。如今，在AI技術的幫助下，多數不良品能被準確檢測出，誤殺良品的機率和報廢量自然隨之下降。連家毅提到「過去，如果燒結制程出現問題，我們就必須忍痛丟掉整批金屬，非常浪費。現在有了AI技術協助，報廢量少了、還降低了碳排，每年可減少約433噸二氧化碳當量。」

AI助力精準檢測、減少浪費

然而，這項技術的研發過程並非一帆風順，爲了蒐集足夠的樣本數據，工研院與旭宏金屬團隊可說是傷透腦筋。因爲旭宏金屬的產品質量高、瑕疵產品極少，要在不刻意浪費的前提下、蒐集足夠多的不良品樣本來訓練AI模型，可以說是大海撈針、相當不容易。連家毅也表示「我們的產品良率非常高，幾乎每個金屬製品都是『優等生』，不良品數量極少，讓我們的檢測過程變得極具挑戰性。」

爲了克服這個困難，工研院採用生成式AI技術，透過模擬瑕疵樣本來訓練模型，縮短原本需要大量實際樣本的時間。這也讓檢測的準確度進一步提高，並且迅速開發出能應對高精度檢測需求的技術，短短不到1年的時間，就完成系統的部署與應用。

這一技術突破不僅使生產流程更加自動化、標準化，還爲旭宏金屬帶來實質性的收益。此外，該技術也提升產品良率，減少後續加工與報廢損失，顯著降低生產成本。連家毅透露說，旭宏金屬實現數位轉型後，創造超過5,000萬元的經濟效益。

利用AI分析金屬在敲擊時產生的聲波，識別金屬內部是否有裂縫或瑕疵。

精準與效率並重的產業未來

旭宏金屬的成功，預告着AI音頻非破壞式檢測技術的潛力無限，除了檢測金屬零件，這項技術還可廣泛應用於其他領域，包括齒輪、軸承等機械零件，甚至可以應用在農業，例如檢測水果的品質，判斷水果是否成熟、內部是否有空洞。王俊傑表示，「可以用聽覺辨別的東西，基本上都能檢測，未來應用範圍相當廣泛。」

對臺灣的金屬製造業來說，AI音頻非破壞式檢測技術的導入，是數位轉型的重要一步。隨着工業4.0的推進，AI將在更多產業中發揮作用，像是預測潛在問題，幫助企業於設備、製程出現問題前，就採取預防措施或進行汰換，降低停機損失等，可以說是推動製造業升級、提升競爭力的關鍵力量。

【科技哪裡趣X科技報報】EP02 特斯拉剎車零件守護者！AI聽力博士找「內傷」：https://itriitri.psee.ly/AIEP2