首頁Top區塊
- Advertisement -
2019年中國IC設計產值挑戰人民幣3,000億元
根據市場研究機構TrendForce研究報告指出,2018年中國IC設計產業產值達人民幣2,515億元,年增近23%。以營收排名來看,海思、紫光展銳與北京豪威為中國IC設計前三大企業。展望2019年,儘管進口替代空間依舊巨大,但受到消費性電子產品需求下滑、全球經濟增速放緩與中美貿易戰等外部因素衝擊,預估中國IC設計產業2019年產值約2,965億元人民幣,成長速度放緩至17.9%。
根據TrendForce統計2018年中國IC設計企業營收排名來看,營收規模超10億美元的企業有三家;排名前十的企業中,有三家企業表現突出,全年營收成長率超過20%,而兩家企業則出現超過兩位數的衰退。
細究各公司表現,海思受惠於母公司華為手機出貨的強勢成長及自家研發晶片搭載率的提升,2018年營收成長近30%;格科微受益於CIS需求強勁及晶片價格上漲等因素,營收成長高達39%。而兆易創新則受惠於上半年NOR Flash的漲價及MCU的營收成長帶動,2018年營收成長約13%;紫光國微受惠於智慧安全晶片等業務的高速成長,2018年營收成長約28%。
反觀中興微與匯頂科技則分別受到母公司中興禁運事件影響,以及晶片出貨下滑的衝擊,營收皆呈現兩位數的衰退。中興微2018年營收較2017年衰退近兩成;匯頂則因為指紋辨識晶片出貨下滑,以及晶片平均銷售價格(ASP)下降的疊加因素,導致2018年全年營收衰退約13%。
觀察中國IC設計產業發展,除了海思率先量產全球首顆7nm SoC,宣示中國本土5G基頻晶片布局腳步領先外,包含百度、華為、寒武紀、地平線等多家企業皆發布終端或雲端AI處理器晶片,也顯示中國IC設計企業整體技術實力穩步提升。然而,目前中國IC晶片的自給率僅在15%左右,並且以低階低價產品自給率為最高,未來仍需持續強化研發創新,以拉升中高階晶片的自給率為目標,才能實質推升營收動能的持續成長。
加速工業4.0應用步伐 TI三管齊下打造完善生態系
工業4.0浪潮席捲全球,如何讓生產過程更智慧、高效成為工業領域最受重視的關鍵議題。為此,半導體業者也致力推出相關解決方案,例如德州儀器(TI)便三管齊下,旗下新款工業處理器「Sitara AM6x」、60GHz毫米波感測器「IWR6x」,以及乙太網路實體層(PHY)收發器「DP83825I/DP83869HM」相繼亮相,期能藉此打造完善生態系,加快工業4.0應用腳步。
德州儀器系統暨應用經理 Matt Chevrier表示,虛實整合是工業4.0一大特色,也因此,工業通訊、工業感測、工業控制三大基本要素可說是不可或缺,再輔以資安、能源、機能安全等技術支援,才得以達到雲端和現場設備間的虛實整合,實現工業4.0目標。
Chevrier進一步說明,為滿足市場需求,該公司持續研發工業通訊、感測和控制相關產品,例如2018年年底推出的Sitara AM6x」工業級處理器與60GHz毫米波感測器,還有近日新發布的兩款乙太網路實體層PHY收發器,透過多樣的產品線打造更完善、成熟的生態系,加速工業4.0應用發展。
據悉,Sitara AM6x處理器可在單一網路上匯合乙太網路和即時數據流量,滿足工業4.0應用所需的即時通訊;且該產品整合內建隔離雙核微控制器( MCU ) 子系統,設計師可以利用AM6x處理器創造更加可靠、具功能性安全認證的產品,同時簡化可編程邏輯控制器 ( PLC ) 和多軸馬達驅動應用的整體系統層級的複雜性。
IWR6x系列毫米波感測器則是整合計算處理晶片,能提供即時決策和訊號處理以及高達4GHz的超寬寬頻,並能以高於24GHz窄頻達16倍的準確度來偵測物體和動作。藉由毫米波感測器,工程師可以將毫米波技術整合到各種機器人、工廠自動化和建築自動化設計中,同時運用ISM頻帶進行廣泛部署。
最後,為滿足工業4.0通訊需求,TI近日新推出DP83825I和DP83869HM兩款全新乙太網路實體層收發器,以擴展設計師在設計空間受限的應用程式和時間敏感網路(TSN)時的連接選項。
DP83825I具備體積小、低功耗和電纜傳輸距離長(距離可達150公尺)等優勢,可減少IP網路攝影機、照明、電子銷售點(Electronic Point-of-sale)和其他空間受限型應用的體積和成本;DP83869HM則具有高工作溫度、靜電放電(ESD)抗擾與支援媒介轉換的特點,能顯著提高性能且有助於提升工廠自動化、馬達驅動與電網基礎設施的設計靈活性。
縮短企業內數位落差
文 | 萬岳憲
資策會MIC產業躍升事業群總監
我重新檢視去年旁聽一年的筆記,發現最普遍來上課的理由是「我以前不負責做A,後來主管要我做A,因為不太懂,所以出來上課學。」其次是「我就在做B,想學學新的方法,讓我可以把B做得更好。」再來是「因為現在C很熱門,所以我想增加自己在C方面的能力。」
絕大部份學員的在職學習動機,來自現職要求或轉職的需求,或個人想要追求更好的工作環境與報酬,所以絕大多數的學員,都非常渴望學習到即學即用的技能,期待在六小時的外部揮棒訓練後,就可以回到原來的工作崗位擊出全壘打。我更好奇的是,部份已經擁有多項專業領域的π型人才,還要拼命的學習更多專業領域,彷彿要將自己變成一個鴨博士,每個領域都有涉獵,也都不專業,就很像一隻鴨子,叫不長、飛不高、走不遠、游不快。
直到最近我從廣播中,聽到某個廣播電臺的徵人條件,這才恍然大悟,原來是職場需求,引導社會大眾的在職學習動機,有點像「考試引導教學」的味道。怎麼說呢?先來看看這家廣播電臺的徵才條件「國內外大學以上畢業(新聞傳播科系優先考量);具傳播相關知識,有新聞編採播報、影音剪輯及節目製作等相關工作經驗(口齒清晰,具臺、客語或外語能力優先考量);具公文書製作能力尤佳,並熟諳電腦軟體(Word、Excel、Audition、威力導演等)操作。」請您清點一下,要滿足這些條件,得學會多少的技能啊。
再來看看徵才的工作項目,包括「採訪編輯播報新聞(需配合假日及晚間輪值)、專題企劃與執行、撰寫活動企劃及辦理活動、影片拍攝剪輯及臉書粉絲團經營、一般行政工作、其他臨時交辦事項」,這六大項工作範疇,需要很多元的科技應用能力,才能勝任啊。
在數位經濟時代,社會大眾普遍接受將類比環境成長的世代稱為「數位新移民」,而在數位環境中成長的世代稱為「數位原住民」。但是這樣的區分,彷彿在宣示數位原住民,就可以很輕易的駕馭使用各類型數位科技產品,而數位原住民們也認為,自己運用科技的表現會比「數位新移民」更厲害。
真的是這樣嗎?荷蘭學者保羅(Paul A. Kirschner)在2017年發表的研究結果,明確指出千禧世代(1980年至2000年出生)的科技運用能力並沒有比較強,這是社會普遍的科技應用迷思。雖然「數位新移民」比「數位原住民」更會多工運用(Multitask)科技產品處理事情,但不代表就會有更高的科技應用學習能力。也就是說,科技應用能力與年齡、世代都沒有相關性,與個人的學習能力有關。
數位落差(Digital Divide)這個名詞有許多面向的意義,在教學上,要縮短學生們近用資訊科技的差異;在社會上,要提供公平近用資訊科技的資訊環境。而我要借用這個名詞,突顯「企業內數位落差」的現象。
企業內使用電腦工作的一群人,往往被視為是電腦軟體使用能力較佳,或比較會應用各類型軟體來解決工作需要的人,但仔細檢視後就會發現,有些人很會使用Word軟體就不太會使用Excel,很會使用文書軟體的人,就不太會使用繪圖軟體,每天使用軟體工作的人,不知道Word也可以排序、計算簡單數字,不知道Excel的函數可以讓工作更有效率。
舉個實際案例,資策會MIC產業顧問學院要印製82位學員的結業證書,多數人會使用Adobe Illustrator向量圖形軟體,設計製作證書的版面型式後,再儲存為ai檔案格式,作為日後印製不同學員姓名證書的模板(Template)。在實務上,有二個利用模板印製證書的方法,第一個方法,是逐個逐次的鍵入學員姓名,逐張列印檢查,費時又沒有完整建檔,會形成日後查證是否曾經印製過的困擾;第二個方法則是複製82張證書在同一個檔案內,再逐一修改學員姓名後印製,雖然易於日後查閱,但是儲存大量的向量圖形,會讓檔案變得很龐大,影響軟體操作過程的存取效率,而重複儲存82張向量圖檔,也會浪費大量的硬碟儲存空間,本案例是82張證書,若是要印製200張,則更加費時費力。
比較有效率的方法是使用Adobe InDesign印刷品排版軟體,ai檔內只有一張證書的版型,有點類似MS-Powerpoint的簡報母片概念,排版時只要建立一次的圖檔連結,然後再逐個修改學員姓名,即可印製。我想要比較這兩個軟體的個人使用效率,所以就找一位熟悉Illustrator和InDesign兩套軟體操作的同事,要求她印製100位學員的結業證書。測試結果,兩者的效率差距相當驚人(如下表)。
簡單的測試結果與軟體好不好用無關,而是再次證明了「工欲善其事,必先利其器」這句話。順著這樣的思維,好好想想自己,每天上班都會使用到的文書軟體或繪圖軟體,您是真的會使用嗎?還是每天都習慣性的使用相同的功能;您的軟體應用方法,是讓自己能夠高效率完成工作,準時下班,還是讓自己忙得團團轉,感嘆每天時間都不夠用。
持續學習軟體的應用功能來改善本身的工作效率,才是讓自己高效率上班,快樂下班的關鍵;而企業主管也要觀察團隊的科技應用能力,縮短企業內數位落差,節省的人力物力,就能引導團隊為組織創造更高附加價值的工作成果,唯有提升團隊的高效率工作力,才能建立敏捷式管理的工作團隊。
(更新)折疊手機是OLED與LCD的分水嶺
是不是需要折疊手機,在手機用戶的體驗上見仁見智,但是無疑的是折疊手機為OLED顯示技術找出一個取代LCD的突破口。去年11/1大陸柔宇搶先宣布發售全球第一支折疊手機FlexPai,一時間包括三星、小米、華為等手機大廠都傳出2019年推出折疊手機的消息,果不其然,三星在今年2/20舊金山舉辦的10週年新品發表會上推出萬眾矚目的折疊手機Galaxy Fold、華為也於2月24日西班牙巴塞隆納MWC大會發表其折疊手機,雖然這些折疊手機價格都非常昂貴,但在手機市場逐漸飽和,5G通訊開始萌芽之際,折疊手機是刺激換機消費的一個話題。
雖然大家矚目的是手機功能的性價比,但從顯示面板發展的技術角度來看,關鍵性的零件「軟性OLED面板」技術的突破,是折疊手機能夠上市關鍵中的關鍵。軟性面板技術是液晶面板LCD與OLED爭奪市場的分水嶺,LCD由於光學特性的限制,無法做曲率半徑非常小的撓曲,因此OLED將以其可撓的特性在折疊手機應用勝出,並以此產品做基礎,逐步侵蝕LCD的市場,這個技術競爭,與當年LCD以筆記型電腦為產品基礎而將CRT擠出市場軌跡相仿。
OLED發展已近20年,以玻璃為基材的OLED技術,在三星的手機產品帶動下已經有一定的基礎,近年來,大陸在面板產業發展急起直追,LCD部分,產線已經來到10.5/11代,在OLED投入更是不遺餘力,規劃與興建中具有軟性OLED生產能力的生產線高達11條,顯示大陸對未來軟性OLED顯示發展的企圖心。因此,折疊手機的競爭除了是LCD與OLED的技術競爭外,背後也多少代表著韓國與大陸在軟性OLED技術的競爭。
下表是新聞發表的手機規格比較表,從折疊顯示屏幕的比較來看,這些屏幕在折疊方式、面板解析度有比較大的差異。FlexPai與Mate X採用的是外折方式,Galaxy Fold採用的是內折方式。兩者最大的差異在於面板在折疊處所受的應力大小,FlexPai跟Mate X的外折設計,其曲折半徑遠大於Galaxy Fold內折的半徑。當面板彎折,曲率半徑越小,則面板所受的應力越大,在這麼大的應力反覆彎折下,維持顯示器的光電特性不會衰減,在元件設計、材料選用上都是極大的挑戰,由此看來,Galaxy Fold的面板在可撓性上勝出。
面板解析度與製程能力有極大的關係,製程能力包括設備的能力與生產管理的能力。在OLED面板業,三星持續開發投入的時間最長,配合開發的設備廠也在三星帶領下累積豐富的經驗,這些都可呈現在解析度差異上。
外折設計還會面臨刮、磨的問題。過去玻璃蓋板承載著防刮、耐磨、甚至有防眩、抗反射、抗汙等功能,玻璃本身就非常硬,可以耐磨、耐刮,但改成可撓的塑膠蓋板後,耐磨、耐刮就面臨極大挑戰,外折設計,面板磨刮的機率高,因此面板蓋板的耐磨刮保護極為關鍵,從材料發展的角度來看,符合高柔性、高透光、耐磨刮特性的塑膠材料應用,外折疊的手機面板恐怕是第一個,因此,外折手機的產品耐用度,有待實際用戶的考驗。
綜觀軟性OLED在技術的難度,Galaxy Fold克服了內折小曲率彎曲的技術問題,並以內折設計來降低了耐磨刮的挑戰,而FlexPai選擇元件應力挑戰較寬鬆的大曲率彎曲外折設計,但磨刮問題則有待產品的市場考驗。
折疊手機是OLED與LCD技術發展的分水嶺,從產品的角度來看,折疊手機是否給用戶帶來全新的體驗見仁見智,但是從技術的角度來看,顯示器技術突破玻璃基材不可撓曲的特性,從折疊到卷曲的發展指日可待。
(本文作者陳來成博士為艾圖雅科技總經理,專長為柔性光電與柔性顯示技術,在台灣光電業界有數十年資歷)
聲波感測器需求大增 亞太地區市場起飛
根據市調機構Transparency的調查,全球的聲波感測器市場在技術層面已經有顯著的成長,原因在於微機電系統(MEMS)聲波感測器已被廣泛應用;由於MEMS聲波感測器具備高靈敏度和無線操作特性,預計需求將會明顯增加,進而驅動聲波感測器市場。
Transparency指出,MEMS已被確立為21世紀最有前途的技術之一。透過結合矽基微電子技術與微機械加工技術,MEMS可能徹底改變工業與消費產品的樣貌。預計到了2026年全球聲波感測器市場將從2017年的4.8億美元達到20億美元,預計年複合增長率為17.19%。
此外,電信業將聲波感測器用於行動電話和其他類似機件也是驅動市場的因素之一。這些設備大部分都已經安裝了麥克風或喇叭,這樣能以相對親切的成本支持聲波感測的應用。預計這些因素將對全球聲波感測器市場產生積極的影響。
受到市場快速成長和潛在需求的吸引,一些企業開始投資聲波感測器的產品和服務。從顯示器面板製造商到設備製造商,各行各業都努力加強自己在全球聲波感測器市場的立足點。研究指出,一些全球知名企業如西門子公司(Siemens Process Instrumentation)、安柏電機(Hubbell Lighting)、阜拓科技(Piezo-optics)、Transense、Pro-Micron GmbH&Co.Kg、Honeywell Sensing & Control、村田製作所(Murata Manufacturing)、Vectron、宜福門電子(IFM Efector)和Dytran。這些公司正致力於透過策略性收購和合作擴展其業務。
2017年亞太地區領先全球聲波感測器市場,預計其將以18.08%的年複合增長率成長。聲波感測器越來越常被應用在智慧型手機和智慧型手表中,預計這個現象在2018~2026年將持續驅動市場。在2017年,中國占了亞太聲波感測器市場的最大部分,其次則是日本,而印度則是成長最快的國家。
維持車用雷達訊號穩定 測試/驗證重要性與日俱增
感測器位居自動駕駛核心
自動駕駛需要大量周圍環境訊息,這些訊息通常由人眼捕獲並由人大腦處理。技術層面的對應物是感測器,它們是實現自動駕駛的關鍵零組件,目前市面上已有數百萬部汽車雷達投入使用。汽車雷達是高階車輛的標準配置,配合高級駕駛輔助系統使用,用於預防事故發生並提高駕駛舒適性。
雷達感測器主要使用調頻連續波(FMCW)訊號,由於傳送延遲和多普勒頻移,感測器能夠量測和解析多個目標的距離和徑向速度;根據天線陣列特性,還可量測和解析方位角甚至是仰角。在訊號處理期間,感測器電子裝置生成目標列表,其中包含量測得到的目標位置和速度以及目標類型資料(行人、汽車等)。該列表被發送到車輛電子控制單元(ECU),ECU用該列表對操控車輛即時做出決策,這些資料的準確性和可靠性對於車輛、乘客和其他道路使用者的安全極為重要(圖1)。
圖1 由於方位量測誤差,檢測到錯誤的目標位置,自動駕駛車輛控制系統有可能會做出致命的錯誤操控。
確保雷達訊號 天線罩測試挑戰油然而生
出於美觀考慮,雷達系統一般不是安裝在車輛顯眼處。通常,它們隱藏在散熱器格柵上品牌徽標後面以及前、後塑料保險桿後面,這些徽標和保險桿就成了雷達天線罩。
作為天線罩,必須對它們的射頻性能進行評估,因為它們會影響隱藏在其後面的雷達偵測性能和準確度。鑑於訊號必須在到達目標的去程和從目標返回途中穿過天線罩,其材料的射頻傳輸損耗會使訊號衰減兩次。根據訊號傳送定律,發送訊號的功率與每個方向距離r的平方成反比,這意味著發送訊號在經過來回傳送後功率減小了r4倍。
例如,對於具備3W輸出功率和25dBi天線增益的77GHz雷達,要偵測雷達截面為10m且最低可檢測訊號電平為-90dBm之目標,在沒有雷達天線罩時,最大雷達可偵測距離為109.4m。如果天線罩的雙向衰減為3dB,雷達偵測距離將減少16%,僅為92.1m。
除了材料衰減外,天線罩材料反射率和均勻度對雷達性能也有重要影響。例如,塗料中金屬顆粒的反射和基材的射頻失配都會在天線罩內(即靠近感測器)產生干擾雜訊。這些干擾雜訊在接收鏈路中被接收並且變頻,這能降低雷達的檢測靈敏度。
許多車輛製造商試圖透過在特定角度安裝天線罩來減輕這種影響,以便發送的雷達訊號不會直接反射回接收器前端,但這種方法受到設計限制,且不能消除導致射頻能量損失的寄生反射。另一個問題是材料不均勻度(如夾帶雜物、密度變化和三維品牌標識中的不同材料厚度)會干擾輸出和輸入波陣面。材料不均會產生材料變形,導致角度量測不準確。因此,雷達感測器校準可在一定限度內將這種影響降至最低,但不能使之完全消除,因為被校準雷達可能安裝在不同製造商生產的天線罩後面。
確保可靠性 雷達校準/驗證不可缺
為確保雷達可靠性,保證輔助駕駛系統和自動駕駛之安全性,必須驗證雷達天線罩及其性能表現。材料校正非常耗時且昂貴,對於汽車製造商來說難以承受,且隨著車輛變得越來越自主獨立,需要高質量的天線罩,其衰減特性不僅要最小,而且要恆定不變,還要在細節上一清二楚。由於時間限制,汽車製造商希望盡可能縮短測試時間,因此能夠提供已經過測試,且具有這些性能和訊息的天線罩供應商具備明顯競爭優勢。
為此,供應商需要做可靠而詳盡的產品測試。天線罩製造商通常使用參考雷達(黃金裝置)來測試他們的產品(圖2),用多個雷達反射器組成的固定裝置,在有和無天線罩兩種狀態下,在各種距離和角度下進行對比量測。當某個值保持在規定的公差範圍內時,天線罩測試合格;而隨著感測器和傳動裝置承擔更多功能以及天線罩本身的複雜度增加,這種選擇性測試已明顯難以滿足需求。
圖2 使用黃金裝置的典型測試裝置。
僅使用一個反射器和放置在轉盤上的雷達和天線罩的測試方法更準確。以各種角度重複量測,並將量測結果與轉盤上指示的角度進行對照。轉盤的定位越精確,測試的角度越大,結果越有效。但是,這種方法需要耗費很多時間,因此不適合於進行生產測試。
雷達天線罩測試裝置滿足實用定性與量化測試
為此,量測儀器業者,如羅德史瓦茲(Rohde&Schwarz)公司便開發出汽車雷達天線罩測試裝置,不僅可給出測試流程,提供可靠的資料,且就成本和量測速度而論也十分實用。
舉例而言,該公司旗下的R&S QAR測試裝置(圖3),其使用大型面板,而不是黃金裝置,面板上有幾百個發送天線和接收天線,運作頻率範圍與汽車雷達相同。同時該裝置的天線能夠發現汽車雷達看到的東西,且由於具有大口徑,能以更高的解析度(mm範圍)量測距離、方位角和仰角。
圖3 R&S QAR汽車雷達天線罩測試裝置,測試對象安裝在運作台的前緣,包含用於發送量測的毫米波發送器。
這種高解析度能夠將反射率可視化為一種X射線影像,即使不是專家亦能立即進行質量評估。在第二個分析步驟中,可透過X射線影像計算質量參數,這意味著先前的生產測試可由簡單的合格/失敗測試替代。使用許多發送天線和接收天線可以在幾秒鐘內一次性(一次性方法)詳細測試整個天線罩,完全不需要耗時的量測序列。
另外,該產品可量測空間各點的反射率和被測零組件的透射率。反射率是透過量測由天線罩材料反射的能量,這會降低雷達的性能表現。某些區域由於多種原因會有較高的反射率,例如,材料缺陷,空氣夾雜物,不同材料層間有害的相互作用或過量的某些材料成分。該量測方法透過對所有反射訊號幅度和相位的相干處理,來提供空間各點的量測結果。此結果可視化能夠得到其內在、定性和可靠的合格/失敗評估,以及產生對被測零組件反射行為的量化評估。
高解析度雷達影像(圖4)顯示了由這個圓頂蓋天線罩(圖5)遮蓋的雷達感測器能夠看到什麼。亮度水平代表反射率。某個區域越亮,表面反射的雷達訊號越多。金屬物體顯示為白色(四角位置的螺釘)。徽標的清晰可見輪廓表明高反射率和非常不均的整體影像。
圖4 反射率的高解析度毫米波影像(左),所選分析區域,以及R&S天線罩的傳送量測/單向衰減(右)。由於在76GHz到77GHz範圍內不匹配,此天線罩不適合這個頻率範圍內的雷達。
圖5 帶有羅德史瓦茲公司徽標的圓頂蓋天線罩,在天線罩基座表面上方突出僅0.5mm。即使這種微小厚度增加亦會導致在77GHz頻率上不匹配。
透過對傳送訊號的量測可以確定天線罩材料的頻率匹配和衰減,這是天線罩材料是否適用的基礎。位於被測零組件後面經校準的發送單元掃描選定的頻率範圍,接收陣列接收訊號,能夠精確評估天線罩的發送頻率響應。此頻率響應提供被測零組件是否適合這個頻段。這些訊息與雷達單元使用的實際訊號波形無關,因此適用於能夠安裝在天線罩後面的所有類型雷達。
因應雷達可靠性測試 量測儀器推陳出新
自動駕駛需要可靠雷達以正確地偵測周圍區域內的物體,這取決於雷達質量和安裝位置。用作雷達天線罩的車身零組件會使訊號產生損耗,或導致目標位置誤判。當下,這些零組件不僅要承擔原有的機械件功能,還需要有特定的射頻特性。要靠準確和實用的量測方法來驗證這些特性。為此,量測儀器商提供了一種創新、獨特的方法,可在極短時間內給出空間各點射頻反射率和透射量測,並提供更加詳盡的量測結果。
對於汽車製造商而言,更多的測試意味著更高的成本和更低的生產率。但對於供應商來說,這些則代表了機會。他們可以自己測試需要的零組件。這不僅提高了自己的質量標準,還使他們能夠透過提供具有量測資料的特定附加服務來提高客戶忠誠度。
(本文作者皆任職於羅德史瓦茲)
PCB智慧製造拉出三大主軸 20家板廠展開測試
PCB智慧製造紮馬步,設備聯網示範團隊成軍,將協助台灣中小型20家板廠做100台設備機聯網IoT升級。經過1年籌備,PCBECI設備聯網示範團隊於2月21日正式啟動。示範團隊是由沃亞科技、志聖工業、東台精機、揚博科技、群翊工業共同組成,並在工業局楊志清副局長蒞臨見證下,宣示以共同的PCB設備通訊協定(PCBECI)協助台灣中小型板廠做智慧製造升級,並在政府支持下,強化本土設備商之技術研發能力,進而穩固台灣在全球PCB領域之領先地位。
PCBECI是台灣電路板協會(TPCA)與國際半導體產業協會(SEMI)共推的產業標準。因為PCB製程繁複,設備種類繁多,為解決底層設備溝通的問題,因此有PCBECI的產生,並在台灣本土設備商率先採用下,以示範團隊形式做產業的扎根推廣,於此同時,團隊在2018年更獲政府計畫支持,加速協定的普及。
整體來看,目前PCBECI四家廠商設備廠商(志聖、東台、揚博與群翊)所推出的智慧型PCB製造設備,除了最基本的機聯網功能外,多還將資料可視化、設備監診及配方/製程參數中央管控列為主打功能。由此也不難看出,PCB的智慧製造設備定義已經越來越明晰。
台灣電路板協會梁茂生副理事長指出,機器聯網收集資料象徵PCB智慧製造正在打通任督二脈,也希望透過此次計畫能建立一個有效且具效益的商業模式,未來能很快地在PCB業界複製擴散,讓業界共獲其利。
PCBECI示範團隊中唯一的一家系統整合商(SI)--沃亞科技,則是整個示範團隊的代表。沃亞總經理郭一男表示,20家中小型板廠的機聯網升級只是PCB智慧化的起點,後續示範團隊將與整個產業鏈攜手合作,擴大PCBECI的應用範圍,以提供產業更好的服務內容。
人工智慧結合機器視覺 創新應用源源不絕
ML增添機器視覺應用彈性
研華網路暨通訊事業群資深協理林俊杰(圖1)指出,機器視覺在製造業應用已經有相當長的一段歷史,且隨著檢測對象不同,分化出許多次領域,例如針對電子元件、電路板的自動化光學檢測(AOI)、針對產品組裝的視覺校準/對位,乃至成品/半成品的外觀瑕疵檢測等,都可以歸類於機器視覺的範疇。
圖1 研華網路暨通訊事業群資深協理林俊杰表示,機器學習可望讓機器視覺變得更具應用彈性,系統整合商更容易將業務觸角延伸到其他領域。
但現有機器視覺系統的核心,多半是以規則為基礎的軟體程式,當工業相機拍攝到過去從未見過的影像,取得的特徵值無法對應回既有的軟體系統時,就會很容易出現誤判或無法識別。這使得機器視覺系統的設計規畫跟部署,變成一項非常仰賴專家的工作。唯有針對某一類應用有深入研究,並且累積了大量經驗的SI,才能寫出符合生產線需求機器視覺軟體。而且,某個特定領域的專家,要跨到其他機器視覺的領域,也不是那麼容易的事情。
基於機器學習(ML)的機器視覺,則是完全不同的典範。一套辨識模型或演算法,經過不同的資料集訓練,就可以辨識出不同型態的圖樣,而且隨著工業相機取得的影像資料越多,累積的訓練資料增加,系統辨識的準確度還有機會進一步改善。
另一方面,對機器視覺SI業者而言,基於ML的視覺系統還有更容易跨領域應用的優勢。例如一個經過訓練的免洗杯辨識演算法,只要稍加調整跟再訓練,就可以用來辨識不同種類的杯子,例如玻璃杯、馬克杯,因為這些杯子都有一些共通的特徵值。如果是傳統的機器視覺軟體,開發過程就得從頭來過。
凌華科技資深產品經理許凱翔(圖2)指出,機器學習對機器視覺技術的應用拓展,能做出非常大的貢獻。在過去,機器視覺軟體是以預先設定的規則為基礎,工程師在開發軟體時,必須用演算法把想要偵測的影像特徵,例如瑕疵的特徵詳實描述清楚,系統判斷的準確率才會高。
圖2 凌華科技資深產品經理許凱翔認為,遇到本身帶有圖樣的待檢測物件,機器學習的優勢非常明顯。
但在實際應用上,這種方法常會遇到困難,例如待測物本身就帶有某些圖樣(Pattern)時,當瑕疵跟背景圖樣混在一起,系統要精準辨識出瑕疵的難度就很高。這種情況在電子業其實很常見,例如TFT-LCD面板、太陽能電池片(Solar Cell),本身就是有圖樣的產品,要用現有的機器視覺去抓出這類產品的瑕疵,是很大的挑戰。
對機器學習來說,圖樣辨識正是它最擅長的工作。因此,基於機器學習的機器視覺系統,只要圖像處理、判斷的速度夠快,就能為機器視覺技術的應用打開很多新的可能性。
FPGA/GPU對決戲碼上演
要讓機器視覺系統具備執行機器學習推論的能力,相關設備必須具備更高的運算能力。目前市場上已經有許多半導體業者推出機器學習解決方案,但由於各家業者的核心技術不同,因此在性能、功耗與應用彈性方面,存在很大的落差。
林俊杰指出,目前機器學習最理想的開發平台是GPU,因為GPU有最好的軟體適應性,設計迭代最方便,但如果是要部署到生產現場,GPU可能就不是那麼理想,因為GPU的功耗較高,有時還是需要搭配主動式散熱。但很多生產現場是不允許散熱風扇存在的,例如烤漆作業區,因為環境裡有粉塵,不只容易導致風扇故障,萬一有火花產生,還有可能引發爆炸。
因此,如果是要部署到現場的設備,其所搭載的GPU理想上應該採用低功耗版本,以避免設備必須仰賴主動式散熱。但低功耗版本的GPU,運算效能也相對有限,應用開發者必須對此做出取捨。
相較之下,FPGA是比較適合部署在現場的運算硬體平台,但FPGA的設計迭代過程比GPU耗時,軟體修改後,硬體描述語言(HDL)也要跟著調整,才能實現最佳化。因此,基於FPGA的機器視覺系統,開發時間必然會比基於GPU的系統來得漫長。
許翔凱則表示,GPU的開發速度最快,而且幾乎每個研究人工智慧(AI)的工程師都熟悉GPU平台的開發環境。人才跟平台的易用性,是凌華決定跟NVIDIA合作,率先推出整合Jetson TX-2嵌入式GPU的NEON-J工業相機的原因。
不過,由於Jetson-TX2是專為嵌入式應用設計的低功耗GPU,其運算能力無法跟桌上型電腦、伺服器使用的GPU相提並論,因此目前NEON-J不能執行太複雜的機器學習模型,否則會來不及對影像做出即時判斷。
即便NEON-J目前還無法執行太複雜的模型推論,但其基於機器學習的特性,已經成功為機器視覺打開新的應用市場。舉例來說,食品業的產品分類/分級應用,就很適合用NEON-J來執行。像是肉品分切作業,要依照肉品的油花分布狀況來判斷肉品等級,或是肉品出於哪個部位,就要靠圖像識別來實現,傳統基於規則的機器視覺軟體很難處理這種問題。
另一個應用案例是冷凍披薩工廠的品管。披薩廠商在產品包裝前,要先檢查披薩上的餡料數量、狀態做出檢查,才能避免NG的產品賣到消費者手上。從機器視覺的角度,這是一個典型的圖樣辨識問題,例如鳳梨、香腸的片數是否符合標準,有沒有破損,就得靠圖樣識別來做。因為披薩上的鳳梨、香腸切片可能有大有小,傳統的機器視覺分析軟體遇到這種待測物,容易出現誤判。
ASIC加速器設計過於局限 不利機器視覺應用
至於眾多大廠與新創公司紛紛布局的專用加速器,對機器視覺開發商來說,吸引力恐怕很有限。林俊杰認為,專用加速器最大的問題在於彈性不足,只能對特定模型發揮加速效果,如果機器視覺系統使用的模型不在其支援範圍內,不是加速效果不好,就是根本無法執行。
這正是在機器視覺系統中使用專用加速器最大的問題--機器視覺要偵測的物件或圖樣有很大的變異性,使用的模型可能不是主流。相較之下,安全監控產業的需求單一,如果需要用到人工智慧,不外是用來實作人臉識別、人流偵測、虛擬圍籬等功能,使用的模型也只有固定幾種,因此晶片開發商在設計晶片時,可以很容易掌握客戶的規格需求。
此外,跟安全監控相比,機器視覺是一個規模更小的利基市場,因此晶片商恐怕不會這麼快就將產品線延伸到機器視覺相關領域。因此,林俊杰預估,至少在未來兩到三年內,機器視覺開發商如果要採用人工智慧,處理器的選擇應該只有GPU跟FPGA兩種。
訓練資料集取得不易為最大發展障礙
總結來說,對機器視覺應用來說,機器學習是一個很值得期待的互補型技術。以規則為基礎的分析軟體,在量測物件尺寸、辨識QR Code、條碼,以及引導機器手臂在2維平面上運作,是很有效率的,可靠度也高。但如果是要處理跟圖樣有關的問題,機器學習是比較理想的解決方法。
不過,對大多數基於機器學習的系統來說,訓練資料的數量跟品質,還是許多開發者所面臨的最大難題,基於機器學習的機器視覺也不例外。現在許多網路大廠都已經提供雲端訓練工具,因此,開發者要訓練自己的模型,門檻已經比以往大為降低,但要取得足夠且高品質的訓練資料集,還是要投入很多資源。
近幾年中國掀起人工智慧熱潮,也促成一個新的行業--資料標籤公司誕生,但這些專門提供資料標籤建置的服務業者,通常沒有足夠的能力處理工業製程中所拍攝的影像。舉例來說,金屬加工件的邊緣出現毛邊,但程度要多嚴重才應該被判定不良品,就只有那個行業的老師傅能準確判斷,不在該行業的標籤建置人員很難做好這項工作。因此,即便是採用機器學習技術,SI想要跨到新的領域,還是有一定門檻要跨過。
許翔凱就透露,有一家客戶曾經把資料集建置的工作外包給專門做資料標籤的公司,但據此訓練出來的模型,準確率跟預期有一段落差。客戶回頭檢討才發現,訓練模型用的資料集有很多標籤是錯誤的,因此訓練出來的模型當然不準確。
因此,如果工廠真的有意導入基於機器學習的視覺系統,在資料建置方面,最好還是不要假他人之手。讓自家產線上的作業員協助標記,成果會比外包好,但相對的也會增加作業員的工作負擔。
除了標籤的問題外,不良品的影像資料取得,其實是很困難的事。以凌華自己的產線為例,一條成熟的生產線,產品良率至少都在9成以上,不良品的數量非常少。這意味著凌華很難收集到不良品的影像去進行模型訓練。
也因為不良品的影像很難取得,因此有很多研究者嘗試用變造影像的方法來擴充資料集,例如把影像扭曲、旋轉、添加雜訊等。從一些實驗數據來看,這種方法可能有效,但在工業應用上,用這種資料集訓練出來的模型能不能用,還需要進一步驗證。此外,也有一些新的模型只需要少量訓練影像資料,就能達到不錯的準確率,但這些模型是否適合機器視覺應用,也還需要進一步研究。
因此,機器視覺系統要改以機器學習為基礎,並大量普及到工業現場,還需要一些時間來醞釀。但整體來說,因為以機器學習為基礎的機器視覺,對各種應用情境的適應能力較佳,因此長期來看,SI或軟體開發者應該還是會逐漸轉向機器學習。
IC Insights:「中國製造2025」半導體自給率難達標
中國自2005年以來一直是半導體最大的消費國,根據產業研究機構IC Insights的最新研究指出,中國的IC產量並沒有立即出現大幅提升。中國的IC產量占其2018年1550億美元IC市場的15.3%,高於2013年前的12.6%。此外,IC Insights預測2023年中國IC產能將提升至其市場規模的20.5%。預計中國的IC產量在2018~2023年間將呈現15%的年複合成長率(CAGR)。SK海力士、三星、英特爾和台積電是在中國擁有重要IC產品的主要外國IC製造商。
英特爾在中國大連的12吋晶圓廠(Fab 68於2010年10月下旬開始生產MCU)於2015年第三季閒置,因為該公司將晶圓廠轉為3D NAND Flash製造。截至2018年12月,英特爾中國工廠的產能為滿載每月7萬片12吋晶圓。另外,2012年初,三星獲得韓國政府的批准,在中國西安建立一個12吋IC製造廠,生產NAND Flash。三星于2012年9月開始建設該工廠,並於2014年第二季開始生產。該公司在第一階段投資了23億美元,預算總額為70億美元。該工廠是2017年三星3D NAND生產的主要工廠,截至2018年12月,該工廠每月產能10萬片晶圓,三星計劃將該工廠擴建至每月20萬片晶圓。
預計未來五年IC銷售量將大幅增加,包括中芯國際(SMIC)和華虹集團以及長江儲存(YMTC)和長鑫儲存(CXMT)。DRAM廠福建晉華(JHICC)目前處於擱置狀態,等待美國對該公司實施的製裁。此外,有可能有新公司希望在中國建立IC產線,如台灣的富士康,該公司於2018年12月宣布擬在中國投資90億美元建立半導體產線,提供代工服務以及生產電視晶片和影像感測器。
IC Insights預測,如果中國的IC產能在2023年擴張至470億美元,那麼它仍然只占2023年全球IC市場總額的5714億美元的8.2%。即使由YMTC和CXMT等中國新創半導體廠建立新的IC生產,IC Insights也認為外國公司將繼續成為中國IC生產基地的重要組成。因此,IC Insights預測,2023年中國至少50%的IC生產將來自在中國擁有晶圓廠的外國公司,如SK海力士、三星、英特爾、台積電、聯電、Globalfoundries和富士康等。IC Insights認為中國目前的本土IC產業發展將遠遠落後於中國政府「中國製造2025」計劃的目標,即2020年實現40%的自給率,2025年70%自給率。
英飛凌展望2019擴大電源領先優勢 搶占車用鰲頭
德國半導體大廠英飛淩(Infineon)科技在功率半導體領域市占全球第一、車用半導體領域全球第二。2018年全球營收達76億歐元,而本於讓人們的生活更加便利、安全和環保的目標之下;2019年,也將在汽車電子、工業電源控制、電源管理與多元電子、數位安全解決方案等四大事業持續推動與發展。
德國本來就是全球汽車產業最發達的國家之一,因此英飛淩投入汽車電子領域甚早,該公司大中華區總裁蘇華表示,英飛凌是為數不多的能全面涵蓋汽車領域重要應用的汽車半導體製造商之一,產品組合包括微控制器、智慧感測器、射頻收發IC、雷達以及分立式和整合式功率半導體,適用于動力總成、底盤、舒適性電子設備以及駕駛安全應用。
根據市調機構Strategy Analytics報告指出,英飛凌2017年汽車半導體市場市占率為10.8%,居業界第二,僅落後於恩智浦(NXP)的12.5%。蘇華指出,在汽車潔淨、安全、智慧的大趨勢下,電動車、ADAS、車聯網等技術與應用為來幾年將持續發展,2018會計年度,英飛凌汽車電子事業處營收為32.84億歐元,營收占比達43%,該公司有信心汽車電子業務將持續發展並更上一層樓。
而在工業電源控制部分,該領域對於高效發電和輸電而言至關重要,相關應用包括風力發電機、高壓直流輸電系統、儲能系統、電動車充電基礎設施以及家用電器等。為了進一步強化此領域業務,英飛凌致力發展碳化矽(SiC)技術,並應用於整合控制器、驅動器與功率開關的智慧功率模組(IPM)。根據IHS Markit的報告,英飛凌在分立式功率半導體與模組市場中,以18.6%的市占率,連續15年居業界第一,蘇華說明,2018年,英飛凌工業電源控制部門營收13.23億歐元,占公司營收17%。
而在電源管理與多元電子方面,專注於打造用於能源管理的功率半導體以及用於無線基礎設施與行動裝置的元件,尤其是MOSFET產品。採用氮化鎵(GaN)製程的驅動器與控制器,近年產業潛力十足;在高頻與感測器領域,矽製程的MEMS麥克風、飛時測距(Time of Flight, ToF)解決方案都是熱門的產品,根據IHS Markit研究,英飛凌於2017年MOSFET功率半導體市場,市占率達26.3%,2018年度,該部門營收達23.18億歐元,占該公司整體營收31%。
而面對5G、物聯網、自駕車、AI等趨勢,蘇華強調英飛凌會採用靈活開放的策略,包括發展5G前端晶片解決方案、mmWave雷達應用、導入AI人工智慧與深度學習於其軟硬體產品中;製造部分該公司除了在德國擁有全球唯一量產的12吋功率半導體廠之外,也要在奧地利興建第二個12吋功率半導體廠,並且擴大委外代工,包括持續與台灣或中國的後段封裝廠的合作關係。












