据悉，TRI（Test Research Inc.）正在与NVIDIA和台湾领先的电子制造商合作，加速智能工厂AI驱动技术的部署。此次合作将把尖端的NVIDIA Metropolis for Factoryies工作流程整合到TRI的产品组合中，利用先进的AI功能通过增强自主化和缺陷检测来优化制造流程。通过将TRI在测试 和检测领域的专业知识与NVIDIA的AI软件堆栈和计算能力相结合，TRI旨在为制造商提供智能解决方案，以提高运营效率并为电子制造业带来新的生产力。展望未来，TRI 计划利用 NVIDIA NIM 进一步提高性能和吞吐量。
Test Research Inc. 副总裁 Jim Lin 表示： “我们很高兴与 NVIDIA 合作，为电子制造行业的客户提供创新且面向未来的解决方案。借助 NVIDIA Metropolis for Factoryies，TRI 有望推动人工智能在智能工厂中的应用，使制造商能够拥抱未来的技术并保持领先地位。”
NVIDIA Metropolis for Factories是NVIDIA推出的一套专为工厂自动化设计的解决方案。它为工厂自动化提供了从AI模型训练到复杂数据分析和数据可视化的完整端到工作端流程。该解决方案结合了NVIDIA TAO的迁移学习和NVIDIA Omniverse Replicator的合成数据生成，为AI解决方案在工厂中提供高精度的感知能力。此外，它还支持数据标记、计算机视觉模型训练和模型集成，并使工业技术公司和制造商能够开发、部署和管理制定的质量控制系统。它可以让TRI开发非常精确的检测应用程序，例如自动光学检测。Metropolis for Factoryies 正在帮助制造商提高生产线产量、降低成本并提高生产质量。
图：TRI与英伟达合作推动AI创新（图：TRI）
TRI AI 缺陷检测
得益于 TRI 的 AI 验证进步，组件的检测率显着提高，一般芯片缺陷的 AI 检测准确率现已超过 99%。具体改进包括 OSC、MLD、SOD、SOT23、RNET、CNET 等元件的检测率超过 95%。采用 AI 实现的 X 射线空洞检测可将一次通过率 (FPY) 从 85% 提高到 98%。对于 Paladin 连接器等复杂元件，AI 分类可将误判率从约 25,000 ppm 降低到约 3,000 ppm，提高了 88%。OCR（光学字符识别）算法也实现了检测改进，传统方法的准确率达到 89%，而 AI 深度学习 OCR 的检测率达到 99.58%。
TRI AI 智能编程
TRI AI 智能编程有助于做出与专家或经验丰富的操作员类似的预测性决策，从而减少编程时间、停机时间和操作员培训。 718 个组件的传统编程大约需要 60 分钟；AI 编程将这一时间缩短至仅 9 分钟，提高了 85%。
TRI AI 验证主机AI 验证主机
是一个智能维修站，它减少了人工重新检查的需要并降低了运营成本，由 Metropolis for Factoryies 工作流程提供支持。通常，维修站操作员的表现较低，培训不具成本效益。由人工智能驱动的维修站可以持续高效运行，表现优于操作员，同时降低误报率并提供检查状态的实时数据分析。 TRI AI 站 检查编程通常仅限于操作员的知识。TRI AI 站通过使用现有的 AI 模型执行 AI 驱动的检查来解决这一问题，优化流程，提高效率并降低经验丰富的员工的运营成本。AI 站支持多个 AOI 和智能调度，降低 AI 硬件成本并改善资源管理。 TRI AI 训练工具 TRI AI 训练工具是一个用户友好的界面，可以从现有检查数据生成 AI 模型。该工具包括一个内置的 AI 标签工具，并支持分类、分割、OCR、检测工具、持续训练、热图等。 TRI 将利用 NVIDIA Triton 推理服务器软件和 NVIDIA TensorRT 软件开发套件，进一步加快用于测试和检查的尖端 AI 驱动解决方案以及电子制造行业的智能工厂的 AI 推理。这些 AI 驱动的功能将使制造商能够轻松采用创新的 AI 驱动解决方案并从中受益。
