《舊文複習》由於PTF使用絲網印刷(silkscreen)製程的緣故，故PFT無法製作出比FPC還要小的電子線路間距，雖然PTF宣稱可以其最小可以達到 5mils (0.12mm)的電子線路間距，但其實10mils(0.25mm)就已經快到極限了。另外，PTF也無法承受對折式(dead fold)的壓折，因為其電子線路的材質為銀漿及導電碳墨，他們不如FPC的銅箔(copper)線路具有極佳的延展能力，無法承受限定次數的彎折。

AI風潮下的PCB產業新契機

2019-09-16 12:49CTimes
【作者： 王岫晨】

隨著5G與AI的新趨勢快速興起，也引領相關產業持續成長。近年來，全球PCB產業年成長率呈現正向發展，而隨著2019年的到來，全球PCB產業又來到了新的觀察點。此外，在5G趨勢的催化下，PCB產業也面臨了全新的機會與挑戰。

5G與AI加速PCB市場成長

根據拓墣產業研究院的觀察指出，2019年全球PCB產業持續成長，隨著5G、車用、物聯網、人工智慧等新應用蓬勃發展，也迎來更多市場機會與挑戰。其中高頻PCB為剛性需求，PCB實現高頻化的關鍵，在於高頻的覆銅板材料，如聚四氟乙烯（PTFE）、碳氫（Hydrocarbon）等和PCB廠商自身製程。PCB產業的挑戰則包括原材料供應趨緊、環保政策日益嚴格，使得PCB產業門檻逐漸提高，產業集中度也逐步擴大。

PCB產業的市場參與者，有包括臻鼎、欣興、華通、健鼎等在內的台廠；在通信領域具備較強競爭力的PCB廠商則有Mektron、Sumitomo、Fujikura、Ibiden、TTM、SEMCO、ISU PETASYS、Sanmina等。目前全球IC載板廠商主要集中在日本、韓國與台灣等地，且多數廠商在中國都設有生產基地。

此外，由於5G與IoT等應用興盛，直接帶動了高頻、高速PCB的市場需求。5G建置將帶動PCB產業的成長，PCB板身為電子產品之母，下游應用涵蓋通訊、手機、電腦、汽車等電子產品。5G技術發展對PCB影響持續升溫，終端與基地台需求的總量增加，加上單位終端、基地台所用PCB面積成長，隨之帶動PCB整體產業需求提升。

PCB產業發展三大方向

目前PCB技術在發展上，除新製程細線路技術量產外，大廠紛紛開發高階Micro-LED PCB製程與高頻高速HDI產品技術，在載板領域則投入高頻網際網路應用之封裝載板、超細線路之封裝載板技術，與薄型、對入式高密度化超細線路Coreless之封裝載板技術，以便因應5G、IoT及AI發展，加速相關產品及對入式元件之封裝載板技術。

觀察整體產業發展趨勢，拓墣產業研究院認為，全球PCB產業將持續朝高密度、高精度和高可靠性方向前進，不斷減少成本、提高性能、縮小體積、輕量薄型、提高生產率並降低環境影響，以適應下游各電子終端設備產業發展，其中包括HDI（High Density Interconnect）、FPC（Flexible Printed Circuit）、剛撓結合板及IC載板等，將成為未來發展重點。

AI讓PCB產線更具智能

在目前，PCB製造業正呈現出巨大的轉變，也就是能運用人工智慧（AI）來簡化生產流程，並以前所未見的方式改善生產結果。AI成為了市場顛覆者，在PCB製造中加入AI的重要性，就如同工廠邁向工業4.0（或稱智慧工廠）一樣的關鍵，自動化系統彼此之間，或者與工作人員能即時地互動與通訊、分散決策制定流程，並提供眾多優勢。然而，想要在PCB製造領域成功導入AI，必須在PCB製造和AI的基礎上，擁有豐富且深厚的專業知識才行。

在過去幾年的發展，AI已經從未來主義的概念，進展成為真正可應用、關聯和有效的技術。這樣的突破，主要歸功於大幅增加且成本不貴的運算能力、更複雜的學習演算法，還有大數據的出現。大數據本身可提供讓AI系統學習的基礎資訊。

AI演算法減少精密勞動力

AI描述了模仿人類認知能力的機器或軟體，可以用於解決問題和學習。許多重要的創新，正在逐漸成為AI演算法的附加產物，例如機器學習和深度學習。機器學習是一種使用各種不同演算法技術的AI技術，能讓電腦藉由使用數據資料來提升任務的執行效能，而不必明確地設計特定程式來完成。在PCB的製造中，機器學習可帶來許多優勢，包括改進操作效率、降低廢品數量、優化產線營運，還可減少「非精密勞動力」。此外，還可以更有效地管理資產、庫存和供應鏈等。而這些相關功能，都與工業4.0的實現密切相關。

深度學習是一種更為複雜的AI實現方式，讓電腦可以用非常有效率的方式，以複雜的學習行為來呈現出來的數據資料中深層的資訊、模式與背景，而這樣的結果，都可以用於改善製造流程。一般來說，深度學習是利用多方位、多層次的人工神經網路，來模仿人類大腦的學習、理解與推斷能力。

要成功實現AI解決方案，就必須得透過嚴格的操作整合，並配合專業的流程知識。倘若要在複雜的製造環境中建立AI系統，則需要經過漫長而全面的培訓階段。這些培訓過程對於操作的要求非常高，且需要投入大量的運算人力資源，才能獲得最佳化的性能。

在各種形式的AI中，數據資料的存取都是成功和效率的關鍵因素。若欠缺高品質的數據資料，AI或許就很難真正實現。然而，AI的操作人員成本也十分昂貴，更容易在分類時出差錯。當應用於瑕疵分類的AI解決方案，從操作人員的數千個決策中進行學習之後，就可以自動以一致的精確度來進行判斷。此類的AI系統十分依賴準確的數據資料模式，如此方可隨時間推移進行正確的演算法學習行為。此外，也必須仔細驗證和輸入分類資料，才能突顯出AI的優勢。即使資料出現微小的變化，也可能導致AI系統的判斷改變，而造成遊戲規則因此改變的結果。

協同合作實現AI製造願景

雖然數據資料的品質是AI成功的必要條件，但每個客戶與其AI解決方案的供應商之間需密切合作，這點對於長期的成功來說將至關重要。有鑑於AI的複雜性，解決方案供應商必須應用其PCB製造流程與AI知識，來指導客戶實施AI解決方案。隨著AI解決方案的陸續推出，未來高智能化的PCB產線，將不再只是個夢想，而是可以真實實現的場景。

為PCB製造商帶入AI解決方案

AI非常複雜，需要在技術本身，以及使用AI的領域中擁有豐富的專業知識。奧寶科技目前正在為PCB製造業的工業4.0開發AI解決方案。目前奧寶科技可結合其AI專業知識，確保能夠優化AI神經網路架構開發的關鍵培訓階段。

例如，在PCB製造中，瑕疵分類是自動光學檢測（AOI）解決方案的關鍵領域。奧寶科技的AOI電腦會將可能有瑕疵的PCB影像，傳送到遠端多重影像驗證（RMIV）站台，站台的操作人員會檢視影像，然後將其分類為「真正的瑕疵」或「假點」。

例如，在對瑕疵進行分類時，奧寶科技及其客戶將合作，找出每個操作人員分類評估結果背後的深刻意涵，並集思廣益以創建一個有意義的系統，進而排定應優先檢測的PCB特性。客戶的協作和參與度才能為AI引擎產生出最佳的結果。

正因為AI將為PCB製造商帶來巨大優勢，奧寶科技也持續在研發領域投注大量心力，完美整合AI與奧寶科技的智慧工廠工業4.0解決方案，以及其他解決方案。在此過程中，奧寶科技正在評估許多方法，以便將AI應用於總體製造，透過測試進行學習，並協助推動產業朝向更智能、更強大的製造流程邁進，此舉將可協助客戶提高產量並降低營運成本。

附圖：2019年9月(第335期) EDA x AI
圖一 : PCB產業將持續朝高密度、高精度和高可靠性方向前進，不斷減少成本、提高性能、縮小體積、輕量薄型、提高生產率並降低環境影響。
圖二 : 解決方案供應商必須應用其PCB製造流程與AI知識，來指導客戶實施AI解決方案。
圖三 : AI成為了市場顛覆者，在PCB製造中加入AI的重要性，就如同工廠邁向工業4.0一樣關鍵。
圖四 : 想要在PCB製造領域成功導入AI，必須在PCB製造和AI的基礎上，擁有豐富且深厚的專業知識才行。

資料來源：https://udn.com/news/story/6903/4049598?from=udn-relatednews_ch1015