張榮森

攝影是大多數行動裝置的必備功能，關鍵的塑膠鏡頭零件在配對的生產過程中，最耗費人力資源；現有產品約有10~15% 在公差上下限邊緣或超出公差，裝配後累積公差很容易就會超出標準範圍，目前處理方法是靠專業技師以人工、像差互補方式，將零件排列、配對找出最佳組合，再實際小批量生產進行確認，耗時、費工、程序複雜。 本論文主要提出利用像差理論以及機器學習預測工具，研究新的生產配對、驗證方式以達到流程精簡目標： 首先架構出一個利用零件尺寸進行ZEMAX光學MTF結果的模擬，進行實際生產預測；(1)利用零件生產的歷史數據判斷生產公差範圍。(2)將範圍公差隨機帶入ZEMAX 模擬軟體產生批量數據庫，作為回歸模型基礎。(3)根據模型基礎進行擬和程度分析修正成與ZEMAX 輸出一致的裝配資料。(4)持續收集實際生產數據與零件尺寸對應MTF數據進行二次修正；其中修正方式，可以進行線性修正，或是對預測模型再次回歸訓練；完成零件尺寸與生產結果相對的預測資料。 完成的光學預測結果，直接教導電腦搭配出實際生產想要的MTF組合；光學理論所謂的搭配其實就是在進行鏡頭像差的抵消；基於此概念，我們將兩個主要影響鏡頭成像的像場彎曲(Field Curvature)與傾斜像差(Tilt)兩種像差進行搭配抵消。電腦程序是先將零件進行洗牌搭配預測其品質，並設置門檻值，通過門檻則跳出迴圈；可透過AI學習，優化搭配速度與精準度，再進行生產流程安排、實際驗證，最後將總體結果與傳統生產方法做比較，產生效益分析；結果顯示此方法可將14天的選配工時縮短到1天，且隨資料庫的累積學習，生產效率與品質越來越好，此為光學工廠智能化的重要基礎。