虹科乾貨
【虹科方案】設備讀不了 CAN？溫度通道不夠？一文看懂 NVH 與電池採集數據融合
現有 NVH 採集儀讀不了 CAN 總線？電池測試溫度通道不夠？虹科提供 PCAN-MicroMod FD 與 MU-Thermocouple1 CAN FD 模組，實現 CAN(FD) 轉模擬量及高密度熱電偶多模組級聯擴充。零代碼開箱即用，免更換既有系統！
HongKeTechnology
2026年10月9日
虹科最新文章
HongKe
Lorem ipsum dolor sit amet, consectetur adipiscing elit.Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
【虹科方案】AI 識別遇上 AR 工作流：PCB 質控迎來新的「黃金時代」
當產線操作員戴上 AR 智能眼鏡，複雜的 PCB 檢測流程 於眼前實現了「步驟化、結構化與標準化」的視覺呈現 —— 這場從經驗導向作業到數字化工作流的轉型，正成為電子製造業轉型升級的關鍵突破口。
在高度依賴人工目檢 (Manual Visual Inspection) 的 PCB 行業，操作水平的差異與流程不一致長期制約著產品良率。而基於 AR 標準化工作流 + AI 智能識別 的創新應用，正助力所有工位實現「無差別準確執行」。
一、破解人工質檢困境：讓標準化操作如臨現場
多工位無縫協同
傳統檢測模式下，操作員需頻繁切換工單、SOP (標準作業程序) 及缺陷範例，既分散注意力亦容易產生理解偏差。 虹科 AR 眼鏡 深度適配 MES (製造執行系統)、ERP 及 AOI (自動光學檢測) 數據，將：
- 待檢清單
- 檢測步驟
- 核心檢查點
- 缺陷範例圖庫
- 貼標要求
- 注意事項
以界面化卡片形式投射於操作員視野中，無需低頭查閱資料，即可按提示完成「檢測 → 確認 → 貼標 → 記錄」的全流程。
工作流指引 + 第一視角交互
- 標準化步驟提示：AR 眼鏡按順序彈出各項檢測動作（例如「檢查焊點 1–5」、「確認電容極性」、「核對條碼」等），確保操作員嚴格執行，杜絕漏項。
- AI 識別框高亮：系統透過攝像頭實時識別 PCB 正反面，自動框選需重點檢查的區域（如 BGA 封裝區、細腳 IC 區、焊盤密集區），並提示潛在異常，實現「一看即懂」。
- 第一視角操作校驗：AR 眼鏡全程追踪操作過程，針對關鍵檢查點是否完成、貼標位置是否偏離給予即時提醒 —— 這是實際可落實的技術方案，而非虛幻的全息疊加。
此方式大幅降低了「看錯點」與「漏檢查」的風險，讓經驗型作業轉化為可複製的標準化流程。
二、三大核心應用場景
生產工位：提升檢測能級
在 PCB 外觀檢測 中，AR 工作流賦能操作員：
- 根據系統提示逐項巡檢高風險區域。
- 對照 AI 識別出的疑似瑕疵進行精準複核。
- 按指引完成物料條碼校驗與貼標位置確認。
實測數據顯示：
- 肉眼漏檢率降低 50%+
- 多工位檢測一致性提升 40%
- 新員工培訓上手時間從 5–7 天縮短至 1–2 天
多家電子製造廠反饋：過去僅能由資深質檢員勝任的工位，現在新手亦能按統一標準穩定輸出。
工藝 / 質量部門：提升協作效率
AR 不僅是「操作提示工具」，更是專業的工藝管理平台：
- SOP 變更後可「一鍵下發」至所有 AR 設備。
- 每個檢測動作自動記錄，便於後期審核與品質追溯。
- AI 自動彙總缺陷分佈，為工程師提供工藝改進依據。
典型結果：
- 工藝宣貫時間減少 60%
- 質檢差異化判斷減少 35%
- 產線異常定位效率提升 2–3 倍
客戶側：提升交付質量
穩定的檢測準確度意味著：
- 返修率 (Rework Rate) 下降。
- 不良品流出風險減少。
- 針對車規級、醫療級等嚴苛客戶更具市場競爭力。
導入虹科方案後，客戶單條產線季度返修率下降 0.8 個百分點，顯著提升綜合良率。
三、未來展望
隨著 AR 眼鏡顯示、識別與交互技術的持續升級，PCB 質檢流程 將邁向更智能的模式：
- AI 自動識別更多元化的瑕疵類型。
- 自動比對絲印、條碼與物料號，減少人工核對環節。
- 根據歷史缺陷紀錄，智能調整檢查步驟。
- 自動生成並更新 SOP，隨工藝變化實現實時適配。
對於致力於推進數字化轉型 (Digital Transformation) 的企業而言，引入 AR 標準化工作流 + AI 實時識別，既能解決當前人工質檢的瓶頸，更能讓未來質量控制能力形成長期的競爭壁壘。當一副眼鏡能讓所有操作員如同「專家附身」，品質一致性便真正實現了「穩、準、快」。
其他文章
虹科乾貨
【虹科方案】AI Agent 落地實錄：六大行業企業級部署與底層基礎設施邏輯
深度剖析企業如何從單次 LLM API 呼叫跨越至自主 Agentic 系統。本文整理零售、金融等六大行業的 AI Agent 生產環境部署實例，並解構高併發、跨互動記憶（Memory Infrastructure）與分散式狀態持久化等底層基礎設施邏輯。
HongKeTechnology
2026年10月7日
虹科乾貨
【虹科方案】深度解讀 GNSS 模擬中高斯噪聲對定位效果的影響
在全球導航衛星系統（GNSS）射頻仿真測試中，高斯白噪聲（AWGN）通常被視為還原真實電磁環境的基準配置。然而工程實踐表明，噪聲的存在對接收機定位性能的影響並非線性的單調關係。本文基於德思特GNSS 模擬器的實測數據，解析高斯噪聲在卡爾曼濾波器、相關器抖動以及鎖相環中的物理作用邏輯，並提供科學設置仿真噪聲的測試指南。
HongKeTechnology
2026年10月5日
