AOI 編程占用的時間，正在悄悄吃掉你產線的有效產能。「編程稅」指傳統 AOI 冗長的設置時間造成的效率損失，讓 SMT 產線生產率降到僅約 70%。
在多品種小批量（HMLV）環境中，貼片機速度可達 40,000 CPH，但每次新產品導入，產線都因手動編程而閒置 2–3 小時。這不是設備故障、也不是物料缺陷，而是純粹「等待 AOI 完成編程」的成本。
「黃金樣本」時代的隱性成本
過去二十年，AOI 依賴基于規則的算法，在大規模、長周期生產中行之有效。但今天的訂單更小、更頻繁，HMLV 工廠日均換產品 2–5 次。每一次新產品導入都會觸發：
- 手動閾值調整：工程師花數小時調整色彩參數、光照角度與幾何規則。
- 高誤判率：規則過嚴則誤判合格板，過松則漏檢缺陷。
- 專家依賴：檢測質量取決于編程人員的個人技能。
設置通常耗時每塊新板 2 到 3 小時，期間產線產出為零。
Few-Shot Learning：從「編碼」到「識別」
解決方案不在硬件，而在軟件。Few-Shot Learning 的工作方式類似人眼 —— 無需數千張訓練圖像，只需要看到一個良好示例。通過僅從一個「黃金樣本」學習，AI 理解的是元件放置的意圖，而非單純的像素值。
118 分鐘 對比 5 分鐘
實際驗證結果：
- 傳統 AOI 設置：118 分鐘（且仍需微調）
- DaoAI 設置：5 分鐘
消除手動算法調整後，製造商可在原本一次產品切換的時間內完成 20 次切換。
把增長與人員數量解耦
「編程稅」本質上是人力成本。Deloitte 預測到 2033 年將有 190 萬個製造業職位空缺；若 NPI 流程依賴手動編碼，業務增長就與人員數量死死綁定。AI 自動化設置過程，讓現有團隊能管理 10 倍的工作量，也讓初級操作員達成專家級成果。
智能工廠的定義已經改變 —— 不是掃描速度，而是「準備就緒」的速度。