AI人工智慧

AOI

數位轉型

IoT物聯網/機聯網

工業4.0/智慧製造

AOI+AI智慧影像辨識的趨勢力

現代科技日新月異,人們享受科技所帶來的便利;像進停車場前的車牌自動辨識技術,讓我們不用再按鈕取票,或手機的人臉辨識解鎖,能節省輸入密碼的時間,但你知道嗎,其實這些都和AOI+AI智慧影像辨識息息相關唷,那還可以運用在哪些地方呢?讓我們一起來看AOI+AI智慧影像辨識還帶給製造業哪些技術性的突破吧!

作者

莊馥綺

6.2k

・2022/08/03

在疫情影響下,全世界各種不同產業都因為供應鏈中斷和人力的影響而改變運作模式。對於製造業而言,「缺工」一直是令人困擾的一點,不僅如此,在少量多樣的消費市場變化下,對需求多樣性的應變力、對市場快速變化的反應力,以及維持產品品質等都是企業們頭痛的問題。

 

但也因為這些原因,迫使製造業快速轉型,從自動化、數位化走向智慧化,逐漸取代傳統人力,不僅減少產線人員配置,使人力吃緊問題得以解決,同時減緩疫情對製造業所帶來的巨大衝擊。

 

為什麼需要AOI+AI智慧影像辨識?

 

在機械設備加工生產上,雖然生產過程中可以透過物聯網(IoT)和數位系統軟體工具,將OT跟IT結合,做到數據收集、應用並達到即時的人機協作。不過既然叫做「人機協作」,代表還是有需要人工來處理的部分,如:進料、首件檢驗、部分成品組裝、入庫、出貨檢驗等,都脫離不了用人力目視檢測的方式來運作。既然如此,為何還需要AOI+AI智慧影像辨識?那我們得先來看「人力」本質上的一些缺點,以及傳統技術上所不能彌補的地方了。

 

傳統人力的問題

1.經常性缺工:單調頻繁和重複的長時間作業,導致訓練期長,招聘新人不易。

2.作業人員老化:作業人員年齡層老化,容易因疲勞和身體因素影響,導致檢出率下降影響檢驗品質。

3.品檢標準與結果無法數據化:雖然有參考的圖片、標準書做標準,但因個人主觀因素與產品的多樣化,容易發生過檢與漏檢的問題。

 

從上面這些敘述來看,我們可以知道傳統人力會造成以下幾點問題:

1.人員經驗造成產量不均:因為每個人的手感、經驗、標準都不一樣,加上長時間用眼,很容易疲勞,因此很難做到標準化和數據化,影響產能的輸出,造成品檢率、產能不定的困擾。

2.無法即時掌握生產/檢驗狀況:以人工記錄生產產量、檢驗狀況,容易有疏漏、資訊傳遞延遲的現象。

3.漏檢/漏組造成品質不良損失:這些問題會造成客訴、生產線的製程時間停等,以及因為品質不良、零件修整的損失。

 

因此,即便有好的設備稼動,卻因人力問題而無法有好的品質,產出效率一樣不會變好,設備綜合效率OEE依然無法提升。

 

 

針對這一點,為了改善人工檢測瑕疵,加上紙本記錄無法長時間累積紀錄數據,且製程資訊要等現場人員回饋,無法即時掌握生產和檢驗狀況去做排程調整的問題,傳統是透過AOI人機協作的方式,利用參數控制,品質檢測確認達到提升製程良率,但對現今科技來講,傳統AOI的技術已經無法滿足我們對智慧製造的要求了,而傳統AOI究竟又有哪些不足的地方呢?


傳統AOI品檢的問題

1.過篩率偏高:光學檢測都是透過傳統演算法進行,這些演算法並沒有學習的功能,且過篩率非常高,因此業者往往要額外花費人力成本,進行第二次人工篩檢分類。

2.上線時間長、彈性不佳:傳統AOI品檢系統,每一次上線都要不斷調整設定,但在智慧製造概念中,產線要做到可以快速回應訂單,彈性調整生產內容,現行機器視覺檢測的繁複設定,將難以滿足彈性化生產需求。

3.無法有效解決光學光影干擾:AOI的檢測原理,只能以設定好的參數標準為基準進行判斷,須先定義瑕疵的樣本,再透過樣本進行篩檢。

 

 

AOI+AI智慧影像辨識是什麼?

AOI+AI 智慧影像辨識優點

透過AI深度學習(deep learning)模型訓練,不僅可以快速上線使用,還能自主學習:模擬人的眼睛跟雙手,將人工檢測經驗模型化,利用演算法分析判斷,留下資料庫做線上檢測,並針對未知瑕疵主動進行識別,不需要到最後一步產品出來後才做終檢,可以做即時檢測,在發現良品率下降時,立即做產線、設備、人力的調整,避免設備損失與時間、人力的浪費,而在模型輔助判斷的情況下,不僅可降低對人工的依賴,亦可大幅提高生產效率與降低檢驗人員的工作負荷。

 

AOI+AI 智慧影像辨識在智慧工廠的新關鍵角色

生產品質

1.機台數據擷取:三色燈顏色判讀、HMI資訊讀取,收集數據資料並高度可視化所有資訊,讓現場人員隨時掌握所有系統的狀態。

2.影像辨識設備狀態:數位串流即時辨識機台生產狀態。

3.產品檢測:產品影像資料,快速判斷多件/少件。

4.AOI影像辨識智慧優化:優化AOI影像判讀、降低誤判率,提高AOI品檢的可靠性,減少需二次人工目測檢驗的成本。

5.物料檢測/混料檢測:便捷高效檢測物料、杜絕錯料異常產生。

6.動作影像分析:重要工作的作業步驟判斷、提升產品品質。

7.智慧目視檢測:自動判斷產品外觀、結合影像資料,劃分重點檢查區域。

8.生產品質管理提升:將產線可視化,提供機台狀態即時監控,並能記錄影像資料,輔助機台數據,還原現場狀況。

9.OCR智慧辨識:可以將圖形、文字、顏色、數字轉換為機器可讀的文字格式,自動整合文件工作流程和數位工作流程來改善效率,減少成本開銷。

安防管理

1.人臉安防:人臉辨識影像監控、異常告警、過程回溯。

2.人員管理效率增加:透過高準確度及靈敏性的人臉辨識做到人員進出廠區、管制區、產線上工等的自動化,提升整體管理效率。

 

AOI+AI智慧影像辨識取代眼睛檢測的優點

透過AI將人工檢測經驗模型化,並利用演算法進行分析判斷,在模型輔助判斷的情況下,有著精度高、持續性高、成本效率高、以及靈活性的特點,不僅可降低對人工的依賴,還能大幅提高生產效率、降低檢驗人員的工作負荷。

 

畢竟機器不像人眼需要休息,而且只需要更新、調整所搭載的軟體,就可以改進檢測技術,不用整組儀器換新,增加巨額花費,還能減少多餘的人力支出。

 

AOI+AI智慧影像辨識實際案例分享

1.突破金屬反光檢測技術

以汽機車零件業為例

◎傳統品檢問題:缺工、金屬工件表面很亮會反光,品檢時要透著光源一直轉動角度,讓眼睛看到沒有反光的部分,檢驗人員容易疲累,檢出效果不佳,效率難以提升、瑕疵品判斷因人員素質與主觀認知而產生差異,過篩率高。

◎AOI+AI智慧影像辨識:以煞車碟盤來說,通常會有刮痕、裂痕、撞傷、缺邊、污漬等瑕疵,透過機器視覺加上AI演算,可以很容易被檢測出。

 

2.提升高精密度工件良品率

以精密鑄造業為例

◎傳統品檢問題:只能依賴目視檢測做全檢(要檢測出尺寸、氣孔、裂痕等瑕疵),品檢紀錄也倚賴人力,無法有效建立製程優化的大數據、只憑老師傅找出瑕疵關鍵,導致品質掌控困難,精度與良率難以突破。

◎AOI+AI智慧影像辨識以特殊的非接觸式3D結構光,單位細度可以到一條的檢測精度,還可以將沒有感測器的機台做聯網,再將數據資料(生產工單、時間軸資訊、製程參數等)上傳到MES系統,接著拋轉給AI進行大數據分析,品檢AI系統可以製程參數建議,提升良品率。

 

而MES系統整合AI品檢製程參數優化有哪些優點?

尺寸測量:全域性量測,不會漏掉任何重要尺寸,利用全世界最知名的3D檢測系統,提供具公正力檢測報告。

瑕疵檢測:彩圖目視化分析,可立即知道特徵是否異常。

AI+3D自動品質檢測:可做AI+3D自動檢測鑄造成品的瑕疵。

自動化檢測報告:自動化產出檢測報告,並可直接匯出2D 、3D檢測報告,工程師可使用3D檢測軟體開啟報告後,明確問題並下正確對策。

整合的效益:整合MES品管系統、自動報工、生產履歷等。

AI製成參數建議:AI+3D檢測結果和製成大數據分析。

 

3.建構有檢測紀錄的生產履歷

以飲料廠為例

◎傳統品檢問題:缺工、瑕疵品判斷因人員素質與主觀的認知而產生差異、高速度生產線(高UPH)人眼無法有效檢測、長時間工作疲憊造成漏檢問題。

◎AOI+AI智慧影像辨識:透過AOI+AI智慧影像辨識系統,結合ERP、MES 串流,自動依照產品訓練所建立的模型檢測成品,且每一張檢測照片可以留下紀錄作為生產履歷的查詢。

 

智慧製造數位轉型蓬勃發展,但如何達到智慧工廠的階級,AOI+AI智慧影像技術應用是必不可少的。透過即時影像與人工智慧判讀,不僅取代傳統人工目測檢驗,將檢驗標準化、落實全面品檢,同時也改善檢驗品質並建立完整影像生產履歷,便於後續追蹤與統計分析。


更多IT+OT關鍵應用都在這裡,趕快手刀報名起來~

 

參考資料:富鴻網

OT大講堂

OT大講堂

OT大講堂全新改版,影片呈現更豐富

延伸閱讀

我們使用本身的Cookie和第三方的Cookie進行分析,並根據您的瀏覽習慣和個人資料向您展示與您的偏好相關的廣告。如欲瞭解更多資訊,您可以查閱我們的隱私權政策