AI人工智慧
科技技術
品質管理
AOI
拜科技日新月異所賜，許多企業已從自動化工廠逐步往智慧工廠邁進，AI機器視覺應用日益廣泛，若與生產設備緊密結合與連動，可以替企業帶來不菲的效益。
你知道嗎？無論是日常生活中常見的人臉辨識、車牌辨識等，還是工廠內的產品檢驗、AGV無人搬運車，都是利用AI機器視覺的技術達成的，因此愈來愈多企業將 AI機器視覺技術應用到更多元更深入的面向，例如：用人臉辨識技術來分析生產線員工的工作節奏與產能、用AOI+AI 智慧影像辨識找出瑕疵品或不良品，這些都是利用AI機器視覺和數據管理來提升產力。
在工業4.0時代，想要降低人力、時間成本，提高生產效率，就必須要人類與機器相互攜手合作並且截長補短，才能帶動生產效率與彈性的提升，達到人與機器間完美配合的境界。例如：檢測工件體積過小、精度過高或數量過多難以用人力檢測時，或是人眼速度不足以檢視的高速生產等。用機器視覺技術搭配相關機械設備取代人工，可以避免因人體疲勞造成漏檢，或主觀判斷差異而導致品質無法標準化等問題發生。
1.缺工問題+技術斷層：無論是少子化因素，還是3K行業的環境讓年輕人較無意願投入，或無法久待，加上疫情缺工問題日益嚴峻，導致招聘新人不易，間接造成技術斷層，老師傅經驗傳承不易。
2.時間浪費：以往常常會浪費時間在瑣碎工作上，如：搬運材料、清理廢料等，不但佔據大部分時間，更造成許多人力浪費。
其實還有許多原因，但大多都從以上兩點問題所延伸而出，導致即便有好的設備稼動，卻因人力和時間問題而無法有好品質，產出效率一樣不會變好，設備綜合效率OEE依然無法提升。
AI人工智慧是將自動化機械，透過物聯網（IoT）、大數據的基礎，加上機器學習（Machine learning）、深度學習（Deep learning），讓機器能夠模仿人類的判斷、學習及運作，並主導機器視覺這領域今後發展方向。以下介紹幾點AI人工智慧協助人們在工作中的例子：
1.互相學習進步成長：AI人工智慧可以適時提供適當資訊，提升我們分析與決策能力，也能提高我們的創意。而且AI人工智慧需要不斷地去訓練它，例如：可以將老師傅的經驗導入到機械手臂中，將瑣碎、繁複的事交給機械手臂，其他人員可以專注在整體工做中，並透過研究機械手臂運作情形或結果來進行優化，達到人與機械更進一步的認知和改進。
2.與顧客間的交流更順暢：可以利用AI人工智慧助理代替人類進行溝通，人機協作讓公司能以更創新、有效的方式，與員工和顧客互動。以金融業為例，無論是電話還是官網上，都可以見到智慧客服、智慧助理的蹤跡，將AI智慧機器人設定好，便可以做到分流、即時解決客戶基礎問題，達到節省人力，提高服務品質。
3.有效取代粗重繁複的工作：無論是哪一種實體機器人，都可以幫助人類執行粗重工作，例如：機械手臂可以舉起重物，並精準地持續動作，操作人員便可以執行需要靈巧與判斷的互補性任務，像是組裝齒輪馬達等，可以節省搬運成本、時間，或是機械損傷的情況。
AI機器視覺的應用場域越來越多元廣泛，無論是由人員進行引導、設定手動引導的組裝、塗裝等，還是像焊接機械手臂焊完的工件，運用智慧導航，進行圖像解析，或是透過參數控制，瞭解工件連接點強度以及加工良率為何等，甚至是像自動堆疊、加載、卸載、測試、修整（benching）、清洗、共同組裝這些事情，都需要AI機器視覺的技術從旁協助。
1.深度學習強化相關應用技術：想要讓機器更具智慧、達到完美的人機協作，必須利用深度學習、感測、晶片等相關技術讓機器邁入另一個新里程碑。像是協作型機器人可以利用AI視覺辨識等技術進行貼標、鎖螺絲等高精度作業，讓操作人員可以將時間運用在其他地方。
2.不斷改良與實測提升安全係數：當人機必須同時在同一工作範圍內互動時，安全性風險評估便顯得格外重要，無論是機械手臂撞傷人員，或是協作型機器人在承載貨物移動時壓到相關人員，都屬於工安問題。為了減少類似的事情發生，在設計機械設備時必須先進行風險識別與評估，進而透過設計來降低操作上的危險性，或是在協作場景中必須根據實際風險程度不斷監測、調整甚至限制機器人的力量、速度及運動軌跡來避免。
AI機器視覺技術使用已經行之有年，不僅能大幅減輕產線人員工作量，彌補人眼不足之處，無論是對產品品質控管還是生產效率提升，都有極大的幫助。但AI機器視覺到底還能運用在哪些地方呢？又有哪些實際案例可以參考？在AI機器視覺應用情境與實際案例（下）這一篇中都有提到。
更多IT+OT關鍵應用都在這裡，趕快手刀報名起來~
《機械手臂相關文章延伸閱讀》
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。