AOI
溯源/品質管理
AI科技新知
AI製造業應用
AI流通業應用
缺工議題
透過攝影機、鏡頭來模擬人的雙眼,將取得的畫面傳到後台系統後,經由AI演算法分析和辨識,可以進行產品檢測、物品辨識和分類等單一、重複性高的工作,降低人力需求,提高生產效率,而這就是AOI+AI智慧影像辨識的重要性。
一般中小型製造業產線多半屬於半自動化生產模式,我們常可以看到在一條長長的產線上,分成許多工位,作業員就像積木依樣整齊的站在或坐在機台、輸送帶旁邊,不停地重複手邊的動作進行產品加工製造,而QC就在最後的工序中進行檢驗。雖然有一定的SOP流程,但每個人辨別的標準不一,加上還是會有疏漏的時候,無法像機器一樣快速又標準的統一生產。
即便有使用相關的檢驗或辨識系統,也會因為沒有AI相關人員可以編寫程式,導致許多專案需要委外進行,導入時間長(至少需要6-12個月),如果要增加其他數據模型,與委外廠商來回討論的時間也會需要一段時間,若系統軟體發生問題,還要進廠維修才能繼續使用,增加時間成本。
那該如何做、運用哪些智慧化設備、系統軟體才能節省人力、建設成本,還能提高生產效率,達到產能最大化呢?
「工欲善其事,必先利其器」想要取代人眼檢驗還能統一品質、快速生產,就必須要有良好的硬體設備,因此要先架設相機、進行機械設備聯網,才能方便後續作業。
當設備完善後,作業員可以在產線要開始作業前,先輸入資料(像是工單、員工編號、掃條碼等),直接自動核對工單與工號,確認工作人員與項目品項是否正確,避免做白工的問題發生。
還可以即時記錄相關操作數據資料,將作業員每一步驟流程完全錄下來,以利AI系統軟體進行後續分析。
透過AOI+AI影像辨識可以即時分析動作SOP步驟是否有遺漏,並產出數據(時間、組裝數量等),對作業員每個動作環節進行分析,看整個流程是否有重工、不良品、時間浪費或操作錯誤。像是辨識組裝順序:如果作業員少了撕貼紙的動作,系統便會顯示異常警訊,並記錄無效工時,直到撕下貼紙並執行的重工作業後,系統才會自動改為有效工時。
如果是發生組裝錯料的時候,系統也會發Email通知,也可以加入三色燈即時顯示並警。而在即時記錄的情況下,螢幕會顯示檢測對象的一切數據,如:步驟數、單一步驟時間、總時間、已組裝的物料件數量等相關資訊,方便人員進行管理和排程。
所有蒐集的影像資料都會留存於終端備查(隱私與機密考量),其他資訊如:異常動作、數量、時間等可以存入資料庫,以數據儀表板方式呈現,方便人員直觀檢視。
而將所有數據資料存入終端地其中一點好處是,如果產品年限較長,不易損壞,但之後發生客訴時都可以回溯影像,查找問題點。
智慧化系統平台還可以串接各種常見工具,如:部署自動化、容器管理、管線拓樸、遠端監視與維護等。不會造成系統軟體相容性上的問題。
在使用工業相機或一般鏡頭取像後,如果發生蒐集影像上有困難時,可以透過影像擴增,針對影像作不同角度傾斜、調整亮度、增加雜訊等方式,以利蒐集資料更多。
可選擇雲端或伺服器來選擇演算法進行訓練,讓不是AI專長的工程師,也可以不用寫程式,透過介面載入資料及,選擇要使用的演算法,訓練完後可以透過圖表來看模型狀況,驗證是否有被收斂。
檢測到異常時,可接指示燈進行警示,控制PLC、Email通知,將影像儲存後,可做後續回放,瞭解品質狀況。
持續更新模型提升準確度,並整合ERP、MES相關資料整合,還可以進行遠端維護,不用再特地送回原廠。
●產品化模式節省導入時間與成本:過去都是專案客製化,導入時間長;現在則是產品化,利用免程式打造AI模型,讓沒有AI程式團隊的企業快速應用。
●提供多種演算法,方便生產應用:提供多達100多種優化生產模型,如:物件、瑕疵、肢體等不一樣的演算法,因應檢測少量多樣的生產模式。
●多種影像處理模式解決不同需求:30張影像即可生成模型,可以自動進行影像標記、生成、擴增,幫企業省下影像標記時間,影像生成模組可以增加不同影像型態,解決後續大量蒐集影像的困擾。
●持續生成產線檢測資料,提高產線效率:除了不間斷進行生產檢測,還能持續自動生成資料優化模型,維持高準確高效率的效益。
●部署終端設備,降低成本:將模型輕量化後部署在終端設備,減少成本提高執行效率和安全性。
●雲端架構,提高效率:利用雲端遠端維運,可遠端排除問題與進行系統維護,提高開發效率。
痛點:因客製化需求導致零組件尺寸不同,雖然有些外觀起來很雷同,但實際尺寸大小卻有差異。相關人員需要非常熟悉零組件特性和用處,才能正確應用。
導入AOI+AI智慧影像辨識後:AOI+AI智慧影像辨識整合物料管理系統後,可以直接顯示該零件的型號、規格、組裝資訊等,影像辨識正確率達99%以上。
痛點:產品體積小不易檢測,以人眼檢測難以趕上生產速度,加上判定標準因人而異,工時長導致品質下降,易發生疏漏或不良品率提高等情形,產生維修或重工成本和客訴問題。
導入AOI+AI智慧影像辨識後:可辨識多種形態的瑕疵,包含刮傷、髒污、壓痕、溢料、錯料等,辨識率高達98%,將檢測結果作為生產參數調整,降低品管部門負擔,提升產品品質。
案例三:組裝辨識(以電子公司為例)
痛點:大多依靠現場領班個人經驗調配指派工作,造成有些組裝員有閒置的時間;少樣多量加上組裝複雜無法採用機械手臂,以上原因易導致工作站失去生產平衡、組裝品質不穩定。
導入AI智慧影像辨識後:可辨識作業員的有效及無效工時,判斷人員實際上崗時間、分析組裝順序、異常動作辨識,掌控實際產量與良率,以影像及數據分析優化人員調度,提高生產平衡率。
想要從傳統走向智慧化,必須要先將先將整個流程數位化,得出量化指標後,才能找出不合理的環節進行改善計畫,提高生產線平衡率。
生產線平衡率是指透過分析來調整工作站的組裝內容,對產線上全部工序做平衡化、均衡化,調整各個工序及工位的作業負荷、工作量,讓各序工作業時間相近、相等,消除各種等待浪費,達到生產效率最大化。
生產線平衡率並非突然出現的,過去也會進行統計生產平衡率,但進行的方式是以人工紀錄數據的方式來優化,像是碼表計時、手寫記錄、最後再用EXCEL做統整,易發生填寫紀錄錯誤,也無法即時更新數據資料,但現在可用AI做到自動化、量化的管理。
AOI+AI智慧影像辨識目的是為了提高人員和設備生產效率,減少產品生產的工時損失,減少重工、降低成本,減少等待時間,提高生產系統彈性,但實際上該如何進行與運用,還需要謹慎的評估與規劃,才不會造成投入資本與心力和效益不符的情形產生。
《AI智慧辨識相關延伸閱讀》
【AI微醺Ep.5】從《疑犯追蹤》談人臉辨識、專家系統、推理、推薦技術(上)(1/2)
參考資料:慧演智能
問卷調查
產業大調查
你對自動化設備有感嗎?快來填問卷表達你的想法吧!
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。