AI人工智慧

品質管理

AOI

AOI+AI智慧影像辨識,幫助企業提高生產平衡率

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。

作者

莊馥綺

2.9k

・2024/02/15

傳統工廠產線常遇見問題

1.缺工、品質不一

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

 

2.系統平台建設成本高、時間長、維修不便

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?

 


AOI+AI智慧影像辨識建立與流程

1.資訊串聯

「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

 

2.AI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。

 

3.系統管理

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

 

AI流程優化平台步驟與優勢

1.資料處理

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。

 

2.模型訓練與驗證

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。

 

3.模型部署

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。

 

4.流程管理

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

 

5.平台特色與優勢

●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。

 

AI智慧影像辨識實際應用案例

案例一:物件辨識(以機械製造公司為例)

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

 

 

案例二:瑕疵檢測(以工業電腦公司為例)

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。

 

AI智慧影像辨識應用效益

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機器視覺是什麼?可以怎麼應用?(上)

AI機器視覺應用情境與實際案例(下)

想要有效掌握人員績效,關鍵盡在人臉辨識技術

AOI+AI智慧影像辨識的趨勢力

機器視覺點亮製造業,讓製造業更效率

【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