AI人工智慧
科技技術
隨著AI、大數據與邊緣裝置技術的發展，AI+AR的應用也越來越普及、越多元，但如何實際應用在各行各業的現場中呢？讓我們一起來一探究竟吧！
AI人工智慧（artificial intelligence）：指由人們打造出來的機器，那些機器透過電腦程式所表現出的智慧技術。
AR擴增實境（Augmented Reality）：在可見的真實場景中，利用數位內容、物件來補充多一點的「虛擬資訊」；如果以現今的技術，就是指透過某個「載具」，如：眼鏡，讓使用者在看見真實影像的同時，也能看見「虛擬」的輔助資訊，增強人們對於實體環境的經驗。
從技術層面來看，AI和AR是兩種截然不同的技術，AI主要是透過DL深度學習（Deep Learning）來優化系統軟體和設備，而AR 是透過顯示器來呈現讓虛擬與現實結合。但其實在AR，的核心技術中，像是環境理解、視覺定位追蹤都跟深度學習有著密不可分的關聯。因此當我們將這兩樣技術結合後，又會產生什麼樣的火花？又可以應用在哪些場景上、創造出無限可能？
科技始終來自於人類的需求，無論是哪一項技術，都是因為有需要才會去發明和優化，因此我們先來瞭解在傳統生產現場中，究竟是遇到哪些問題需要克服吧！
工廠內常見的巡檢方式還是以人工抄錶，紙本抄寫記錄所有數據，不僅容易造成漏檢、記錄錯誤的事情發生，也無法進行產品、設備的履歷追溯，還會導致後續維運狀況問題產生。
廠內場域環境複雜，操作過程中如果遇到問題難以明確敘述現況並對外尋求協助，加上較老舊的設備沒有搭載即時告警系統，如果有問題也無法及時通知管理人員異常點，導致搶修的時間差增加。
倉庫中通常會從放著各式各樣的料件，在進出料時通常會有大小不一的料件放一堆的情形發生，如果以人力進行清點，不僅耗時費力，還很有可能出錯；而品質檢驗的部分，雖然有些會以AOI來進行檢測，但只能以定義好的參數作為基準檢測瑕疵樣本，容易造成漏檢、誤殺等情形發生，大幅影響生產效率。
瞭解更多AOI相關：AOI+AI智慧影像辨識的趨勢力
AR這項技術1990年就有了，市面上也有許多AR相關產品，但以應用在製造業生產環境的AR產品來說，還是有許多地方需要改良：
很多都只有告訴你下一步該怎麼處理，沒有驗證動作是否確實這個流程，舉例來說：像是告訴你這個步驟要把板手往下拉，而鏡頭也只能判別出這個人有將扳手拉下來，但沒辦法確認機閥是否到位，就是提供操作人員一個SOP流程架構而已。
很多單純搭載AR技術的產品，只能單純跟著指引操作，但操作過程、機械設備相關的問題、紀錄等數據都無法累積，因此也沒辦法進行事後回溯與有效追蹤產品。
市面上AR產品是以遠端協作來進行引導，如果現場員工是新進人員，在面臨複雜維修流程時，雖然可以透過廠配專家在遠端螢幕註記進行指導，但還是可能會發生機械設備故障時剛好專家不在，或是同時有很多人call out的時候，會變成廠內人員缺乏線上老師傅指導的窘境。
市面上AR產品大多沒有搭載檢測證明，因此產品生產完後，還是需要仰賴大量人力進行複檢，造成產品品質難以穩定。
想要解決以上的問題，我們可以發現單靠AR原本的功能是遠遠不夠的，必須要更智慧化，才能協助現場人員更直觀的處理問題。因此我們可以兩個面向去談：
傳統的機器視覺檢測需要蒐集非常大量的數據，才能建立模型並應用在實際場景中，但AI視覺檢測軟體系統以圖像式AI辨認進行，只需要少量的影像樣本進行訓練（一張資料進去會自動擴增成好幾十張，不會因為光線影響判讀結果），無論是單一物件還是多項物件，會依照特徵辨認、辨認定位、特徵分類、特徵分割等方式快速判讀，不僅能快速判斷影像立即回傳偵測結果到AR數位化眼鏡，還能引導前線人員進行場域巡檢、ORC辨識、驗證複查等廣泛操作任務。
接著透過深度學習訓練（從教導、學習、驗證再到應用不斷的循環，只要載入更多照片就可以進行越深入訓練），來提高準確值。
工業型顧名思義就是適合在潮濕、多塵、炎熱、環境較為惡劣的情況中使用，而現場操作人員通常雙手都需要同時操作設備儀器，這時可以抗雜訊的聲控操作就顯得尤為重要了，透過下達指令，就可以執行檢驗，或是將所拍攝到的畫面回傳到系統平台上進行保存，不僅如此，還可以離線執行，即使現場沒有配有網路，依然可以使用，大大減少環境的要求。
除了基本的廠務巡檢，在與公司內部系統串接後，可以根據各廠區點選不同的表單項目，便能做到智慧辨識機台數值，自動導入對應欄位以外，還可以應用在各行各應不同場景上：
食品業：在大量且相似背景的食材原料中，利用AI視覺檢測軟體可以輕鬆分辨裡面是否有異物，確保食物品質。
運輸業：在快速行駛的道路中，利用AI視覺軟體檢測道路上的交通標誌，不僅可以100%偵測到路標，還可以結合GPS定位系統，有效追蹤道路資訊，將資訊存於中央資料庫中。
電子業：針對電器線路安裝位置和順序進行AI模型訓練後，可以協助人員立即辨識有複雜線路的接線位置，有效警示並指引現場人員配線是否有誤，阻止失誤發生，同時建立生產履歷。
能源產業：根據除能貴組裝管線、燈號、旋鈕位置建立AI模型後，可以避免人員操作錯誤，並建立品檢履歷。
物流業：先利用AI視覺檢測外盒是否有瑕疵；像是凹痕、邊角翹起、歪斜等都可以被偵測出，在確認商品品質無誤，人員依據訂單數量放入貨架中後，會再計算物品數量使否與出貨訂單相同，減少失誤發生。
進行完美人機協作：以人+AI的模式進行，目的是讓AI輔助人，而非直接取代人力，不僅可以保有人的彈性，還能配置AMR、機械手臂等智慧化設備讓生產線更流暢、更適應多樣化的環境。
降低人力成本：傳統新進員工需要經過一段時間的教育訓練後，才能慢慢熟悉流程，但導入AI+AR的技術後，可以降低人員技術能力的要求，將技術轉化為數位資產，不僅縮短教育訓練時間，還能降低人員流動率。
建立生產履歷紀錄：利用AI+AR的技術可以減少許多人為的疏失，並提供第三方驗證，還能將過程完整保存下來建立生產履歷紀錄。
建立完整機制：確保SOP流程有確實執行，標的物見有被確實擺放，並在未來可直接導入全自動化的情境。
在智慧製造的年代下，除了可以應用AI+AR技術預先精準進行設備維運、以更輕鬆有效的方式引導人員完成相關作業，才能全面降低工廠營運風險，跟上工業 4.0 智慧浪潮，在人才遞減、疫情衝擊之下反而能夠逆勢成長。
更多IT+OT關鍵應用都在這裡，趕快手刀報名起來~
更多精采課程場次都在這裡：完整課表
《機器視覺相關延伸閱讀》
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。