科技產業報訂閱
order
 

臺灣AI雲卓越之星(三)—傑騰智能用AI創造價值

從機械取代手工的工業1.0,到利用生產線推動大量生產的工業2.0,再到運用IT自動化生產的工業3.0,如今已發展到強調智慧生產的工業4.0,製造業一直都在尋找各種加值的解決方案。傑騰智能執行長徐紹鐘指出,製造業所重視的是良率提升、生產力改善及成本降低,在工業4.0時代,業者必須設法掌握各種生產資訊,包括空間、文字記錄(如機台Log)、時間序列(如感測器蒐集的數據)等。

雖然IT技術的進步,讓各種生產資訊變得更加精細,但雜訊也跟著變多。徐紹鐘指出,90%以上的製造業在解決蒐集數據後,第一個建構的智慧演算法是做瑕疵影像辨識。由於人會疲勞,穩定度會隨著工時降低,即使訓練有素的人員,瑕疵辨識率可達90%以上,但人員培訓成本相當較高,因此如何利用IT技術來輔助人力辨識瑕疵,往往成為優先處理的智慧製造項目。

 點擊圖片放大觀看

傑騰智能執行長徐紹鐘博士。

但徐紹鐘指出,有85%導入瑕疵影像辨識技術的業者,停留在POC(Proof of Concept)。由於許多影像辨識技術,主要適用於大場域,但生產線的範圍不大,卻又需要更加精準的判斷,適用的模組也有所不同,如利用高解析的取像工具,來解決數據不足及不好的問題,或是做好可視化加速模型收斂,這都需要不同模組。這也是造成現今無法有效將瑕疵影像辨識技術導入生產線之原因,讓眾多業者無法真正落實應用。

面板廠產線雖然多半已有自動檢測,檢測錯誤率高達70%,仍需至少五個人力做人工覆判,把誤判的產品找回來。徐紹鐘指出,由於市場需求瞬息萬變,產品線日趨複雜,加上生產資訊都已數位化,自動檢測仍是智慧製造必須要努力發展的領域,未來會利用AI讓檢測機器可以透過回饋來學習人的行為,以達到減少覆判的人力。

徐紹鐘指出,目前製造兩大智慧應用平台,第一個是預測平台,包括影像與缺陷辨識、品質預測系統及設備零件的預測性保養,目前有70%的公司會選擇機器預測型保養,但應用只能侷限在特定機器型號。第二個是診斷平台,包括瓶頸產能(設備)預測與分析、人機料失效根因分析、供應鏈需求預測與競爭者分析。以機械手臂診斷為例,如果速度夠快,生產力會馬上提升;反之,一旦生產線出問題,如果不加以改善,問題就會重複發生。

但檢測智能化只是第一步。徐紹鐘表示,傑騰智能投入智能檢測領域已超過兩年,面臨最大的問題,是如何達成客製化服務。由於每個生產線需要檢測的參數都不一,但客戶又需要在短時間內完成。因此如何將模型建立的過程標準化進而縮短時間,達到提升客製化速度才是關鍵。

在建立模型的過程中,一次就會提供5,000張照片讓機器去學習,並需要在短時間完成,因此訓練階段很耗資源。徐紹鐘指出,有些客戶想要自己訓練,至少就得花兩個禮拜時間,但由於一開始會先從錯誤的資訊持續做修正,最後完成模型建立可能已耗時一兩個月。

學習必須要做好規劃,不是一直丟資料,而要學習資源最佳化。透過國網中心提供的「臺灣AI雲」高速運算平台,大大減少建置時間,只需一個小時就能回饋給建模人員。

計算資源將是未來決勝關鍵,透過國網中心「臺灣AI雲」的協助,傑騰智能不只讓製造業在資安防護下, 得到彈性及有效率的運算資源,同時也能加速建置的前置時間,並及早享受成果。對新創企業而言,更可提供快速POC的能力,加速與客戶合作的效度,及早接獲訂單。(林佩瑩整理報導)


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 傑騰智能 人工智慧