智慧應用 影音
科政中心
event

【數位轉型 台灣最行】生產設備的「Face ID」 即時診斷降低停工風險

製造業管控品質除了在事後QC作改善外,若能透過AIoT在加工行為的過程中,透過感測器獲取生產設備的運作數據或頻譜進行分析,就能提前達到預知診斷,大幅降低不良率的產生。《數位轉型 台灣最行》應用篇第11集,DIGITIMES邀請固德科技總經理許文澤分享如何利用機器學習智能監控系統,幫助產業維持產品良率、機台穩定度、降低保養成本及縮短保養時間。

 點擊圖片放大觀看

固德科技總經理許文澤分享如何利用機器學習智能監控系統,幫助產業維持產品良率。李建樑

工廠的生產設備24小時運作,一旦因故障停工將造成重大損失,因此在智慧製造情境中,預知保養監控近年為市場重視。目前AI主流大多以先取得或現有的大量數據進行訓練及特徵化,但在工廠場域中,各式機台設備種類為數眾多,累積的資料量十分有限,如何才能快速符合工廠的需求?

許文澤就以固德科技的機器學習智慧監控舉例,其透過結合快速學習原場域執行者的經驗,並透過預先建置的數學模型,將人為經驗基於物理與數學演算基礎進行分類管理,再經由一次又一次重複的生產行為動作中累積大量的數據。

許文澤進一步指出,在一開始裝設時就以既有規範或是學習已知規範的方式來進行監測以保護機台及產品品質。而在監測的過程中,底層演算法便會持續收集並將數據加以分類,過程中使用者可執行標籤化動作或是將收集且分類過的數據群再進行深度學習。

而在製造行為中的特殊行為是否與製造優良產品時的行為相同?或是特徵頻率是否正常?加工流程中是否平順?這些種種特徵都能在行為模式中做後標記的動作,並可同時做產線內部的品質管理。

許文澤指出,這項技術固德科技稱之「訊號追蹤識別技術」,想像針對訊號的人臉辨識,系統只要學過這張臉,就會記住然後自動辨識,同理,系統只要看到機台執行加工行為,系統會自動擷取然後比對建立的模型辨識好壞、正確與否,當系統辨識到異常,便會立刻提出告警,成為產線管理工具。

許文澤舉例,像是傳統產業中因加工件重量較重、較龐大導入機器手臂搬運,這是產線中相當重要的一環,為了避免造成產品及產線稼動率損失,很難以備機的方式做監測保養。

因此透過針對如機器手臂的電流物理模型,監控動作是否跟過去有所不同,例如半導體晶圓製造在夾取晶片的機械手臂中,發生抖動,可能造成刮片甚至是破片,在預防的步驟上就相當重要。

而金屬焊接機器手臂也可能因為姿態的改變,導致焊接的角度與距離也會不一樣。另外像是針對沖壓產業相當重要的模具,本身一定會耗損,也可以利用此在沖壓流程中,讓設備檢測與產線檢查結合,以預警的角度,預防產線製造大量不良品。(更多精彩內容請鎖定《數位轉型 台灣最行》第2季應用篇)

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: Face ID 數位轉型