智慧應用 影音
訂報
DForum0416智慧工廠台中

Volvo利用機器學習節省塗漆成本

Volvo利用機器學習準確判斷車輛塗漆用量。法新社

為減少車身塗漆的成本浪費,歐洲商用卡車製造廠Volvo Trucks與紐約新創公司Fero Labs合作利用機器學習模型計算車身塗漆的用量,成功提升了塗漆作業的效率。Volvo Trucks計劃在未來將這套工具引進更多流程中。

據IndustryWeek報導,在德國舉辦的數位化工作坊上,Fero Labs先進的機器學習工具吸引了當時正期盼能與新創公司合作的Volvo Trucks。雙方首先在Volvo瑞典廠房展開了前導計畫。計畫期間,Fero Labs的機器學習模型成功辨識出會影響車身塗漆鏽蝕的數十個參數,Volvo Trucks便依據分析結果調整塗漆用量,取得了成本與防鏽品質間的最佳平衡。

Fero Labs將其機器學習工具稱為「可解釋」,或「白盒子」模型。與一般「黑盒子」機器學習系統不同的是,Fero Labs系統提供的資訊能讓工程師與工廠人員了解機器學習模型判斷的依據,因此更有助於作業流程的改進。

有了瑞典廠房的成功經驗,Volvo又進一步將Fero Labs模型引進了都柏林廠房,其任務目標同樣是在提升工廠生產量的同時,維持最佳的車身塗漆品質。除此之外,此次計畫也更重視如何利用機器學習減少塗漆作業的排放量與廢棄物。

為因應商用市場需求,Volvo Trucks需準備上千種車身塗漆顏色供客戶選擇,這也為生產流程帶來了相當大的壓力。不論是如何有效切換顏色、該載入多少顏料避免浪費,都需經過準確的判斷。計算失誤造成的塗料浪費不僅是一筆龐大的成本,同時也會對環境造成莫大的衝擊。

除了車身塗漆外,Volvo內部還有許多流程,都可透過機器學習改善。由於Fero提供的機器學習工具沒有太高階的專業門檻,因此靈活性相當高,Volvo未來將可使用同一套工具處理生產流程中各種不同的問題。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 機器學習 Volvo