AI視覺打造Gogoro人機協作未來產線
- 林稼弘／台北訊
-
製造業未來：想像與現實的落差
製造業的自動化是近年來的趨勢，每年推陳出新的自動化控制設備，讓關燈工廠看似能在不久的將來實現。但事實是，製造業離全面自動化的關燈工廠仍相差甚遠。在轉型過程中，首先該消弭對新科技過度膨脹的信心。
「人」仍然是工廠作業裡，難以被取代的動能來源。面對現今少量多樣、高換線頻率的生產模式，人的協調認知、適應性與靈活性，都是製造業急需的要件。正是人的靈活性讓我們超越科技，到頭來，科技都只是用來簡化人工作的「工具」而已。但恰恰是這樣的靈活機動，使人包含了難以掌控的變異性。
工廠管理的缺角
傳統的產線管理是以工業工程師站在工站旁，肉眼觀察記錄。使用碼表計時，手動記錄動素與工時，事後登錄資訊，進行動素分析，提出假說，改善產線。然而，這種方法繁複、耗時，且資訊量不完整。更會因為主觀判斷有誤，造成數據不正確。此外，改善作業缺乏時效性，不易即時對症下藥，立刻調整問題。
4M1E品質管理的五大要素中，人是最難控制、也是問題來源佔比最大的影響要素之一。人的不確定性由疏忽、情緒、身體狀態、操作技能等而生，這些『低效率與低品質肇因』是管理上的巨大挑戰。傳統管理方式，難以將人因動作數據化，更無法確保生產品質。面對數位轉型的宏潮，人仍然是工廠管理拼圖中，遲遲無法補足的一塊缺角。
AI視覺則能補齊這塊缺口。
AI視覺的加入能夠補足產線作業的資訊缺口。它通過即時影像分析，客觀、24/7且精確地蒐集週期時間，代替傳統的人工監測，補足人為測量可能產生的失誤，真實紀錄生產情況。
智慧工廠再次升級
AI視覺的目的在於協助產線管理者，使他們能夠將人力資源用於更有價值的工作。過往IE工程師會定期帶著碼表至現場紀錄每一個工站的工作時間，針對每項產品花費約24-48小時的時間研究，一個月卻只能取得約莫15分鐘的產線數據，既消耗時間又消耗人力。而且碼表記錄只有數據沒有影像，如果發生各工站或作業員完成工序的時間差異很大的情況，很難找出造成差異的真正原因，也就無法對症下藥解決問題。
最後，產線資料蒐集是一件很瑣碎、重複的工作，IE工程師常因其他更急迫的工作，導致這類瑣碎的蒐集紀錄常常無力進行。現今透過AI視覺分析來升級，實現有效的控管，讓AI視覺成為管理「人」的有效輔助工具，協助掌握人產生的極大變異性。
根據統計，產線每分鐘約傳輸15 MB影像資訊至伺服器，一天運算的總資料量將近50GB、儲存量約150GB。一個月可運算處理高達 1.5TB 的資料量。加上需要全年無休地蒐集影像資料，穩定性非常高的硬體設備顯得格外重要。Gogoro搭配使用研華SKY-6400伺服器，負責AI深度學習推論與訓練，以及即時資料分析。至於工廠端的本地運算，也需要研華伺服器高穩定性、高效能地保障客戶資料的安全。
研華SKY-6系列GPU伺服器提涵蓋1U到4U，為設備商提供多種優化和高效的解決方案。SKY-6系列配備Intel Xeon Scalable處理器，並提供多達10個擴展插槽，可實現靈活的GPU卡片的整合。此外，SKY-6系列的工業級設計，適用於各類嚴峻環境，以獲得最穩定的效能。
Gogoro 產線實例
近十年來 Gogoro 一直以高度智慧化為目標打造車體組裝產線。初期導入 MES 、串連多樣聯網工具、直到整合 AGV 開創一條龍平行產線，Gogoro 高度人機協作的產線規劃，從組裝一顆輪胎即開始。但是，仍在尋找『低效率與低品質肇因』解方，為補足「人員動作」與「無法聯網的工具」的數據缺口。
在一個平行工站中，兩位作業員在機車車身兩側協同工作，多樣工具來回在手裡交替使用，進行機車前輪支架的組裝。同時並行的工序除了增加作業複雜度外，也提高了管理困難度。
在機車前輪支架的平行工站中，兩位作業員在機車兩側協同工作，多樣工具交替使用，組裝過程中，包含多次上油鎖付工序。鎖付後，刷油處即被覆蓋，無法確認是否上油。有了AI 視覺的動作分析，人員刷油動作就能被確認，避免日後龍頭鏽蝕。AI視覺的動作分析能確認人員是否確實按照流程執行，且搭配影像回溯，可視化所有生產資訊。
「AI視覺對我來說是 [智慧製造的] 最後一塊拼圖。」Gogoro智慧製造系統及解決方案處長黃至偉如此表示，「 PowerArena的AI vision可以讓 [製程品管的] 概念完整地被呈現。」
靈活性帶來的變異性：產線影像回溯
另一意料外的異常，源自作業員嘗試走捷徑的小聰明。Gogoro內部系統與AI視覺系統所捕捉到的週期時間，經常性出現數秒落差。以 AI視覺影像追溯後發現，原來是SOP亂了調。本該在完成兩道螺絲鎖付後，才點擊系統完成鍵，但作業員為了動線方便，在鎖完第一道後，先行按下完成鍵，才鎖第二道。導致MES系統的紀錄，不同於AI捕捉到的真實時間。這個案例，單看數據與成品是無法察覺錯誤，工序都已完成，但不是對的程序。唯有AI視覺的影像回溯，方使細微的落差得以現形，提升數據的可靠性。
不良率歸零
不同於電子產品，有問題的汽機車，通常在交車上路後的一段時間，才會出現異音或操作異常。得回廠拆裝後，才能釐清零件組裝問題。如此對使用者安全產生危害外，高額的補救成本，以及難以估計的商譽損失，都是企業要面對的問題。
汽車組裝產業要求高品質、高度精密，在製程中排除所有瑕疵。在Gogoro產線中AI視覺檢測出異常時，搭載機車的AGV會即刻停下，通知產線領班。唯有改善並在管理者確認無誤後，才可放行。微小的站內修正成本，預防未來高昂的補救支出。
24/7捕捉產線完整數據
AI視覺藉由即時影像分析，全天候客觀且精準地蒐集作業週期，代替傳統的人工監測，補足人為測量產生的失誤，真實紀錄生產情形。掌握產線上的每項動作或突發事件，協助辨認不尋常的作業週期，提供管理者完整數據，優化產線效能。
影像回溯 生產可視化
透過影像，隨時回溯任何時間、任何工作站的當下情景，發現隱藏的問題，找到低效率源頭。讓管理者抓大放小，從影響最甚的問題著手改善。針對機器故障、缺料或是員工移位等情形，進行根源分析，以影像佐證數據。
即時告警 數位防呆
異常情況發生時，通知系統會在第一時間發出提醒。大到設備出現異常、小至作業員遺漏特定SOP，都能即時偵測，發出警告。於重點工站中，更可以即時把關程序，少做、多做、做錯、沒做皆可串連MES系統立即通知，確保人員安全與產品品質，迅速排除問題。這種方法可以大幅減少事後補救成本，例如調查、推測、重工、廢料處理等。
