人工智慧 (AI) 和機器學習 (ML) 打造自動化視覺品質檢測
從零開始開發工業 AI 應用程式並不是件容易的事。但是，如果遵照一種食譜式的作法，可以讓開發流程簡單許多。這樣的方法長什麼樣子呢？它包含許多不同的「食材」，如 IT 和 OT 硬體、能結合兩者的軟體和多種預先建立的演算法。另外還包括指示，例如，如何利用雲端服務和工具、如何自動化佈建和部署。如同一方好食譜，這種作法讓您可以自由替換食材，來打造客製化的應用。
智慧型工廠的視覺品質檢測就非常適合使用這種作法。因為不管工廠裡製造的是什麼產品，這個解決方案都可以在出現異常時予以偵測。它會將生產線上不同階段的狀況與資料庫中的內容比較。
這讓系統能自動偵測，辨別生產過程中什麼時間和地點出現不符合標準的情況，並在品質受影響前進行更正。
設計視覺品質檢測解決方案
食譜式作法帶給開發人員許多優勢。首先，這種作法遵循特定公式，讓開發人員能夠放心地設計適用多種製造產業的視覺檢測解決方案。
它會需要在生產線上裝感應器以測量多種數據，接著需要將測量結果與多個 KPI 進行比較。感應器可能包括機器視覺所需的攝影機或照相機，以及測量震動、溫度等資料的儀器。接著，開發人員使用機器學習演算法，來判斷生產線未來是否會出現問題。
這種解決方案可以讓良好的或是通過偵測的零件或產品繼續在生產線上移動，而未通過的零件則在出廠前進行重製。如此一來，便可消除報廢的需求（圖 1）。
「要即時收集和處理資料，就需要縝密的分析模型來進行自動化品質管控。」Fabio Terasaka 表示。他是 Hitachi 子公司 Hitachi Vantara 的產品經理。該公司協助開發人員打造工業物聯網解決方案。
Terasaka 描述了兩個產業所部署了的不同視覺品質檢測解決方案。「食品和飲料業者可以建立自動化氣味偵測，來判斷食材是否新鮮，又或者快過期。」Terasaka 表示。「離散式製造業者則可以將偵測零件或標籤是否對齊的步驟自動化。如果位置稍有變化，就代表可能需要重新調整機器。」
為幫助開發人員打造檢測解決方案，Hitach Vantara 的解決方案提供了熟悉的工具，如 Google Cloud 機器學習平台上的一些功能。這包括物聯網核心（用於資料提取）、AutoML（用於機器學習）、推斷訓練和資料處理、儲存和視覺化方面的網路服務和其他服務。
Terasaka 說：「我們和 Google 共同推動了策略性計畫。他們的工程師提供了 AI 和機器學習方面的專業知識，補全各個企業客戶的主題專業知識。」
為了簡化開發流程，這個「食譜」會需要 Intel® 閘道和攝影機，讓 AI 應用程式能夠在邊緣上的 Intel® NUC 或其它裝置上處理影像資料。此食譜還支援 TensorFlow 和 Linux 作業系統， 使用起來相當方便。
開發人員可以根據應用程式需求選擇軟體和演算法。以替採用專屬工業協議的工業資產建立連線功能為例。這個用途需要一個閘道，將專屬協議格式轉換為更常見格式，如 MQTT 或 AMQP。
AI 技術、效能和全面性
在講求速度的情境裡，事情發生的速度超過人眼所能察覺的範圍。在高傳輸量流程裡，視覺品質檢測能在一兩秒內捕捉並分析將近 100 張影像。它還能辨識細微的瑕疵。這種情況需要自動化和高解析度搭配低延遲的機器視覺。
Terasaka 以一間活塞公司來解釋這點。這間公司每小時製造 1400 個活塞，製造過程中有多個階段需要連續檢測。Terasaka 說：「出問題的時候，自動化做法是唯一一個能夠偵測並糾正問題的方法，並大幅減少報廢和重製量。」
根據使用案例需求，LiDAR（Light Detection and Ranging，光達偵測與測距）可讓全面視覺檢測解決方案如虎添翼。這項技術能夠記錄工廠員工的所在位置。「這項技術會測量機械操作員和產品品質之間的相關性，並能確保生產安全。」Terasaka 表示。
假如操作員掉了一個零件，彎腰把零件從地上撿起，然後將零件放回流水線或放到箱子裡以供重新檢查，LiDAR 可以發送相關警示。
此外，LiDAR 還能監測機器健康程度。舉例來說，如果放慢某個製造流程，工廠不僅能提升高品質產品的產出量、減少浪費，還能避免為了維修設備而停止生產。
在解決方案裡增加資料量還能帶來更多優勢。例如，ERP 介面能幫助解答以下問題：
- 品質問題是不是都與特定供應商的材料或零件有關？
- 在什麼時間點，報廢品會造成公司無法準時或是完全無法完成客戶訂單？
- 根據報廢品和浪費的情形，能否重新評估維修時間表？
智慧型工廠開發的成長
Hitachi 自身的製造經驗促使該公司向開發人員推薦食譜式作法。「食譜式作法幫助我們匯集 IT 和 OT 界人才與 Intel® 等合作夥伴，聯手打造高效且高品質的解決方案。」Terasaka 表示。
「透過將機器學習技術商品化，我們的終端客戶能夠使用現成的視覺品質檢測應用程式，不必從零開始。」Terasaka 表示。「更棒的是，這個做法可以幫助開發人員為幾乎任何產業創建使用案例。」