Skip to main content

有保障的機器學習模型

機器視覺、智慧工廠、機器學習

浪費的資源會在廠區中迅速堆積成山,無論是真正或想像的瑕疵品,皆是如此。當良好的零件被錯誤地標示為有瑕疵時,就會導致時間、效率和機器作業的損耗。萬一沒有人察覺到有瑕疵的零件,進而演變成終端客戶的問題呢?這些潛在後果的嚴重性不堪設想。

所幸,人類是偵測瑕疵的專家。但手動的品保 (QA) 流程速度緩慢,而將該流程自動化始終都是一項艱鉅的挑戰。電腦視覺 (CV) 擁有可與人類準確度匹敵的潛力,但幾乎不可能以傳統 CV 系統能夠理解的語言,來描述人類可立即發現的差異,例如一個污點和一塊絨毛的差異。

透過深度學習,機器可直接透過標示的資料集向人類學習,做為上述這兩種問題的解決之道。它將 CV 的準確度提高到人類標準,同時提升效率並降低成本。但若要使用這項技術,製造商和 SI 需要有精通該技術及其現場執行作業的解決方案供應商。

以人為本的機器學習

Mariner 是運用 IoT、AI 和深度學習的技術解決方案供應商,他們深知使用解決方案並從中獲益的人們必須從一開始就參與其中。這表示供應商展現了對於製造商經驗的極度尊重,並致力於在每個部署階段中與現場人員進行協同合作。

Mariner 產品工程副總裁 Peter Darragh 表示:「首先最重要的是,您必須與客戶合作,確保您確實是在解決真正的問題,而不只是因為自己覺得很有趣,而致力於 AI 科學實驗」。但協同合作必須持之以恆,而非斷斷續續。

例如,Spyglass Visual Inspection (SVI) 能比專業檢查人員更快速地偵測到瑕疵,且具有相同或更出色的準確度,因為這些專家是標示用於進行訓練之影像的人員。Darragh 指出,這就像是這些檢查員從運動員切換到教練的角色一樣。

他表示:「當他們提供高品質且經標示的資料集,並包含他們每天在產線所看到的所有細微差異,他們就不需要再親自參與其中,而是只要教導深度學習如何執行即可」。發生變更時(例如新客戶有不同的品質標準),可重新訓練模型以因應變更。

運用智慧夥伴關係打造智慧工廠

但單憑了解技術並不足夠,供應商還需要了解如何在真實的工廠環境中部署技術。Darragh 解釋:「我們最近對於深度學習和激增的案例研究深感興趣。但這些專案往往是在受控的實驗室環境中以離線的方式完成」。

這就是 Mariner 針對 SVI 解決方案專注於程序自動化的原因,從一開始就訓練模型並將其提供給工廠邊緣。如此一來,該模型就能順利地回應一般生產環境中所有無可避免的變更 (影片 1)。

影片 1:Mariner 將深度學習新增至製造商的現有 CV 系統,藉此自動化瑕疵偵測程序。(資料來源:Mariner

為保障 SVI 適用於所有終端客戶(或其退款制度),Mariner 奉行嚴格的實作程序:

  • 主動尋找風險並確認該問題適合深度學習。
  • 訓練終端客戶學習如何提供一系列經標示的高品質影像。
  • 運用 AI 專業知識,在首次諮詢期間從一組初始影像訓練初步模型,確保未來的營運能夠獲致成功。
  • 在同意驗收準則之前,與客戶展開協同合作以減輕任何風險。
  • 在部署後繼續監控模型信賴度,並評估是否需要重新訓練。

將精挑細選的各種技術元素組成解決方案。其中包含在邊緣的容器化微型服務架構,以因應網路連線中斷的狀況。而 Microsoft Azure 提供一套豐富的可靠雲端服務,可輕鬆擴展及縮小規模。

Darragh 表示:「事實上,有時候這就像移動螢幕上的滑桿一樣簡單」,這讓 Mariner 能夠專注於深度學習和模型交付程序,而不需要擔心基礎結構。此外,透過以 Intel® 為基礎的處理,在邊緣的每個推斷的成本會便宜很多,提供更快速的 ROI。

AI 專業知識可為製造商省下數百萬美元

某間頂尖的玻璃製造商努力透過傳統機器視覺系統將其品保 (QA) 程序自動化。人類可以輕鬆辨別一滴水與一個邊緣晶片的差異,甚至只要從影像即可辨別。但他們當時無法撰寫其 CV 系統能夠理解的規格。

最後,只好讓系統過度敏感,導致不甚理想的誤判率。因此,Mariner 向品保 (QA) 專家示範如何透過經標示的高品質資料集訓練深度學習模型,消除了這些誤判的結果。

驗證模型的準確度後,該製造商開始在許多產線執行 SVI,一天可處理數以萬計的零件。現在,該解決方案會自動將訊號傳送給 PLC 以控制下游程序,並單獨根據其判定結果來接受或捨棄產品。

因此,客戶已降低 $100 萬美元以上的每季營運支出,並打算將 Spyglass Visual Inspection 擴展到其他供應四個不同市場的事業處,更加證明將深度學習應用於適當的用途(用來解決適當的問題)是從機器視覺應用獲益良多的關鍵。

作者簡介

Erica Stevens has been writing about about technology and finance for 15 years, first at Bank of America Merrill Lynch and then for a mix of trade magazines and tech companies. But her writing career began at the University of Toronto, where she got her master’s degree in cognitive psychology and first learned to write about complex, technical topics. A fiction-lover and frustrated psychologist, Erica delights in talking to passionate business people about how they’re changing the world—and in sharing their ideas via compelling journalism.

Profile Photo of Erica Stevens