Skip to main content

自行安裝人工智慧技術,讓製程品質保證脫胎換骨

數字視覺

現今的製造商面對極大壓力,必須準時交付高品質產品,而像電子業等部分產業還必須維持極微薄的利潤,才能與同業競爭。製造商每年花在產品開發上的資金數以百萬元計,但因缺陷而損失的成本卻佔比不少。

ABI Research 調查發現,汽車、航空和電子產業因報廢及重製損失 2 到 4% 不等的產品,另因保固索賠損失 1 到 2% 產品。這比例看似不高,衝擊卻很大;為了這些不符所需標準的產品,一家擁有 1億美元生產線的製造商將損失 300 到 600 萬美元。

這問題的一大主因就是易出錯的品質控制流程。許多公司仍仰賴人工檢查,因而免不了出錯。檢查員有可能分心,而且人眼無法辨識微小缺陷。然而無論在哪個產業,常見的目標就是高度精準地辨識瑕疵,並以系統性的做法將生產缺陷的可能降低到零。

「數十年來,零缺陷製造始終是口號。」Relimetrics 的創辦人暨執行長 Kemal Levi 指出。Relimetrics 是一家電腦視覺及機器學習軟體供應商,提供工業 4.0 應用程式。「過去很難在生產線上記錄不同來源的資料,確認輸入與輸出參數之間的關係;而現在由於資料分析和運算工具進步,流程最佳化變得容易許多。」

全新工具,提升品質及各層面

人工智慧的品質保證工具將品保流程數位化,即時偵測生產過程中的異常狀況,使製造商有機會在產品出貨前採取動作,例如 Relimetrics 的電子組裝人工智慧品質保證自動化解決方案(RELI-QA)就是這樣的工具。這項技術可檢查產品或零件是否正確組裝,以及是否有外觀瑕疵。

「此技術結合了 2D 和 3D 的測量資料。」Levi 表示。「這個解決方案會建立品質資訊與特定偵測門檻值之間的相關性,從而測量並找出異常。好比以檢查汽車座椅為例,我們的解決方案能指出哪裡有皺摺處;而如果這是 Lexus 而非中低階品牌,您還可根據製造商標準來設定偵測門檻。」

RELI-QA 系統亦能收集資料,用以改善流程效率,例如找尋趨勢。

「客戶使用我們的資料分析模組,就能得知機器和流程資料與品質資料之間的相關性。」Levi 表示。「這超越了品質自動化的範疇,能提供資訊,讓製造商了解該如何微調生產和機器參數,使品質符合標準。此項技術正為客戶改善流程。」

運作方式

這樣的尖端技術在過去需要高階的編碼技能,但現在,Relimetrics 軟體可自行安裝,不須具有程式設計或深度學習的知識。此款解決方案使用最先進的高畫質攝影機,能在組裝產品通過生產線時加以分析及檢查,

接著將視訊資料流傳到嵌入式或相連接的 IT 系統,系統使用 Intel® 處理器及視覺處理器,如此即能將產品的品保檢查完全數位化。而檢查結果與建置流程(影片 1)中所定義的製造執行系統 (MES) 比較。若測得異常,便會傳送警示來詳述問題,品質操作員即可將瑕疵品抽出,現場處理,不致直接出貨給客戶。

影片 1。 Relimetrics 的軟體使用簡便,讓製造商能設定參數、訓練品保系統辨識缺陷,即能在產品出貨前加以糾正。來源:Relimetrics

鴻海科技集團(Foxconn)已採用此解決方案。鴻海為 HPE 複雜伺服器的製造商,這家公司使用 RELI-QA 解決方案,將客戶收到的瑕疵產品數量減少了 25%,並將整體生產效能從 2.1 個標準差提升至 4.2 個標準差。

「說到品質自動化,客戶對於運算硬體成本和 CPU 的聰明運用非常敏感。」Levi 指出。「我們使用 Intel® Distribution of OpenVINO 工具組,將負荷減到最低。我們的 Relimetrics 自行安裝訓練人員可讓任何人使用定義良好的配方檔來訓練人工智慧模型,不須寫半行程式。這個工業級解決方案也讓使用者可利用 Relimetrics Node Editor,迅速將其與生產線整合。」

雖然這套系統可自行安裝,但Relimetric 仍提供客戶一天 24 小時、全年無休的遠端支援。「如果發生技術故障,我們有服務熱線,通常遠端即能解決問題。」Levi 表示。「若無法解決,我們會透過系統整合商來處理。對於採用 Relimetrics 軟體的新模型,我們也支援其訓練。」

品質保證的實用範例

創新聚合物的全球龍頭供應商 Covestro 使用 Relimetrics 來協助其聚氨酯板產業的客戶,將品保數位化及降低不良率。Levi 指出,建築業對於品質要求嚴格,供應商面對極高壓力,須確保交貨產品的長期品質。

「目視檢測隨機、緩慢且流於主觀,且往往容易出錯,因此很難在製造地點偵測所有缺陷。」他表示。「當不良的板材在安裝使用後出現受損跡象,便造成高額的回收成本。找出缺陷的根本成因卻是額外挑戰,因為無法精確追蹤每個所製造零件的機器、流程和品質參數之間的相關性。」

有了 RELI-QA,聚氨酯板的檢驗就能完全數位化,每塊板材都在現場經過先進的人工智慧演算法即時分析;所生產的每塊板材在離開加工設備時,皆於裁切區進行尺寸分析和發泡缺陷分類。機器設定、環境條件和產品品質資料之間的相關性,即可用來發展新的深入資訊。即便是微小的缺陷也能即時偵測和標記,建立主動積極的品保流程;相較之下,採用 Rreimetrics 前使用人工偵測,僅能找到一小部分缺陷。

「整體願景是為科思創的客戶提升流程效率,讓他們使用科思創的建材真能做出更好的產品。」Levi 表示。「現在真正重要的是有能力為整個供應鏈獲取價值。」

 

作者簡介

Stephanie Vozza is a business writer who specializes in retail, technology, and finance. In 2006, she launched her own eCommerce brand and sold it five years later to FranklinCovey Products. Stephanie has written for companies that include Intel, Epson, Oracle, Smartsheet, Wells Fargo, First Citizens Bank, and Mastercard. She's a regular contributor to Fast Company where she covers leadership, careers, and technology. Stephanie's byline has also appeared in Forbes, Inc., Parade, Entrepreneur, and SUCCESS magazines.

Profile Photo of Stephanie Vozza