Skip to main content

視覺

AI 驅動汽車零件工廠自動化

工廠自動化

有著超過 3 億輛的汽車在街上奔馳,中國是世界上最大的汽車市場;而多虧了該國蓬勃發展的電動車產業,這個市場還會繼續不斷成長下去。對於汽車零件製造商來說,這種快速增長提供了絕佳的機會:讓他們有機會能夠在一個不斷逐漸飽和的競爭環境中,斬獲自己的市場份額。

但對製造商來說,要提升工廠的自動化與生產能力出乎預料地困難。這是因為他們通常依賴勞動密集型的製程,使得他們很難在不增加員工的情況下提高產能。這造就了讓人挫折的產能瓶頸,阻礙了成長並損害了公司獲得競爭優勢的能力。

沒有工廠自動化,純人力製程便無法擴大規模

汽車輪框的製造便是這種現象的代表性範例。

其中主要的問題在於,作為關鍵品質控管測試的動態平衡性檢查流程,會因為輪框的型號而有所不同。因此輪框從生產線完成並送入檢查區之前,必須先進行分類。但傳統上,這個步驟在製造流程中是完全人工的。

很顯然,這麼做並不怎麼有效率。而且因為很常會有全新型號的輪框推陳出新,公司通常便被迫要不斷地重新訓練工人,好讓他們能辨識出新的產品。

「製造商曾試圖自動化輪框的分類和區分過程。但結果卻有好有壞,」在專為汽車產業提供 AI 製造解決方案的信捷電氣公司任職,作為產業級控制與視覺研發部門總監的 Qinggaoe 表示。「以早期機器視覺應用為基礎的解決方案,很難辨識結構複雜的輪子,或是判別出結構相似的輪子間有什麼不同。」

但最近 AI 與邊緣運算的進步,再加上次世代處理器的出現,成為驅動工廠自動化解決方案的動力,並能夠幫助製造商們以更有效率的方式運作,進一步降低成本並提升利潤。

為分類與區分設計的製造流程自動化

信捷電氣公司以 AI 為基礎的輪框分類與區分解決方案,就是其中一個實際上會如何運作的例子。

解決方案在生產線本身實施。完成的輪框會到達一個初始的檢查點,一具圖像獲取裝置會偵測到每個輪框,並傳送資料到一個附近的邊緣伺服器以進行處理。

電腦視覺應用程式會將輪框依照類型分類並標記。AI 模型以先進的深度學習技術為基礎,讓它能達到遠超出舊型機器學習解決方案的更高精確度。此外,由於處理是在邊緣進行,網路的延遲會大大減少,從而加快推斷速度。

輪框接著會被移動到生產線上以進行區分(這部分也是經由在邊緣進行推斷的電腦視覺來進行),好讓它們能被送到適當的測試區域以進行動態平衡檢查。

這個解決方案呈現了針對一個傳統分類與區分製程所打造的全自動版本。Qinggaoe 表示,這樣的成果得益於信捷電氣公司與 Intel 之間的技術夥伴關係。「Intel 處理器非常適合處理電腦視覺與邊緣運算作業,而他們的軟體開發工具在建立並訓練 AI 模型時也很有幫助。」

信捷電氣公司在解決方案利用了幾種不同的 Intel 技術:

  • 第 11 代 Intel® Core 處理器為高效能處理提供了堅實的基礎,尤其是在需要進行圖形與 AI 運算作業的時候。
  • 內建的 Intel® Gaussian 類神經加速器 2.0 支援 AI 應用情境,並為深度學習模型提供了推斷與訓練支援。
  • Intel® OpenVINO 工具組 Intel® oneAPI 程式庫能幫助簡化電腦視覺應用程式的開發,並有助於加速 AI 模型的最佳化。

AI 工廠自動化:個案研究

新捷電器公司在中國一家輪框製造商的實作案例便是一個例子。客戶希望能提升產能,以滿足不斷增長的需求。但如同許多其他製造商一樣,它仍然仰賴人力來進行輪框的分類作業,造成了產能上的瓶頸。

僱用更多工人並不可行,而這不僅僅是因為這麼做成本很高而已。「就算你有著充足的人力預算,目前要在中國找到勞工並不容易,」Qinggaoe 解釋到。「這裡的製造業目前正經歷嚴重的勞動力短缺,進一步威脅到了生產力與利潤。」

部屬了新捷電器公司的解決方案後,有了很好的結果。輪框分類效率比過去提升了 18 倍,幫助公司大幅提升其生產能力。而且製造商還能減少雇用員工的數量。少去本來因為需要監督生產過程而雇用的員工,使得人力成本減少了大約 75%。

最棒的是,品質並不需要因為速度而被犧牲,因為 AI 模型能夠穩定地達成 99% 的精確率。

更聰明、更安全的未來

將效率低下的製程自動化,將能幫助中國的汽車產業滿足國內外買家不斷增長的需求。

但 AI 工廠自動化所帶來的好處並不限於單一產業而已,Qinggaoe 表示:「製造業中還有很多地方能夠運用到 AI 技術。舉例來說,我們的解決方案支援了針對電腦與消費性電子產品的原料分類、測試以及製造。」

除了對公司與消費者有所幫助外,AI 工廠自動化也能幫助到勞工們。Qinggaoe 表示:「AI 補充並擴展了人類的智慧,並讓工廠中的工人能免於執行重覆與危險的作業。」

通過提高生產力、利潤與員工健康和安全,AI 將會推動全世界製造業的數位轉型。

 

本文由 insight.tech 編輯副總監 Georganne Benesch 編輯。