迎接转型挑战 金属加工业者瞄准布局AI设备管理

固德科技技术经理许文泽指出，设备状态监测可大幅提升制造产线效能。DIGITIMES摄

冲压、焊接是金属加工中常见的制程动作，在此制程中，设备运作的状态对产线效能与品质有关键影响，像是设备状态有误却仍持续动作，或是设备无故障预警停机，前者会产生大量废料，后者则是导致产线停摆，这都会造成企业的大量损失，为解决此问题，固德科技以机器学习演算法结合凌华的边缘推论设备MCM-100，打造出智能化产线设备状态监测平台，让各类型金属加工业者可透过AI与工业物联网架构实时掌握产线设备，强化生产效能。

固德科技技术经理许文泽指出，金属加工的产线设备多元，依设备动作可分为连续性与非连续性两种，连续性是指马达之类随时处于运转状态的设备，非连续性则是像大型机器手臂、冲压床或自动焊接等设备，无论是连续性或非连续性，这些生产设备都是制造业者最重要的生财工具，一但出错就会带来庞大损失。

许文泽以汽车制造为例，冲压是汽车零组件常见的制程，在此制程中，模具品质异常将会影响冲压出的产品品质，而这往往要到后端品保环节才会被检出，但在检出之前，产在线已然出现大量不合格的产品，此一问题影响所及者不只是金钱，还包括产线停机确认、改善与生产工时增加等时间问题，这些问题不仅出现在汽车制造，小至螺丝、大至航太产业用的金属件，只要使用到金属加工的产品都会遇到。

为了解决此一问题，现在市场上已出现各种设备状态智能监诊系统，这类型系统都是透过工业物联网的传感网络与AI，侦测并分析设备状态，在设备故障前先行警告管理人员，避免上述问题产生，而其中AI的机器学习演算法更是其中关键。许文泽指出在金属加工中，非连续性制程都可透过传感器侦测其动作状态，像是冲压的震动、焊接的电流变化都有其模式，在现在制程中，这些模式都是由机台操作人员依靠长期经验所累积，而在智能制造体系中，就是将人的经验转值给机器学习演算法，当震动或电流模式与之不符，就会警告管理人员。

AI的机器学习演算法需要大量数据进行训练，因此现在市场上多数采用机器学习演算法的设备监诊系统，都必须先建置传感器收集数据，等待设备出现异常再注记标签纪录，让机器学习从中认知训练，然而这种方式旷日废时，制造业者需要耗费大量成本收集数据，因此并非最佳选择。固德科技的做法则可让系统可实时上线使用，许文泽表示，固德科技会先在终端先预载经过训练的震动或电流模型，省去制造业者收集数据的时间，接着再由平台快速学习制造业者指定的数据范围。学习完成的系统具备了自动追踪与识别功能，每一个设备运作的状态都会被记录，同时回馈给管理者，管理者可自行调整、决定设备运作。

固德科技的设备状态监测系统的上线即用设计中，凌华的MCM-100扮演了关键角色。许文泽指出，过去设备监控系统所用的终端设备，都必须由厂商分别购置工业电脑与撷取卡，组装后再不断测试，调整出符合需求的架构，这不但会延长系统开发时程，也增加了工程师的工作负担，MCM-100的出现则解决了这些问题。MCM-100是凌华专为智能制造所设计的即用型旋转机械设备振动／状态监测平台，其特色是具备高效能边缘运算能力，内建的四通道有24位元、128kS/s同步撷取类比输入，可同时侦测多传感器所传回的信号，多元而丰富的I/O界面也大幅提升其整合性。在MCM-100的高整合与强大效能支持下，固德科技可专注于系统开发，让在短时间内上线使用。

许文泽最后表示，智能化是制造业近年来最重要的趋势，而设备监测现已被多数业者视为导入智能制造系统的第一步，不过对制造业说，智能化仍是全新概念，系统的导入与调整往往需要耗费大量成本，固德科技与凌华合作打造的AI设备监测平台，透过高整合、高效能的软硬件整合，可让系统快速导入使用，大幅降低系统上线的成本，提早享受智能制造所带来的效益，顺利跨出数码转型的第一步。