taitra
order
 

台湾AI云卓越之星(三)—杰腾智能用AI创造价值

从机械取代手工的工业1.0,到利用生产线推动大量生产的工业2.0,再到运用IT自动化生产的工业3.0,如今已发展到强调智能生产的工业4.0,制造业一直都在寻找各种加值的解决方案。杰腾智能执行长徐绍钟指出,制造业所重视的是良率提升、生产力改善及成本降低,在工业4.0时代,业者必须设法掌握各种生产信息,包括空间、文字记录(如机台Log)、时间序列(如传感器搜集的数据)等。

虽然IT技术的进步,让各种生产信息变得更加精细,但杂讯也跟著变多。徐绍钟指出,90%以上的制造业在解决搜集数据后,第一个建构的智能算法是做瑕疵影像辨识。由于人会疲劳,稳定度会随著工时降低,即使训练有素的人员,瑕疵辨识率可达90%以上,但人员培训成本相当较高,因此如何利用IT技术来辅助人力辨识瑕疵,往往成为优先处理的智能制造项目。

 点击图片放大观看

杰腾智能执行长徐绍钟博士。

但徐绍钟指出,有85%导入瑕疵影像辨识技术的业者,停留在POC(Proof of Concept)。由于许多影像辨识技术,主要适用于大场域,但生产线的范围不大,却又需要更加精准的判断,适用的模块也有所不同,如利用高解析的取像工具,来解决数据不足及不好的问题,或是做好可视化加速模型收敛,这都需要不同模块。这也是造成现今无法有效将瑕疵影像辨识技术导入生产线之原因,让众多业者无法真正落实应用。

面板厂产线虽然多半已有自动检测,检测错误率高达70%,仍需至少五个人力做人工覆判,把误判的产品找回来。徐绍钟指出,由于市场需求瞬息万变,产品线日趋复杂,加上生产信息都已数码化,自动检测仍是智能制造必须要努力发展的领域,未来会利用AI让检测机器可以透过回馈来学习人的行为,以达到减少覆判的人力。

徐绍钟指出,目前制造两大智能应用平台,第一个是预测平台,包括影像与缺陷辨识、质量预测系统及设备零件的预测性保养,目前有70%的公司会选择机器预测型保养,但应用只能局限在特定机器型号。第二个是诊断平台,包括瓶颈产能(设备)预测与分析、人机料失效根因分析、供应链需求预测与竞争者分析。以机械手臂诊断为例,如果速度够快,生产力会马上提升;反之,一旦生产线出问题,如果不加以改善,问题就会重复发生。

但检测智能化只是第一步。徐绍钟表示,杰腾智能投入智能检测领域已超过两年,面临最大的问题,是如何达成客制化服务。由于每个生产线需要检测的参数都不一,但客户又需要在短时间内完成。因此如何将模型建立的过程标准化进而缩短时间,达到提升客制化速度才是关键。

在建立模型的过程中,一次就会提供5,000张照片让机器去学习,并需要在短时间完成,因此训练阶段很耗资源。徐绍钟指出,有些客户想要自己训练,至少就得花两个礼拜时间,但由于一开始会先从错误的信息持续做修正,最后完成模型建立可能已耗时一两个月。

学习必须要做好规划,不是一直丢资料,而要学习资源最佳化。透过国网中心提供的「台湾AI云」高速运算平台,大大减少建置时间,只需一个小时就能回馈给建模人员。

计算资源将是未来决胜关键,透过国网中心「台湾AI云」的协助,杰腾智能不只让制造业在资安防护下, 得到弹性及有效率的运算资源,同时也能加速建置的前置时间,并及早享受成果。对新创企业而言,更可提供快速POC的能力,加速与客户合作的效度,及早接获订单。(林佩莹整理报导)


  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 杰腾智能 人工智能