科技产业报订阅
Advantechline
 

加云联网攻声频分析 让机器设备的手眼耳更智能

加云联网总经理廖佑晟(后排左起三)表示,结合声频辨识技术,加云联网开发出独有的AAI分析系统。廖家宜

智能制造趋势伴随自动化需求的成长,除了尽可能降低对人工作业的依赖而提高生产效率外,光是达到自动化的作业水平远远不够,这也让市场对于制造设备智能化的要求越来越高。

过去制造业依赖人工作业不仅效率低,错误率更是极高,但在智能制造发展下,机器手臂的导入对于提高作业效率产生正面效益,而影像分析更协助过去只能靠肉眼进行的品检流程减少疏漏,而让良率有所提升,随著科技进步,现在有机器视觉和机器手臂可以赋予生产设备眼与手的智能能力外,新创公司加云联网则是攻入声频分析,透过机台运行产生振动伴随而来的声波进行分析,从机器听觉的角度切入,达成机台设备的预防性维护。

加云联网虽然仅成立短短3年,但自成熟企业独立出来之前,已累积40年工业自动化控制的经验,在市场上虽是新手,但在技术能力上却是老将。他们从产业最基本的问题开始着手,例如藉由从产在线最底部的设备层撷取资料进行分析,帮助许多老字号工厂从传统人工作业转型投入智能化管理,在产在线找出核心问题并解答。

部分制造业者因为智能制造效益浮现不如预期而抱持观望态度,因此有设备供应商则是建议,导入工业4.0可先从整体设备综合效率(OEE)做为评估指标。OEE对于任何制造业者来说应该都不陌生,设备生产力是制造业的基本投资,如果在基础需求下都无法达到有效改善,更别说要往高阶智能化发展。

从OEE的各项指标来看,提升设备稼动率几乎是所有业者都会面临的核心诉求,对台湾制造业者来说,必然期望在符合投资报酬率的情况下发挥最大的设备利用率。其中,机台故障更是影响设备稼动率的重要因素。

加云联网总经理廖佑晟表示,在监控机台健康状态的参数中,振动是最能极早判别设备故障的依据,一旦设备有任何异状,即便异状不影响设备实际运行,从振动数据依然可见端倪。而加云联网则是专攻声频分析,即是藉由振动与声频同样的物理测量分析,达到机台设备的预知预防维护。

不过值得注意的是,加云联网的声频分析技术,其实是与中国大陆生产麦克风、耳机等音讯装置的一线大厂共同开发。这间专门生产麦克风与耳机的制造商,不仅曾为小米代工耳机产品,车用喇叭也打入BMW、Audi等大厂的供应链。正是由于专门生产音讯产品,该制造商自有一套声频分析技术可运用于产品失真瑕疵或是频率响应等的检测流程上,而加云联网也将这项技术带进自家的智能制造解决方案中,将其运用在机台设备的预防维护。

另一方面,廖佑晟也建议,从提升OEE开始着手,是许多企业在转型智能制造前可以先预做的第一项功课。未来企业可以从此厘清生产在线的问题,再进一步寻求合适的解决方案改善问题。「我们的目标也不仅止于帮助企业做生产设备的资料收集」,廖佑晟说,找出问题的解答才是真正的下一步。

以提升产品良率来说,检测流程就是确保良率的重要关键之一。但过去检测流程人力需求大,加上错误率极高,为改善目前作业瑕疵,加云联网将市场上已成熟的自动光学检测(AOI)结合影像分析,利用人工智能自动判别产品表面瑕疵,因此可以大幅降低人力作业需求。

甚至未来藉由与专家培养的声频分析技术,加云联网开发出独有「AAI」系统,也就是AI+Acoustic以及Inspection。如今市场上以AOI集成AI的技术越渐成熟,加上机器手臂的发展也越加智能化,未来在眼、手之外,透过AAI系统的介入,机器设备在声学分析的发展上也将添加一大助力。



  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 设备监控 人工智能 设备稼动率