智能应用 影音
AWS
荣耀会员

【数码转型 台湾最行】生产设备的「Face ID」 实时诊断降低停工风险

制造业管控品质除了在事后QC作改善外,若能透过AIoT在加工行为的过程中,透过传感器获取生产设备的运作数据或频谱进行分析,就能提前达到预知诊断,大幅降低不良率的产生。《数码转型 台湾最行》应用篇第11集,DIGITIMES邀请固德科技总经理许文泽分享如何利用机器学习智能监控系统,帮助产业维持产品良率、机台稳定度、降低保养成本及缩短保养时间。

 点击图片放大观看

固德科技总经理许文泽分享如何利用机器学习智能监控系统,帮助产业维持产品良率。李建梁

工厂的生产设备24小时运作,一旦因故障停工将造成重大损失,因此在智能制造情境中,预知保养监控近年为市场重视。目前AI主流大多以先取得或现有的大量数据进行训练及特徵化,但在工厂场域中,各式机台设备种类为数众多,累积的数据量十分有限,如何才能快速符合工厂的需求?

许文泽就以固德科技的机器学习智能监控举例,其透过结合快速学习原场域执行者的经验,并透过预先建置的数学模型,将人为经验基于物理与数学演算基础进行分类管理,再经由一次又一次重复的生产行为动作中累积大量的数据。

许文泽进一步指出,在一开始装设时就以既有规范或是学习已知规范的方式来进行监测以保护机台及产品品质。而在监测的过程中,底层演算法便会持续收集并将数据加以分类,过程中使用者可执行标签化动作或是将收集且分类过的数据群再进行深度学习。

而在制造行为中的特殊行为是否与制造优良产品时的行为相同?或是特徵频率是否正常?加工流程中是否平顺?这些种种特徵都能在行为模式中做后标记的动作,并可同时做产线内部的品质管理。

许文泽指出,这项技术固德科技称之「信号追踪识别技术」,想像针对信号的人脸识别,系统只要学过这张脸,就会记住然后自动识别,同理,系统只要看到机台执行加工行为,系统会自动撷取然后比对建立的模型识别好坏、正确与否,当系统识别到异常,便会立刻提出告警,成为产线管理工具。

许文泽举例,像是传统产业中因加工件重量较重、较庞大导入机器手臂搬运,这是产线中相当重要的一环,为了避免造成产品及产线稼动率损失,很难以备机的方式做监测保养。

因此透过针对如机器手臂的电流物理模型,监控动作是否跟过去有所不同,例如半导体晶圆制造在夹取芯片的机械手臂中,发生抖动,可能造成刮片甚至是破片,在预防的步骤上就相当重要。

而金属焊接机器手臂也可能因为姿态的改变,导致焊接的角度与距离也会不一样。另外像是针对冲压产业相当重要的模具,本身一定会耗损,也可以利用此在冲压流程中,让设备检测与产线检查结合,以预警的角度,预防产线制造大量不良品。(更多精彩内容请锁定《数码转型 台湾最行》第2季应用篇)

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 制造业 数码转型 Face ID