AI视觉打造Gogoro人机协作未来产线
- 林稼弘／台北讯
-
制造业未来：想像与现实的落差
制造业的自动化是近年来的趋势，每年推陈出新的自动化控制设备，让关灯工厂看似能在不久的将来实现。但事实是，制造业离全面自动化的关灯工厂仍相差甚远。在转型过程中，首先该消弭对新科技过度膨胀的信心。
「人」仍然是工厂作业里，难以被取代的动能来源。面对现今少量多样、高换线频率的生产模式，人的协调认知、适应性与灵活性，都是制造业急需的要件。正是人的灵活性让我们超越科技，到头来，科技都只是用来简化人工作的「工具」而已。但恰恰是这样的灵活机动，使人包含了难以掌控的变异性。
工厂管理的缺角
传统的产线管理是以工业工程师站在工站旁，肉眼观察记录。使用码表计时，手动记录动素与工时，事后登录信息，进移动素分析，提出假说，改善产线。然而，这种方法繁复、耗时，且信息量不完整。更会因为主观判断有误，造成数据不正确。此外，改善作业缺乏时效性，不易实时对症下药，立刻调整问题。
4M1E品质管理的五大要素中，人是最难控制、也是问题来源占比最大的影响要素之一。人的不确定性由疏忽、情绪、身体状态、操作技能等而生，这些『低效率与低品质肇因』是管理上的巨大挑战。传统管理方式，难以将人因动作数据化，更无法确保生产品质。面对数码转型的宏潮，人仍然是工厂管理拼图中，迟迟无法补足的一块缺角。
AI视觉则能补齐这块缺口。
AI视觉的加入能够补足产线作业的信息缺口。它通过实时影像分析，客观、24/7且精确地蒐集周期时间，代替传统的人工监测，补足人为测量可能产生的失误，真实纪录生产情况。
智能工厂再次升级
AI视觉的目的在于协助产线管理者，使他们能够将人力资源用于更有价值的工作。过往IE工程师会定期带着码表至现场纪录每一个工站的工作时间，针对每项产品花费约24-48小时的时间研究，一个月却只能取得约莫15分钟的产线数据，既消耗时间又消耗人力。而且码表记录只有数据没有影像，如果发生各工站或作业员完成工序的时间差异很大的情况，很难找出造成差异的真正原因，也就无法对症下药解决问题。
最后，产线数据蒐集是一件很琐碎、重复的工作，IE工程师常因其他更急迫的工作，导致这类琐碎的蒐集纪录常常无力进行。现今透过AI视觉分析来升级，实现有效的控管，让AI视觉成为管理「人」的有效辅助工具，协助掌握人产生的极大变异性。
根据统计，产线每分钟约传输15 MB影像信息至服务器，一天运算的总数据量将近50GB、储存量约150GB。一个月可运算处理高达 1.5TB 的数据量。加上需要全年无休地蒐集影像数据，稳定性非常高的硬件设备显得格外重要。Gogoro搭配使用研华SKY-6400服务器，负责AI深度学习推论与训练，以及实时数据分析。至于工厂端的本地运算，也需要研华服务器高稳定性、高效能地保障客户数据的安全。
研华SKY-6系列GPU服务器提涵盖1U到4U，为设备商提供多种优化和高效的解决方案。SKY-6系列配备Intel Xeon Scalable处理器，并提供多达10个扩展插槽，可实现灵活的GPU卡片的整合。此外，SKY-6系列的工业级设计，适用于各类严峻环境，以获得最稳定的效能。
Gogoro 产线实例
近十年来 Gogoro 一直以高度智能化为目标打造车体组装产线。初期导入 MES 、串连多样联网工具、直到整合 AGV 开创一条龙平行产线，Gogoro 高度人机协作的产线规划，从组装一颗轮胎即开始。但是，仍在寻找『低效率与低品质肇因』解方，为补足「人员动作」与「无法联网的工具」的数据缺口。
在一个平行工站中，两位作业员在摩托车车身两侧协同工作，多样工具来回在手里交替使用，进行摩托车前轮支架的组装。同时并行的工序除了增加作业复杂度外，也提高了管理困难度。
在摩托车前轮支架的平行工站中，两位作业员在摩托车两侧协同工作，多样工具交替使用，组装过程中，包含多次上油锁付工序。锁付后，刷油处即被覆盖，无法确认是否上油。有了AI 视觉的动作分析，人员刷油动作就能被确认，避免日后龙头锈蚀。AI视觉的动作分析能确认人员是否确实按照流程执行，且搭配影像回溯，可视化所有生产信息。
「AI视觉对我来说是 [智能制造的] 最后一块拼图。」Gogoro智能制造系统及解决方案处长黄至伟如此表示，「 PowerArena的AI vision可以让 [制程品管的] 概念完整地被呈现。」
灵活性带来的变异性：产线影像回溯
另一意料外的异常，源自作业员尝试走捷径的小聪明。Gogoro内部系统与AI视觉系统所捕捉到的周期时间，经常性出现数秒落差。以 AI视觉影像追溯后发现，原来是SOP乱了调。本该在完成两道螺丝锁付后，才点击系统完成键，但作业员为了动线方便，在锁完第一道后，先行按下完成键，才锁第二道。导致MES系统的纪录，不同于AI捕捉到的真实时间。这个案例，单看数据与成品是无法察觉错误，工序都已完成，但不是对的程序。唯有AI视觉的影像回溯，方使细微的落差得以现形，提升数据的可靠性。
不良率归零
不同于电子产品，有问题的汽摩托车，通常在交车上路后的一段时间，才会出现异音或操作异常。得回厂拆装后，才能厘清零件组装问题。如此对使用者安全产生危害外，高额的补救成本，以及难以估计的商誉损失，都是企业要面对的问题。
汽车组装产业要求高品质、高度精密，在制程中排除所有瑕疵。在Gogoro产线中AI视觉检测出异常时，搭载摩托车的AGV会即刻停下，通知产线领班。唯有改善并在管理者确认无误后，才可放行。微小的站内修正成本，预防未来高昂的补救支出。
24/7捕捉产线完整数据
AI视觉藉由实时影像分析，全天候客观且精准地蒐集作业周期，代替传统的人工监测，补足人为测量产生的失误，真实纪录生产情形。掌握产在线的每项动作或突发事件，协助辨认不寻常的作业周期，提供管理者完整数据，优化产线效能。
影像回溯 生产可视化
透过影像，随时回溯任何时间、任何工作站的当下情景，发现隐藏的问题，找到低效率源头。让管理者抓大放小，从影响最甚的问题着手改善。针对机器故障、缺料或是员工移位等情形，进行根源分析，以影像佐证数据。
实时告警 数码防呆
异常情况发生时，通知系统会在第一时间发出提醒。大到设备出现异常、小至作业员遗漏特定SOP，都能实时侦测，发出警告。于重点工站中，更可以实时把关程序，少做、多做、做错、没做皆可串连MES系统立即通知，确保人员安全与产品品质，迅速排除问题。这种方法可以大幅减少事后补救成本，例如调查、推测、重工、废料处理等。
