HOME
 

机械资讯 771期

AI在智慧制造应用暨辅导案例分享

文/张让楷
金属工业研究发展中心/升级处 知识应用服务组 工程师

前言

2016年3月的一盘棋,掀起了第三波的人工智慧热潮,在各个场合都听见人们在谈论人工智慧、深度学习等等的专业字眼。后续,大大小小的人工智慧论坛或年会,如雨后春笋般的不断涌现。各行各业也纷纷兴起一股导入AI技术的流行与风潮。
人工智慧科技正在改变全球的产业发展,而政府为顺应这样的趋势,亦选定AI为我国下世代的发展主轴,提出了5大推展策略来推动并引导台湾成为AI发展重镇。
金属中心,长久以来皆为传统产业的好伙伴,透过提供专业的AI技术、虚实整合、物联网与大数据等技术协助传统产业数位升级转型,共创人工智慧于产业应用,加速落地人工智慧产业化。金属中心之下属部门 知识应用服务组,也与许多的产业有过智慧制造的案例合作,以下为各案例的分享内容:

案例1:机械业智慧供应链管理系统

这个案例的AI目标主要是在于销售预测、备料预测与VMI备料优化等这3个目标。运用AI技术建置预测模型,并将模型与iSCM整合,透过Line机器人发送相关讯息。Iscm由金属中心与辅导厂商共同讨论规划,由金属中心负责开发。这套系统主要的目的是承接AI模型预测结果,并提供相关的建议与发送Line讯息供给相关人员,让相关人员可以做相对应的处理。
案例中,我们透过辅导厂商所提供的经济指标与销售资讯等数据纪录,来建置销售预测的AI模型,再透过销售预测来建置备料预测。一般AI模型的建置,首要的一定是对于所收集到的相关数据做整理,像是缺值的填补、相关性的分析、特征选择与资料压缩等等工作,有一半的工作量都是在整理数据这一个阶段。后续则是透过AI工程师的技术与经验,分析并判断输入、输出的参数,决定使用一种或是组合多种的演算法(DNN、CNN、RNN、SVM….)来执行AI模型训练与优化。本案例中,因着厂商提供的资料完整性很不错,所以输出的成果亦达到一定的水准。

案例2:扣件产业智慧化

这里主要是的目的是希望收集成形机的数据(震动、温度等)资料,并透过这些资料建置出一个可以预测成形品质的AI模型,希望可以提早发现问题并即时处理。
因为机台没有提供相关的感测器数据,所以我们首要的工作就是建立一套收集数据的系统。透过建立感测器与机上盒来接收机台的类比讯号,再以机联网讯号撷取数据技术,将类比讯号转成数位讯号存入资料库中。收集的过程经历许多的波折,光是要找合适的感测器就花上不少的心力,同时亦要设计开发符合需求的机上盒来接收机台讯号。收集好资料后,AI工程师就开始资料清理,撷取有意义的讯号(车牙部分)使用SMA剔除不必要的噪声;提取特征(峰值、图形面积……)。再依据技术与经验建置与检验AI模型,模型的准确率达0.76~0.79。之后运用监测平台将生产的资讯可视化,提供厂商即时监测产品的良率与效能。

案例3:光学镜头产业智慧化

一个高阶车载镜头是透过多层镜片来组成的,如果镜片产生偏心时会造成光线折射,这样组装时容易产生不良。以往是透过人工去抽样组装并测试,找出合适的配对参数,再提供组装机去组装,这段过程相当耗损人力与时间。因此希望透过AI技术能够提供镜头组装参数的优化建议。
这个案例合作厂商提供完整的相关数据,所以不用额外去建置资料收集系统,节省了相当多的一部分工作量。AI工程师只要处理这些数据,再依照技术与经验找出合适AI模型即可。由于数据的特征很多,如何找出合适且正确的特征组合也是一个重要工作,所以在本案亦使用田口实验设计来建置特征组合,降低资料的维度并提升模型训练的效率。建置模型之后,我们的资讯工程师协助开发应用程式,提供厂商训练新模型与提供组装参数建议的功能使用。

案例4:表面处理无电解镍制程AI应用

本案的合作厂商朝向高值化产品生产,所以越来越注重生产履历追溯与废水管理。故此,在本案中协助合作厂商建置数位化制程追溯系统,以期达成这方面的需求。
由于合作厂商过去并无收集产线的即时资料,所以在执行初期要先建置相关的资料收集系统,从感测器的购置、IOT建置以及资料伺服器之建置都要一一的协助处理,如此才有产线状态之资料提供AI运算之使用。同时亦要串接ERP系统,才能将产品与产线资料关联起来。AI工程师运用所收集到的资讯,针对膜厚预测的目标,执行资料清理、模型训练、成效验证等作业。后续再将建置好的模型与数位化制程追溯系统连接,让合作厂商可以在该系统上使用。

案例5:表面处理镀镍制程AI应用

合作厂商希望可以透过AI技术的协助,让过去依靠人工经验判断的药液添加作业,转成让AI提供建议,藉此加速新进员工熟悉药液添加的作业要点。
由于药液浓度的检测需要耗费时间,无法即时的提供药液添加的数据。因此,希望透过药液的添加量纪录、产品资讯、产品入线与出线的时间以及产线状态等的数据纪录,来建置添加量建议的AI模型。为了收集这些数据,我们协助合作厂商建置感测器数据收集系统、开发数位化制程追溯系统以及自动化记录入线与出线的RFID扫描系统。透过感测器收集产线状态资料,制程追溯系统提供资料可视化与追溯、药液添加纪录的输入、RFID扫瞄的功能等,如此建置AI模型所需要的资料同时提供厂商数位化转型的帮助。

结论

金属中心为协助传统产业数位升级转型,不断的研究并发展新技术,以期能为产业提供更好的帮助。本文中的5个案例在整个金属中心里,只是冰山中的一角。
从以上的案例来看,在导入AI技术之前,首先要做的不是寻找厉害的演算法也不是使用最新的技术,而是要有资料。没有资料就不会有人工智慧,而且资料的品质也很重要,资料的多寡与好坏决定了AI技术导入的成功与失败。因此,建议在导入AI技术之前,先做数位转型的工作。将以往使用纸本、人工书写等资讯收集的方式,转成以资讯系统、自动化的方式去收集。这样收集到的资料的量与品质比较可靠,亦可以减轻人力负担。另外透过资讯系统可以将资讯整合并且可视化,使用者可以透过视觉化的资料,追溯相关讯息并发现问题所在。
Back
电话: 886-2-23494666 ‧ 传真: 886-2-23813711 ‧ 电子信箱: tami@tami.org.tw ‧ 会址 : 100 台北市怀宁街 110 号
版权所有 © 2004-2023 台湾机械工业同业公会