账号:
密码:
最新动态
产业快讯
CTIMES/SmartAuto / 新闻 /
导入AI 解决少量多样制程检测难题
 

【CTIMES / SMARTAUTO ABC_1 报导】    2018年11月28日 星期三

浏览人次:【3853】

过去消费性市场的产品生产型态是少样多量,由於产品的样式不多,加上大量且长时间生产,不但可以让制造系统每一环节都针对单一产品调整,让产能最大化,也可以让品质稳定在一定程度,在此状况下,产品的质量俱隹。不过近年来市场的消费者行为改变,多样化成为市场的主流竞争模式,由於整体消费量不变,产品样式一多,每一样的单一需求量势必就会减少,因此少量多样化成为现在的制造模式。

凌华科技产品经理陈帅名指出,在AI技术的导入下,产线检测的效能将可进一步提升。
凌华科技产品经理陈帅名指出,在AI技术的导入下,产线检测的效能将可进一步提升。

少样多量可以将制程长期设定为单一生产模式,少量多样则必须频频更动产线,这也让制程中的检测环节带来挑战,过去由於产量大,产线都以调制最隹化,因此良率也非常高,检测作业只要在制程的最後一环检测少样种类的产品即可,无论是设备或人员,需要具备的技能种类都不多。现在的产品种类一多,非但良率提升困难,而且对设备与人员来说,要精确检测众多种类的产品,人员技能与设备功能都要同步提升。

对此状况,凌华科技产品经理陈帅名指出,近年来因应工业4.0兴起的智慧化趋势,不但可解决现在制造业者的问题,同时在AI技术的导入下,产线的效能将可进一步提升。

目前会应用在产线上的AI演算法主要是机器学习(Machine Learning)与其分支出来的深度学习(Deep Learning),这机器学习演算法解决了制造系统过去需要长期训练的问题,过去制造系统必须先在内部建立大量资料库,让前端的检视设备可依资料库的样本判别产品良??,不过一来要庞大样本数建立有难度,二来新品不断出现,产线工程师必须也必须不断调整前端设备的识别设定,对整体产线来说,都不是最隹做法。

机器学习则是让机器可以学习演进,根据一次又一次的设定,建立不良品的筛选逻辑,之後系统就会依此逻辑自我进化,之後有未曾出现的瑕疵,就会以过去建立的逻辑判断是否为不良品,让辨识能力持续接近最隹化。

机器学习演算法并非始於今日,在1950年代那一波AI热潮中就被提出,不过当时硬体效能有限,因此并没有能力被落实应用。後来半导体技术快速成长,摩尔定律不断提升系统的运算能力,如今机器学习在IT系统上运作已不是问题,而产线检测就是目前的应用环节之一。在具有机器学习演算法能力的生产系统中,只要建立少数样本的资料库,系统就会开始自主学习判别,将智慧制造愿景落实在产品检测端。

相关新闻
大昌华嘉引进MAGERLE五轴铣磨机 TMTS聚焦航太加工应用市场
RIN国际研发高峰会手举行 金属中心展出亮眼成果
西门子工具机软硬体解决方案 构建数位制造核心应用
台安特殊钢铁投资逾1亿 落脚台南扩建智慧化厂房
Renishaw 引领 5 轴量测新未来 AGILITYR 5 轴三次元量床重磅登场 TMTS 2024
comments powered by Disqus
相关讨论
  相关文章
» 落实马达节能维运服务
» IPC的8个趋势与5个挑战
» 加入AI更带劲!IPC助益边缘运算新动能
» [新闻十日谈#39]四月涨声响起 提高能效刻不容缓
» 使用黏合对乙太网路缆线在恶劣环境中维持连接


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83T33CASYSTACUK5
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw