傳統製造業者結合雲端 以瑕疵檢驗平台啟動智慧轉型

近年非常熱門的應用-人工智慧 (Artificial Intelligent, AI) 與機器學習 (Machine Learning, ML),在現代規模化的產線上,除了自動化的產線設計,透過收集數據並加入學習模型,宛如老師傅的經驗法則重現廠房,讓自動化工廠升級為智慧製造。

在雲端物聯網的情境中,產線自動化結合 AWS (Amazon Web Services) 雲端服務,整合產線數據、機器學習、物聯網技術,以及雲端服務「彈性」、「規模化」及「按需規劃」等特性,在成本最佳化的情況下收集、處理、存放及分析設備資料,提升預測分析及瑕疵檢驗的能力,進而維護服務水準協議 (Service Level Agreement, SLA)。以鋼鐵業者為例,利用來自圖像感應器和裝置的串流資料,辨識瑕疵特徵來降低品質不一的產品出現,而得以實踐鋼鐵模具產線的 PDM 瑕疵檢驗平台,即是傳統產業進行智慧製造轉型的典範。

在瑕疵檢驗的流程中,利用物聯網結合機器學習演算法,從熱軋鋼鐵表面樣本中進行抽取特徵、訓練、部署模型,再將大量產線(熱軋鋼鐵表面)數據及圖片導入分析研判瑕疵。以 5 種瑕疵各使用 50 張測試圖片當基準,需約四小時的訓練執行,初次即可達到 mAP (Mean Average Precision) 約 80% 以上的精確度。

透過熱軋鋼鐵瑕疵檢驗平台,上傳或點選圖片後,會從雲端取得偵測結果,並將超過信心門檻的偵測畫在圖上,如下圖示,因此業者得以清楚掌握每段鋼鐵表面的質量及生產情形,大幅度改善以往目測品管的效率及限制。伊雲谷 AIoT 團隊表示,由於物聯網的產線部署包含數萬到數百萬個裝置,雲端將能做到跨廠區、跨裝置的資料蒐集,以幫助業者追蹤、監控和管理連線的裝置機群,同時確保在裝置在部署之後能夠正確和安全地運作。除了提供全面且先進的雲端解決方案集,AWS 及伊雲谷亦讓其生產製造營運改頭換面,加入災難備援設計後,同時達到架構的高安全性及高可用性。

從雲端設備管理、接入、數據分析管理及視覺呈現,在整合 AWS 服務後,可以隨時掌握工業設備運轉情形,進而大大減少管理上的時間及成本。這無非是許多傳統製造業者對於轉型的期望。透過伊雲谷協助建置雲端物聯網,業者無須浪費時間與成本在管理基礎設施及雲端架構,並在不同規模的部署上,業者能獲得更優質的使用者體驗及生產動能,更讓生產營運變得更經濟、高效。

伊雲谷於 5/28 舉行「雲端物聯網的發展及產業落地-線上研討會」。邀請到物聯網領域的產業專家,讓各界經理人能全面地認識物聯網對於產業實作經驗、挑戰與案例,並結合雲端技術,發揮雲端物聯網的優勢及商業價值:報名點此前往:https://www.ecloudvalley.com/zh-hant/event/2020-aiot-seminar-taichung/

圖1. PDM 架構圖

圖2. 瑕疵檢驗平台

2020-05-20T09:50:09+00:00 2020/05/19 |商業洞悉, 雲講堂|