AI PHM預兆診斷系統
發表年月 2023-08 應用領域 AI製造運用應用/研究單位 PHM/聖森雲端科技
本PHM系統的核心價值在於其能夠精確地預測設備健康狀態與設備的製程狀態,提高生產過程的效率。透過結合IOT、邊緣運算,系統不僅能夠減少算力需求和演算時間,還能夠降低誤判風險,提高模型的遷移性。這項創新技術將為製造業的數位轉型帶來巨大的改變,協助企業實現高效運營和成本降低。
檢視內容本PHM系統的核心價值在於其能夠精確地預測設備健康狀態與設備的製程狀態,提高生產過程的效率。透過結合IOT、邊緣運算,系統不僅能夠減少算力需求和演算時間,還能夠降低誤判風險,提高模型的遷移性。這項創新技術將為製造業的數位轉型帶來巨大的改變,協助企業實現高效運營和成本降低。
檢視內容AI航燃靜電消散劑添加量優化系統,透過大量感測器資料數據收集創造原始資料庫,科智企業採用人工智慧深度學習(Deep Learning),以及演算法,透過MusesAI平台整合所有資料來源並精密分析運算後,即時監控工廠油槽靜電穩定度,提升出油槽量導電度之穩定性,協助改善客戶端現有之航燃靜電消散劑添加量優化之依據,讓使用者能快速掌握油槽狀況,以確保運送過程安全。 同時也可以整合科智企業發展的ServCloud,不僅協助自主客戶並能擴大至上下游,整合各個廠域工廠資料,打造智慧供應鏈,也可以將原先廠內的ERP、MES資料進行介接,不浪費企業內部資源。將機台、人員、金流、報工資訊等重要工廠議題,進行整合與使用,讓工廠資訊即時且透明化。 目前已成功導入台灣化學工業事業體群。
檢視內容由於各式瑕疵原因分別在不同製程情境發生,於電鍍後進行判斷較能夠有效提升品質管制效率,需採用全檢模式以肉眼辨識,辨職難度高且高度仰賴人員的經驗,且遺漏比率約10%。透過以AOI自動光學檢測加上深度學習技術,克服金屬扳手反光之特性,提高瑕疵的辨識率(1) 縮短品檢作業時間:透過AOI智慧瑕疵檢測系統,每隻扳手檢測時間自3-4分鐘縮短至約3秒,統計報表由系統自動產出取代過去人工抄寫,且避免篩選遺漏。(2) 老師傅經驗數據化及標準化:依實際檢測數據進行標準差異值統計分析,回饋QC工程標準以優化公差設定值。(3) 生產批及不良品數量整合串接電子看板及MES、SPC系統,提高資訊即時性及加速管理報表產出。
檢視內容AI刀具智慧壽命監控可以將工廠重要議題浮出檯面並予以解決,透過機器數據收集,大量擷取機台資訊創造原始資料庫,科智企業採用人工智慧深度學習(Deep Learning),以及演算法,透過平台整合所有資料來源並精密分析運算後,讓工廠最常出現的耗材「刀具」予以控管,並且知悉刀具使用時間、個別磨耗程度、追蹤管理刀具庫,同時也具備磨耗預警功能,讓使用者能快速掌握工廠加工狀況,以確保所製造出的產品品質以及刀具成本控管。 同時也可以整合科智企業發展的ServCloud,不僅協助自主客戶並能擴大至上下游,整合各個廠域工廠資料,打造智慧供應鏈,也可以將原先廠內的ERP、MES資料進行介接,不浪費企業內部資源。將機台、人員、金流、報工資訊等重要工廠議題,進行整合與使用,讓工廠資訊即時且透明化。目前已成功導入台灣中小事業群體,以及外銷機聯網產品至海外如:泰國、印度、大陸、歐洲等國家。
檢視內容利用安裝於工廠產線或各種戶外嚴苛環境的工業等級的 ToF 與stereoscopy 3D相機擷取大量2D與3D影像,經由立普思團隊特殊的AI機器學習演算法與大數據整合,可有效識別並重建各式物體在3D空間中的相關位置資訊,配合立普思獨家的硬體加速與平行處理功能,可實現高禎率即時物件與人形識別,可廣泛應用於工業4.0、智慧零售、智慧農業、健康照護、安全監控等各種不同領域。 立普思的製鞋自動化方案同時整合了2D與3D機器視覺、手臂控制、電漿噴塗、與機台控制等,能有效取代傳統製鞋業的人工步驟,同時藉由單隻或多隻 2D/3D攝影機,透過影像拼接 (image stitch)方式,將物件全方位掃描結果搭配AI深度學習的自動路徑規劃,直接控制機器手臂帶動電漿噴頭,以精準的法向量覆蓋鞋底全表面進行噴塗,相較目前大多數使用線雷射掃描的方案有更快的整體反應速度,同時也更具價格競爭力。立普思的VGR (Vision Guided Robotic) 方案目前已成功導入製鞋生產,此技術同時也可應用在各種相關產業,或是搭配立普思的其他AI應用如人臉辨識 (Facial Recognition)、人流計數 (People Counting) 、身形辨識 (Pose Estimation)等。
檢視內容《振海資通股份有限公司》利用AI機器學習搭配AOI技術,已部署於電容器製造業並成功實際運用。由於電解電容器為圓柱形體相關問題,此方案可解決傳統平面檢測較無法檢出的相關問題,檢測出人眼無法看到的瑕疵、測量物件尺寸及辨識物件位置等,是一套非接觸式檢測系統,可在動態製程中檢測。對所須檢測項目進行取樣,樣本進行標註數據化後,將數據透過演算法,進行瑕疵檢測數據分析,歸納出各階段產出不良品之原因,確保品質穩定性,提生良率,實現智能化的生產線。
檢視內容奕瑞科技將Deep Learning 演算法極盡所能的在各個領域做出落地的解決方案,除了本身精研的核心演算法之外,還能貼近客戶的需求,與客戶共同討論出最適合的解決方案,並且跟著客戶的SOP,不斷地做滾動式的來回討論,以期用AI 人工智能技術,真正改善客戶在管理上的困難。其解決方案包含解決員工需要監看包商是否違規,交由演算法來判斷,能避免掉人與人之間的摩擦,並且節省了大量的人力監督。另外,AI/AOI 瑕疵檢測也解決了傳統瑕疵檢測過多的誤殺(判)造成現場作業的混亂以及不必要的浪費,AI/AOI能夠制定出容錯空間,讓生產線上的員工(期望篩選標準放寬)以及在辦公室處理客訴的管理或是業務人員(期望篩選標準從嚴)達成最最精準的平衡,並且能夠整合後端自動化生產設備,即時傳送訊號讓機器手臂或是相關設備做出相對應的反應。
檢視內容生產製造公司83%的資訊長認為,設備維護以及總體資產分析最佳化為提升企業競爭力之最主要途徑。「機台故障預診斷」是一套人工智慧(AI)與機器學習的系統,分析機台所產生的製程資料,進行即時監看、預測並以視覺化資料呈現,讓產線管理者可以掌握設備的健康狀態。
檢視內容小柿自主研發AI DIP瑕疵檢查機。 適用於波峰銲完的PCBA外觀檢測 可搭載在客戶產線上,也可運用在獨立檢測機台 搭配線性掃描光學模組,完整覆蓋拍攝物之表面取像。 自主研發的小樣本學習瑕疵檢測技術,僅使用10~20張良品影像,即可快速建模、投入檢測,適用於少量多樣的場景,客戶使用小量良品,即可在5~10分快速建模,可自動標註元件節省客戶調整時間,即可立即投入產線檢測。自主研發的AI深度學習技術,可實現PCBA之外觀檢測,例如缺件、極反、錯件、偏移、破損等瑕疵檢出。
檢視內容JWII Automated ML Engine 可協助製造業以合理的成本與快速的導入來建立高價值系統,解決工廠設備異常損失與工程品質不穩定的問題,藉此提升產品品質、生產效能、與達交率,最終達到智動化生產與智慧工廠的目標。 JWII Automated ML Engine已於諸多產業的製造環節中應用,目前已成功導入光電產業、石化產業、PCB產業、電子組裝產業、金屬加工業、設備製造業、表面處理產業、傳統產業…等,提供製程參數異常偵測、生產配方最佳化推薦、連續性製程品質預測、設備故障停機預測、異常因子分析預測…等相關製造業所應用。 JWII Automated ML Engine 可單獨使用,同時也可與企業應用系統整合如ERP、PLM、MES、IOT、WMS、BI…等異質系統中,讓這些系統被賦予AI 預測與診斷等特性,讓相關系統達到智能化的目標。
檢視內容本PHM系統的核心價值在於其能夠精確地預測設備健康狀態與設備的製程狀態,提高生產過程的效率。透過結合IOT、邊緣運算,系統不僅能夠減少算力需求和演算時間,還能夠降低誤判風險,提高模型的遷移性。這項創新技術將為製造業的數位轉型帶來巨大的改變,協助企業實現高效運營和成本降低。
檢視內容智合科技的研發團隊 採用最新人工智慧深度學習(Deep Learning) 並結合 AOI 技術, 可進行 不規則形狀物件的品質評估:使用 AI 物件偵測, 然後再透過 AOI 進行 2D 資訊計算, 產生評估數據 例如:農業產品 / 不易數據化的物件 / 非標準品的測量 / 2D 與 3D 的數據呈現 不易測量的物件:使用 AI 的技術, 針對邊緣影像的準確度進行推估, 確保整體的檢測數據的信賴性 例如:高精密度金屬加工物件的邊緣值 另外可透過 嵌入式邊緣計算平台, 進行上述技術的整合, 有效降低整體系統的建置成本
檢視內容基於設備大數據的預測性維護與診斷 AVEVA PRiSM的APR技術 (Advanced Pattern Recognition先進模式識別),將設備的實時運行數據同其特有運行模式進行比對,發現系統行爲的細微差異,從而對設備可能存在的問題進行提前預警,實現對設備的預測性維護。早於傳統報警系統數天、數周或數月進行預警 傳統的警告方式為設定上、下界限,但PRiSM是以點的周圍來計算,利用演算法建立一個正常的模式,當實際值和預測值之間的偏差超過允許的限制時進行預先報警。
檢視內容工研院研發產品品質指標預測技術,與軸承製造大廠T公司合作進行軸承加工產線的線上測試,基於機台電力、加工應變力等大數據,透過智慧分析瞭解刀具狀態與工件品質關係,及時偵測NoGo工件,降低損失。並藉由及時調整抽檢頻率,動態配置檢測人力,使傳統離線且需成品完成後的抽檢改為線上即時的全面檢測。
檢視內容憶象智能影像辨識系統可以協助客戶三大方向:一提升營業額:為提高生產品質,將人工辨識的產品不良率, 藉由AI智能辨識提升產品的良率;二,降低成本:從需要大量人工的目檢辨識工作,轉由AI辨識降低錯誤節省人力, 提高生產效能,三,企業專業知識管理:縮減教育訓練時程/預防專業知識的斷層(師傅退休/跳槽)。憶象智能影像辨識系統採用最先進的深度學習之捲積神經網路(convolutional neural networks, CNNs)與電腦視覺技術,團隊具備開發AI模型設計與系統開發能力,設計出符合應用單位的AI模型,產出最符合應用客戶之檢測模型, 讓使用者可明顯獲得差異性的產品成效新體驗。 憶象智能影像辨識系統整合客戶檢測產品之圖像管理與標記,AI模型,即時統計,一站式的服務幫助企業檢視各生產鏈的問題點, 及優化備料與生產裝置設定。憶象智能影像辨識系統可以應用於各種產業的生產線應用,目前已成功導入電子業、傳統製造業、健康醫療…等,提供工廠與生產線之智慧視覺辨識應用。
檢視內容