生產排程規劃
發表年月 2020-01 應用領域 AI製造運用應用/研究單位 民邦資訊服份有限公司 / 雲那裡產業智能
客製化程度高的製造業極難採用全自動化製程的工具,因此主要的生產資源往往是可以因應產品變化的「人力」並輔以高效率工具以提升生產力因此形成以人力為核心的「工作站」生產模式,從而形成本案例所稱之工作站式製造環境,透過產品種類、生產製程、訂單需求、生產力等資料確立利用AI最佳化模型及技術尋求最佳生產排程結果。
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。
檢視內容智慧導航服務機器人 (iAGV)應用深度攝影智慧影像辨識技術與智動化科技、超音波感測技術,以Edge Computing快速反應為基礎,透過不同深度差找出特徵差異點因應不同工作環境需求之多元化定位,內建數量核對的AI揀貨同時進行數量核對,並具備「動線最適化」及「壅塞避免」的動線運算引擎,大幅提升作業效率,並獲得2018資訊月百大創新產品。工研院服科中心「iAGV智慧導航服務機器人 」突破天花板特徵深度辨識透過不同深度差找出特徵差異點,以導航整合天花板特徵深度辨識定位、導航、避障、定位等功能直接進行優化,以Edge Computing控制導航/定位模式的調整、地圖建立邏輯改良及行走控制等的動作。以低成本為考量採用簡易單晶片控制伺服馬達,並搭配低成本之影像導引裝置,達成符合業界需求價格的產品。並可機器人到貨架取貨,減少人行走道貨物能夠更緊密地存放,同時,省去員工走到貨架、取貨時間,讓出貨更有效率,節省理貨25%工時、減少人員移動距離35%與成本15%,滿足B2B、B2C等多型態發貨中心需求,並成功導入宅配物流業、資訊消費性電子產品發貨中心…等國內業者。
檢視內容智慧製造+產業AI化的升級已在國人心中醞釀已久,期待一套敏捷且彈性的智能報工系統,為工廠帶來數位化與智能化提升。 3K環境以及八國聯軍設備往往是機械製造業數位化與智能化最大的挑戰,加上廠內同時存在工業1.0-4.0的混動生產情形,報工作業往往需要高度人力介入,因此敏智能報工系統應運而生。 敏捷智能報工系統具備AI即時多報工模式、機聯網、高移動性移動裝置、即時監控生產效益等特點,將第一手現場數據回傳戰情中心,讓Data晉身Information,協助企業做好完善廠區、稼動率或異常等管理。 此外搭配深度學習與視覺辨識服務,有效協助身處3K現場作業人員進行工件辨識計數或不良品辨識,大幅降低人力與重複教育訓練的成本。 零次方科技團隊由人工智慧、軟體工程、工業工程、用戶體驗等專家組成,為製造業不同需求提供高專業度顧問分析服務與客製化服務。目前系統已在台中工業區製造業實際導入與上線使用。
檢視內容本案AI瑕疵檢測系統使用先進的影像處理技術,能夠從不同角度全面檢測工件,並且辨識特徵數量及各種微小的瑕疵或缺陷。相比人工檢查可能因疲勞或視覺限制而漏檢的問題,檢測系統能夠提供更高的一致性和準確度,不受人員情緒和疲勞影響,能夠保持穩定的檢測質量。過去品檢員在使用傳統方法時,需要逐一從多個角度檢查每個工件,每次檢查一個工件需要約15秒。導入AI系統則能在短短4秒內完成相同的檢查任務顯著縮短了每個工件的檢查時間。
檢視內容案例‒鋼珠製造產業長期以來面臨產品種類眾多、尺寸規格複雜、客戶經常性改單導致生產線產能分配不均、工裝次數頻繁、磨盤異常損壞增加等問題,造成工廠生產效率不佳。鋼珠製造流程從原物料的線材、鍛造到形成鋼珠的粗研磨、熱處理、細研磨、精研磨,最後為成品的洗淨、檢驗和全檢;其中主要的瓶頸為粗研磨至精研磨的關鍵三道研磨製程。其原因為鋼珠在研磨過程無法即時監控磨盤的狀況,容易造成堵溝、尺寸變異,嚴重時將造成磨盤崩裂而傷及鋼珠的完整性,若因人員的疏失造成規值的錯誤,不但造成產能的損失且增加成品久置而生鏽的可能性,增加產品重製的加工成本及工廠的產品產出時間(cycle time)。
檢視內容維曙智能科技(Vizuro)是為企業打造數位轉型戰情室的跨國人工智慧新創公司,總部位於美國波士頓,研發中心在台灣台北。聚焦智慧製造良率管理,醫療影像癌症篩檢,生醫科技通路行銷策略等領域。Vizuro的核心團隊由實戰經驗豐富的多位資料科學家所組成,有別於業界(AI+AOI,人工智慧結合自動光學辨識) 大多只具備標準化的自動瑕疵辨識軟體,Vizuro在瑕疵分類之外,也推出異常偵測、因果推論、製程優化等自主研發的多元人工智慧模型,因應不同客戶的需求,並提供顧問健檢、協作團隊建立、站點模擬與概念性驗證等服務,擅長跨國的客製化專案。
檢視內容我們瞭解在零件清洗的製程當中,去離子水的潔淨度至關重要, 就讓 FlowVIEW 協助您掌握最精準的微粒子監控數據! FlowVIEW 使用最新的雷射感測技術,搭配超精密的多通流道, 用心研發出專為可靠性設計的<全自動多通道粒子檢測系統>。 可完美整合到您的設備當中,是為汙染管控的理想產品。 以1µm的靈敏度搭配每分鐘30ml的流速, <全自動多通道粒子檢測系統>可24小時不間斷地分析水質並即時回傳數據。 使用者可輕鬆判讀微粒子數量的變化,有效監控水質與處理槽系統狀態, 大幅提升零件清洗製程的效率。
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。
檢視內容因現場操作人員無法兼顧所有機台確認狀況,當織帶編織錯誤時, 需到最後品管包裝才能確認錯誤,現場機台編織織帶60~70碼/時,會造成相當長度的損失。 當織帶會遇到明顯不良包括脫線、預計導入鞋帶工廠織帶良率檢測系統改善品管流程提前修正錯誤降低材料耗損。
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。
檢視內容因應少量多樣的訂單複雜性需求,透過建置上下游供應鏈資訊串流平台與外包商空桶管理系統,提升供應鏈串接的能力,並藉由射出機連線與可視化看板、AI 智慧排程系統,提升製造端管理手法,進行智慧化生產現場管理,進而達到指標的改善。
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。
檢視內容輔導客戶運用AI、深度學習結合客戶Domain Know-how,進行資料收集、資料前處理、轉換與分析並建立AI訓練與驗證模型,提供完整AI之解決方案,並協助客戶導入AI正循環。透過IoT(Internet of Things)或工業相機將資料彙整並AI、深度學習訓練,隨後可達AI之預測。應用:AOI(Automated Optical Inspection)、工業自動化、智慧工廠、客製化服務
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