:::

【109年 應用案例】 「AI智慧辨色及成本最佳化控管系統」,自動辨色,突破傳統調色模式,大幅降低成本、提升良率!

調配新色彩,只能仰賴老師傅的經驗!

漆料產業所謂的「電腦配色」,僅為從「現有色」中挑選再進行配色,若遇到「新色」實則無法調出對應的漆料,皆仰賴老師傅的經驗,因此遇到新色時皆要重頭調配,耗費了許多人力與時間,且每個師傅因調色習慣不同,所配出來的結果雖相同,但成本卻差異很大!

傳統塗料工廠面臨轉型的危機三部曲

一、缺乏配色標準規範

一般傳統塗料廠生產新色時,會透過「分光測色儀」量測出樣本色之LAB值後,再由調漆師傅根據過往經驗調配出該色漆料,調配完成後再利用儀器檢測LAB值與C、H波長,而此過程並無完整的系統與資料庫紀錄,亦無一套配色標準規範。

二、生產成本難以控管

塗料廠生產許多不同材質及功能之色料,而漆料成本會隨使用的「色母材質」不同而有所差異,即使母件色號相同,色母使用比例不同,成本也會不同,而調漆師傅在調配漆料時,並無一套配色標準規範,導致難以控管生產成本。

三、調色時程冗長與人員訓練不易

在儀器無法取代人工配色之情況下,調漆師傅的培訓須經過多年調漆配色之經驗累積,並熟稔色彩學,對於色相、飽和度、明亮度皆須有基本瞭解,且在調漆時,若無基本參考配色值,必須花費大量時間反覆調配,造成時間成本損失。

建置「AI智慧辨色及成本最佳化控管系統」

塗料廠透過庫點子文創資訊產業有限公司與朝陽科技大學資工系進行產學合作,結合朝陽科大之AI研究能量,共同開發「AI智慧辨色及成本最佳化控管系統」,建置「漆料色號」及「色母材質成本」資料庫,透過資料探勘方法,分析最佳化配色及最佳化成本配方,調漆師傅可參考系統分析之配方進行配色,調漆完成後再將配方輸入系統,反饋至基本資料庫,利用「類神經網路模型」做系統深度學習,建立調色標準化系統,進行成本管控及資料蒐集,以解決塗料廠目前面臨的困境。

在系統建置前期,由庫點子進行塗料廠系統需求之規劃,並建立系統架構與系統資料庫,而後與朝陽科大共同進行資料探勘、類神經網路應用模型功能建置與導入。

系統建置完成後,由庫點子協助塗料廠進行系統測試及修正,待修正與測試無誤後再導入系統,並進行系統使用教育訓練,確保系統正確使用。

系統畫面示意圖

▲系統畫面示意圖

導入系統前後差異

▲導入系統前後差異

拓展漆業新市場,看見漆業新榮景!

此「AI智慧辨色及成本最佳化控管系統」蒐集調漆師傅之調色配方,建立漆料色母配方資料庫,並紀錄該色號之成本,再藉由深度學習功能,搭配分光測色儀,利用每筆數據,分析出最佳化調色配方,以利塗料廠掌控調漆配色之成本,並藉由系統推薦最佳化調色配方,提高調漆速度,增加產值。

未來可產生之效益包含:因產品良率提高,故可減少客訴、增加顧客滿意度;突破傳統調色模式,優化企業形象;提高調漆效率,並可將剩餘時間投入教育訓練,提升人員專業能力;並可共同拓展漆業新市場與學習新應用技術,推廣至其他塗料業者使用,提升整體產業競爭力,看見漆業新榮景!

推薦案例

【導入案例】海量數位工程AOI機器智能手臂檢測系統 大幅提高瑕疵檢測精準度
海量數位工程AOI機器智能手臂檢測系統 大幅提高瑕疵檢測精準度

臺灣堪稱製造業大國,然而,在產線上,品質瑕疵檢測一直是製造業長期痛點,雖然有AOI設備可輔助,但大多採用固定式機器,受限於角度,診斷不夠精準,誤判率也高。海量數位工程公司導入AOI機器智能手臂檢測系統,可有效降低誤判率,提高瑕疵檢測精準度。 一般來說,產品的良率攸關企業的成本與客戶的退貨率,而製造產業品質瑕疵的檢測流程,往往需要編制大量的品質檢測人力。目前製造業檢測工具雖然有AOI設備來輔助進行,但這些設備多半採用固定式的檢測機器,固定式相機容易受限於角度,導致診斷不夠精準,誤判率太高等缺點,因此,人員在後端需要再次篩選檢驗,也就是複檢,通常人工目測檢視的瑕疵漏檢率平均在5上,甚至可高達20。 製造業品質檢測三大痛點 機器手臂AOI之動態多角度品檢協助解決 根據海量數位工程實際了解製造業在檢測產品品質有三大痛點: 痛點一、人力檢測產品品質出錯率高 目前製造業多以人力來檢測產品外觀,但人工判斷多半有誤差,例如:表面刮傷、色差、焊道外觀hellip等,瑕疵判斷出錯率高,且須待成品階段才能一次性檢驗,時常出貨前全檢後依然遭整批退件,導致重製及人力成本大增。 痛點二、品質檢測之數據無法量化與記錄 傳統人力檢測無法保留檢測數據,嗣後發生品質糾紛時,責任難以釐清。而海外品牌高階代工單往往要求溯源與相對應的缺點紀錄,傳統產業原有之人力檢測難以符合更高階代工單之要求。 痛點三、傳統AOI視覺檢測的限制 現有製造業常用的AOI視覺檢測系統,因為視覺軟體技術的限制,都是以固定相機、固定光源及單一角度的方式來進行,這種方式對於平面或形狀由直線組成之產品例如:長方體或正方體的單一檢測點尚可處理,但對於複雜形狀的產品例如:汽車零件多為不規則狀多點、多幅度的檢測,就較難實現。 海量數位工程研發AOI機器智能手臂檢測系統,有效提高瑕疵檢測精準度。 為解決製造業在品質檢測的痛點,海量數位工程決定從研發多角度、可移動式的檢測儀器開始發想,從結合工廠自動化領域中的兩大代表性技術-機器手臂與機器視覺著手。海量數位工程以機器手臂結合AOI之動態多角度AI視覺即時品質檢測方式,改善固定式檢測受限多角度的問題,視覺檢測技術的提升與結合人工智慧,進一步相機取得的影像資訊可由平面取樣提升至多角度、多維度取樣。 選定汽車產業做為實證場域 可快速回應顧客需求 AOI機器智能手臂檢測系統,所運用的AI技術包括無監督學習(unsupervised)、監督式學習Supervised learning、半監督式學習Semi-supervised Learing,使業者在初期樣本不齊全,或是沒有不良樣本的情況下也能使用無監督深度學習技術學習良品,並應用在汽車三角架自動焊接的視覺檢測上。可解決導入前受限於固定式機器的角度、診斷不夠精準、誤判率高的問題。 汽車零組件單價較高,會要求更嚴格的瑕疵檢測正確率。 在導入AI服務的產業中,選定汽車製造業作為實證場域。海量數位工程表示,汽車製造業主要為相關零組件製造商,而且通常元件單價較高,需更多品質檢測品質及良率,會要求更嚴格的正確率,因此選定汽車業做為導入的場域。 機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統,除了可以改善汽車零組件檢測瑕疵品質失誤率外,因為以多角度的機器手臂AOI服務來提升定點式AOI光學檢測,可以符合多數產業之量測需求;最後是建立第三方系統平台,建置共同工作整合平台監測系統,以便在問題發生時,第一時間接收訊息並著手處理。 本系統可針對出廠產品之重要數據進行記錄儲存,為實現未來數位生產線與虛擬生產之基礎。同時於瑕疵發生時,可即時串接海量MES監控系統,迅速反應至相關製造決策部門,嗣後並利用ERP系統進行專案管理與檢討,有效精進其生產效率,降低生產成本。 有助降低溝通成本 期許成為行業標配 就產業上下游整合而言,可以為上下游之數據連貫提供一基礎之標準,降低供應鏈之溝通成本,經由指標代工廠與品牌商的認證,有機會成為該產業之行業標準配置。 透過此一計畫的產出數據資料庫建置,業者進一步透過大數據分析Data Analysis,優化供應鏈管理的解決方案「供應鏈規畫Supply Chain Planning, SCP」,依據數據,建立預測計畫,並運用科技串連供應鏈上下游的數據,精準控制產品品質。未來對接歐美、日,需要品質精細訂單,業者能更快速回應及整合產業供應鏈Supply Chain 。 最後期望透過標竿示範產業之場域驗證,例如:以汽車零組件製造產業標竿示範場域,透過機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統計畫進行驗證,讓汽車代工廠與汽車原廠之間有更優化的供應鏈聯繫,並成為該行業標準。更進一步尋求更多的AI團隊,加入場域協作平台跨產業之開發,帶動整體AI新創與場域結合的生態系。 海量數位工程研發的自走車

這是一張圖片。 This is a picture.
以植物生長箱為例 - 依影像建構電子設備程序標準化

近年來,全球氣候變遷和環境問題日益嚴重,對農業生產造成了巨大衝擊。傳統農業高度依賴天氣條件,面臨著作物品質不穩定、產量驟減、病蟲害難以控制等挑戰。特別是在台灣,農業生技業者和農民不斷遭受損失,亟需創新解決方案。同時,台灣植物工廠產業也面臨諸多困境:高昂的設備和人工成本、產業鏈不完整導致國際競爭力不足、企業間缺乏合作等問題制約了產業發展。此外,COVID-19疫情更凸顯了遠程監控和管理的重要性,傳統的人工巡檢和數據收集方式已無法滿足現代農業生產的需求。這些問題共同構成了智慧農業解決方案的迫切需求背景,推動了如台灣海博特等公司開發整合物聯網、雲計算和人工智能技術的創新項目。 海博特雲端數據整合分析平台 面對這些挑戰,農業領域亟需一套能夠精確控制生長環境、提高資源利用效率、實現遠程監控和智能管理的系統。現有的植物工廠設備往往需要整套更換,難以與舊有設備兼容,且感測器與攝影系統可能需要不同的操作界面,使用不便。因此,業界需要一種能夠靈活整合各種設備和技術的解決方案,既能提供實時監測和數據分析,又能根據植物生長狀況自動調節環境參數。這種需求不僅存在於台灣,也是全球智慧農業發展的趨勢。通過引入人工智能技術,可以建立更科學化的評量基準,優化生產流程,提高產量和品質,同時降低能源消耗和環境影響。此外,這種智能化的解決方案還能吸引更多年輕人參與農業生產,推動產業升級和可持續發展。總的來說,智慧農業解決方案的需求源於應對氣候變化、提高生產效率、降低成本、實現精準化管理的迫切要求,而這正是像台灣海博特這樣的公司所致力解決的問題。 台灣的植物工廠業者們正面臨著一系列嚴峻的挑戰,這些困難正逐漸侵蝕著他們的競爭力和生存空間。首先,高昂的設備和運營成本成為了他們最大的負擔。每一次電費賬單的到來都像是一次沉重的打擊,迫使他們在保證產品品質和控制成本之間艱難平衡。其次,氣候變遷帶來的不可預測性成為了他們的噩夢。突如其來的極端天氣事件可能在短時間內摧毀他們精心培育的作物,造成巨大的經濟損失。更糟糕的是,他們發現自己在國際市場競爭中日漸處於劣勢。相比之下,國外的大型植物工廠憑藉先進的自動化技術和完善的供應鏈,能夠以更低的成本生產出品質穩定的農產品,這讓台灣的業者們感到前所未有的壓力。 在技術層面上,他們同樣面臨著諸多問題。新舊設備的兼容性問題常常讓他們陷入困境,嘗試整合不同系統時總是遭遇各種技術障礙。缺乏精確的數據分析和預測能力也讓他們在生產決策上舉步維艱,難以準確把握每種作物的最佳生長條件。現有的監測系統提供的數據往往雜亂無章,難以解讀和應用。人力資源方面的挑戰同樣嚴峻,年輕人普遍對農業工作缺乏興趣,導致他們難以招募到具備現代農業技能的員工。即便是現有的員工,也常常因為繁瑣的手動操作和監控工作而感到疲憊不堪。這些問題交織在一起,形成了一個複雜的困境,讓植物工廠業者們感到既困惑又焦慮。他們迫切需要一個能夠全面提升工廠運營效率、降低成本、提高產品競爭力的綜合解決方案,以助他們渡過難關,重新在激烈的市場競爭中站穩腳跟。 在面對植物工廠業者的種種挑戰時,台灣海博特公司展現了卓越的技術創新能力和靈活的客戶導向開發策略。他們深刻理解到,解決方案必須能夠無縫整合現有設備,同時提供高度智能化的管理功能。為此,海博特的研發團隊採取了模組化設計的方法,開發出一套可以靈活配置的IoT(物聯網)系統。這個系統的核心是一個智能控制中樞,能夠與各種感測器和執行設備進行通信。在開發過程中,海博特密切與客戶合作,深入了解他們的具體需求和運營環境。他們甚至派遣工程師駐場,實地觀察植物工廠的日常運作,以確保開發的系統能夠真正解決實際問題。這種深度合作不僅幫助海博特優化了產品設計,還建立了與客戶的緊密關係,為後續的持續改進奠定了基礎。 海博特的創新不僅體現在硬件設計上,更體現在他們開發的智能軟體系統中。這套系統整合了先進的機器學習算法,能夠根據大量歷史數據和實時監測信息,對植物生長狀況進行精確預測和優化控制。為了幫助客戶克服技術障礙,海博特設計了一個直觀易用的用戶界面,即使是非技術背景的操作人員也能輕鬆掌握。此外,他們還提供全面的培訓和技術支持服務,確保客戶能夠充分利用系統的所有功能。在遇到難題時,海博特的技術團隊能夠通過遠程診斷迅速識別問題,並提供解決方案。在一次客戶遇到嚴重設備故障的緊急情況下,海博特的工程師通過系統遠程接入,成功指導客戶進行修復,避免了可能的巨大損失。這種全方位的服務不僅解決了客戶的即時困難,更增強了他們對智能化管理的信心,推動了整個行業向更高效、更可持續的方向發展。 海博特公司開發的智慧農業解決方案不僅為植物工廠帶來了革命性的變革,更為整個農業產業的未來描繪了一幅令人振奮的藍圖。這套系統的優越性體現在多個方面:首先,它實現了對植物生長環境的精準控制,大幅提高了作物產量和品質的穩定性。通過先進的人工智能算法,系統能夠根據歷史數據和實時監測信息,預測並調整最佳生長條件,使得每一株植物都能在最理想的環境中生長。其次,它顯著降低了能源消耗和運營成本,提高了資源利用效率。智能化的管理系統能夠優化用水、用電和養分供應,減少浪費,同時降低人力成本。此外,系統的模組化設計和強大的兼容性,使得它能夠輕鬆整合各種新舊設備,為植物工廠的逐步升級提供了靈活的解決方案。最重要的是,這套系統為農業生產注入了科技感和現代化氛圍,有助於吸引年輕一代加入農業領域,為行業注入新的活力。 展望未來,海博特的智慧農業系統具有廣闊的應用前景和擴展潛力。除了植物工廠,這套系統還可以應用於傳統溫室種植、都市農業、甚至是家庭園藝。在水產養殖領域,相似的技術可以用於監控和優化魚類或蝦類的養殖環境。在食品加工業,類似的智能監控和預測系統可以用於優化生產流程,提高食品安全性。甚至在製藥行業,這種精準控制的環境管理系統也可以應用於藥物研發和生產過程。為了進一步推廣這套系統,海博特可以採取多管齊下的策略。首先,可以與農業院校和研究機構合作,建立示範基地,讓更多人親身體驗智慧農業的優勢。其次,可以開發針對不同規模和類型農業生產的定制化解決方案,擴大產品的適用範圍。再者,可以通過舉辦行業論壇、線上研討會等方式,分享成功案例,提高業界對智慧農業的認知和接受度。最後,還可以探索與政府部門合作,將這套系統納入農業現代化和可持續發展的政策支持範疇,從而在更大範圍內推動智慧農業的普及。通過這些努力,海博特不僅可以擴大自身的市場份額,更能為全球農業的可持續發展做出重要貢獻,真正實現科技賦能農業的願景。

這是一張圖片。 This is a picture.
AI輔助紅十字會 急難救助更智慧

多一點準備 少一點損失 社團法人台灣食物銀行聯合會,每日收集來自全台各地量販店、中盤商、零售商、製造商、甚至善心人士捐贈的愛心物資,也會搶救即將被丟棄的可食用物資,進行妥善調配並配送至需求的愛心戶手上,幫助在地弱勢邊緣戶。 當台灣發生天然災害時,如地震、山崩、土石流、颱風、水災、旱災等,食物銀行的各項物資,也可即刻投入救災。本次場域驗證單位社團法人南投縣紅十字會食物銀行據點之一,以下簡稱南投紅十字會承擔「備災」物資預前準備、「救災」物資分配等工作,協助政府擔負起災變的救助與賑濟的責任。 在臺灣各項天災均具有發生時間長短和空間覆蓋廣闊或狹隘的特性,加上極端氣候常態化,災害規模與數量逐漸增加,也更難預測。而不同災情所需的物資數量和種類皆有不同,且須應對不同災區人民生活、救援需要、交通狀況、地形限制等各項因素,進行多樣化的物資調配,亦面臨諸多挑戰。 卡努颱風重創南投山區交通 法治國小親愛村奧萬大進行物資遞送" src"httpsaihuborgtwimages35f4ec12f8201e1d7cb12e2f22a64c89jpeg" alt"南投縣紅十字會規劃山區路線 埔里法治國小親愛村奧萬大進行物資遞送" aria-label"南投縣紅十字會規劃山區路線 埔里法治國小親愛村奧萬大進行物資遞送" data-image-id"748" 南投縣紅十字會規劃山區路線 埔里法治國小親愛村奧萬大進行物資遞送 災難不斷反覆發生,我們需要時刻做好準備,有效「備災」可減緩災害所造成的衝擊,除了快速應對災區物資需求、賑濟物資,甚至可起到心理支持作用,使災區人民多一層生命財產的保障。 救災資訊缺乏即時性 社團法人台灣食物銀行聯合會為改善偏鄉生活及物資缺乏問題,除了與南投紅十字會合作,並陸續於南投市、埔里、仁愛力行、瑞岩、信義望美、同富、水里、鹿谷及草屯等共9站設立食物銀行據點,每月載運每戶等值新台幣6001000元之物資供應。但在天然災害發生時,仍有許多問題需要克服。 例如當颱風、地震、山崩等天災發生時,救災調度系統的資訊來源依賴於災害發生後的回報,從回報到應變再到執行過程中的時間差,無法及時以災區需求進行「救災」物資調整和分配,資訊缺乏即時性時,就會影響救援效率。 南投紅十字會的「備災」物資如乾糧、水、泡麵等存量、有效期限、發給都是以人力來紀錄,當災害發生時,可能面臨「備災」物資已過期,無法成為「救災」物資。 也有可能前述兩種狀況同時發生 造成花費更多時間把「備災」物資重新調配成可用「救災」物資。另一方面,民眾接到災區缺乏物資的訊息後,熱心捐贈的物資,時常與災區實際需求的物資品項差異甚大,容易造成物資過剩問題。 天災發生前後之物資作業流程 AI預判天災 補強備災物資調度正確性 應用 API 技術介接運算氣候狀態、災況搶救強度,並將南投紅十字會主要工作與搜救之需求地區為優先導入,並搭配南投紅十字會既有豪雨、颱風等模擬救災訓練,建立「天然災害緊急救備物資調度及補充決策系統」以下稱急救備物資系統。 在物資管理上,將物資庫存資料與即時供給的資料輸入急救備物資系統,進行比對分析後,協助南投紅十字會快速辨認物資,如餅乾乾糧、飲品、冷凍食品、衛生紙等,並判斷物資應成為「備災」物資或定期發放的物資。再加上資訊預判,了解偏鄉地區後續可能的災情狀況,進行食物遞送,同時解決前端食物浪費並解決後端實務需求。當天災發生時,可更快速進行應變與決策,完成物資部屬,使物資作業轉換速度增加20。 AI急救備物資系統 幫助物資調配快速應變 透過南投紅十字會的場域驗證將AI系統、物資管理、相關應用推廣至更多不同地區的急救難團體,同時持續改進急救備物資系統中的預警功能,加強預警技術基礎、提高預測精度系統即時性、優化數據收集和分析過程。 同時可與政府機構、氣象部門或其他救援團隊合作,研討整合更多數據源後,建立共享資源和數據的機制,及時共享信息,幫助更多急救難團體提高災難應變的能力,掌握黃金救援時間。