:::

【109年 應用案例】 AI建構最佳塗裝模型,降低電磁鋼片廢材檢驗成本,每年可省200萬

表面處理應用面臨成本攀升與人才斷層問題

金屬表面處理的技術發展影響航太、汽車、機械、家電、通訊、扣件等內外銷產品品質。同時它對於國內「五加二」的智機、國防與循環經濟扮演舉足輕重的角色,依照2018年調查統計,金屬表面處理業產值達新台幣1,515億元,相較2017年成長3.6%。

然而金屬表面處理係高勞力、高耗能、高污染的產業,長久受到專業技術人才斷層、環保法規不斷加嚴造成處理成本不斷攀升,致使產業面臨生存危機與國際高值供應鏈競爭危機。

人工品管面臨市場考驗,鍍膜製程找到新契機

國內某鋼板鍍膜廠目前國外市場佔營收7成,2016年往汽車用鋼材、多元供應鏈與多樣特殊鋼品市場發展,為搶進國際市場,表面處理透過創新科技提升品質勢在必行。

鋼板鍍膜連續製程中,鋼板完整成品與瑕疵品的兩者價差約10倍左右,現階段採取人工檢驗方式驗證,每卷鋼捲於生產過程中需裁切10米做為固定檢驗廢材,造成大量廢材成本產生,及生產時程的延宕,同時,人工檢驗的品質不穩定性,也讓生產品質無法恆定。

憑藉中山大學產發中心深耕南部十多年的輔導能量,針對該鋼板鍍膜廠之痛點,媒合AI光學量測技術服務商,降低鍍鋼檢測耗材成本,並減少人力檢測疲勞所造成之誤差。

以光學量測技術穩定鋼板塗裝品質

為掌握塗裝製程品質,需要運用影像辨識產品良率,而一般的量測技術需以接觸性偵測鍍膜厚度,故中山大學產發中心媒合AI光學量測技術服務商,協助開發非接觸光學量測儀,記錄塗裝數據後續比對出最佳製程數據。

3D非接觸量測儀測試展示圖

▲3D非接觸量測儀測試展示圖

量測儀數據展示呈現圖

▲量測儀數據展示呈現圖

透過AOI光學檢測快速掃描,以非接觸方式量測,可在不直接碰觸產品或破壞鋼板表面情形下,迅速掃描出待測物的剖面及輪廓尺寸數據,不須增加成本負擔,可即時控制鋼板膜厚品質狀態後續也希望可以針對製程環境之數據做計算,設計產品異常示警範圍,以利後續製程更智慧化之使用。

未來,此解決方案將進一步檢測表面瑕疵及鋼板成品色差,以降低廢品產生之比例,解決專業技術人才斷層問題,並提升產品良率。

非接觸量測儀操作示意圖

▲非接觸量測儀操作示意圖

建立AI塗裝模型,打造世界級的鋼板供應水準

透過中山大學產發中心於2020年輔導,該鋼板鍍膜廠加速先進製程技術應用,建立表面處理製程品質標準量化指標,有助於國內表面處理生產高品質電磁鋼片,估計可提高2%的產品價格。

此外,未來還能協助業者通過高價值航太、電動車、扣件與航太熱處理認證,以創新的思維提升產業附加價值,繼續帶領金屬產業向前邁進。

推薦案例

【導入案例】化身大型AIOT科技遊樂場 海科館華麗轉身好吸睛
化身大型AIOT科技遊樂場 海科館華麗轉身好吸睛

臺灣是一個海洋國家,你去基隆八斗子漁港或潮境公園遊玩時,是否順道去占地48公頃的國立海洋科技博物館探索海洋世界的奧秘呢為了讓更多人親近海洋科技,基隆海科館導入科技服務,將場館化身為一個大型科技遊樂場,讓大小朋友都樂不思蜀,充分發揮「寓教於樂」的功能。 歷經長時間的規劃,北臺灣最大的基隆海洋科技博物館於2014年元月開幕營運,館內以海洋教育科技為主題,號稱擁有全臺最大的IMAX 3D海洋劇場,主題具有獨特性、又擁有新穎的視廳設備,理應成為基隆知名的地標景點。然而,原先的展覽規畫以靜態為主,內容相當專業,與民眾互動不足,曾經前往參觀的遊客也反映展出內容有限且十分無趣,整體消費者體驗評價欠佳。 海科館不滿意的前3項為周邊景點連結弱、展示內容不吸引人、展示內容少 根據海科館的統計數據顯示,海科館遊客結構當地民眾與外來客的比重約為 64,其中外地遊客以北部居多;交通方式以開車與客運方式為主;出遊類型以家族、親子、朋友居多;逗留時間為 1至2 小時。 再深入了解,遊客感到不滿意的前3項分別為周邊景點連結弱、展示內容不吸引人、展示內容少等,館方分析可能的原因包括部分展示內容的呈現方式過於專業,讓民眾看不懂,以及缺發互動體驗的元素,讓參展民眾覺得無趣,停留的時間匆促而短暫。分析遊客的輪廓可以發現,由於基隆科博館主要客源有半數以上來自於當地民眾,外來客必須以開車或大眾運輸方式前來,來一趟並不是那麼容易,因此,場館與展覽的設計必須導入更多的互動性及趣味性,讓本地客願意一來再來,外地客的停留時間也能拉長一點。並透過科技服務將博物館特色凸顯出來。 經由經濟部工業局AI團隊之一中華民國資訊軟體協會引薦,海科館就委託巨鷗科技協助解決場館無法吸引人的問題。 巨鷗科技初步訪談之後發現,許多遊客前往海科館,大多是受到海科館建築外型、周邊牆面所張貼的告示及懸掛的旗幟、或正在舉辦的活動所吸引;而遊客最感興趣的為 3D 海洋劇場,顯示內容以影音、實體景方式呈現較能吸引遊客。 七大AI科技導入 海科館帶動區域觀光人潮 巨鷗科技透過科技服務的導入,將占地48公頃的場域設計成AI語音導覽、尋寶解謎遊戲、AI展物互動活化、AI空間展館互動體驗、AI人流管控、Face AI互動式體驗、AI語音客服系統等7大服務,藉由AIoT物聯網以及雲端科技讓看展變有趣、不僅解決孩童靜態看展無趣的議題,並可提升雙倍學習效率,讓消費者對海科館的印象改觀,大大提升來客意願,也同步拉升區域觀光人潮。 國立海洋科技博物館導入AI語音導覽等七大科技應用服務。 巨鷗科技以改善海科館空間場域優化為目標,透過臺灣北部海濱鳥類特展的展覽背景為雛形,結合包括「人臉」、「肢體」、「人流」三大主軸,從提升功能的面向,來協助改善海科館對AI的應用。 在具體作法上,海科館及巨鷗科技首先針對場域內的特展進行篩選,先避免在已展出的展覽內進行水電工程、管路等相關建置,影響到展覽本身的觀看品質,轉而找出展期未到的場館先行導入,透過展覽本身的特點搭配一系列的科技服務進行導入。 在海科館內臺灣北部海濱鳥類特展施工內容與策展人討論,初步在展館入口處利用Bella X1做迎賓互動說明,接著搭配AI智慧導覽中文英文X1進行講解,搭配趣味性尋寶解謎集章活動-APP X1,讓民眾闖關,後續將鳥類特展內鳥種進行標本活化互動X1、甚至在展覽空間中導入AR之情境X1增添趣味性娛樂,最後在Face AI做人臉之互動測試臉部進行微笑打分數。nbsp 華麗變身後的海科館將成為親子最佳旅遊地點。圖海科館FB粉絲頁 海科館這套AIoT服務未來可延伸運用於各大展覽類博物館,甚至擴及到靜態美術館等地區,依據不同場域特點導入。同時也可透過政府專案及相關計畫推動,幫助農村再生,讓遊客不再只是去農村看看而已,添加趣味互動以擺脫對不同場域的刻板印象,應用服務範圍十分廣泛。

這是一張圖片。 This is a picture.
基於人工智慧的PCBA表面瑕疵檢測改善

隨著AOIAI系統的導入,我們將能提高產品良率、降低成本,從業務面來看,更可提高客戶的信任度,增加營業收益。而且AI具有難以被模仿的優勢,並非如其它設備只要花錢就買的到,讓我們的競爭對手難以追上我們。 組弘發展現況 我們致力於IOT智慧製造上,自行開發的系統已有智慧物料系統、環境溫溼度監控系統、防錯料系統、智能採購算料系統、智慧物料盤點系統、錫膏管理系統、生管系統。過去我們曾詢問過其他廠商,有關AI檢驗PCBA表面瑕疵的可能性,每個廠商都希望我們能夠購買其設備,但實際驗證後都無法達到效果,此次與資服業者討論過後,定調為AOIAI的運作模式,方覺得有可行性。 組弘科技投入AOIAI檢測計畫,用於檢查SMT零件上的文字、焊點、極性、缺件hellip等,用AI替代人工來學習AOI檢測後定義為rdquo可能是不良品rdquo的部份,提升人員產值與降低誤判率。 產業痛點 nbspnbspnbsp 台灣缺工情形嚴重,尤其願意從事目視檢查的人更少,而且年齡相對較大,檢查遺漏的狀況越來越嚴重。所以在追求高品質電子產業中,最關鍵的瓶頸已經是生產後的檢查。過去的消費性產品,異常未能被檢出,只要在一定比例下,也可被接受。現在的汽車產業如果有不良未被檢出,即有可能造成人員死亡,所以汽車產業對於品質的要求極高。要想在汽車產業的供應鏈中生存,就必須解決異常無法被檢出的問題。 nbspnbspnbsp 而且隨著台灣工資越來越高,只能設法以AI技術,取代傳統人力,否則就算解決了異常流出,但相對高的人力成本依然無法在此產業中競爭。 應用技術與說明 nbspnbspnbsp 原本過程圖一,PCB從出來Reflow後,會經過AOI檢測,分出「疑似不良品」與良品,這時「疑似不良品」的部分約為20,再由人工針對這20的部分來做複判,再將「疑似不良品」的部分區分為良品與不良品。 nbspnbspnbsp 我們想要藉由AI的技術,將原本由人工複判這20的「疑似不良品」改由AI來做,複判出來一樣會有良品與「疑似不良品」,結果一樣會有「良品」與「疑似不良品」的產生,但此時「疑似不良品」約只剩下3,也就是說組弘作業人員的工作量會從20降到只有3。理論上是AOI檢查完後,再由AI來做複判,但從表面看起來似乎只有經過AOI而已,所以我們才將這個技術稱之為A0IAI檢測圖二。 原本AOI檢測過程 操作員將待測PCB板放入AOI檢測設備,輸出AOI 檢測不良品資訊,再經由人工逐一覆判是否為不良品。 AOIAI檢測過程 操作員將待測PCB板放入AOI檢測設備,輸出AOI檢測不良品資訊後, 進由AI先進行AOI檢測不良品的覆判,輸出AI檢測不良資訊後, 再經由人工逐一覆判是否為不良品。 流程差異 nbspnbspnbsp 藉由AOIAI系統的導入,我們除了能夠提升目視檢查人員的效率與良率外,我們有了這次AI的導入經驗,以後也可將AI與大數據的運用加入到組弘原有的智慧製造系統,使我們的智慧製造系統的效能更提升,更進一步的減輕員工的工作壓力。 導入前後差異說明 推廣策略 1nbspnbspnbspnbspnbspnbsp 同領域擴散:所有SMT製造業皆會遇到檢查瓶頸導致延誤出貨的狀況,導入此系統可解決目前缺工嚴重問題並提升出貨速度與品質,自行向客戶推廣或透過設備商銷售給相關需求者。 2nbspnbspnbspnbspnbspnbsp 異業擴散規劃:與AOI製造商洽談直接將AI系統掛在AOI系統內,增加其市場競爭力。 nbsp 獲利策略 1nbspnbspnbspnbspnbspnbsp 與AOI製造商合作收取授權金。 2nbspnbspnbspnbspnbspnbsp 與SMT製造業直接銷售AI系統。 3nbspnbspnbspnbspnbspnbsp 提供SMT製造業AOIAI系統訂閱制

【導入案例】巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用
巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用

衛星遙測影像雖然可以讓地面景物無所遁形,然真正要能落地應用至產業面,還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題,興創知能研發「巨量遙測空間數據AI分析雲端服務平台」,作為智慧空間資訊跨域AI應用導入的新開端。 近年來,為了因應產業全球化衝擊,臺灣農業轉型持續走向科技化與精緻化,紛紛從微氣候衝擊、病蟲害防治等問題的解決,來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用,有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代,人工田野調查是最基本、卻也最消耗人力的工作,有了UAV無人機的出現,航拍操作也許不太困難,但能拍的範圍受限,要精確地擷取空間資訊,還需要測量專業。此時,衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年,現代衛星遙測應用技術的突破,數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術,各國發展智慧農業成了最大的影像用戶之一,掌握作物的栽種分佈,就是掌握作物產量的第一步,有了免費的衛星遙測影像、強大的資料倉儲支援,以及團隊穩健的影像辨識技術,是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而,在過去,想透過衛星遙測影像來萃取大面積作物分布,也是困難重重,所需要花費的費用不說,若想使用免費的資訊,必須逛透國際太空機構的網站,在琳瑯滿目的衛星產品規格表中,審慎評估感測器規格、影像解析度以及再訪週期,找到適合的影像後,還得一幅一幅的看,去蕪存菁,接下來,動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔,所用的電腦容量恐不堪負荷。 還有,當克服影像存取、備好資料後,接著必須開始確認下載的影像產品,哪些才是想要的波段,因為眼前看到的影像並不只是一個圖檔jpg或png,複雜的多光譜資訊、屬性欄位和座標資訊,光是確認正確的資訊,就耗費龐大心力。 而面對功能複雜的GIS套裝軟體,又是另一個麻煩的開始,複雜的影像前處理流程,以及缺乏彈性的機器學習套件,大幅降低分析資料的效率。好不容易做出作物辨識的結果,才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題,恰恰就是市場的痛點, 興創知能從傳統的機器學習擴展到現代的深度學習應用,研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」,為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示,在我國國家太空中心TASA, Taiwan Space Agency的多年努力下,屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務,與國際趨勢正式接軌,強大的倉儲技術讓使用者可以輕易的根據需求,擷取並使用特定時間與空間範圍的影像資料,倉儲收納了國際太空機構旗下的多個衛星影像資源,包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅,USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅,以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限,興創知能以Python語言為基礎,整合GDALGeospatial Data Abstraction Library,並考慮運算效率與平行處理,完成所有衛星影像處理與影像辨識建模所需的工具開發,包含座標系統與資料格式的轉換、網格與向量資料互動,以及資料內差與正規化等工具,都是以AI應用為考量進行設計,而部分常用的工具更以TronGisPy為名,打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解,以及透過所蒐集的標記資料作物分佈圖資,預設好影像辨識建模過程,所需的訓練資料規格與資料集定義,套用事先完成的機器學習LightGBM或深度學習CNN框架,並讓整個訓練過程在Web GIS的介面中,提供使用者部分的彈性,自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作,也提供歷史模型的運用產出辨識結果,最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上,不僅只是農業才會有衛星遙測的應用需求,隨著各行各業為了提升企業全球性的競爭能力,空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言,擁有大量圖資的測繪業者,能夠透過AI分析雲端服務平台 ,收納圖資的同時也加速數化製圖的效率;在全球氣候劇烈變化與致災性地震風險之下,產業保險類別豐富,農業保險、金融保險或是災害保險,都與空間資訊脫離不了關係,透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構