【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
▲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
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。