AI檢測技術於特殊金屬表面紋理之場域應用
摘要：智慧工廠是一種將人工智慧、物聯網和數據分析等技術應用於製造過程中，實現全面智能化管理的工廠。智慧工廠可以提高生產效率和產品質量，降低成本，實現智能化管理，更好地滿足客戶需求。未來，隨著人工智慧技術的進一步發展，智慧工廠將會成為推動工業發展的重要力量。本文將以實際推廣案例介紹智慧工廠在不同場域以及低碳人工智慧技術的應用。
Abstract：An intelligent factory is a type of factory that utilizes technologies such as artificial intelligence, Internet of Things, and data analytics to achieve fully intelligent management of the manufacturing process. Smart factories can improve production efficiency and product quality, reduce costs, achieve intelligent management, and meet customer needs. In the future, with the further development of AI technology, smart factories will become an important force driving industrial development. In this article, we introduce some projects about intelligent factory in different field and the applications of low-carbon AI techniques.
關鍵詞：人工智慧、智慧工廠、磁粉探傷、粉末冶金
Keywords：Artificial intelligence, Intelligent factory, Magnetic particle inspection, Powder metallurgy
前言
近年來，人工智慧 (AI) 技術的發展迅速，也帶動了工業界的轉型升級。在這個時代，AI智慧工廠成為了眾所矚目的焦點。AI智慧工廠不僅能夠提高生產效率，降低成本，還可以實現智能化管理，更好地滿足客戶需求，進一步推動工業的發展。隨著AI技術的進步，越來越多的傳統工廠開始轉型為智慧工廠。智慧工廠通過將傳感器、物聯網、數據分析等技術應用於製造過程中，實現了從生產過程到設備維護的全面智能化。例如，通過在生產線上安裝傳感器，可以即時監測生產過程中的各種參數，從而即時調整生產過程，提高生產效率和產品品質，避免能源和物質浪費，從而減少能源消耗和碳排放。同時，智慧工廠還可以實現自動化管理，減少人工干預，從而降低成本並提高生產效率。更甚者，智慧工廠還可以通過數據分析實現更加精準的生產計劃和庫存管理。通過收集和分析生產過程中的數據，智慧工廠可以更好地了解客戶需求和市場趨勢，從而調整生產計劃和庫存管理，提高生產效率和產品質量。同時，智慧工廠還可以實現智能化物流管理，從而更好地控制物料和產品的流動，減少生產成本，提高運輸效率。
在智慧工廠中，視覺檢測和AI的結合可以實現更高效、更準確、更靈活的產品檢測。放眼世界，根據MarketsandMarkets的報告[1]，全球視覺檢測市場預計將從2021年的157.9億美元增長到2026年的222.4億美元，年複合增長率為7.1％。此外，Grand View Research的報告[2]指出，全球智慧工廠市場預計從2021年的1628.7億美元增長到2028年的2938.8億美元，年複合增長率為8.1％。報告指出，智慧工廠的快速發展將推動視覺檢測和AI技術的需求增加，並提高產品檢測的自動化水平，從而提高生產效率和產品品質。而著重在臺灣產業上，MarketsandMarkets的報告[3]顯示，臺灣的視覺檢測市場將在2021年到2026年之間更是以9.9%的年複合增長率成長。報告指出，隨著製造業自動化需求增加，臺灣的製造業將會更加關注產品檢測和品質控制，將大量應用物聯網、人工智慧等新興技術，以提高生產效率和降低生產成本，從而推動視覺檢測市場的發展。
工研院機械所長期開發人工智慧瑕疵分類與異常檢測技術，具有多年改善產業界AOI設備之經驗，更早已布局智慧工廠相關研究。以下將介紹兩個實際導入AI技術，藉由AI技術導入智慧檢測，可將現行透過肉眼進行瑕疵檢出及標記作業，轉換為具有人工智慧檢測能力之設備，不僅可解決人員職業疲勞及人工檢測標準不一等問題，並期望大幅減少檢測人力資源，將人力轉移至缺陷成因追查等高階工作。另導入人工智慧檢測設備可汲取人員經驗對AI辨識系統持續進行優化，使系統檢測正確率隨使用時間不斷提升，降低對熟練檢測人員之依賴，增加設備效能與競爭力。
導磁材料之AI智慧磁檢探傷應用
目前連續鑄造產出之鋼胚，其表面缺陷係以MT(Magnetic Particle Test)，搭配人工目視方式檢出缺陷並加以標示後，提供後續研磨製程依據手寫標示部位將缺陷磨除。但因鋼胚受檢範圍大(長12000 mm，寬165 mm)、缺陷細小(1 mm)、形狀各異、螢光磁粉殘留等因素，常造成漏檢或誤判。因現行設備仍100%依賴肉眼檢出缺陷並依人工劃記標示進行缺陷磨除，無法進行自動檢測並記憶缺陷位置提供後製程使用，因此存在人員長時間暴露於黑光(UV)環境所造成職業疲勞及檢出缺陷資訊斷鏈問題，如圖1所示。且近年來缺工問題日益嚴重，缺乏目檢人力、檢測標準不一致亦是產業品質把關時面臨的問題。工研院機械所透過自行開發的ITRI AOI2 (工研院英文簡寫ITRI，Automated optical intelligent inspection)系統[4]，建立鋼胚MT磁痕瑕疵影像資料集，並使用深度顯著特徵分割技術(Image Segmentation CNN)訓練鋼胚MT檢測模型進行AI檢測，完成包含深度顯著特徵分割技術軟體功能及操作介面、動態取像控制模組、AI瑕疵檢測控制模組硬體之相關設計與製作，技術發展內容說明如後。
圖1 磁粉探傷瓶頸
…本文未結束
更完整的內容 歡迎訂購 2023年5月號 482期
機械工業雜誌‧每期240元‧一年12期2400元
我要訂購