傳統工廠產線常遇見問題

1.缺工、品質不一

一般中小型製造業產線多半屬於半自動化生產模式，我們常可以看到在一條長長的產線上，分成許多工位，作業員就像積木依樣整齊的站在或坐在機台、輸送帶旁邊，不停地重複手邊的動作進行產品加工製造，而QC就在最後的工序中進行檢驗。雖然有一定的SOP流程，但每個人辨別的標準不一，加上還是會有疏漏的時候，無法像機器一樣快速又標準的統一生產。

2.系統平台建設成本高、時間長、維修不便

即便有使用相關的檢驗或辨識系統，也會因為沒有AI相關人員可以編寫程式，導致許多專案需要委外進行，導入時間長(至少需要6-12個月)，如果要增加其他數據模型，與委外廠商來回討論的時間也會需要一段時間，若系統軟體發生問題，還要進廠維修才能繼續使用，增加時間成本。

那該如何做、運用哪些智慧化設備、系統軟體才能節省人力、建設成本，還能提高生產效率，達到產能最大化呢？

AOI+AI智慧影像辨識建立與流程

1.資訊串聯

「工欲善其事，必先利其器」想要取代人眼檢驗還能統一品質、快速生產，就必須要有良好的硬體設備，因此要先架設相機、進行機械設備聯網，才能方便後續作業。

當設備完善後，作業員可以在產線要開始作業前，先輸入資料（像是工單、員工編號、掃條碼等），直接自動核對工單與工號，確認工作人員與項目品項是否正確，避免做白工的問題發生。

還可以即時記錄相關操作數據資料，將作業員每一步驟流程完全錄下來，以利AI系統軟體進行後續分析。

2.AI分析

透過AOI+AI影像辨識可以即時分析動作SOP步驟是否有遺漏，並產出數據(時間、組裝數量等)，對作業員每個動作環節進行分析，看整個流程是否有重工、不良品、時間浪費或操作錯誤。像是辨識組裝順序：如果作業員少了撕貼紙的動作，系統便會顯示異常警訊，並記錄無效工時，直到撕下貼紙並執行的重工作業後，系統才會自動改為有效工時。

如果是發生組裝錯料的時候，系統也會發Email通知，也可以加入三色燈即時顯示並警。而在即時記錄的情況下，螢幕會顯示檢測對象的一切數據，如：步驟數、單一步驟時間、總時間、已組裝的物料件數量等相關資訊，方便人員進行管理和排程。

3.系統管理

所有蒐集的影像資料都會留存於終端備查（隱私與機密考量），其他資訊如：異常動作、數量、時間等可以存入資料庫，以數據儀表板方式呈現，方便人員直觀檢視。

而將所有數據資料存入終端地其中一點好處是，如果產品年限較長，不易損壞，但之後發生客訴時都可以回溯影像，查找問題點。

智慧化系統平台還可以串接各種常見工具，如：部署自動化、容器管理、管線拓樸、遠端監視與維護等。不會造成系統軟體相容性上的問題。

AI流程優化平台步驟與優勢

1.資料處理

在使用工業相機或一般鏡頭取像後，如果發生蒐集影像上有困難時，可以透過影像擴增，針對影像作不同角度傾斜、調整亮度、增加雜訊等方式，以利蒐集資料更多。

2.模型訓練與驗證

可選擇雲端或伺服器來選擇演算法進行訓練，讓不是AI專長的工程師，也可以不用寫程式，透過介面載入資料及，選擇要使用的演算法，訓練完後可以透過圖表來看模型狀況，驗證是否有被收斂。

3.模型部署

檢測到異常時，可接指示燈進行警示，控制PLC、Email通知，將影像儲存後，可做後續回放，瞭解品質狀況。

4.流程管理

持續更新模型提升準確度，並整合ERP、MES相關資料整合，還可以進行遠端維護，不用再特地送回原廠。

5.平台特色與優勢

●產品化模式節省導入時間與成本：過去都是專案客製化，導入時間長；現在則是產品化，利用免程式打造AI模型，讓沒有AI程式團隊的企業快速應用。

●提供多種演算法，方便生產應用：提供多達100多種優化生產模型，如：物件、瑕疵、肢體等不一樣的演算法，因應檢測少量多樣的生產模式。

●多種影像處理模式解決不同需求：30張影像即可生成模型，可以自動進行影像標記、生成、擴增，幫企業省下影像標記時間，影像生成模組可以增加不同影像型態，解決後續大量蒐集影像的困擾。

●持續生成產線檢測資料，提高產線效率：除了不間斷進行生產檢測，還能持續自動生成資料優化模型，維持高準確高效率的效益。

●部署終端設備，降低成本：將模型輕量化後部署在終端設備，減少成本提高執行效率和安全性。

●雲端架構，提高效率：利用雲端遠端維運，可遠端排除問題與進行系統維護，提高開發效率。

AI智慧影像辨識實際應用案例

案例一：物件辨識（以機械製造公司為例）

痛點：因客製化需求導致零組件尺寸不同，雖然有些外觀起來很雷同，但實際尺寸大小卻有差異。相關人員需要非常熟悉零組件特性和用處，才能正確應用。

導入AOI+AI智慧影像辨識後：AOI+AI智慧影像辨識整合物料管理系統後，可以直接顯示該零件的型號、規格、組裝資訊等，影像辨識正確率達99%以上。

案例二：瑕疵檢測（以工業電腦公司為例）

痛點：產品體積小不易檢測，以人眼檢測難以趕上生產速度，加上判定標準因人而異，工時長導致品質下降，易發生疏漏或不良品率提高等情形，產生維修或重工成本和客訴問題。

導入AOI+AI智慧影像辨識後：可辨識多種形態的瑕疵，包含刮傷、髒污、壓痕、溢料、錯料等，辨識率高達98%，將檢測結果作為生產參數調整，降低品管部門負擔，提升產品品質。

案例三：組裝辨識（以電子公司為例）

痛點：大多依靠現場領班個人經驗調配指派工作，造成有些組裝員有閒置的時間；少樣多量加上組裝複雜無法採用機械手臂，以上原因易導致工作站失去生產平衡、組裝品質不穩定。

導入AI智慧影像辨識後：可辨識作業員的有效及無效工時，判斷人員實際上崗時間、分析組裝順序、異常動作辨識，掌控實際產量與良率，以影像及數據分析優化人員調度，提高生產平衡率。

AI智慧影像辨識應用效益

想要從傳統走向智慧化，必須要先將先將整個流程數位化，得出量化指標後，才能找出不合理的環節進行改善計畫，提高生產線平衡率。

生產線平衡率是指透過分析來調整工作站的組裝內容，對產線上全部工序做平衡化、均衡化，調整各個工序及工位的作業負荷、工作量，讓各序工作業時間相近、相等，消除各種等待浪費，達到生產效率最大化。

生產線平衡率並非突然出現的，過去也會進行統計生產平衡率，但進行的方式是以人工紀錄數據的方式來優化，像是碼表計時、手寫記錄、最後再用EXCEL做統整，易發生填寫紀錄錯誤，也無法即時更新數據資料，但現在可用AI做到自動化、量化的管理。

AOI+AI智慧影像辨識目的是為了提高人員和設備生產效率，減少產品生產的工時損失，減少重工、降低成本，減少等待時間，提高生產系統彈性，但實際上該如何進行與運用，還需要謹慎的評估與規劃，才不會造成投入資本與心力和效益不符的情形產生。

《AI智慧辨識相關延伸閱讀》

AI機器視覺是什麼？可以怎麼應用？（上）

AI機器視覺應用情境與實際案例（下）

想要有效掌握人員績效，關鍵盡在人臉辨識技術

AOI+AI智慧影像辨識的趨勢力

機器視覺點亮製造業，讓製造業更效率

【AI微醺Ep.5】從《疑犯追蹤》談人臉辨識、專家系統、推理、推薦技術(上)(1/2)

參考資料：慧演智能