迎接轉型挑戰 金屬加工業者瞄準布局AI設備管理

固德科技技術經理許文澤指出,設備狀態監測可大幅提升製造產線效能。DIGITIMES攝


沖壓、焊接是金屬加工中常見的製程動作,在此製程中,設備運作的狀態對產線效能與品質有關鍵影響,像是設備狀態有誤卻仍持續動作,或是設備無故障預警停機,前者會產生大量廢料,後者則是導致產線停擺,這都會造成企業的大量損失,為解決此問題,固德科技以機器學習演算法結合凌華的邊緣推論設備MCM-100,打造出智慧化產線設備狀態監測平台,讓各類型金屬加工業者可透過AI與工業物聯網架構即時掌握產線設備,強化生產效能。

固德科技技術經理許文澤指出,金屬加工的產線設備多元,依設備動作可分為連續性與非連續性兩種,連續性是指馬達之類隨時處於運轉狀態的設備,非連續性則是像大型機器手臂、沖壓床或自動焊接等設備,無論是連續性或非連續性,這些生產設備都是製造業者最重要的生財工具,一但出錯就會帶來龐大損失。

固德科技VMS-ML機器學習系統可進行沖壓、衝孔製程的即時監測。

許文澤以汽車製造為例,沖壓是汽車零組件常見的製程,在此製程中,模具品質異常將會影響沖壓出的產品品質,而這往往要到後端品保環節才會被檢出,但在檢出之前,產線上已然出現大量不合格的產品,此一問題影響所及者不只是金錢,還包括產線停機確認、改善與生產工時增加等時間問題,這些問題不僅出現在汽車製造,小至螺絲、大至航太產業用的金屬件,只要使用到金屬加工的產品都會遇到。

為了解決此一問題,現在市場上已出現各種設備狀態智慧監診系統,這類型系統都是透過工業物聯網的感測網路與AI,偵測並分析設備狀態,在設備故障前先行警告管理人員,避免上述問題產生,而其中AI的機器學習演算法更是其中關鍵。許文澤指出在金屬加工中,非連續性製程都可透過感測器偵測其動作狀態,像是沖壓的震動、焊接的電流變化都有其模式,在現在製程中,這些模式都是由機台操作人員依靠長期經驗所累積,而在智慧製造體系中,就是將人的經驗轉值給機器學習演算法,當震動或電流模式與之不符,就會警告管理人員。

AI的機器學習演算法需要大量數據進行訓練,因此現在市場上多數採用機器學習演算法的設備監診系統,都必須先建置感測器收集數據,等待設備出現異常再註記標籤紀錄,讓機器學習從中認知訓練,然而這種方式曠日廢時,製造業者需要耗費大量成本收集數據,因此並非最佳選擇。固德科技的做法則可讓系統可即時上線使用,許文澤表示,固德科技會先在終端先預載經過訓練的震動或電流模型,省去製造業者收集數據的時間,接著再由平台快速學習製造業者指定的數據範圍。學習完成的系統具備了自動追蹤與辨識功能,每一個設備運作的狀態都會被記錄,同時回饋給管理者,管理者可自行調整、決定設備運作。

固德科技的設備狀態監測系統的上線即用設計中,凌華的MCM-100扮演了關鍵角色。許文澤指出,過去設備監控系統所用的終端設備,都必須由廠商分別購置工業電腦與擷取卡,組裝後再不斷測試,調整出符合需求的架構,這不但會延長系統開發時程,也增加了工程師的工作負擔,MCM-100的出現則解決了這些問題。MCM-100是凌華專為智慧製造所設計的即用型旋轉機械設備振動/狀態監測平台,其特色是具備高效能邊緣運算能力,內建的四通道有24位元、128kS/s同步擷取類比輸入,可同時偵測多感測器所傳回的訊號,多元而豐富的I/O介面也大幅提升其整合性。在MCM-100的高整合與強大效能支援下,固德科技可專注於系統開發,讓在短時間內上線使用。

許文澤最後表示,智慧化是製造業近年來最重要的趨勢,而設備監測現已被多數業者視為導入智慧製造系統的第一步,不過對製造業說,智慧化仍是全新概念,系統的導入與調整往往需要耗費大量成本,固德科技與凌華合作打造的AI設備監測平台,透過高整合、高效能的軟硬體整合,可讓系統快速導入使用,大幅降低系統上線的成本,提早享受智慧製造所帶來的效益,順利跨出數位轉型的第一步。