在製程中，即時攔截不良品

在產線製程中，確保設備的狀態是必然的，設備狀態切確會影響產線上的產品。但是對於生產線上會影響到產品的設備要如何查出呢?如果能夠對於製程中的產品完成前就搶先一步了解產品的品質，能夠節省許多不必要的製造過程時間及避免掉原物料的成本浪費。

產品品質是製造出來的，而目前習知的做法是對於終端產品做檢驗，無論是人為檢驗、三次元、或是AOI乃至於目前流行的AOI+AI方案都是針對產品品質的管理手段。固德科技扮演的則是在製造過程中的製造品質監測，在大量生產產品過程中，一有產線風險則隨時警示，避免產生大量的不良品，並預防無預警停機。

＃製程 ＃不良品 ＃工業4.0 ＃傳統產業轉型 ＃預知監測

提早攔截不良品實測：

以衝壓製程作為範例，在衝壓製程中一連串連續的動作，只要在初期有一點異常，例如：模具品質不良、位移、刀具斷裂等原因，就會造成後續的製造過程都會出現異常，而且異常趨勢會急劇下降。如果能在異常發生時，即使細微，也能夠即時分辨異常，就能避免後續製程中出現的不良品及成本的浪費。
其他更多衝壓監測相關：產業升級4.0，衝壓模具實測篇

以下以衝壓製程中，常會發生的異常狀況做舉例：
・沖孔刀具斷裂所造成的產品漏沖及孔位異常。
・刀具鈍化所造成產品毛邊的不良品結果。
・模具異常所造成的變形不良品結果。

沖孔刀具斷裂所造成的產品漏沖及孔位異常

衝壓製程中，如果遇到刀具斷裂，容易造成後續產品的孔位異常或漏沖。如圖，做測試模擬刀具斷裂，產品形成未沖孔。固德的機器學習智能監測系統能夠在第一時間抓出不良品，即時阻攔後續嚴重的異常損失。

刀具鈍化所造成產品毛邊的不良品結果

沖壓製程中，遇到刀具鈍化時，產品的切割面容易有毛邊。此時製程上的產品品質，也會急速下降。

模具異常所造成的變形不良品結果

利用VMS-ML 機器學習智能監測系統，能在製程中出現異常時，立即停止產線，也能夠利用長時間趨勢圖來判別最佳的保養時機，避免過度保養也避免無預警停機損壞。

利用長時間趨勢圖來抓出保養計畫時間

利用VMS-ML 機器學習智能監測系統，能在製程中出現異常時，立即停止產線，也能夠利用長時間趨勢圖來判別最佳的保養時機，避免過度保養也避免無預警停機損壞。

在衝壓製程中，利用VMS-ML機器學習智能監測系統檢測生產線，能製程中提早檢出不良品，能夠提高產線的KPI，增加產線稼動率及預防模具損壞等優點。