固德科技

【數位轉型 台灣最行】VMS-ML機械學習智能監控系統


製造業預知監診該如何規劃?

預先建立物理模型>辨識追蹤即時監測>趨勢管理>數據清洗>標記後數據AI化

物理模型透過使用者學習正常加工行為,持續追蹤加工行為模式並執行監測及辨識,進而將物理模型這類的複雜行為轉變成比較好管理的趨勢。而在製造行為中的特殊行為是否與製造優良產品行為相同?或是特徵頻率是否正常?加工流程中是否平順?這些種種特徵都能在行為模式中做後標記的動作,並可同時做產線內部的品質管理。另外一個特點是可讓ai業者利用此乾淨的數據做分析使用。透過機器學習的行為模式中幫助op建立標準化,根據異常特徵作標記,可回溯過程進行產線製程的優化改善。

#數位轉型 #工業4.0 #傳統產業轉型 #預知監測



生產設備的組成與運作特性?

訊號追蹤識別技術>物理演算法建置的監測模型>形成監測規範

想像針對訊號的人臉辨識,只要學過這張臉,就會記住然後自動辨識。同理只要看到機台做同樣的加工行為,系統就能自動擷取,然後比對建立的模型辨識好壞,成為產線管理的工具。振動雖然史最大宗的感測方式,但根據每種製程不同,例如電焊,就會取電流訊號。並且不會對設備產生侵入式影響,免去與各式機台對接的困難,實現真正plug in的方式,直接裝上感測器就能達到監測的效果。

根據不同的製程,利用不同特性來作監測,而軟體運作主要以振動量測為手段,例如:振幅、頻率、相位等都是建置在VMS-ML中的模型,追蹤器取需要的片段拆解後的新數據,而仰賴現場的人員從工作流程中的QC行為、設定門檻、標記數據,這就是清洗數據的流程。對於傳統產業範圍內,以習知的習慣,確保資料數據不遺漏。



成功案例分享:機械手臂

成功案例分享:衝壓產業

傳統產業中加工件重量較重、較龐大,所以較難以備機的方式做監測保養。會造成產品及產線稼動率的損失。檢測中會鎖定手臂動作是否有跟過去不同,例如晶圓產業中在夾取晶片的機械手臂中,發生抖動,可能造成刮片甚至是破片,因此在防止的步驟上相當重要。對於金屬焊接手臂中,由於手臂的姿態的改變,焊接的角度與距離也會不一樣,電流本身有會有所不同,都會影響到最後的品質,而VMS-ML也能有效增測到手臂的各種異常。



成功案例分享:衝壓產業

成功案例分享:衝壓產業

衝壓產業例如:汽車零件、3C開關插件、手機機殼等,衝壓設備本身不容易壞,但模具本身一定會耗損,我們必須知道模具什麼時候耗損、及預防模具導致產品的損壞。衝壓是不斷生產中的過程,停機就會造成稼動率的損失,而模具損壞、刀具鈍化,加上插件是無法重工的,因此就會導致大量的不良品。VMS-ML 在衝壓流程中,讓設備檢測與產線檢查做結合,以預警的角度上,預防產線製造大量的不良品。



總結:

在AIOT的運用在除了在事後作品質的QC來作改善外,若能在加工行為的製程中,透過簡單的安裝感測器,得到簡單的數據及頻譜,就能有效執行檢測品質及預知診斷,將會對產線品質做大幅的躍升,降低不良率的產生。

固德科技的VMS-ML機械學習智能監控系統,能有效幫助產業維持產品良率、機台穩定度、降低保養成本及縮短保養時間。固德科技 許文澤總經理,藉機械手臂及衝壓產業案例分享,針對各式機械設備的動態監測,運用自動擷取正確週期動作進行比對即時產生結果判斷,使製程優化及良率提升大躍升。 為推動台灣產業進行數位轉型提升產業競爭力,中華軟協與Digitimes合作製播【數位轉型 台灣最行】系列節目,歡迎鎖定與分享。


#數位轉型 #智慧製造 #智能品質 #機器學習#中華民國資訊軟體協會