AI 視覺驅動100% 生產可視化

因中美貿易戰、新冠疫情、烏俄戰爭等多樣國際政經局勢延燒,巨大的全球供應鏈重組是必然趨勢。

為求佈局中國以外的生產基地,製造商們瞄準東南亞、印度、中南美洲設廠,面對不同語言與文化是立足異地的首要挑戰。

產線資訊破碎化 難以補足數據缺口

一家專業 ODM 廠商於兩岸有多處生產基地,此製造商希望升級傳統模式,不再以人工搜集,
作為主要的數據來源,為重要的馬達組裝產線,補足生產資訊缺口。

一般搜集產線數據的模式為,IE 工程師手持碼表,親自到各工站紀錄作業時間,但礙於人力與時間有限,通常一個月僅能獲取約 15 分鐘的數據,這樣的資訊不僅破碎,還有可能在抄寫過程中出現失誤,或是包含主觀判斷的偏差。

AI 視覺捕捉 完整生產資訊

藉由 AI 視覺搜集週期時間、作業/非作業時間,該廠掌握即時、完整且客觀的產線資訊,全天候檢視生產過程,不再遺漏產線上的任一動作或突發異常,搭配 24/7 的影像紀錄,建構出完善生產履歷。

不管是即時排除作業障礙、動態調整產線資源、精準配置作業員位置等,管理者擁有扎實的數據基礎,作為決策輔助,以優化產線效能。

取代傳統耗時耗力的人工抽查檢測,AI 視覺為 IE 工程師、產線主管省去繁瑣的作業,讓寶貴的管理人力,可以有效運用在更有價值的工作。

即時糾錯不易 無法還原問題時刻

一家製造交換器、傳感器與電子模組的領先企業,在華南工廠擁有超過 6,000 位員工進行生 產,大量的生產資訊難以有效追蹤,產線上的異常也無法即時處理。

“ 異常發生時,我們會到產線去進一步了解異常發生的原因。然而,…
IE 工程師無法客觀地了解到底發生了什麼事。 ”

—產線經理

IE 工程師往往只能在異常發生後,才藉由現場循線和自身經驗,推敲問題原因與嘗試可行的改善規劃。

異常告警&根源分析 實現遠端管理

該廠挑出 16 個重點工站,部署 PowerArena AI 視覺,專注關鍵工序,最大化成本效益。
透過即時告警,產線上有任何異常發生時,產線經理可以立即收到通知,再搭配影像回溯,馬上釐清問題根源,IE 工程師不需親自踏入產線,即可第一時間瞭解與還原生產情形。

AI 視覺甚至得以發現意料之外的問題,例如：作業員只用單手而非雙手進行作業,找出預期外的瓶頸,以此有效地加強教育訓練,根除產能低落源頭。

SOP 檢測困難 品管成斷點

雖然，後站檢前站能幫助糾錯，物聯網設備的加入也能增加對產線的瞭解，但是對品質要求甚⾼的汽⾞製造業來說，仍然不⾜以百分百排除製程錯誤，有些錯誤難以在事後察覺，如果無法步步追蹤與確認⼯序，製造商還是得⾯臨補救成本以及產品安全的風險。

對該美國上市電動機⾞廠來說，其中⼀項難以事後追查的⼯序，包含碟盤組裝站的螺絲鎖付順序，為求碟盤平穩地組裝，標準程序要求以「對⾓順序」將螺絲鎖上，順時鐘或逆時鐘鎖都有可能讓機⾞上路後產⽣安全風險。

雖有聯網的鎖緊槍回傳鎖螺絲圈數與扭⼒值，但作業員的上鎖順序無從確保與捕捉，⼈因動作缺乏有效的數據化管理⽅式，造成產線上的品管缺⼝。

製程品管&數位防呆 輔助異地設廠

AI 動作分析能辨認人員的鎖付順序,檢查螺絲是否按照對角方式準確鎖上,於組裝過程中,即刻檢視作業品質,在發現違反標準工序時,即刻糾錯,發送異常通知,實現數位防呆。

AI 視覺確實把關所有工序,該廠的產品良率得以達到 100%,不讓錯誤出站。透過辨認人因動作的異常,即刻檢測恐造成產品品質疑慮的錯誤行為,能幫助管理者發現潛在問題。除了可以升級成熟產線的品管外,對於異地設立的新廠來說,也可確保維持生產品質,掌握產線狀態。

“ 未來在做海外市場導入的時候，我會把它[台灣產線的 AI 視覺成功案例] 帶著⼀起走。我覺得這是未來的海外市場拓展，非常重要的基礎。 ”

—智慧製造系統及解決⽅案處長

AI 視覺可視化⽣產

AI 視覺讓產線管理者⼯作更輕鬆，解決⼈⼒不⾜問題外，也幫助減少無效的溝通成本，讓管理者⽤正確的 AI 數據說話。除此之外，即時的動作分析能找出作業瓶頸，確保⽣產品質，為產能優化提供透明且完整的產線資訊。

不管是成熟產線升級、黃⾦產線複製或是異地設廠管理輔助，AI 視覺協助管理者掌握數據主權，打下智慧製造基礎。