快訊

公費流感疫苗開放全民接種 陳時中:1月30日起至疫苗用罄

專家憂成缺口…部桃11樓護理之家全數採檢 結果出爐

打造工業4.0第一步應用 邊緣運算讓產線檢測更快準

圖2 : 瑕疵檢測是製造業者維持產品品質的重要環節。(source:saferfq.com)
圖2 : 瑕疵檢測是製造業者維持產品品質的重要環節。(source:saferfq.com)

[作者 王明德]

邊緣運算也就是IT產業過去常談的分散式運算架構,不同的是架構於物聯網系統中的邊緣運算模組,所需面對的應用環境更複雜,耗電、整合能力也要更佳,因此工業4.0所採用的邊緣運算雖也屬於分散運算,不過其難度更高。

邊緣運算也就是IT產業過去常談的分散式運算架構,不同的是架構於物聯網系統中的邊緣運算模組,所需面對的應用環境更複雜,耗電、整合能力也要更佳,因此工業4.0所採用的邊緣運算雖也屬於分散運算,不過其難度更高。

人工智慧(AI)被視為物聯網的最後一塊拼圖,在工業物聯網也是一樣,透過位於上層的AI平台,運算終端設備所傳回的數據,藉此制定製造現場的生產策略,成為業者打造新世代系統的重要方式。不過,此一架構近年來出現改變,由於製造系統對即時性的要求非常高,傳統AI的集中式運算是由底層將資料傳輸至上層運算,來回過久的訊息難為市場接受,在此態勢下,邊緣運算概念快速興起。

邊緣運算也就是IT產業過去常談的分散式運算架構,不同的是架構於物聯網系統中的邊緣運算模組,所需面對的應用環境更複雜,耗電、整合能力也要更佳,因此工業4.0所採用的邊緣運算雖然也屬於分散運算,不過其難度更高。

就發展現況來看,目前製造業的邊緣運算架構大多以產品檢測為主。檢測在製程中的作用是為產品品質把關,過去的檢測大致分為外觀與內在效能兩種,外觀檢測方式是採用機器視覺架構,做法是在產線上設置工業相機,快速拍攝產品外觀,並在產線系統中設計作動,將不良品從流水線上移除,內在效能檢測則必須針對欲測功能,在系統中整合不同設備,偵測產品的效能品質。

製造模式翻轉 產線檢測難度更高

過去消費性市場的產品生產型態是少樣多量,由於產品的樣式不多,加上大量且長時間生產,不但可以讓製造系統每一環節都針對單一產品調整,讓產能最大化,也可以讓品質穩定在一定的程度,在此狀況下,產品的質量俱佳。不過,近年來市場的消費者行為改變,多樣化成為市場的主流競爭模式,由於整體消費量不變,產品樣式一多,每一樣的單一需求量勢必就會減少,因此少量多樣化成為現在的製造模式。

過去的少樣多量可以將製程長期設定為單一生產模式,少量多樣則必須頻頻更動產線,這也讓製程中的檢測環節帶來挑戰,過去由於產量大,產線都以調製最佳化,因此良率也非常高,檢測作業只要在製程的最後一環檢測少樣種類的產品即可,無論是設備或人員,需要具備的技能種類都不多。現在的產品種類一多,非但良率提升困難,而且對設備與人員來說,要精確檢測眾多種類的產品,人員技能與設備功能都要同步提升。

對此狀況,近年來因應工業4.0興起的智慧化趨勢,不但可解決現在製造業者的問題,同時在AI技術的導入下,產線的效能將可進一步提升。

AI演算法優化檢測效益

目前會應用在產線上的AI演算法主要是機器學習(Machine Learning)與其分支出來的深度學習(Deep Learning),這機器學習演算法解決了製造系統過去需要長期訓練的問題,過去製造系統必須先在內部建立大量資料庫,讓前端的檢視設備可依資料庫的樣本判別產品良窳,不過一來要龐大樣本數建立有難度,二來新品不斷出現,產線工程師必須也必須不斷調整前端設備的識別設定,對整體產線來說,都不是最佳做法。

機器學習則是讓機器可以學習演進,根據一次又一次的設定,建立不良品的篩選邏輯,之後系統就會依此邏輯自我進化,之後有未曾出現的瑕疵,就會以過去建立的邏輯判斷是否為不良品,讓辨識能力持續接近最佳化。

機器學習演算法並非始於今日,在1950年代那一波AI熱潮中就被提出,不過當時硬體效能有限,因此並沒有能力被落實應用。後來半導體技術快速成長,摩爾定律不斷提升系統的運算能力,如今機器學習在IT系統上運作已不是問題,而產線檢測就是目前的應用環節之一。在具有機器學習演算法能力的生產系統中,只要建立少數樣本的資料庫,系統就會開始自主學習判別,將智慧製造願景落實在產品檢測端。

除了透過機器視覺判斷外觀,產品性能也是檢測的重要環節,尤其是電子產品。近年來電子產品開始走向多工,當功能越來越多,且內部元件都集中在小空間時,檢測的難度就不斷提升。過去電子產品只需偵測單一功能,因此檢測相對簡單,而現在要檢測多功能時,相關設備就必須更具彈性,以組成適合當下所用的架構。

觀察目前發展,要符合此一需求,模組化標準會是最佳答案,透過共通標準的不同功能模組化板卡,使用者可以本身需求組建出合適的檢測設備。

以手機的音訊測試為例,近年來智慧型手機已化身多媒體裝置,其音訊品質逐漸被要求,以往的按鍵式手機,其音訊測試多採用麥克風收音,不但速度慢,高品質的音源也無法掌握,現在採用模組化檢測設備,除了音訊外,其他影音功能也可一併量測。

另外,現在的智慧手機的耳麥不像以往將喇叭與麥克風分開設計,而是將之整合在耳機處,發聲部份是使用感測器,擷取人體腦殼內部的聲波回音,因此其產品必須同步量測聽與說兩端的音訊,對此系統整合商將人工耳與人工嘴設計在同一隔離箱中,產線測試者將產品置放於相中的治具,在20~30秒內即可完成測試,這種作法通常必須由系統整合商與工業電腦等硬體供應商合作,設計出系統的軟體,前者負責手機控制,後者則負責音頻測試。

此一作法也點出現在製程檢測的模組化趨勢,過去單機式量測儀器雖然效能遠較模組化量測儀器強大,不過其價格高、體積大、功能單一,因此並不適合用於生產線,現在的生產線空間漸小,對儀器設備的體積要求也隨之縮小,若單機式量測儀器要應用於生產線,會需要使用轉換器(Switch)轉換訊號,如此一來又會壓縮到生產線空間,另外模組化檢測這幾年技術有成,其效能已足敷現在生產線量測所用。

2020.11月(第64期)工具機的數位轉型
2020.11月(第64期)工具機的數位轉型

**刊頭圖(source:Network World.com)

【欲閱讀更豐富的內容,請參閱智動化SmartAuto雜誌 2020 年第 64 期 11 月號】

相關新聞

數位轉型要求簡便快捷 流體控制續向電控整合

COM-HPC是「High-Performance Computer-on-Modules」, 顧名思義,是一個具備高性能運算校能的模組化電腦, 是把高效能的電腦帶進各種嵌入式設計之中的技術。 毫無疑問的, 它也將對於各式次世代智慧系統與裝置帶來極大的助益。 面對次世代的運算挑戰 COM-HPC將專注於資料中心與正在成型的霧計算 為工業級系統帶來更好的體驗。

驅動鋼鐵、石化、半導體創新加值 工業閥門導引產業成長動能不失

COM-HPC是「High-Performance Computer-on-Modules」, 顧名思義,是一個具備高性能運算校能的模組化電腦, 是把高效能的電腦帶進各種嵌入式設計之中的技術。 毫無疑問的, 它也將對於各式次世代智慧系統與裝置帶來極大的助益。 面對次世代的運算挑戰 COM-HPC將專注於資料中心與正在成型的霧計算 為工業級系統帶來更好的體驗。

COM-HPC艷麗現身 引領工業電腦模組邁入新世代

COM-HPC是「High-Performance Computer-on-Modules」, 顧名思義,是一個具備高性能運算校能的模組化電腦, 是把高效能的電腦帶進各種嵌入式設計之中的技術。 毫無疑問的, 它也將對於各式次世代智慧系統與裝置帶來極大的助益。 面對次世代的運算挑戰 COM-HPC將專注於資料中心與正在成型的霧計算 為工業級系統帶來更好的體驗。

台灣致力開發高精地圖 為自駕車發展打堅實基礎

COM-HPC是「High-Performance Computer-on-Modules」, 顧名思義,是一個具備高性能運算校能的模組化電腦, 是把高效能的電腦帶進各種嵌入式設計之中的技術。 毫無疑問的, 它也將對於各式次世代智慧系統與裝置帶來極大的助益。 面對次世代的運算挑戰 COM-HPC將專注於資料中心與正在成型的霧計算 為工業級系統帶來更好的體驗。

智慧物流願景非一蹴可及 做好準備效益才能浮現

利用5G連結、蒐集、整合, 從設計到服務流程的各類大數據; 以及雲端運算、資訊安全等資通訊技術, 使得制定生產策略支援即時決策的模式變得更智慧; 最終藉由AI妥善處理複雜管理流程, 達成最佳化生產目標。 預估結合上述智慧製造元素的全球市場規模, 將從2018年的1,560億美元,到了2025年3,010億美元。 相較於過去人工智慧(Artificial Intelligence) 是以擅長的辨識、分類、預測等電腦演算法, 實現人類大腦的思考模式。 工業人工智慧(Industrial Artificial Intelligence,IAI), 則專注於開發、驗證和部署各類不同的機器學習演算法, 以實現可持續性在工業應用的系統科學。

工業機器人AMR串連關鍵移載平台

利用5G連結、蒐集、整合, 從設計到服務流程的各類大數據; 以及雲端運算、資訊安全等資通訊技術, 使得制定生產策略支援即時決策的模式變得更智慧; 最終藉由AI妥善處理複雜管理流程, 達成最佳化生產目標。 預估結合上述智慧製造元素的全球市場規模, 將從2018年的1,560億美元,到了2025年3,010億美元。 相較於過去人工智慧(Artificial Intelligence) 是以擅長的辨識、分類、預測等電腦演算法, 實現人類大腦的思考模式。 工業人工智慧(Industrial Artificial Intelligence,IAI), 則專注於開發、驗證和部署各類不同的機器學習演算法, 以實現可持續性在工業應用的系統科學。

商品推薦

udn討論區

0 則留言
規範
  • 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
  • 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
  • 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
  • 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。