制造商利用先進的自動化技術提高工廠速度和效率的同時，產(chǎn)品檢驗也不容忽視。
畢竟，如果提高生產(chǎn)線特定部分的速度導致其他環(huán)節(jié)出現(xiàn)瓶頸，那就會弄巧成拙。
自動化、機器人技術和其他先進制造技術的引入使得企業(yè)能夠跟上日益復雜的產(chǎn)品需求，并極大提升了生產(chǎn)速度，但同時也給執(zhí)行視覺檢測的工人帶來了挑戰(zhàn)。檢查員在檢查流水線上的產(chǎn)品時，不僅僅要應對速度的挑戰(zhàn)。他們還需要仔細檢查各種重要組件，包括螺絲、電線和標簽。在按照精確標準檢查產(chǎn)品數(shù)小時后，工人可能會出現(xiàn)視覺疲勞，從而產(chǎn)生錯誤。
使用人工智能（AI）和機器學習（ML）的視覺檢測和檢查系統(tǒng)可以幫助解決這兩個問題，在提高準確性和減少誤差的同時簡化生產(chǎn)線上的操作。
我們在多個偉創(chuàng)力工廠實施人工智能/機器學習檢查流程后發(fā)現(xiàn)，人工智能/機器學習檢測和檢查系統(tǒng)顯著縮短了檢查時間，同時提高了效率和質量。此外，這些系統(tǒng)還通過減少在零件進入生產(chǎn)線下一道工序之前的廢品率，幫助節(jié)省了成本。
對于視覺檢測，人工智能系統(tǒng)可以關聯(lián)數(shù)值和文本數(shù)據(jù)中的變量，包括照片，以預測和預防缺陷。
人工智能/機器學習檢查系統(tǒng)帶來即時效益
在兩種不同的情況下，偉創(chuàng)力開發(fā)了專門針對以人工智能/機器學習為基礎的檢測和檢查的解決方案，以提高工廠車間的質量檢查效果。每個解決方案都使用了訓練有素的神經(jīng)網(wǎng)絡來識別缺陷，包括那些超出人類檢查員或傳統(tǒng)視覺系統(tǒng)檢測能力的缺陷。而且，由于人工智能/機器學習模型是學習系統(tǒng)，它們的性能會隨著時間的推移而提高。
在部署一個系統(tǒng)之前，工程師會使用產(chǎn)品和生產(chǎn)過程的照片來在他們將要分析的系統(tǒng)上訓練模型。然后，團隊會測試這些模型并評估結果，以確保這些模型不會因數(shù)據(jù)不足或訓練不充分而產(chǎn)生誤報或錯誤。
當系統(tǒng)的功能已經(jīng)編程完成并且置信度達到一定水平后，這個系統(tǒng)就可以用來處理關鍵的錯誤群組，如異常檢測、圖像分類、分割和目標檢測。
這些系統(tǒng)一經(jīng)部署到車間，就迅速取得了積極的效果。例如，在偉創(chuàng)力的一個車間，該系統(tǒng)檢查硬件生產(chǎn)時，效率提高了30%以上，產(chǎn)品產(chǎn)量增加了97%。在另一個生產(chǎn)金屬板部件的產(chǎn)線，效率提高了28%，客戶的投資回報率達到了三位數(shù)。
人工智能/機器學習檢查系統(tǒng)帶來的好處中最重要的是它對員工的影響，盡管有自動化技術的應用，員工仍然是工廠運營不可或缺的一部分。人工智能/機器學習系統(tǒng)為產(chǎn)品檢查員創(chuàng)造了學習如何管理新技術的機會，這將為他們提供新技能，以助力他們的職業(yè)發(fā)展。此外，員工無需重復執(zhí)行艱苦的檢查工作，他們可以從事制造戰(zhàn)略方面的工作，在提高士氣的同時培養(yǎng)新技能。
偉創(chuàng)力的成功實施推動了自動化檢查技術的進一步應用，所學到的經(jīng)驗可以幫助那些計劃在車間擴展人工智能/機器學習系統(tǒng)應用的公司。
制造流程的轉型
近年來，人工智能一直是爭論的焦點。盡管人工智能在速度、效率和生產(chǎn)力方面帶來了無可否認的好處，但這些好處都被對失業(yè)和技術的不道德使用的擔憂所抵消。
然而，隨著技術在其他領域的持續(xù)發(fā)展和成型，人工智能和機器學習已經(jīng)在制造業(yè)中找到了自己的位置，通過提供實際的優(yōu)化方案，可以顯著精簡生產(chǎn)流程。這些系統(tǒng)通過提高質量檢查的速度和精度來增強生產(chǎn)力，這僅是眾多例證之一。
制造業(yè)向更高程度的自動化轉變正在順利進行中，未能利用這些技術的公司將面臨落后的風險。正如偉創(chuàng)力在實施過程中所發(fā)現(xiàn)的，人工智能/機器學習系統(tǒng)不僅能提高效率、降低成本，還為工人創(chuàng)造了新的職業(yè)機會。
人工智能和機器學習目前已穩(wěn)居工業(yè)4.0的前沿，引領著制造業(yè)運營的轉型。在生產(chǎn)線中增加先進的檢查工具是這一演變的一部分，它提供了一種非常有效的方式來提高整個企業(yè)的成果和生產(chǎn)力。
關注本刊微信訂閱號