全球制造業吹起一股工業4.0 的轉型風潮,制造商在生產設備裝上各類感測器,搜集產品與設備運作的狀況,同時透過工業物聯網串聯各個設備的資訊。數據經過處理和分析后不但能運用于工廠管理,亦能有效提升生產良率。
由此看來,自動化或資訊化是工廠數位轉型的重要基礎,也就是說,對于人工作業比重較高的工廠來說,如果要實現工業4.0 轉型目標,勢必得從改造產線做起,引進機械自動化設備取代人力,才有辦法搜集生產線上的資料。
然而,改造產線談何容易,企業不只要投資大量時間、金錢與人力,還有可能影響既定生產排程,由于改造產線困難較大,推出人體骨干分析技術,協助制造業者解決這個難題,透過攝影機搜集產線員工的作業行為,再進行AI 運算分析,確認員工作業流程是否符合標準,提高產品良率,讓制造業者不必大規模改造產線,也能提高生產品質,持續往工業4.0 轉型之路邁進。
一、AI怎么實現運算分析
1. 數據收集和處理
數據收集的過程是,在安裝拍照攝像設備之后,從動態的場景與復雜的背景中判斷是否存在識別的對象,并分離出對象。采集到照片。因此測試需要從至少這兩方面來考慮。
a) 采集的素材
圖片的像素、大小、清晰度、色彩、復雜度、噪聲等,會直接影響到計算機識別的結果。
舉個例子來說,下方的三個圖,對于肉眼和計算機學習去區分的難度是明顯不一樣的。識別的難度A一定小于B和C。
圖A
圖B
圖C
b) 采集的器材
圖片一般是用攝像頭拍攝獲得的,那么不同品牌和參數的攝像頭,拍攝出來的照片像素、清晰度、色彩,甚至是層次都會有差異。
2. 數據理解和特征提取
數據理解的目的在于,獲取到原始數據之后,分析數據的有效性,并且將數據里有用的, 并且將有典型特征的抽取出來。比如我們拍攝的各種照片,需要從中識別出是包含一朵花的,還是包含一個人的,是一輛自行車還是一輛小汽車。這個唯一的解決方案是,讓機器拿到足夠多的樣本進行訓練,訓練的越多,模型將越準確。
二、AI 充當員工的聰明助手,找出真正有問題的產品
目前日本第二大鋼鐵廠JFE 利用一個解決方案來確認員工是否確實遵守SOP,進行產線升級。
當工廠在產線上安裝攝影機,經由人體骨干分析技術,分析作業員在制程的行為上是否有按照SOP 進行,并透過AI 即時偵錯,提醒工廠領班產線上因人為疏失而導致良率下降的問題,并解決目前只能事后抽驗,但卻不一定能檢查出瑕疵品的困擾。
在制程的每一階段,作業員都需要站立或蹲在不同的區域,如果產線員工遺漏或不遵守SOP 要求, 攝影機就會告訴中控系統,再由系統通知領班,避免讓此產品進入下一階段。
對于鋼材的生產,最重視產品品質,假如作業員沒有確實遵守標準作業流程(SOP),就有可能影響產品良率甚至產線上的工作安全,而鋼材的應用通常都與大型建設或及交通設施有關,若品質不良,后果十分嚴重。
通過影像分析技術,可以真正攔截到品質有瑕疵的產品,節省事后大動作召回或維修的成本。
三、從人臉辨識走向行為分析,AI 用“看”找出潛藏工安危機
人體骨干影像分析技術,除了可以識別人體行為姿勢外,也能做到工廠人員的偵測。
舉例來說,結合骨干分析的智慧攝影機,能有效在作業員過于接近大型機具和執行危險行為時,即時通報系統并警示操作人員,讓現在人員能在危險發生前,提早做好危機處理,有效降低工作環境的出事機率。不只工廠的工安管理,在工廠的管理面上,也可以透過結合骨干分析技術來優化管理流程,例如人體骨干影像分析技術可以作為員工上產線出勤的依據,只要透過鏡頭中的辨識技術,就可以輕松做到產線上人員之控管,節省多余人力配置。
其實,除了制造業以外,包括公共運輸、零售等各個產業,都能以人體骨干分析技術為核心,根據使用者的需求去定義行為模型,透過AI 影像辨識的幫助下,有效的解決企業營運難題推出更具創新的服務,進而跟上全球這股智慧轉型的浪潮。
本文由電子發燒友綜合報道,內容參考自CSDN、科技新報,轉載請注明以上來源。
-
AI
+關注
關注
91文章
39793瀏覽量
301404
發布評論請先 登錄
恭賀!同星智能TSMaster項目榮獲2025全國顛覆性技術創新大賽優勝獎
第四屆軟通動力“917轉型”企動日圓滿收官
傾佳電子Hydrogen Rectifier制氫電源拓撲、技術演進與SiC功率模塊的顛覆性作用
國產主板,3.5寸小板型,助力工業轉型智能化
工業設備遠程監控的“顛覆性突破”:邊緣計算網關讓千里之外如在眼前
顛覆性應用指南:EtherCAT轉PROFINET網關的工業場景核爆方案大全
AI 影像辨識助力工業4.0轉型,都有哪些顛覆性改變呢?
評論