技術文章
2022-01-06 AIGO計劃辦公室 3060
工廠中72%的製造流程仍依賴大量密集的人力執行
隨著工業4.0在全球迅速推展,人工智慧、物聯網及大數據等技術進入製造產業,希望透過智慧製造與打造自動化工廠以提升企業營運效率進而加速企業的商業競爭力。然而現今產品變種變量的生產特性,產品循環快且生命週期縮短,難以藉由機器自動化設備來滿足快速製造的需求。根據新創公司Drishti與美國管顧公司AT Kearney聯合研究製造業工廠現況分析顯示,目前工廠中有72%的流程還是依賴大量密集人力執行並且在製造價值上有71%來自人力,機器仍舊難以完全取代人類的適應性與靈活性。
過去傳統工廠對於生產線的管理方式主要以「作業測定」為主,指的是在生產線人員的標準作業狀態下,以計時器記錄每項工序所需要的作業時間,以了解正常速度操作所需時間,使生產線各工序之間流動順暢、排除或減少錯誤流程以及安排合理的生產進度。然而傳統的作業測定方法在製造產線人員流程監控面臨了以下挑戰,(一)數據不完整:管理者難以準確且即時了解各工作站情況;(二)數據不可靠:管理者在旁監測記錄時可能影響員工當下表現;(三)一致性問題:不同管理者對同一任務可能測出不同結果;(四)難以查詢問題:產線出現異常時,難以追溯源頭或查詢耗時。鑒於上述面臨的挑戰若能借重科技幫助業者了解產線中過去發生了什麼事、現在發生了什麼事以及來未來可能會發生什麼事,將會是製造廠商的一大助力。
Drishti以AI動作辨識技術 連續測量與即時分析作業員狀態 改善產線工作流程
美國新創公司Drishti成立於2017年,開發可視化的AI平台以電腦視覺的動態影像分析技術用於製造業的生產線流程監控,藉此改善生產線的產量、質量及可追溯性,同時可用於強化人員培訓、部署或開發新方法來改善標準化工作流程。Drishti的整體解決方案包括「Drishti Trace工作影像資料庫」與「Drishti Flow生產流程監控與管理」兩大系統。
資料來源:Drishti,MIC整理,2021年12月 圖1 Drishti整體解決方案架構
Drishti Trace為基於Google雲端平台的工作影像資料庫,以簡易、非侵入式部署方式將攝影機架設在每個工作站點,即時錄製作業員操作影像,將工作影像匯聚成資料庫,資料庫的建置與數據累積約1到5週。Drishti Trace可以協助管理者全時段了解產線狀態,回答過去發生了什麼事情,主要功能為以下四項,(一)24/7全天候記錄:可遠端協作、傳輸與管理;(二)影片編輯與註解:提供業主可視化操作界面進行影像註釋、編碼與製作等;(三)工廠MES系統整合:可依產品序號進行影像搜尋、產線規劃與管理;(四)快速建置教學內容:製成員工培訓影片,影像可並排比較以識別非標準作法。
資料來源:Drishti,MIC整理,2021年12月 圖2 Drishti Trace工作影像資料庫
Drishti Flow生產流程監控與管理是以Drishti Trace的工作影像數據為基礎,導入AI動態影像分析技術,可以連續測量生產線員工裝配動作、監控與管理。Drishti Flow的主要功能包括以下四項,(一)動作與步驟計時:可針對員工組裝步驟添加計時器,用以了解每個流程週期所花費的時間;(二)異常偏離值通報:來自每個站點的流程週期數據與異常值標記;上述兩個功能可以協助管理者即時知道現在產線發生了什麼事,而(三)週期趨勢分析:透過分析異常週期以識別流程或操作員困難點,改善並找出最佳工作流程;(四)跨站跨區統整:可跨地點與時區進行流程改進,此兩項能藉由AI全盤的分析了解工廠未來將會發生什麼事情。
資料來源:Drishti,MIC整理,2021年12月 圖3 Drishti Flow生產流程監控與管理
專利情境訓練系統 準確找出流程異常值
Drishti的專利技術為情境訓練系統,以深度學習3D-CNN(Convolutional Neural Networks)動作識別技術鎖定人員手部與零組件動態,透過多層卷積與降連續圖層捕捉動態資料並轉換為特徵向量進行分類。3D-CNN動作識別技術可解決生產線上因組裝物品尺寸變化、不確定位置、攝影機被瞬間遮擋或視線範圍存在多個單位等問題,以達到全面性的動作識別。在動作識別轉換為特徵向量後,以長短期記憶模型LSTM將特徵向量與正在執行組裝過程進行比較,以公認的標準動作做為基準,並進行時間序列標示,由LSTM模型循環比較結果,找出流程週期的異常數值,進而達到正確動作與異常動作分析。
資料來源:Drishti,MIC整理,2021年12月 圖4 Drishti Flow生產流程監控與管理
Drishti生產流程監控整體解決方案 最大化生產線價值
隨著科技進步迅速,各種智慧與電子產品發展快速需求量不斷攀升,產品走向多樣、精細且循環快速,產品製程仍需要仰賴大量的人力進行,也因此在生產線人員管理與監控為製造廠關心的議題。Drishti以AI深度學習3D-CNN動作辨識技術,分析生產線作業員的組裝流程及發現流程中的異常值立即通報,不僅能全天即時的監控產線,還可用於強化人員培訓或進行週期趨勢分析,用以開發新方法來改善標準化工作流程,最大化生產線價值。
目前Drishti主要客戶包括汽車製造大廠Denso、Ford、Hella以及電子產品大廠Flex、Honeywell等。根據Drishti的商轉案例顯示,Drishti已經成功地協助客戶在製造生產效率提高11%,不良率減少30%,廢棄元件減少15%。Drishti顯著提高產線生產力、效率和品質,並且以工作資料庫解決員工培訓的議題,成功解決工廠產線人員流程監控的痛點。此外,Drishti所開發的解決方案獲得研調機構多項肯定,包括2019年榮獲世界經濟論壇「2019年技術先鋒」、「2019 Gartner Cool Vendor」、2020年10月在Nvidia的人工智慧GTC大會上被評為北美人工智慧前五名的公司等,多項肯定顯示Drishti在技術與產品上扮演塑造該產業未來的重要角色。未來工業物聯網串連大數據與人工智慧的應用將迅速成長,工廠藉由人工智慧更高效地運行,加速企業數位轉型打造企業關鍵競爭力。
財團法人資訊工業策進會 產業情報研究所(MIC) 張皓甯 產業分析師