台灣防疫固然有成,並且成功的讓產業所受到的衝擊降到最低,但在全球經濟轉變以及工作模式已經帶來全面性的改變:設備智慧化、零接觸經濟、遠距教學等需求逐步提升。因此在這後疫情時代下,從各面向進行數位轉型,並帶動經濟的發展,為產業帶來嶄新的機會!那究竟我們需要怎麼樣來實行呢?我們將會遇到哪些問題?

傳統生產模式轉型智慧製造該投入多少成本?

而其中最先首要的重點,就是設備智慧化!設備智慧化這個名詞,是許多企業的目標以及導入重點,並擺脫傳統自動化的思維,從設備取得所有數據,整合並加以應用,最後分析所有數據,導入機器學習,預防診斷等應用…但從傳統生產模式轉型智慧製造,對於中小型製造業者來說,常有導入智慧製造是否就代表必須投入高昂成本?或是不知道從何著手的困擾;又或者是是否需要找好幾間系統整合商協助進行,最後造成設備後續難以維護之窘境。

所羅門自動化事業處針對各企業的設備智慧化痛點進行解決方案的提供:

老舊設備 – 非侵入式資料擷取以及控制

許多廠內舊設備不帶有通訊協議,我們可透過VGA/HDMI跨接的非侵入式資料擷取技術,除了不影響原先生產過程,更加入控制排程以及下參數等應用,讓MES能夠直接下參數以及配方管理,輕鬆達到設備智慧化。

無縫串聯數位建模與製造,用AI視覺加速工廠生產效率

圖1. 所羅門自動化事業處- 非侵入式資料擷取以及控制解決方案

尚未智慧化 PLC / 工具機 – IOT Gateway 解決方案

許多中小企業,甚至是各大企業,常常會因為各設備不同時代以及背景會有不同採購設備品牌,甚至是不同開發平台的設備在同一條產線上之狀況。

因此為了應設備智慧化,美國工業聯盟OPC基金會提出了OPC UA的統一標準的溝通橋樑,讓IT以及OT能夠成功並簡單的進行溝通。

透過以上OPC UA統一標準,所羅門自動化事業處提出了各家品牌PLC/工具機,甚至是設備所需要的Remote I/O、Power Meter等專用的IOT Gateway,直接將上述所有設備轉成OPC UA的統一標準,讓設備能夠快速被應用!

最重要的是,我們能夠將這些資料透過安全加密解決方案Secomea,直接將資料丟上Azure, AWS等雲端服務,利用其BI或者是機器學習等服務,快速打造企業雲。

無縫串聯數位建模與製造,用AI視覺加速工廠生產效率

圖2 所羅門自動化事業處 – 廠內IOT Gateway 解決方案

無縫串聯數位建模與製造,用AI視覺加速工廠生產效率

圖3 所羅門自動化事業處 – 雲端IOT 4.0 Package 解決方案

所羅門自動化事業處透過Vuforia Studio

透過成功的設備智慧化之後,下一個轉型重點,就是零接觸經濟以及遠距教學的應用,現今後疫情時代距趨勢也帶動企業與個人連網需求大增,使得寬頻相關網通設備、甚至是5G下的浪潮,將為產業帶來新發展機會就是:AR 擴增實境。

所羅門自動化事業處透過Vuforia Studio,打造數位轉型體驗中心於內湖總公司,成功透過AR擴增實境,整合生產設備、工具機、機器手臂、無人搬運車等工廠設備,並已經為企業導入以下應用:工廠巡檢、人員教育訓練、設備維修引導以及即時線上操作引導。

透過以上應用情境以及成功案例,所羅門提供完整於數位轉型重要核心技術,並有豐富經驗及豐富的產業數位轉型經驗,讓數位轉型不再只是空想,而是真能實現的企業願景。

無縫串聯數位建模與製造,用AI視覺加速工廠生產效率

圖4 所羅門自動化事業處 AR應用於機器手臂以及自走車進行廠內巡檢

無縫串聯數位建模與製造,用AI視覺加速工廠生產效率

圖5 所羅門自動化事業處 數位轉型體驗中心

相關文章
  • 疫情雖逐步受到控制,但由於機械結構複雜,遠端線上教學未必能清楚描述,一旦失誤,恐導致設備損壞延宕產品生產時程。

    一顆關鍵閘道器 製藥廠掀智造浪潮

    不少企業誤以為,要走向智慧製造,就必須重新建立新廠房、添購新機械設備,才能因應這波轉型。其實,善用工業物聯網技術,進行廠區中各機台的數據蒐集、整合及分析等應用,讓生產效益達到最佳化,正是工廠自動化再升級的新選擇。
  • 所羅門觀點:以終為始,達成目標不是夢

    「以終為始,就是做正確事的習慣,在行動前務必把目標想清楚」、「沒有明天的目標,那今天的行動,多半是重複昨天的事。」以上的文字,是我閱讀商業周刊的文章後,在讀書會上與同仁分享的精華。
  • Solvision檢測LD瑕疵圖例

    如何判斷AI瑕疵檢測對企業與產線帶來的幫助?

    擁有如人類思考的AI技術,在辨識並定位不規則特徵佔有優勢,為滿足檢測需求,市場上已出現許多AI瑕疵檢測系統及服務,然而,套裝軟體在許多功能上依舊存在差異,其中在使用者介面(UI)友善度、訓練樣本數、辨識率、檢測速率的討論度最為廣泛。
  • 為什麼一定要讓AOI結合AI?

    應用AOI檢測最多的PCB產業,往往會因為保證產品良率而調高AOI參數,設定成相當嚴格,此舉會導致AO相當敏感,便會產生過殺(Over Kill)的現象,但是透過AI軟體,可以藉由經驗法則來學習判斷,可以因應外在變化而達成自我調整,進一步有效判斷未曾看過的瑕疵集成像。