石化產業

META-aivi 透過自動化機器故障偵測和監控來優化塑膠射出成型，以提高效率、減少停機時間並降低成本。

運用META-aivi快速進行設備儀表數值監控，改善人工抄寫的失誤率及低效，一舉提升儀表數據數位化。

客戶需要一項自動化解決方案，目的是透過自動化流程，從箱中取出零件，並將其放置在旋轉輸送帶上，而另一台機器則在塑料零件上為螺栓製造螺紋，以利進行高效地拾取和零件運輸流程。

AccuPick 3D 智能料箱揀選解決方案是所有機器視覺擷取應用的最終解決方案。只需1-3張圖片，即可在幾分鐘內開始擷取箱內物件，輕鬆處理各種庫存單位。

在工廠巡檢的過程中，導入META-aivi，利用AI建立正確的SOP操作步驟，逐一確保車輪是否與枕木放妥、接地線是否接妥以及確認靜電消除器燈號是否正常；並搭配擴增時境顯示現場狀況，於螢幕上顯示AI偵測結果，立即回傳辨識結果至人員眼前，若有異常則立即發出警示，指引人員正確的操作步驟並驗證流程的正確性，確保場域的安全。

石膏板出廠前，瑕疵情形皆須確實檢出。然而，由於壓花石膏板的外觀特性，瑕疵在複雜背景中模糊，無法以AOI及人眼確實辨識。使用所羅門 SolVision AI影像平台技術，擷取板材上的髒痕、過大壓花圖案以及壓花不清等瑕疵，可確實檢出並定位板材上的瑕疵，具體提升石膏板板材的品質與良率。

輪胎在製程的環節經歷許多高壓、高負荷與高溫差的工序，使內胎表面字跡模糊且刷色深淺不齊，影響內胎編碼的辨識度，不利於人工辨識與傳統AOI檢測。利用SolVision工具，針對輪胎內胎編碼的數字與形狀進行拍攝，進行AI模型訓練，能成功辨識，有效改善編碼辨識的正確率。

橡膠射出成形採用AOI檢測塑料缺陷時，由於瑕疵種類及位置多變，易遇橡膠射出瑕疵樣品不足使得瑕疵定性定量困難，檢測精準度不足。利用SolVision AI瑕疵檢測，針對橡膠射出成品瑕疵形狀與顏色建立資料庫，AI學習可後辨識種類及位置多變的瑕疵。有效解決橡膠射出成品瑕疵不固定的檢測問題。

射出成型的扣具生產上最為常見的瑕疵為脫模劑油汙、白點、毛邊及殘屑，其中屬油汙瑕疵最難檢出。結合SolVision AI影像平台工具，分別針對各類表面瑕疵型態執行深度學習，訓練完成的AI模型即可即時檢出射出成型時產生油汙與在內的各類瑕疵。