close up of semiconductor wafer being fabricated

META-aivi成功案例

META-aivi 智能廠務管理

廠區管理效率關鍵:智能判讀儀表數值

巡檢制度是否落實、管理執行效率高低、異常訊息上報速率等因素,都與企業生產效率與安全性息息相關,也因此巡檢、維修成為各行業工廠,最重要的工作之一,越來越受管理單位的重視。但由於長期以來機電設施的維護還存在規範不足、制度不清晰、涵蓋範圍不完全等問題,為了滿足設備管理單位對機電設備管理日益增加的需求,將運行中的機電設備的儀表數值建入設備維護管理系統,已成為廠務設施能否進行智慧化管理的重要過程。

close up of semiconductor wafer being fabricated

傳統操作系統無有效的監控機制

傳統的機台數據紀錄是由人員判讀並且紙本紀錄,此方式無法確保當時人員是否正確紀錄且落實檢查程序,恐因巡查紀錄不明導致巡檢妥善率低落,再加上傳統巡檢的方式不但無異常自動通報警示之功能,更缺乏有效數據使管理者掌握管理狀況,無法即時檢查出工廠內部隱患,導致機台故障,降低產線生產力。

廠務巡檢的智慧升級:META-aivi廠務管理系統

導入META-aivi智能廠務巡檢系統,利用所羅門先進的機器視覺與人工智慧執行光學字元辨識(Optical Character Recognition, OCR),以各式字樣的形狀、號碼等影像樣本訓練AI模型,訓練完成的AI模型即可透過鏡頭偵測機台上的數據,自動且即時地將AI判別的數值轉為數位化資訊,並傳送至雲端建立巡檢報表,讓管理者可以便捷的透過行動裝置,一手掌握工廠巡檢狀況。
除此之外,META-aivi能依照客戶需求設定機台數值之安全範圍,若AI偵測超出安全值範圍,系統則會判定異常,立刻發出警示通報人員,讓使用者能即時得知異常點並將異常狀況傳回相關單位處理,達到即時通報之目的。

META-aivi檢測結果

machine instrument readings detected by AI
使用META-aivi的OCR技術
對機器儀器讀數進行人工智能檢測
production inspection records
生成數字化檢查記錄
以進行報告和盡職調查
hand holding up a cellphone accessing inspection records in front of a building in the background
操作員收到警報
並可以遠程訪問檢查記錄

在工廠巡檢的過程中導入META-aivi智能廠務巡檢系統,能精準判讀各儀表的數值並自動輸出,製成點檢即時報表,以利統計、監控數據的異常情形,提供從作業現場到管理中心無縫連接、順暢透明的資訊流程,達到無紙化智慧巡檢之目標。

相關文章
  • 不鏽鋼管字元辨識解決方案

    目前仍採用人力進行自行車車身號碼的辨識與登錄,耗費人工且效率低,若使用AOI進行字元辨識,因不鏽鋼管表面為圓弧曲面,打光容易造成反射,不論以人工或者AOI檢測,針對曲面、反光不鏽鋼管上字樣的辨識皆較為困難。所羅門結合機器視覺與人工智慧,對於光學字元辨識可以得到極佳的辨識效果。
  • 快速精準辨識多種橡膠射出成型之瑕疵

    精準辨識多種橡膠射出成型瑕疵

    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。
  • 雞蛋蛋殼品質檢測分級解決方案

    運用所羅門SolVision AI影像平台的Instance Segmentation技術,定位、標註影像樣本中雞蛋蛋殼裂隙瑕疵位置並以訓練AI模型,訓練完成後即可透過AI檢測蛋殼表面的孔隙及裂痕情形再予以分級,提升雞蛋食用的安全性及商品價值。
  • assorted metal parts

    工業AI視覺應用之鋼製零件揀選

    Solomon基於AccuPick 3D AI 的定位技術和SolScan 2.3 MP 掃描儀使 Motion Technique 能夠準確識別每個組件的潛在方向。AccuPick ROS 動線規劃的確保機器人可以執行揀選任務,而不會與垃圾箱發生任何碰撞。