Pressure gauge psi meter in pipe and valves of water, oil and gas system industry

META-aivi成功案例

使用扩增实境和人工智慧进行仪表测量

客戶

该客户是一家拥有50多年市场经验的合成材料和塑胶主要生产商。

案例

优化仪表读取与监控,提高效率和合规性

在塑胶制造过程中,定期监控设备仪表和表盘,对于维持生产及确保遵守监管标准至关重要。然而为了掌握制程情况,工作人员需每小时检查一次数位和类比仪表,并将数据记录在纸本表格上,并手动将资讯输入到客户的IT系统中。

体认到检查程序的复杂性,客户正积极寻求一项解决方案,简化重复的执行过程,借此提高效率和准确性。

An engineer is recording pressure level of the pumping unit's gauge at refinery processing plant. Industrial working action scene photo, selective focus.

挑战

应对仪表读数时的疲劳和错误

由于耗时的检查流程仰赖手动操作,易造成工作人员疲劳,再加上人工抄表较难验证抄写正确性,一旦人工抄表出错恐影响后续维运。此外,正因仰赖实体纸张纪录数据,导致文件遗失并可能在审计期间产生罚款,使问题更加复杂。

解决方案

运用AR + AI使仪表数据搜集更加流畅

META-aivi简单易操作,可依据机台仪表建立AI模型。操作人员在巡检时,能够轻松地通过平板电脑或智慧型手机拍摄仪表数值照片,META-aivi将自动纪录人员关键步骤与确认机台状态,并可无缝整合至公司管理系统中,即时进行仪表数据数位化,以便及时记录与便于未来审查时调阅。

同时META-aivi结合安防警示系统,当AI侦测异常结果时,警示系统将远端通报至现场或中央厂务人员,以利第一时间抢修。

效益

比过往的仪表检查过程快70%
检查记录自动上传到客户的资讯系统
降低数据记录错误
相关文章
  • a close up of a blue and yellow background

    LED基板分区外观品质控管解决方案

    常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等,在瑕疵特征与背景相近的情况下,AOI检测不易将瑕疵检出。运用SolVision AI影像技术,以各式LED基板上瑕疵影像样本训练,经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域,达到分区检测的目的。
  • 球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下,将假焊瑕疵精准检出。
  • META-aivi 智能电子制造

    主机板是电脑的核心零件,它设有晶元组,同时更提供显卡、CPU、内存、硬盘及外接装置等应用接合,以利电脑中各软硬件元件能整合运作。然而主机板上充满许多不同的零部件,制造、组装步骤繁多,稍有疏忽遗漏电脑将无法顺利运作,因此如何确保整体生产的良率与品质,是电子制造的首要任务。
  • a stack of textile spindles behind a yellow robot arm

    玻璃纤维线轴拆架

    通过使用基于人工智能的机器人三维视觉SolScan和AccuPick,成功解决了准确识别架子中卷轴位置的挑战。