close up of semiconductor wafer being fabricated

META-aivi成功案例

META-aivi 智能厂务管理

厂区管理效率关键:智能判读仪表数值

巡检制度是否落实、管理执行效率高低、异常讯息上报速率等因素,都与企业生产效率与安全性息息相关,也因此巡检、维修成为各行业工厂,最重要的工作之一,越来越受管理单位的重视。但由于长期以来机电设施的维护还存在规范不足、制度不清晰、涵盖范围不完全等问题,为了满足设备管理单位对机电设备管理日益增加的需求,将运行中的机电设备的仪表数值建入设备维护管理系统,已成为厂务设施能否进行智慧化管理的重要过程。
close up of semiconductor wafer being fabricated

挑战

传统操作系统无有效的监控机制

传统的机台数据纪录是由人员判读并且纸本纪录,此方式无法确保当时人员是否正确纪录且落实检查程序,恐因巡查纪录不明导致巡检妥善率低落,再加上传统巡检的方式不但无异常自动通报警示之功能,更缺乏有效数据使管理者掌握管理状况,无法即时检查出工厂内部隐患,导致机台故障,降低产线生产力。

解决方案

厂务巡检的智慧升级:META-aivi厂务管理系统

导入META-aivi智能厂务巡检系统,利用所罗门先进的机器视觉与人工智能执行光学字符辨识(Optical Character Recognition, OCR),以各式字样的形状、号码等影像样本训练AI模型,训练完成的AI模型即可透过镜头侦测机台上的数据,自动且即时地将AI判别的数值转为数字化资讯,并传送至云端建立巡检报表,让管理者可以便捷的透过移动设备,一手掌握工厂巡检状况。 除此之外,META-aivi能依照客户需求设定机台数值之安全范围,若AI侦测超出安全值范围,系统则会判定异常,立刻发出警示通报人员,让使用者能即时得知异常点并将异常状况传回相关单位处理,达到即时通报之目的。

META-aivi检测结果

machine instrument readings detected by AI
使用META-aivi的OCR技术
对机器仪器读数进行人工智能检测
production inspection records
生成数字化检查记录
以进行报告和尽职调查
hand holding up a cellphone accessing inspection records in front of a building in the background
操作员收到警报
并可以远程访问检查记录

效益

AI智能判读数值 机台资讯系统化

在工厂巡检的过程中导入META-aivi智能厂务巡检系统,能精准判读各仪表的数值并自动输出,制成点检即时报表,以利统计、监控数据的异常情形,提供从作业现场到管理中心无缝连接、顺畅透明的资讯流程,达到无纸化智慧巡检之目标。
更多案例
  • a close-up of a machine

    自动化激光焊接分类暨检测解决方案

    雷射焊接具有不同的焊缝特征。由于产品的焊接位置、样式不尽相同,无法透过传统光学检测辨别焊缝样态,常造成焊接质量不一的情形。应用Solomon SolVision能够以焊缝特征影像训练AI模型,辨识焊接功率及漏焊瑕疵,并可透过深度学习,精准侦测焊缝的鱼鳞纹数量及分布。
  • assorted coffee capsules

    咖啡胶囊摆放顺序出货前检验解决方案

    咖啡胶囊不同口味代表不同颜色,以一盘咖啡胶囊作为标准组,另一盘咖啡胶囊作为对照组。使用SolVision学习各种咖啡胶囊的影像,若有任意一个咖啡胶囊的位置摆放错误,软件可立即将错误摆放之处以检测框标示出来,可成功分辨各式高反光且颜色差异小的咖啡胶囊。
  • 积层陶瓷电容制程优化解决方案

    SMD电容体积较小,观察缺陷需在显微镜等级的微观工具下观察,且因MLCC非常脆弱,检测过程也须非常小心,困难度极高。使用SolVision工具,学习电极上凸出部分的瑕疵形状及位置,建立AI模型,在AI学习瑕疵特征之后,即可快速检测电容凸出部分的缺陷,大幅提升整体制程的良率。
  • Gray Round Metal Part

    电脑零组件瑕疵检测解决方案

    硬盘支架制造过程出现的瑕疵种类繁多,包括金属的压伤、表面白雾、孔批麟、孔黑等等,透过人工检测不容易逐一检出,然而微小的缺陷在组装过程可能造成孔隙无法对齐等问题发生。使用SolVision工具AI学习瑕疵特征后,能够快速检测出硬盘金属支架上的各类微小瑕疵。