META-aivi成功案例

制造业 | 金属加工业

META-aivi 智能快速计数

车架数量AI智能盘点

自行车可作为休闲运动之用，亦具备中长距离的移动工具，是现代人不可或缺的出行工具。一部品质完美的自行车需要坚固的车架，而完整的车架则是由多个钢管组成，经过人工筛选出适当尺寸的车架后，进行管料裁切、焊接、打磨、烤漆等程序，方可制成坚实的自行车。

   挑   战   

数量庞大、多样尺寸的钢管记数

自行车车架所使用的钢管原料，通常是大量运送至前端备料区等候裁切，由于过去多使用人工计算钢管数量，人员容易产生视觉疲劳现象，且大小不一的管径肉眼难以快速分辨尺寸，导致计算结果时常出现错误。

解 决 方 案

人工赋能：计算混乱中的秩序

运用META-aivi的快速计数功能，针对尺寸不同的料件进行AI模型训练，META-aivi即可快速辨认与计算数量，所得出的结果可立即显示在移动设备上。同时，计算出的结果可与MES系统连接，减少人员盘点错误的发生，大幅增加入库资料正确性，提升库存管控效率。

META-aivi计算结果: 100%完全检出

   效   益   

AI智能计数 提升库存管理效率

导入META-aivi使人员盘点车架的效率在短时间内显著提升，透过所罗门强大的人工智能，不论是在任何情况下，计算车架数量的精准度都能高达100%，人员只要使用META-aivi即可立即获得数据，免去人为失误与多次复检的困扰，提升整体效率，减少生产所需时间。

40% 节省时间

60% 提升生产力

99% 精准辨识

  客 户 反 馈   

  META-aivi 其 他 应 用 案 例  

相关文章
  • person holding tool during daytime

    汽车车顶焊缝气孔瑕疵检测解决方案

    焊接过程中，气体饱和所形成的气泡无法在焊接过程中及时排出而残留在焊道中，形成焊道气孔瑕疵，可能影响美观及结构质量。运用SolVision AI技术，将各种亮度的焊道气孔瑕疵影像进行标注，藉以训练AI模型，即能不受影像亮度影响检测出焊道上各处的气孔瑕疵。

  • 塑胶扣具瑕疵检测解决方案

    射出成型的扣具生产上最为常见的瑕疵为脱模剂油污、白点、毛边及残屑，其中属油污瑕疵最难检出。结合SolVision AI影像平台工具，分别针对各类表面瑕疵型态执行深度学习，训练完成的AI模型即可实时检出射出成型时产生油污与在内的各类瑕疵。

  • 快速辨识轮胎内胎印刷编码

    轮胎在制程的环节经历许多高压、高负荷与高温差的工序，使内胎表面字迹模糊且刷色深浅不齐，影响内胎编码的辨识度，不利于人工辨识与传统AOI检测。利用SolVision工具，针对轮胎内胎编码的数字与形状进行拍摄，进行AI模型训练，能成功辨识，有效改善编码辨识的正确率。

  • 组装电路板(PCBA)制程优化解决方案

    利用AI视觉检测PCBA插件是否正确 什么是PCBA？PCB、电路板、PC板？ PCB与PCBA的差异就在「PCBA = PCB + Assembly」，也就是没有组装电子元件的板子叫PCB，而已经组装完成电子元件的板子则称之为PCBA。PCBA其实是「Printed Cicrcuit Board Assembly」的英文缩写，也有人简略一点叫它PCA，当然也有人叫它PWA (Printed Wire Assembly)，中文我们一般称它为「组装电路板」或「组装板」，不过业界中少人用以上的中文来称呼PCBA的，一般如果一台整机内只有一片板子，会直接叫它「主板（Main board）」或直接省略叫「板子」，如果有两片以上PCBA ，则会用功能来区分主板、IO板、充电板(charging board)。 PCBA插件是否正确影响制程良率 PCBA上面集成了不同功能的电子元件、插槽及各种芯片组，制造流程繁琐，如何提升插件及组装的正确率，是良率提升的关键。 PCBA 插件缺陷检测 PCBA标准样本 PCBA缺陷样本 Capacitor Defect Missing Components