【数位转型 台湾最行】VMS-ML机械学习智能监控系统
固德科技报｜【数位转型 台湾最行】VMS-ML机械学习智能监控系统#机器学习
#AI
#数位转型
#汽车製造
#加工製造
#PHM
#机械手臂
Posted On : 14 Jan. 2021
物理模型透过使用者学习正常加工行为，持续追踪加工行为模式并执行监测及辨识，进而将物理模型这类的複杂行为转变成比较好管理的趋势。
製造业预知监诊该如何规划？
预先建立物理模型＞辨识追踪即时监测＞趋势管理＞数据清洗＞标记后数据AI化
物理模型透过使用者学习正常加工行为，持续追踪加工行为模式并执行监测及辨识，进而将物理模型这类的複杂行为转变成比较好管理的趋势。而在製造行为中的特殊行为是否与製造优良产品行为相同？ 或是特徵频率是否正常？ 加工流程中是否平顺？
这些种种特徵都能在行为模式中做后标记的动作，并可同时做产线内部的品质管理。另外一个特点是可让 AI 业者利用此乾淨的数据做分析使用。透过机器学习的行为模式中帮助 OP 建立标准化，根据异常特徵作标记，可回溯过程进行产线製程的优化改善。
＃数位转型 ＃工业4.0 ＃传统产业转型 ＃预知监测
生产设备的组成与运作特性？
讯号追踪识别技术＞物理演算法建置的监测模型＞形成监测规范
想像针对讯号的人脸辨识，只要学过这张脸，就会记住然后自动辨识。同理只要看到机台做同样的加工行为，系统就能自动撷取，然后比对建立的模型辨识好坏，成为产线管理的工具。振动虽然史最大宗的感测方式，但根据每种製程不同，例如电焊，就会取电流讯号。并且不会对设备产生侵入式影响，免去与各式机台对接的困难，实现真正 Plug in 的方式，直接装上感测器就能达到监测的效果。
根据不同的製程，利用不同特性来作监测，而软体运作主要以振动量测为手段，例如：振幅、频率、相位等都是建置在 VMS-ML 中的模型，追踪器取需要的片段拆解后的新数据，而仰赖现场的人员从工作流程中的 QC 行为、设定门槛、标记数据，这就是清洗数据的流程。对于传统产业范围内，以习知的习惯，确保资料数据不遗漏。
成功案例分享：机械手臂
传统产业中加工件重量较重、较庞大，所以较难以备机的方式做监测保养。会造成产品及产线稼动率的损失。检测中会锁定手臂动作是否有跟过去不同，例如晶圆产业中在夹取晶片的机械手臂中，发生抖动，可能造成刮片甚至是破片，因此在防止的步骤上相当重要。
对于金属焊接手臂中，由于手臂的姿态的改变，焊接的角度与距离也会不一样，电流本身有会有所不同，都会影响到最后的品质，而 VMS-ML 也能有效增测到手臂的各种异常。
成功案例分享：冲压产业
冲压产业例如：汽车零件、3C 开关插件、手机机壳等，冲压设备本身不容易坏，但模具本身一定会耗损，我们必须知道模具什麽时候耗损、及预防模具导致产品的损坏。
冲压是不断生产中的过程，停机就会造成稼动率的损失，而模具损坏、刀具钝化，加上插件是无法重工的，因此就会导致大量的不良品。VMS-ML 在冲压流程中，让设备检测与产线检查做结合，以预警的角度上，预防产线製造大量的不良品。
有效执行检测品质及预知诊断
在 AIOT 的运用在除了在事后作品质的 QC 来作改善外，若能在加工行为的製程中，透过简单的安装感测器，得到简单的数据及频谱，就能有效执行检测品质及预知诊断，将会对产线品质做大幅的跃升，降低不良率的产生。
固德科技的 VMS-ML 机械学习智能监控系统，能有效帮助产业维持产品良率、机台稳定度、降低保养成本及缩短保养时间。固德科技 许文泽总经理，藉机械手臂及冲压产业案例分享，针对各式机械设备的动态监测，运用自动撷取正确週期动作进行比对即时产生结果判断，使製程优化及良率提升大跃升。 为推动台湾产业进行数位转型提升产业竞争力，中华软协与Digitimes合作製播【数位转型 台湾最行】系列节目，欢迎锁定与分享。