AI視覺及語音技術於製造業製程檢驗應用分析
  • 372
  • 出版日期
    08月24日, 2022
  • 作者
    NIKKEI×TECH
前言

傳統製造業為確保產品品質,僅能透由目視檢測進行製品優劣判別,或是透過增加抽檢的數量,儘可能檢查出瑕疵品。然即使成功檢驗出瑕疵品,已經耗費的材料及生產成本將無法追回。本文透過分析AI技術促使檢驗作業自動化,以優化原先繁雜的檢驗流程,同時提升品質管理,探索AI製程檢驗應用之發展態勢。

目錄
    Subaru:運用AI模型預測所有製品之品質,逐步廢止目視檢查
    Panasonic Connect:串聯檢查結果及設備運作資料,找出焊接缺陷成因
    C.net Connect Service:語音輸入作業指示和結果,支援不適合自動化之手動作業
    註釋
圖目錄
    圖一、Subaru群馬製作所大泉廠內狀況
    圖二、引進AI模型後之凸輪軸研磨製程變化
    圖三、Subaru水平對向引擎之凸輪軸搭載位置(右上)及凸輪結構(下)
    圖四、加工資料、品質資料串聯示意圖
    圖五、根據加工資料預測之表面粗糙度變動示意圖
    圖六、焊接自動檢查系統「Bead Eye」
    圖七、有缺陷之焊接
    圖八、有缺陷之焊接部分檢查結果
    圖九、顯示檢查結果的iWNB系統畫面
    圖十、語音系統概要
    圖十一、語音系統結構示意圖
    圖十二、語音情境建構畫面實例
    圖十三、引進系統前後之試驗流程變化
表目錄
推薦報告
  • 以上研究報告資料係經由MIC內部整理分析所得,並對外公告之研究成果, 由於產業倍速變動、資訊的不完整,及其他不確定之因素,並不保證上述報告於未來仍維持正確與完整, 引用時請注意發佈日期,及立論之假設或當時情境,如有修正、調整之必要,MIC將於日後研究報告中說明。 敬請參考MIC網站公告之最新結果。
  • 著作權所有,非經本會書面同意,不得翻印或轉讓。
  • BACK
    評論此篇報告
    您的評論已送出
    我們會竭誠盡快地回覆您。
    分享此篇報告
    Facebook
    Line
    複製連結
    登入
    正式會員第一次使用,請輸入會員編號/會員密碼/Email,系統會偵測第一次使用,註冊/認證之後,即可上線使用

    不是會員?

    邀請您申請免費試閱聯絡我們