2024 工博会中的 AI 视觉智慧制造趋势
FMEA (Failure mode and effects analysis, FMEA)失效模式与效应分析是制造业中一种常用的风险管理工具。随着制造产线的日益复杂,FMEA 在减少生产缺陷、提高产品质量和缩短故障诊断时间方面越来越重要...
Read more3 October 2024
FMEA (Failure mode and effects analysis, FMEA)失效模式与效应分析是制造业中一种常用的风险管理工具。随着制造产线的日益复杂,FMEA 在减少生产缺陷、提高产品质量和缩短故障诊断时间方面越来越重要。
然而,传统的 FMEA 方法依赖于人工检查和经验来解读数据,导致分析效率和准确性受限。 面对这些挑战,导入 AI 视觉是一个有效的方式。
在接下来的内容中,我们将介绍 AI 视觉如何协助 FMEA 发挥最大价值 ,协助企业提升过程管控与风险控制。
FMEA(Failure Mode and Effects Analysis)失效模式与效应分析,是一种用来产品或系统在设计、制造、测试和使用过程中可能出现的问题,也就是失效模式,并分析与评估这些失效对系统的影响程度,确定并排序优先处理的失效模式。
例如,一家电动机车制造厂执行 FMEA 时发现,油管锁付工站失效会导致在车辆行驶过程中动力中断。不仅影响车辆的正常运行,更可能对驾驶者的安全构成威胁。为了应对这个风险,质量团队提出了一系列改进措施。
有效的方法是:引入 AI 视觉技术管理生产过程。镜头会记录下生产中的问题,并通知管理人员,提供足够的资讯,让他们了解产线发生了什么问题,协助找出和分析失效的原因。
执行 FMEA 的核心是在产品设计或生产流程的早期阶段,预先发现可能的问题,并针对潜在风险采取相应的预防措施,避免不良品流入市场,造成难以估计的补救成本与品牌形象损失。
「严重度很高的案例看似不常发生,但每一次失效的发生,对客户而言都是百分之百的影响。」
AI 视觉技术能协助管理人员更有效地执行 FMEA。特别在识别失效原因和实施改进措施接段上能够补足许多缺漏的信息。
实务上,许多失效模式透过人工检视的方式很难在产线上的有效检出。
针对于严重程度高的失效模式。理想的方式是透过 AI 视觉提早抓出有问题的生产流程。
如果您正在寻求更高效、更精准的质量管理方法,AI 视觉技术绝对是不可或缺的利器。
HOP 三大核心优势助攻您的 FMEA 流程:
AI 视觉技术即时检测生产线上的异常,快速识别出潜在的失效原因。
无需等待人工找寻,缩短反应时间,并降低生产风险。
AI 视觉 24/7 客观记录生产过程,提供完整的影像与客观数据分析。
减少主观偏误风险,FMEA 的评估更加可靠。
直觉管理界面,更快、更准确地作出决策。
缩短失效问题解决的周期,提升整体生产效率。
让 FMEA 流程更上一层楼,助您抢占市场先机。
全台市占率第一的电动车制造商,致力于打造高度智慧化的车体组装产线。为了确保产品提供用户最安全的骑乘体验,管理人员对产品与产线进行 FMEA 研究。
首先,管理人员找出可能的失效模式,接着根据失效影响进行风险评估 RPN 计算。以严重性、发生机率和检测难度计算,确定哪些失效需要优先处理。
RPN = 严重度(S) x 发生度(O) x 检测度(D),数字越高表示越严重
管理人员发现:车辆无法作动、煞车油漏油导致煞车异常、行进间产生异音是最急迫需要解决的三项失效模式。影响原因在于,人工检出效率不彰与发生度较高。
车厂在产线上导入 AI 视觉,AI 影像会自动辨识有问题的生产步骤,并详实记录于 HOP(Human Operation Platform)行为分析平台并通知管理人员,工班班长可以追溯发生问题的影像,即时抓出影响产品质量的失效原因,提出解决办法,更有效排除失效模式,达成良率100%的目标。