AI 視覺進駐電動汽機車製造商的智慧工廠

automotive, powertalk, smartfactory

這家電動汽機車製造商藉由 AI 視覺,補足『人員動作』及『無聯網裝置』的數據缺口,確實達到製程品管,即時防呆,再次升級智慧工廠!

從導入前的效益評估、各式智慧工具整合到顯著改善成效,這家工廠的智慧製造系統及解決方案 處長 黃至偉 Charlie 分享運用 AI 視覺的心路歷程,藉由透明化所有細微風險,站內即刻排除後續補救成本,鞏固強調產品品質與安全性的企業理念。

謝謝 Charlie 今天來到這邊,我們有這樣子的機會能一起分享 PowerArena 跟 Gogoro 的合作,今天議程的第一階段,會討論電腦視覺的 AI 跟之前傳統產線,跟已經正在自動化以及智慧工廠產線當中做結合。Gogoro 近年有導入 PowerArena 的系統進去,可以請 Charlie 說明一下目前的狀況跟之前的狀況,大概是什麼樣的差異嗎?

Charlie: 好,謝謝主持人。Gogoro 在 2015 年開廠的時候,初期就已經導入 MES 系統去管控所有生產線製程履歷的收集。可是,隨著時間變化,產量的提升減少,對生產線造成一個 defect,就是我們的教育訓練。人員的部分有外勞有學生,然後也有本地的(員工),turnover rate 人員離職率的這個狀況,會造成製程品質上面的疑慮。

Charlie: 事實上我們也發現在早期,產品在市面上不到一個禮拜、一個月,就發現問題 warranty 的情形。產線上面有很多的情況,除了這些製程履歷,Step、MES 可以收集到的製程數據之外,人員如何組裝、誰組裝都無從去做追溯。在所有的不管是傳統製造產業,乘車也好,或者是四輪產業、二輪產業,甚至做伺服器的這些,其實大家都在組裝產業這個領域裡面,集體遇到同樣的問題。

Charlie: 那時候我們在導入 MES 之後,其實我一直在思考一個問題:怎麼樣去確保人員的 SOP 可以有效、確實地被執行?各位看過 Gogoro 之前網路上的一些分享影片,你等一下在我的影片上面也會看到,我們有建立電子化的 SOP,可是即便是這樣電子化的 SOP,也無從去 checking 人員是否真的照做,我們頂多可以確保做資料收集的那幾個步驟。即便如此,我們仍發現到一些漏洞,所以在 2017、18 年的時候,我們在做產量提升的同時,也思考看是不是可以用影像追蹤。大家傳統的做法是,發生這個問題我就是架一個攝影機,有問題的時候我再來追溯,可是這沒辦法有效地第一時間阻止錯誤的發生,通常都是事後在追查才會看到。

Charlie: 你們 checking 的影像技術,跟我們的 MES 系統做整合,我的目標就是 checking 幾個關鍵的品質站點,目前我們已經有 18 個站點要上,針對已經上的這些站點,我們看到顯著的成效。

您剛才有提到說現在導入已經將近有 18 個站點,導入到半程的 operation,然後說有碰到一些問題,導入上面不是那麼的簡單,可以講講看大概碰到什麼樣的問題嗎?

Charlie: 因為我們一般的產線,不可能一條產線只負責一種產品,那我們要負責的是多少?當做產品切換的時候,AI 怎麼知道現在切換的是哪個 model?要用什麼樣的 model 去做 checking?所以在這個導入的過程當中,我們不是導入一種產品,是導入全部在這條產線生產的產品,困難就在這裡。第一個 modeling 不是一套,modeling 是根據不同的總成料有好多套,再來就是一旦建好這個 modeling 之後,不管是 MES 也好或者 AI modeling 也好,我如何知道現在生產的東西到底是什麼東西?我用什麼樣的標準?Practice checking 就是 follow SOP 的標準,用什麼樣的標準去輔助 checking。

在還沒有導入這整套評管系統的時候,產品在進入到市場可能一個月開始,有一些 warranty claim 的狀況會出現,那現在這樣子的狀況有改善嗎?

Charlie: 前幾天稍微翻了一下我們的資料,一開始的時候我們 focus 在那 18 個站點。有導入的這些站點,我們會去 check 他們在市場上面反饋回來的 warranty,就目前來說,早期一個月以內 claim 回來的已經降成 zero,是非常顯著的。也就是說一旦導入了,當然也有配合產線的製作,我是相信初期導入,過了一個月兩個月一季兩季半年,我們來看,相信這個的效果是非常顯著的,很快速得把問題給 detect 掉。

在這些工作站上面,透過不論是物聯網、AI 機器視覺的裝置,去控制跟管理好它的品質,確定都不會有瑕疵品,或是之後可能會造成損壞的產品流入到市場。我們直接來看一下,導入進去的工站大概長什麼樣子。

Charlie: 這裡我要分享乘車組裝應用上的一個案例。這主要是在組裝乘車的前支架轉向機構,畫面的左邊和右邊,對 MES 來講它是兩個工站,左右平行兩個工站。在 PowerArena 介入之前,MES 是個別處理兩邊的工作行為,可是在 PowerArena 介入之後,可以同時藉由影像來去 checking 這兩邊的工作站,彼此之間或個別工作或協同工作是不是完整,當透過 PowerArena 跟 MES 的整合之後,我很明顯的可以看到,這兩個作業人員在協同合作,在組裝部分是一定要 follow process,不然 PowerArena 會把這個工作站 stop 下來。搭配 PowerArena 的 AI manager,透過 AI manager 做影片的回放,可以由產線的組長、班組長去確認,這個是可以放行的,還是需要再做檢修,大概是這樣的一個概念。

Charlie: 下面是我們比較獨特的作業方式,我們的產線不是用 conveyor,每一台乘車是用 AGV 做站點的切換。

所以如果有抓到哪一些步驟沒有完成或是沒有做完善,AGV 不會讓它過站是不是?

Charlie: 對 AGV 的動作跟 MES 整合,當整個工作站的作業還有畫面上這個 process 沒有做完,沒有收集到應收集的製程參數,包括扭力、測試值,MES 沒有收到 ok 的 command,AGV 不會往下走。

PowerArena AI 也是其中一個要確定有 confirm,才能有讓他過去的指令。

Charlie: PowerArena 最重要的一點就是處理平行工站的 process checking,沒有了 PowerArena,平行工站在目前來講,沒有一套系統有辦法處理。這樣的作業模式也相當適合在四輪車產業,因為我本身是從四輪出來的,四輪車產業的組裝模式、形態,基本上類似於我們現在用 AGV 的方式。

之前看到機器視覺的部分,可能都是組裝在電路板上面,是比較屬於 2D 的狀態,現在進入 3D 狀態的時候,整個乘車組裝的應用,機器視覺上面的應用也是有的。

Charlie: 這個是我們跟 PowerArena 一起整合出來的新的 model,我相信這樣的 model 也可以推展到不管是四輪產業,甚至半導體設備組裝業,其實都還蠻適合用這樣的方式,去確認製程品質。

在確認到有些組裝上面沒有完成步驟的話,是多快的時間之內 dashboard 會產生通知呢?會讓領班的人知道有這樣子的狀況?

Charlie: 基本上在出站的時候,為了不打擾作業的順暢度,會讓它在出站的時候一次做 checking,在出站的時候發現車子不會動,班組長 AI manager 的 pad 就會顯示 warning,當站本身會 call help,因為沒辦法出站的,很快速地班組長會先來 check,到底是產品的問題呢?來料的問題呢?還是工具的問題?還是真的是 process 的問題?

Charlie: 所以透過 PowerArena 的工具,我們可以很快的知道是 process 問題,還是工具的問題。以往無法做到的,通常會產生羅生門的地方就是,沒有人看到,PowerArena 幫我們補足了這一塊。

任何時間的記錄都能夠隨時再回去回溯,找到是哪個地方出錯。

Charlie: 這就是我們目前已經導入到產線上面有 camera 在 checking 的這幾個站點,因為作業機密的關係,我不方便把它點進去,大家可以看到上面有一個 alert,這個 alert 就是我剛剛講的,當我這個站點有發生這樣的 alert 的時候,我可以做回放的動作,我可以回來看到底是哪個工作步驟,這方便班組長去確認這個 in process 的 quality,到底可不可以被放行。

Charlie: 其實這整個的構成理念,在 quality 這個學門裡很早已經就有在講,就是所謂的 IPQC in process quality control 的概念,很多現代科技的進步,網路科技、 軟體科技進步,可是始終缺了一個東西就是 AI vision,因為 AI vision 可以讓這樣的一個概念完整的被呈現。

謝謝 Charlie 剛才有幫我們展示現在 PowerArena AI 的 dashboard 在 Gogoro 產線上面是如何去應用,它就是在制止一些瑕疵品或者是不良品,避免它不要流入到市場。以前如果說真的流入到市場,對 Gogoro 造成的衝擊是很大的嗎?

Charlie: 我當初在評估這幾個站點,你看到失效影響,我當然是把重點項目把它去識別化,你會看到其實對 Gogoro 的影響其實蠻大的。這個問題只有車輛無法動作,就是騎一騎動力會失效,都是這種問題,都是非常 critical 的問題,皮帶鏈條壽命會下降、剎車油制動力,這都是非常嚴重的問題。我在做 RPN 分析、失效模式分析的時候,會發現嚴重度事實上是蠻高的,發生度很低,這表示什麼?其實市場上的 case,以 ppm 來看的話,事實上它不常被發現,可是發生一件對每個車主來講就是百分之百。

Charlie: 檢出度的部分,大家可以看到,你的產線上到底有沒有辦法被有效得檢出,其實說真的,大部分的問題都還蠻困難的。檢出度 1-10 分,事實上都超過 5 分以上,尤其剎車制動力下降這個 8 分,車輛無法作動 8 分,這個是非常嚴重的,這是 2020 年的時候我們統計的資料,相對於下面來看的話,我們看到產線發生這個問題要花多少費用,只要在產線能夠發現,在檢修上面,有些甚至都不需要費用,只要能夠抓的出來,馬上檢修,基本上都 ok 的,可是一旦這個東西放到市場上面,那個費用都很嚇人。我是用這樣的方法去做整個專案的效率評估,我還沒有把另外一個對於品牌形象造成的 image 給計算進來,那想必是更大。

Charlie: 所以說我是希望能夠給大家,到時候評估這個案子的一個方向,這些都是隨手可得的 quality 工具,其實也沒有那麼難,用這樣的工具換算出來的 ROI 效果是非常可觀的,我也是用這樣的一個方式,去佈建去開展這樣的專案。

每一個階段、關鍵的站點,如果確實的把關,不會讓瑕疵品出去,出去的品質都是良率高達 甚至是到 100。您說之前原本有不良率的情況,甚至都到歸零的狀況。那我們接下來就進入到很快的 Q&A 時間,Charlie 我們有一些統計下來的問題想要請教您,現在大家都在講智慧製造,也在講智慧工廠、工業 4.0,而電腦視覺您覺得在這個環節當中,必要性是是佔了多大的比例?

Charlie: 智慧製造的領域跟範疇來看的話,其實我說真的 AI vision 對我來講,我覺得它是最後一塊拼圖。

Charlie: AI 的應用以電腦視覺來說,machine learning、data analysis,從 data 怎麼樣轉換成 strategic information,這兩塊都有人在做,老實說現在有很多公司面對到一個問題就是,缺工,尤其現在疫情後,大家發現原來做這個工作的人,他也不見得要回來上班,原來在這些人身上有公司的最珍貴的一些技能,其實就不見了,有些老師傅在做調整機台的 know-how 也不見了,在組裝產線,人員來來去去,好不容易訓練會的,他上手了,對整個企業來講,實際上是很大的損失。

Charlie: 對智慧製造的這個領域來講,初期他們開始做數位化轉型,再來做精實流程的整合,可是到最後就是要用到 AI 的 tool,AI vision 在這個地方其實佔有很大的一個部分,無法被量化的通常就是視覺的東西,你說它重不重要?非常重要。AI vision 事實上,基礎上是困難很多,導入的時程也是長很多,可是它有它存在的必要性,還有它主要的價值。

那在電腦視覺跟 AI 這個部分,導入進去 Gogoro 的工廠,實質上得到的幫助是什麼?

Charlie: Gogoro 實質上得到的幫助是,第一步當然是要確保在製品的製程品質,第二步非常重要的就是,當我們在做海外 OEM 產線的擴展,廠區不再是自己在這邊做,我們要拓展到海外去,面對的是各個不同國家語言背景的人,我怎麼確保產品在印度在中國在越南生產的時候,能夠 follow SOP?所以我是希望說,在台灣的產線有這樣的成功案例,那未來在做海外市場導入的時候,我會把它帶著一起走,我覺得這個是對 Gogoro 未來的海外市場拓展非常重要的一個基礎。

是啊,現在 Gogoro 在智慧機車的製造上,已經是台灣的領頭羊了,又導入進 PowerArena 的 AI,您又說如果能夠在一些國際不同的站點,也能同時做到標準工序的監控跟加強,包括品質的控管,這些幫助其實聽起來都是蠻關鍵的一件事情。最後謝謝 Charlie 今天的時間,在最後這段時間 Charlie 有沒有什麼事情想要跟我們特別分享的?

Charlie: 我想要跟各位聽眾分享,我面對很多的前輩或是朋友們,他們在面對智慧製造這件事情都會有一個迷思,什麼迷思呢?我不知道要選什麼樣的系統?我不知道要選什麼樣的軟體?我不知道怎麼樣去佈建我的 IT 人員、團隊?這些都是智慧製造裡面,大家都犯的很大的一個錯誤,其實智慧製造最重要的是什麼?最重要的是精實流程的佈建。

Charlie: 我們在討論智慧製造,不管未來你想要做 AI modeling 或是 AI vision,最重要的是你的流程有沒有精實化,因為所有的數位轉型也是要流程的精實化,不然就會有很多既存的陋習,或是浪費的流程、人員,全部都會存在同樣的領域裡面。我在跟這些朋友或者同業在聊的時候,非常強調一點就是,你在做這些事情之前,先把流程,不管是好壞,先把流程鋪出來,我們再從這個作業流程裡面去看,哪些地方可以先做改善?做完改善之後,再考慮說我用什麼樣的系統?遇到什麼樣的系統,要搭配你有沒有辦法去養活這樣的系統,這個系統能夠在你的企業持續不斷得運行,這才會讓它有效。很多時候就是從最開始流程的精實化,這一定要先做,接下來才會開始開展到 coporate 的角度,我要怎麼樣開工單?這都是屬於後來細節的部分,我在這邊有機會可以跟大家分享一下這樣的觀念跟想法,而不是一開始就進入,我要用怎樣的 IoT 送什麼樣的資料?這是第一個,第二個我們要想到的是,我搜到這些東西,都是 data 都是數字,對於老闆來講,蠻 care 的一點是我投資了這個錢,我會看到什麼東西?我會得到不管是 EPS 的上升,或者是營運力的上升,或是我可以看到市場市占率上升,不外乎他期待看到的是這些東西,我在 upturn 的時候希望能夠多接訂單,讓我的市占率營業率三率能夠三升,他對股東是有交代的,這是老闆看的 mission。

Charlie: 那在佈建這樣的系統的時候,其實你要想到的是老闆要的是什麼,重點是什麼?重點就是我們在做這件事情的時候,其實像我剛剛舉一個我們自己的例子,我們一開始在品牌初期打市場的時候,很強調在品質上面的要求,在這樣的一個 moment,我們覺得投資這樣的整合系統,能夠搭配 MES 跟 AI,對 PowerArena AI 做整合這是值得的,這是我們看到的,因為品牌形象建立是不容易的,那我怎麼樣用這樣的方法去讓我們的消費者安心,未來的車主也安心。那我們可以比較 focus 在下一代的產品設計是不是更 reliable,對於在市場的品質控管是無後顧之憂的,以上就是我的看法。

謝謝 Charlie 尤其是剛才您有提到其他的一些廠商,他們可能在一開始導入的時候,從流程上面開始去做衡量,包括在真的導入進去之後,用老闆的角度去看,我們之後要得到的東西是什麼?在乎的價值什麼?有時候可能不只是為了產出,有時候就像 Gogoro 一樣,一開始強調品質是一件非常重要的事情,尤其在車業我們也看到,在衡量安全性是一個要去把關好的條件。謝謝今天 Charlie 的分享,我們活動就到此告一段落,謝謝。

787