Landing.AI副總裁王冬岩表示,導入AI最大價值不是節省質檢員的人力成本,而是藉由減少產品出錯的機率,來提升客戶信用、為品牌增值,進而提高售價。

圖片來源: 

攝影/翁芊儒

由Google Brain創辦人吳恩達成立的新創公司Landing.AI,最近來臺拓展市場,其副總裁王冬岩在臺發布了在智慧製造缺陷檢測(Defect Detection)的新解決方案,直接透過攝影機分析產線上操作員的行為,來判斷產品組裝的錯誤率。

雖然Landing.AI是新創企業,但已經有許多企業導入其服務,包括鴻海也找上門合作。其提供的服務主要分為AI Solution解決方案、AI加速平臺(AI Acceleration Platform)、以及AI轉型平臺(AI Transformation Platform),企業可以依照需求來選擇合適的服務採用。

如AI解決方案,提供企業在五種常見製造場景中運用的缺陷檢測技術,包括管線中氣液體的洩漏、微小顆粒的追蹤和偵測、表面工藝的瑕疵偵測、透過辨認幾何圖形來偵錯、以及不同微小零組件的分類。不同技術又適用於不同場景,例如微小顆粒常見於藥廠辨識藥物是否摻入雜質,而運用幾何圖形能查找組裝作業中錯置的零件等。

除此之外,王冬岩也在臺發布缺陷檢測的新解決方案「人類行為訓練(Human Performance Coaching)」,可以用攝影機即時擷取生產線上作業員的行為,來判斷組裝過程中的行為是否正確,也能進一步得知每個作業員在各工序花費的時間、以及與前10%表現者平均效率的差距。

另推出多項輔助AI訓練工具,可靠GAN自動產生缺陷影像彌補不足資料

Landing.AI的還提供了提高缺陷檢測模型偵錯率的輔助工具,例如Smart Data技術,可利用生成對抗網路(GAN)搭配隨機擴充資料量的工具,王冬岩表示,可利用不到10張瑕疵影像,萃取其特徵值來生成大量仿製的資料,並以此來訓練缺陷偵測模型。他解釋,許多企業缺乏訓練用的瑕疵影像資料,例如某個顯示器製造大廠,蒐集了300萬張影像資料要建立瑕疵偵錯模型,但細問之下,其中瑕疵影像比例不到10%,又必須根據上百種瑕疵進行分類,最後才發現每一種特定瑕疵的影像數量都不多,不夠訓練模型。

此外,AI加速平臺也提供了一個Live Defect框架來供企業更有效地定義資料缺陷。除了使用者可以標記舊有資料之外,也能隨著新缺陷的產生來增加標記資料,進而不斷優化模型。

王冬岩表示,模型表現不好很常是因為缺陷的標記不精確,例如質檢員在標記影像時,時常遇到每個人針對同一張影像沒有共識的情形,就表示影像不能明確反映實物情形;此外,標記的工作量大,試想一個工廠生產幾百種零件,每一個零件每一面的每個缺陷都要標記,若沒有工具輔助標記,很難有效率的分類執行。「客觀基於事實來定義缺陷,是整個流程最重要的事。」

吳恩達提出AI導入5大步驟,第一步是小專案實測,而不急著先定AI戰略

除了工具,Landing.AI也提供導入顧問服務,稱為AI轉型平臺,一次為期18-24個月。吳恩達根據自身的經驗,將企業導入AI的過程分為5個步驟,推出這項服務。

王冬岩進一步說明,首先,是選定小的專案來執行,確保可以6-9個月見效,以建立企業應用AI的信心;第二,則是透過各種管道輔助企業招攬AI人才、建立團隊;第三,是提供公司高層與職員相關課程來學習,培養新的思維與觀念;第四,則是擬定企業的AI戰略,王冬岩指出,很多人誤認為擬定戰略應該是第一步,其實,企業剛接觸AI時,還沒做好準備,就算這時擬定戰略,未來也會不斷修正。最後,訂定長期戰略後,才是從內而外的導入和執行AI,目標是希望能改變整個市場對企業的定位與觀感。


Advertisement

更多 iThome相關內容