Friday, September 30, 2022
AICase Study

กรณีศึกษาการใช้ AI เพื่อการตรวจสอบคุณภาพในโรงงานผลิต

กรณีศึกษาการใช้ AI เพื่อการตรวจสอบคุณภาพอย่างแม่นยำ ในโรงงานผลิตอุปกรณ์ส่งกำลังลมอันดับหนึ่งของประเทศจีน ที่ได้ประสิทธิภาพ ในการตรวจสอบเพิ่มขึ้น 30 เท่า สามารถเพิ่มอัตราการตรวจจับสินค้าที่ด้อยคุณภาพและข้อบกพร่องได้ถึงกว่า 99%

Nanjing High Accurate Drive Equipment Manufacturing Group Co., Ltd. หรือ NGC เป็นผู้ผลิตอุปกรณ์ส่งกำลังลม อันดับหนึ่งของประเทศจีนและอันดับสามของโลก มีสำนักงานใหญ่อยู่ที่เมืองหนานจิงประเทศจีน ก่อตั้งขึ้นในปี ค.ศ.1969 นอกจากนี้ยังเป็นผู้ผลิตอุปกรณ์ฟันเฟืองชั้นนำของอุตสาหกรรมด้วยเทคโนโลยีขั้นสูง คุณภาพที่เชื่อถือได้ และให้บริการเต็มรูปแบบ

NGC ได้กลายเป็นองค์กรตัวอย่างสำหรับนวัตกรรมทาง เทคนิคในประเทศจีน แบรนด์ NGC ค่อยๆ มีชื่อเสียงไปทั่วประเทศจีน และได้รับการยอมรับจากนานาชาติในฐานะหนึ่งในบริษัทที่มีความสามารถในการแข่งขันสูงสุดในอุตสาหกรรม

ปฏิรูประบบการตรวจสอบคุณภาพผลผลิต

ในฐานะผู้ผลิตอุปกรณ์ฟันเฟืองและอุปกรณ์ส่งกำลังชั้นนำ NGC คือผู้ผลิตสินค้าและบริการอันดับหนึ่งให้กับผู้ผลิตกังหันลมรายใหญ่ทั่วโลก บริษัทได้ช่วยให้ครัวเรือน หลายล้านครัวเรือนทั่วโลกเข้าถึงพลังงานสะอาดที่มีความน่าเชื่อถือ และเพื่อป้องกัน ไม่ให้ผลิตภัณฑ์ที่มีข้อบกพร่องเข้าสู่ตลาด NGC จำเป็นต้องดำเนินการตรวจสอบคุณภาพของอุปกรณ์ฟันเฟืองก่อนที่สินค้าจะออกจากโรงงาน และกระบวนการนี้ต้อง ไม่ส่งผลกระทบต่อการผลิต

เฉิน เชา หัวหน้าแผนกตรวจสอบของ NGC กล่าวว่า “เราผลิตอุปกรณ์ฟันเฟืองหลายร้อยชิ้นทุกวัน ผู้ตรวจสอบคุณภาพแต่ละคนจะตัดสินว่ามีข้อผิดพลาดหรือไม่โดยการสุ่มทดสอบสินค้าด้วยตนเอง แม้แต่ผู้ตรวจสอบคุณภาพที่มีประสบการณ์สูงก็ยังต้องใช้เวลาถึงหนึ่งชั่วโมงในการตรวจให้ครบตามแบบทดสอบ

อย่างไรก็ตามเพื่อให้ทันต่อการผลิตเราจำเป็นต้องทำการตรวจสอบคุณภาพให้เสร็จสิ้นภายในห้านาทีดังนั้นเราจึงสามารถตรวจสอบเฉพาะสินค้าที่สุ่มตัวอย่างเท่านั้น นี่คือแนวทางปฏิบัติทั่วไปในอุตสาหกรรมของเรา”

ทว่า วิธีการสุ่มตัวอย่างมีข้อเสียหลายประการ ประการแรกคือ การทดสอบด้วยตนเองนั้นมีประสิทธิภาพค่อนข้างต่ำและไม่สามารถหลีกเลี่ยงปัญหาของผลการตรวจสอบที่ผิดพลาดและสินค้าที่ขาดการตรวจสอบได้

ประการที่สอง ต้องพึ่งพาทักษะและประสบการณ์ในระดับสูง ประการที่สามไม่สามารถตรวจสอบย้อนกลับไปยังแหล่งที่มาซึ่งเป็นต้นเหตุของข้อบกพร่องและความล้มเหลวได้ ดังนั้นจึงไม่สามารถปรับปรุงการทำงานในขั้นตอนการผลิตอื่นๆ ให้ดียิ่งๆ ขึ้นได้

“เพื่อรับมือกับปัญหาดังกล่าว เราจึงตัดสินใจนำเทคโนโลยีดิจิทัลเช่น AI_มาใช้เนื่องจากเราคิดว่าจะช่วยให้สามารถตรวจสอบผลิตภัณฑ์ในระบบอัจฉริยะอย่างมีประสิทธิภาพได้” เฉิน เชา กล่าว

“หลังจากการประเมินทางเลือกอย่างถี่ถ้วนแล้ว ปรากฏว่าความแข็งแกร่งทางเทคนิคของ ผู้ให้บริการระบบไอทีอย่าง IIT (บริษัทร่วมทุนระหว่างกลุ่ม INESA และฟูจิตสึประเทศจีน) ที่ทำงานร่วมกับ ศูนย์วิจัยและพัฒนาของฟูจิตสึ (FRDC) ทำให้เรามีความประทับใจอย่างมาก โดยเฉพาะอย่างยิ่งในเรื่องของประสบการณ์อันยาวนานในด้านระบบการผลิตอัจฉริยะและความสามารถในการวิจัยด้าน AI_ทำให้เรารู้สึกว่าจะสามารถทำงานร่วมกันเพื่อให้บรรลุเป้าหมายได้เป็นอย่างดี”

ร่วมสร้างโซลูชันการวินิจฉัยอัจฉริยะโดยใช้ AI

ด้วยความเข้าใจเกี่ยวกับสถานะการผลิต และปัญหาเฉพาะของ NGC โดยละเอียด ทาง IIT ได้ร่วมมือกับ FRDC เพื่อสร้างโซลูชันการวินิจฉัยอัจฉริยะโดยใช้ Physical-AI Hybrid Model โดยที่ FRDC ได้พัฒนาและใช้อัลกอริทึมที่เกี่ยวข้องกับ AI_และแบบจำลองทางกายภาพตามเวลา / ความถี่ จากนั้น IIT จึงใช้เทคโนโลยีเหล่านี้มาพัฒนาผลิตภัณฑ์โดยรวมและให้บริการด้านการใช้งานโซลูชัน

ชิน เจียน ผู้จัดการทั่วไปของแผนกวางกลยุทธ์ของ IIT อธิบายเกี่ยวกับระบบว่า เป็นการใช้เซ็นเซอร์การสั่นสะเทือนที่ติดตั้งบนอุปกรณ์ฟันเฟืองเพื่อรวบรวมข้อมูลสัญญาณการสั่นสะเทือนหลายมิติแบบเรียลไทม์ ซึ่งจะถูกจัดเก็บ เชื่อมต่อและบูรณาการเข้าด้วยกัน การใช้ Physical-AI Hybrid Model ทำให้มีการวิเคราะห์แบบเรียลไทม์ด้วย ข้อมูลที่ตรวจพบจากย่านความถี่ต่างๆ สิ่งนี้ช่วยให้ระบบตรวจสอบได้อย่างรวดเร็วว่า ผลิตภัณฑ์มีข้อบกพร่องหรือผิดพลาดหรือไม่

ดร.ซัน จัน ผู้อำนวยการฝ่ายวิจัยไอทีของ FRDC กล่าวเกี่ยวกับโมเดล Physical-AI Hybrid ว่า “เทคโนโลยี_AI กระแสหลักในปัจจุบันใช้โมเดลการเรียนรู้เชิงลึก เพื่อตรวจสอบว่าผลิตภัณฑ์มีข้อบกพร่องหรือไม่ แต่ไม่สามารถอธิบายถึงพื้นฐานที่ใช้ในการตัดสินของ AI_ได้”

“ดังนั้นโซลูชันนี้จึงเป็นการผสมผสานระหว่างการเรียนรู้เชิงลึกและแบบจำลองทางกายภาพ ซึ่งไม่เพียงแต่สามารถระบุได้ว่าผลิตภัณฑ์มีคุณสมบัติครบถ้วนหรือไม่ แต่ยังสามารถระบุย่านความถี่ของความผิดพลาดได้ด้วย จากนั้นระบบไฮบริดสามารถตัดสินใจเบื้องต้นเกี่ยวกับสาเหตุของความผิดพลาด ด้วยข้อมูลนี้ลูกค้าสามารถเชื่อถือการตัดสินของ AI ได้อย่างสมบูรณ์และก้าวไปอีกขั้นได้อย่างรวดเร็ว”

เฉิน เชา กล่าวว่า “ด้วยความช่วยเหลือของเครื่องมือ AI_ใหม่ๆ นี้ ทำให้สามารถเปลี่ยนจากการสุ่มตัวอย่างด้วยคน ไปสู่การตรวจสอบแบบอัจฉริยะอย่างมีประสิทธิภาพเราได้บรรลุการปรับปรุงแบบพลิกโฉมในกระบวนการตรวจสอบคุณภาพของเรา”

การตรวจสอบที่มีประสิทธิภาพมากขึ้นถึง 30 เท่า

จากการทดสอบระบบ ได้ผลว่า มีการใช้เวลาในการตรวจสอบ ลดลงจากหนึ่งชั่วโมงเหลือเพียงสองนาที เท่ากับว่ามีประสิทธิภาพเพิ่มขึ้นถึงสามสิบเท่า อัตราการตรวจจับข้อบกพร่องและความผิดพลาดมีมากกว่า 99%

ยิ่งไปกว่านั้นระบบ AI_ไม่เพียงแต่สามารถค้นหาย่านความถี่ที่ผิดพลาดได้เท่านั้น แต่ยังสามารถระบุสาเหตุของความผิดพลาดเบื้องต้นได้อีกด้วย ซึ่งช่วยให้ผู้ใช้สามารถติดตามปัญหาย้อนหลังได้ตลอดกระบวนการผลิต และวางรากฐานสำหรับการเพิ่มประสิทธิภาพและการปรับปรุงเพิ่มเติมในอนาคต

IIT และ FRDC ยังวางแผนที่จะสร้างกราฟองค์ความรู้ AI_ซึ่งจะสามารถใช้เป็นฐานองค์ความรู้ของ AI_ในการทำงานบน ความสัมพันธ์ระหว่างข้อมูลที่ต่างกัน เกิดความน่าเชื่อถือระหว่างข้อมูลต่างชั้นกัน เป็นปัจจัยหนึ่งที่จะมั่นใจได้ว่า_AI จะสามารถใช้งานได้จริงสำหรับธุรกิจและในสังคมในอนาคต

การตรวจสอบคุณภาพสำหรับ NGC ไม่เพียงจะช่วยหลีกเลี่ยงปัญหาของกระบวนการผลิตที่มีแนวโน้มที่จะล้มเหลว แต่ยังช่วยส่งเสริมทักษะและประสบการณ์ของผู้ตรวจสอบคุณภาพอีกด้วย “การใช้กราฟองค์ความรู้ AI_ทำให้เราสามารถช่วยลูกค้าสร้างฐานความรู้ด้านอุตสาหกรรมดิจิทัลได้ ดังนั้นแม้จะเปิดตัวผลิตภัณฑ์ใหม่ แต่ก็สามารถเลียนแบบและนำประสบการณ์การตรวจสอบคุณภาพนี้ไปใช้ได้อย่างรวดเร็ว”

ชิน เจียน กล่าวอีกว่า “โซลูชันบนแพลตฟอร์มใหม่นี้จะใช้สำหรับการตรวจจับสินค้าที่ไม่มีคุณภาพและการบำรุงรักษาเกียร์ทดรอบในหุ่นยนต์ ปั๊มสุญญากาศและมอเตอร์สิ่งนี้ช่วยให้บริษัทผู้ผลิตอุปกรณ์สามารถปรับปรุงประสิทธิภาพการดำเนินงานได้อย่างมาก และช่วยให้พวกเขาก้าวกระโดดครั้งใหญ่ไปสู่การผลิตแบบอัจฉริยะ”

ปัญหาที่พบ

บริษัทผู้ผลิตอย่าง Nanjing High Accurate Drive Equipment Manufacturing Group (NGC) ประสบปัญหาการตรวจสอบคุณภาพผลิตภัณฑ์ที่ขาดประสิทธิภาพ และไม่สามารถติดตามหาสาเหตุของข้อบกพร่องได้

หลังจากที่ทดลองใช้โซลูชันการวินิจฉัยอัจฉริยะ จาก Physical-AI Hybrid Model ทำให้สามารถตรวจสอบคุณภาพผลิตภัณฑ์ทั้งหมดได้อย่างครอบคลุมและมีประสิทธิภาพ ซึ่งช่วยให้ NGC เปลี่ยนแปลงและอัปเกรดรูปแบบการตรวจสอบคุณภาพโดยไม่มีภาระงานเพิ่มเติม

ผลความสำเร็จจากการโครงการใช้_AI
  • มีระบบทดแทนการตรวจสอบแบบดั้งเดิมที่อาศัย การสุ่มตัวอย่างเอาเอง ทำให้ได้การตรวจสอบผลิตภัณฑ์อัจฉริยะที่มีประสิทธิภาพ
  • ประสิทธิภาพในการตรวจสอบเพิ่มขึ้น 30 เท่า สามารถเพิ่มอัตราการตรวจจับสินค้าที่ด้อยคุณภาพและข้อบกพร่องได้ถึงกว่า 99%
  • ตรวจหาย่านความถี่ของข้อผิดพลาดและตรวจสอบ ย้อนกลับไปถึงสาเหตุของข้อบกพร่องจนไปถึงแหล่ง ที่มาในกระบวนการผลิต
  • การสร้างกราฟองค์ความรู้ ทำให้ผู้ตรวจสอบคุณภาพ ได้รับทักษะและประสบการณ์ในระดับสูง

Leave a Response