Klacci 凱樂奇 消防緊急疏散解決方案
從鐘錶匠的單聲道，到用於促進繪畫的所謂「相機盧西達」，工匠們對藉助光學技術，提高感官技能和製造商品或藝術品並不陌生。然而，隨著工業革命和從手工工藝，到機器驅動的大規模生產的不可阻擋的轉變，我們的創造方法已經完全改變。因此，所有目的在增強人類視覺的光學裝置，都讓位於新的高科技工具，這些工具可以為此類機器提供某種視覺感知。這就是電腦視覺發揮作用的地方。
製造業中的電腦視覺是什麼？
製造業的電腦視覺側重於建立人工系統，這些系統可以捕獲、處理，從而理解來自實體世界（主要是工廠和其他工業場所）的視覺輸入，以引起適當的反應，並協助人類完成各種與生產相關的任務。
在製造業和其他領域，電腦視覺最原始的化身可以辨識特定物件，並根據基於規則的原則觸發答案，即透過辨識捕獲的視覺中的某些特徵，並驗證它們是否與一組給定引數比對。然而，這種方法容易產生許多假陽性，對於處理處理圖片或影像等非結構化資料來源時，通常發生的更微妙的細微差別和變化，並不那麼有效。
人工智慧、機器學習（ML）和深度神經網路的最新進展，有助於解決這些問題，使製造企業能夠透過自我改進演算法，增強其電腦視覺系統，這些演算法可以辨識反覆出現的視覺模式，並透過經驗將其與某些專案聯絡起來。實際上，ML 驅動的電腦視覺解決方案，可以用數百萬張影像進行訓練，以自主發現每個物體的典型特徵（包括結構非常複雜或異常條件下的產品和機器），學會辨識它們，甚至隨著時間的推移微調它們的效能。
這導致了更高的精度、更好的上下文理解、卓越的靈活性和對新視覺元素的響應能力，而無需事先寫程式，以及在製造領域應用範圍越來越廣。
如今，製造業中的電腦視覺通常部署到：
- 用於自動化產品組裝的引導機器人
- 執行品質控制和檢查任務
- 最佳化倉庫管理和供應鏈
- 檢測工業機械操作中的異常
- 監督工作流程，以確保員工安全
在深入研究這些案例之前，讓我們先瞭解投資電腦視覺服務的好處，以及一些潛在的採用障礙，和克服這些障礙的最佳實踐。
電腦視覺在製造中的好處
正如美國國家標準與技術研究所（NIST）指出的那樣，在過去兩年裡，新冠肺炎爆發造成的營運和後勤中斷，給已經因生產率十年的放慢，而陷入困境的製造業帶來了壓力。
需要尋求獲得新勢頭的方法，並在高度不穩定的情況下，使該部門更具復原力，這一直是製造業數位化轉型的巨大催化劑，即實施新的尖端技術，以及由此向工業 4.0 模式的轉移。電腦視覺在工業流程中的日益部署，無疑是這一轉移的主要方面之一，因為它在以下方面大大有助於加強製造業：
- 提高生產力：根據德勤和 MAPI 的 2019 年智慧工廠報告，佈署全天候執行的電腦視覺機器人，和其他自動化系統加速了製造週期，導致勞動生產率成長 12%，總產出成長 10%。
- 成本最佳化：生產力的提高，加上透過自動化和基於電腦視覺的維護，實現的機器停機時間減少（根據麥肯錫的估計，最高可達 50%），也轉化為營運成本的普遍降低。
- 提高品質：正如麥肯錫所指出的，電腦視覺驅動機器人以手術精度執行，確保更好的產品品質，並全面降低品質保證操作成本 10-20%。
- 勞動力安全：製造業中的電腦視覺也可以被用來，辨識可能危及工廠員工的故障，以及監測工人的狀況和檢測疲勞或不適的跡象。
電腦視覺市場見解
大多數行業分析似乎證實了電腦視覺在製造業中的積極影響。根據 Grand View Research 的 2021 年電腦視覺市場規模、比率和趨勢分析報告，由於該技術廣泛用於裝配線自動化和預測維護，製造部門在 2020 年領先於全球電腦視覺市場。
此外，根據 IBM 的 2021 年數位化轉型評估報告，電腦視覺是幫助製造商實現其業務目標的主要技術之一（佔受訪公司的 77%）。 另一方面，IBM 的研究也揭示了在製造領域採用新技術的一些最常見的障礙。
採用障礙和最佳實踐
讓我們更好地建構上述問題，並定義一些可能有助於解決製造場景中，電腦視覺佈署挑戰的一般準則：
- 技術生態系統：人工智慧驅動的電腦視覺，需要資料和底層技術基礎設施來收集資料，因為通常為標準過程監控收集的資料集，可能不適合機器學習演算法，最終會適得其反。 升級製造廠的網路和系統需要適當的投資和專業知識。
- 投資者的參與：談到投資，高層管理層和利益相關者，可能不願意將預算的很大一部分，用於電腦視覺和相關技術。一個可行的解決方案是制訂一個漸進的實施計劃，以確保小規模的短期結果。這些成就應該有助於說服投資者和管理層，相信數位化的潛在優勢。
- 員工教育訓練：其他要說服的人是員工，因為任何促進自動化的技術，都會對他們的職業生涯產生嚴重後果。在這方面，考慮是否有可能透過有針對性的訓練計劃，提高員工的技能，以更好地與電腦視覺工具互動，並聘請具有紮實技術專業知識的新專業專業人士，與他們並肩工作。
- 流程協調：新技術可能不完全符合現有業務流程。我們的建議是，再次逐步實施電腦視覺，以便正確地重新調整製造工作流程，並讓員工熟悉這些技術。另一個主要目的是建立英才中心，監督這些解決方案的採用。
- 案例辨識：許多組織甚至沒有克服第一個障礙，即選擇用例。這裡的規則是遵循資金，即選擇可能從電腦視覺中，獲得更多益處的應用領域，例如，選擇那些充滿瓶頸的功能，無論是品質檢查還是產品追蹤。
製造業中的 4 個電腦視覺用例
由於我們提到將合適的案例辨識，為電腦視覺實施的潛在挑戰，以下是製造業中這項技術的關鍵應用，和成功現實生活中的例子的簡要概述。
1. 視覺引導機器人系統
如果萊昂納多知道機器人在製造業中的未來角色（和能力），他可能會很激動。相反，對於 21 世紀的人類來說，工業機器人被認為是理所當然的。如今，電腦視覺引導機器人是任何裝配線的基石。事實上，他們可以很容易地用機械臂辨識和操作物體，或者繪製周圍的地圖來漫遊製造工廠，這使他們成為改善生產產出，和簡化倉庫管理和物流的寶貴工具。
以下這些是電腦視覺驅動機器人，執行的一些典型任務：
- 產品加工和組裝
- 託盤化、包裝和分揀
- 重型裝置清潔
- 產品標籤和追蹤
- 倉庫監控補貨
這種技術在實地的例子無數。 其中，我們可以提到 Sawyer Robot，這是由總部位於田納西州的塑膠注射成型公司 Tennplasco，佈署的多功能機器人手臂，還有 BluePrint Automation 的機器人紙箱裝載系統，該系統利用電腦視覺獲取非定向的包裝。另一方面，奧地利汽車製造商 Magna Steyr，採用了智慧無人機來掃描標籤，並促進庫存操作。
2. 品質保證
電腦視覺驅動的機器人非常準確，但生產鏈中的某些東西總是會出錯。幸運的是，電腦視覺系統也可以佈署來仔細檢查產品的品質。這種先進的自動目視檢查涉及使用高解析度攝影機掃描成品，使用機器學習演算法處理資料，以辨識異常情況，從而確保每件物品（包括其包裝）符合所有必要的品質標準。
在這方面，看看 VOLVO 汽車的解決方案。其名為 Atlas 的電腦視覺系統可以使用 20 多個攝影機掃描每輛車，以發現表面缺陷，與手動檢查相比，它可以發現多達 40% 的異常情況。
3. 資產維護
魔鬼在細節中，無論是在辨識製造缺陷還是工業資產異常時。好消息是，電腦視覺系統透過機器學習增強，用於異常檢測，可以很好地處理細節。事實上，這些工具可以使用攝影機、紅外線熱成像和其他類型的感測器探測工業機械，以發現任何可能成為故障跡象的偏差（如異常溫度和振動），並在故障實際發生之前預測即將發生的故障。
例如，通用汽車採用了電腦視覺解決方案，目的在分析安裝在裝配機器人上的攝影機的影像，並檢測影響其元件的故障。
4. 人員安全
電腦視覺可以成為機器的守護天使，最重要的是人類，因為預測性維護允許製造公司提前維修機器，從而避免危險情況。此外，它可以用於在各種工業環境中，不斷監督複雜的製造操作。
英國主要建築裝置製造商小松有限公司，也採取了類似的方法，該公司與英偉達合作，採用了基於人工智慧和影像分析的電腦視覺解決方案。該平台可以監控甚至預測工人和裝置的移動，以發出潛在碰撞或其他危險相互作用的訊號。
結論
事實證明，電腦視覺，以及涉及工業流程數位化的許多其他技術，是製造企業的寶貴盟友，導致大幅削減成本，提高生產產出和品質，提高精度，提高員工安全。 顯然，組織不應該掉以輕心採用電腦視覺，因為它的實際佈署最終可能比預期的更棘手。
然而，透過適當的投資、再培訓計劃、工作流程協調舉措和使用案例辨識，電腦視覺驅動的機器將推動工業製造業，就像過去幾個世紀對美的熱愛鼓勵工匠，創造他們的手工產品一樣。 不同的是，與愛不同，機器不是盲人。 不再是了。
0 comments:
張貼留言