ถึงแม้ว่าปัจจุบันจะมีการนำระบบอัตโนมัติและเทคโนโลยี IoT มาใช้ในอุตสาหกรรมการผลิต ซึ่งช่วยเพิ่มความรวดเร็วให้กับกระบวนการผลิต แต่กระบวนการตรวจสอบ defect ซึ่งเป็นขั้นตอนการตรวจคุณภาพผลิตภัณฑ์ ยังมักต้องอาศัยความเชี่ยวชาญของเจ้าหน้าที่เป็นหลัก ซึ่งบางครั้งอาจทำให้เกิดความล่าช้า มีค่าใช้จ่ายสูง เป็นอันตรายแก่เจ้าหน้าที่ อีกทั้งยังอาจทำให้เกิดปัญหาคอขวด และทำให้เกิดการหยุดชะงักได้หากผู้เชี่ยวชาญไม่สามารถปฏิบัติงานได้

ภาพแผงวงจรอิเล็กทรอนิกส์ (PCB) ที่มี defect ซึ่งสังเกตด้วยตาเปล่าแทบไม่เห็น

อย่างไรก็ดี ที่ผ่านมาได้เริ่มมีการนำความสามารถของเทคโนโลยีปัญญาประดิษฐ์ (AI) ในการวิเคราะห์ภาพนิ่งและภาพเคลื่อนไหวมาใช้ เพื่อช่วยผู้ผลิตตรวจหาจุดบกพร่องของชิ้นส่วนต่างๆ พร้อมแจ้งเตือนแบบเรียลไทม์หากพบ defect

หัวใจสำคัญของเทคโนโลยีนี้คือ AI Vision ควบคู่ไปกับการเทรนระบบด้วยแมชชีนเลิร์นนิง โดยนำภาพที่มีความละเอียดสูงจากฝ่ายผลิต มาเปรียบเทียบกับคลังภาพที่แสดงจุดบกพร่องของชิ้นส่วนนั้นๆ โดยเปรียบเทียบชิ้นส่วนที่ดีกับชิ้นส่วนที่ไม่ดี เพื่อนำมาพัฒนาเป็นโมเดลการ cognitive เพื่อตรวจหาข้อบกพร่องในชิ้นส่วน ส่วนประกอบ และผลิตภัณฑ์ต่างๆ ร่วมกับเซิร์ฟเวอร์ประมวลผลแบบ edge ที่เชื่อมต่อกับกล้องในโรงงานผลิต โดยชิ้นส่วนที่มี defect นั้น อาจมีทั้งกรณีที่ส่วนประกอบบนแผงวงจรขาดหาย สีเกิดฟองอากาศ พื้นผิวมีรอยขีดข่วน ติดฉลากผิด หรือมีการผุกร่อน เป็นต้น

หากภาพที่ถ่ายโดยกล้องความละเอียดสูงในโรงงานผลิตสอดคล้องกับจุดบกพร่องที่บันทึกไว้แล้วในคลังภาพ ระบบก็จะแจ้งเตือนให้ตรวจสอบข้อบกพร่องดังกล่าว แต่เนื่องจากโอกาสที่สองสิ่งจะตรงกัน 100% นั้นค่อนข้างต่ำ หัวหน้าฝ่ายตรวจสอบจึงสามารถกำหนดเกณฑ์ขั้นต่ำที่ยอมรับได้ และเมื่อใดที่ตัวเลขต่ำกว่าเกณฑ์ดังกล่าวระบบก็จะแจ้งเตือนให้ตรวจสอบอย่างละเอียด

ตัวอย่างเช่น หากโมเดลการคิดรู้พบว่าภาพที่ตรวจสอบตรงกับภาพจุดบกพร่องทั้งหมด ระดับความมั่นใจก็จะอยู่ที่ 100% แต่หากภาพที่ตรวจสอบไม่ตรงกับภาพจุดบกพร่องทั้งหมด แต่มีความคล้ายคลึงกันมาก ระดับความมั่นใจก็อาจลดลงมาอยู่ที่ 85% เป็นต้น

ภาพระบบ AI ตรวจพบ defect (สี่เหลี่ยมสีแดง) พร้อมระบบลักษณะของ defect ว่าตัวเข็มงอ (bent pin)

การมีตัวชี้วัดเช่นนี้ช่วยให้พนักงานสามารถตรวจสอบเฉพาะรายการที่มีระดับความมั่นใจต่ำกว่าเกณฑ์ที่กำหนดไว้ โดยที่ผู้เชี่ยวชาญสามารถนำเวลาที่มีไปโฟกัสที่การระบุจุดบกพร่องประเภทใหม่ๆ โดยความสามารถด้าน cognitive ของเทคโนโลยีนี้จะนำสู่การเรียนรู้และปรับปรุงอย่างต่อเนื่องของระบบตามฟีดแบ็คที่ได้จากผู้เชี่ยวชาญ

Smart Modular ผู้ผลิตส่วนประกอบหน่วยความจำที่ใช้ในคอมพิวเตอร์ ได้ผสานการเทคโนโลยีนี้เข้ากับหุ่นยนต์เพื่อระบุและแยกส่วนประกอบเซมิคอนดักเตอร์ที่บกพร่องออกมาก่อนที่ชิ้นส่วนนั้นจะเข้าสู่ขั้นต่อไปของการประมวลผล

ผู้ผลิตรถยนต์ระดับโลกแห่งหนึ่งก็ได้นำ AI สำหรับ Quality Inspection มาใช้จัดทำระบบอัตโนมัติสำหรับตรวจสอบจุดบกพร่องของชิ้นส่วนรถยนต์ด้วยภาพระหว่างกระบวนการผลิต โดยมุ่งตรวจสอบจุดบกพร่อง 5 ประเภท คือ รอยขีดข่วน, รอยบุบ, Bibiri, Suana และ Dansuki) บนชิ้นส่วน 5 ชนิด ได้แก่ เพลาลูกเบี้ยว A, เพลาลูกเบี้ยว B, เพลาข้อเหวี่ยง, ฝาสูบ และเสื้อสูบ

IBM เองก็ได้นำเทคโนโลยีดังกล่าวมาใช้กับโรงงานผลิตเซิร์ฟเวอร์ Power Systems ที่เมืองกวาดาลาฮาราด้วยเช่นกัน เพื่อยกระดับการตรวจหา defect ในกระบวนการผลิตให้ดียิ่งขึ้น

เทคโนโลยี AI Quality Inspection ยังถูกนำไปใช้ในอีกหลายอุตสาหกรรม ตั้งแต่น้ำมันและเชื้อเพลิง ไปจนถึงการศึกษาด้านเนื้องอก ดังตัวอย่างของ Abu Dhabi Natural Oil Company ที่มีการนำโมเดล Deep Learning มาเสริมความสามารถให้กับนักธรณีวิทยาที่ทำหน้าที่วิเคราะห์ดินเพื่อให้สามารถตรวจหาบ่อน้ำมันได้อย่างแม่นยำ หรือ Promare ซึ่งเป็นองค์กรด้านการวิจัยและสำรวจทะเล ก็กำลังใช้โมเดล Deep Learning เรียนรู้จากประวัติศาสตร์ 400 ปี เพื่อให้เรือ Mayflower สามารถเดินทางข้ามมหาสมุทรแอตแลนติกด้วยตัวเอง

วันนี้ยังได้มีการนำระบบคลาวด์เข้ามาใช้ เพื่อให้อุตสาหกรรมสามารถจัดการกับกระบวนการตรวจสอบได้จากส่วนกลางโดยผ่านแดชบอร์ด ซึ่งมีตัวชี้วัดสำหรับการรายงานที่หลากหลาย โดยสามารถจัดทำรายงานแบบเรียลไทม์ หรือตามรอบเวลาที่กำหนดตามความเหมาะสม และสรุปข้อมูลกิจกรรมที่ดำเนินอยู่รวมถึงเจาะลึกลงไปในแต่ละกระบวนการได้

เพราะวันนี้ ยุคนี้ โรงงานต่างๆ ต้องไม่ปิด และเดินหน้าผลิตต่อไปได้แม้ในสถานการณ์ที่ไม่คาดคิด!

RELATED ARTICLE

Responsive image

พาทัวร์ IBM Watson Experience Center ใจกลางกรุงซานฟรานซินโก

เมื่อพูดถึงบริษัทไอทียักษ์ใหญ่ที่ Transform และมีความเคลื่อนไหวตลอดเวลานั้น เห็นจะหนีไม่พ้นยักษ์ใหญ่อย่าง IBM ถ้าใครติดตามข่าว techsauce เป็นประจำก็จะเจอกรณีศึกษาการทดสอบเรื่อง Blo...

Responsive image

IBM Bluemix กับการรองรับ IoT และการทำงานร่วมกับบริการอื่นๆ เพื่อเพิ่มประสิทธิภาพและสร้างประสบการณ์ใหม่ๆ ให้ผู้ใช้งาน

หากจะให้พูดถึงเทคโนโลยีที่เริ่มนำมาใช้กันอย่างแพร่หลายมากขึ้นในชีวิตประจำวัน คงไม่พ้น Internet of Things จากเมื่อก่อนที่เป็นเพียงความสนุก ตอนนี้มีการเริ่มนำมาใช้ให้เกิดประโยชน์ในรู...

Responsive image

IBM จับมือ Digital Ventures เสริมแกร่งภาคธุรกิจ-การศึกษา หนุน FinTechไทย ดึง IBM Watson พร้อมเดินหน้าผลักดัน cognitive ในไทยเต็มตัว

IBM ประกาศความพร้อมนำเทคโนโลยี Cognitive เข้าเสริมศักยภาพธุรกิจไทยตั้งแต่องค์กรขนาดใหญ่จนถึง Startup ระดมผู้เชี่ยวชาญมุ่งสร้าง Ecosystem ธุรกิจ-การศึกษาสนับสนุนนโยบายรัฐ พร้อมจับมื...