กรณีศึกษาการใช้ AI เพื่อตรวจสอบคุณภาพอุปกรณ์ฟันเฟืองทั้งหมดได้อย่างแม่นยำ



ก่อนหน้านี้ Nanjing High Accurate Drive Equipment Manufacturing Group (NGC) ได้ดำเนินการตรวจสอบคุณภาพผลิตภัณฑ์โดยให้เจ้าหน้าที่เลือกสุ่มตัวอย่างด้วยตนเอง นั่นหมายความว่ายังมีปัญหาการทำงาน ที่ขาดประสิทธิภาพ ผลการตรวจสอบที่ผิดพลาดและสินค้าที่พลาดการตรวจสอบ นอกจากนี้ยังไม่สามารถติดตามหาสาเหตุของข้อบกพร่องได้

INESA Intelligent Technology (IIT) จึงได้ร่วมมือกับ Fujitsu R&D Center (FRDC) เพื่อสร้างชุดโซลูชันการวินิจฉัยอัจฉริยะ จาก Physical-AI Hybrid Model ทำให้สามารถตรวจสอบคุณภาพผลิตภัณฑ์ทั้งหมดได้

อย่างครอบคลุมและมีประสิทธิภาพ ซึ่งช่วยให้ NGC เปลี่ยนแปลงและอัปเกรดรูปแบบการตรวจสอบคุณภาพ

โดยไม่มีภาระงานเพิ่มเติม

ประโยชน์ที่ได้รับ คือ

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

Nanjing High Accurate Drive Equipment Manufacturing Group Co. , Ltd. (NGC) มีสำนักงานใหญ่อยู่ที่เมืองหนานจิงประเทศจีน ก่อตั้งขึ้นในปี ค.ศ.1969 ปัจจุบันเป็นผู้ผลิตอุปกรณ์ส่งกำลังลม (Wind Power Transmission Equipment) อันดับหนึ่งของประเทศและอันดับสามของโลก นอกจากนี้ยังเป็นผู้ผลิตอุปกรณ์ฟันเฟืองชั้นนำของอุตสาหกรรมด้วยเทคโนโลยีขั้นสูง คุณภาพที่เชื่อถือได้ และให้บริการเต็มรูปแบบ NGC ได้กลายเป็นองค์กรตัวอย่างสำหรับนวัตกรรมทางเทคนิคในประเทศจีน แบรนด์ NGC ค่อยๆ มีชื่อเสียงไปทั่วประเทศจีน และ ได้รับการยอมรับจากนานาชาติในฐานะหนึ่งในบริษัทที่มีความสามารถในการแข่งขันสูงสุดในอุตสาหกรรม

Chen Chao หัวหน้าแผนกตรวจสอบของ NGC กล่าวว่า เราผลิตอุปกรณ์ฟันเฟืองหลายร้อยชิ้นทุกวัน ผู้ตรวจสอบคุณภาพแต่ละคนจะตัดสินว่ามีข้อผิดพลาดหรือไม่โดยการสุ่มทดสอบสินค้าด้วยตนเอง แม้แต่ผู้ตรวจสอบคุณภาพที่มีประสบการณ์สูงก็ยังต้องใช้เวลาถึงหนึ่งชั่วโมงในการตรวจให้ครบตามแบบทดสอบ อย่างไรก็ตามเพื่อให้ทันต่อการผลิตเราจำเป็นต้องทำการตรวจสอบคุณภาพให้เสร็จสิ้นภายในห้านาทีดังนั้นเราจึงสามารถตรวจสอบเฉพาะสินค้าที่สุ่มตัวอย่างเท่านั้น นี่คือแนวทางปฏิบัติทั่วไปในอุตสาหกรรมของเรา

ทว่า วิธีการสุ่มตัวอย่างมีข้อเสียหลายประการ ประการแรกคือ การทดสอบด้วยตนเองนั้นมีประสิทธิภาพค่อนข้างต่ำและไม่สามารถหลีกเลี่ยงปัญหาของผลการตรวจสอบที่ผิดพลาดและสินค้าที่ขาดการตรวจสอบได้ ประการที่สอง ต้องพึ่งพาทักษะและประสบการณ์ในระดับสูง ประการที่สามไม่สามารถตรวจสอบย้อนกลับไปยังแหล่งที่มาซึ่งเป็นต้นเหตุของข้อบกพร่องและความล้มเหลวได้ ดังนั้นจึงไม่สามารถปรับปรุง

การทำงานในขั้นตอนการผลิตอื่นๆ ให้ดียิ่งๆ ขึ้นได้

“เพื่อรับมือกับปัญหาดังกล่าว เราจึงตัดสินใจนำเทคโนโลยีดิจิทัลเช่น AI มาใช้เนื่องจากเราคิดว่าจะช่วยให้สามารถตรวจสอบผลิตภัณฑ์ในระบบอัจฉริยะอย่างมีประสิทธิภาพได้ หลังจากการประเมินทางเลือกอย่างถี่ถ้วนแล้ว ปรากฏว่าความแข็งแกร่งทางเทคนิคของ IIT1 และ FRDC ทำให้เรามีความประทับใจอย่างมากโดยเฉพาะอย่างยิ่งในเรื่องของประสบการณ์อันยาวนานในด้านระบบการผลิตอัจฉริยะและความสามารถในการวิจัยด้าน AI ของพวกเขาทำให้เรารู้สึกว่าจะสามารถทำงานร่วมกันเพื่อให้บรรลุเป้าหมายได้เป็นอย่างดี” Chen Chao กล่าว

สร้างโซลูชันการวินิจฉัยอัจฉริยะโดยใช้ AI

ด้วยความเข้าใจเกี่ยวกับสถานะการผลิต และปัญหาเฉพาะของ NGC โดยละเอียด ทาง IIT ได้ร่วมมือกับ FRDC เพื่อสร้างโซลูชันการวินิจฉัยอัจฉริยะโดยใช้ Physical-AI Hybrid Model2 โดยที่ FRDC ได้พัฒนาและใช้อัลกอริทึมที่เกี่ยวข้องกับ AI และแบบจำลองทางกายภาพตามเวลา / ความถี่ จากนั้น IIT จึงใช้เทคโนโลยีเหล่านี้มาพัฒนาผลิตภัณฑ์โดยรวมและให้บริการด้านการใช้งานโซลูชัน

Qin Jian ผู้จัดการทั่วไปของแผนกวางกลยุทธ์ของ IIT อธิบายการทำงานของระบบว่า เป็นการใช้เซ็นเซอร์การสั่นสะเทือนที่ติดตั้งบนอุปกรณ์ฟันเฟืองเพื่อรวบรวมข้อมูลสัญญาณการสั่นสะเทือนหลายมิติแบบเรียลไทม์ ซึ่งจะถูกจัดเก็บ ซิงโครไนซ์และบูรณาการเข้าด้วยกัน การใช้ Physical-AI Hybrid Model ทำให้มีการวิเคราะห์แบบเรียลไทม์ด้วย ข้อมูลที่ตรวจพบจากย่านความถี่ต่างๆ สิ่งนี้ช่วยให้ระบบตรวจสอบได้อย่างรวดเร็วว่า ผลิตภัณฑ์มีข้อบกพร่องหรือผิดพลาดหรือไม่

Dr.Sun Jun ผู้อำนวยการฝ่ายวิจัยไอทีของ FRDC กล่าวถึงโมเดล Physical-AI Hybrid ว่า เทคโนโลยี AI กระแสหลักในปัจจุบันใช้โมเดลการเรียนรู้เชิงลึกเพื่อ ตรวจสอบว่าผลิตภัณฑ์มีข้อบกพร่องหรือไม่ แต่ไม่สามารถอธิบายถึงพื้นฐานที่ใช้ในการตัดสินของ AI ได้ ดังนั้นโซลูชันนี้จึงเป็นการผสมผสานระหว่างการเรียนรู้เชิงลึกและแบบจำลองทางกายภาพ ซึ่งไม่เพียงแต่สามารถระบุได้ว่าผลิตภัณฑ์มีคุณสมบัติครบถ้วนหรือไม่ แต่ยังสามารถระบุย่านความถี่ของความผิดพลาดได้ด้วย จากนั้นระบบไฮบริดสามารถตัดสินใจเบื้องต้นเกี่ยวกับสาเหตุของความผิดพลาด ด้วยข้อมูลนี้ลูกค้าสามารถเชื่อถือการตัดสินของ AI ได้อย่างสมบูรณ์และก้าวไปอีกขั้นได้อย่างรวดเร็ว

Chen Chao กล่าวว่า ด้วยความช่วยเหลือของเครื่องมือ AI ใหม่ๆ นี้ ทำให้เราสามารถเปลี่ยนจากการสุ่มตัวอย่างด้วยคน ไปสู่การตรวจสอบแบบอัจฉริยะอย่างมีประสิทธิภาพเราได้บรรลุการปรับปรุงแบบพลิกโฉมในกระบวนการตรวจสอบคุณภาพของเรา

จากการทดสอบระบบสาธิต (PoC : Proof of Concept) ทำให้ใช้เวลาในการตรวจสอบ ลดลงจากหนึ่งชั่วโมงเหลือเพียงสองนาที เท่ากับว่ามีประสิทธิภาพเพิ่มขึ้นถึงสามสิบเท่า อัตราการตรวจจับข้อบกพร่องและความผิดพลาดมีมากกว่า 99% ยิ่งไปกว่านั้นระบบ AI ไม่เพียงแต่สามารถค้นหาย่านความถี่ที่ผิดพลาดได้เท่านั้น แต่ยังสามารถระบุสาเหตุของความผิดพลาดเบื้องต้นได้อีกด้วย ซึ่งช่วยให้ผู้ใช้สามารถติดตามปัญหาย้อนหลังได้ตลอดกระบวนการผลิต และวางรากฐานสำหรับการเพิ่มประสิทธิภาพและการปรับปรุงเพิ่มเติมในอนาคต

IIT และ FRDC ยังวางแผนที่จะสร้างกราฟองค์ความรู้ AI 3 ของการตรวจสอบคุณภาพสำหรับ NGC สิ่งนี้ไม่เพียงจะช่วยหลีกเลี่ยงปัญหาของกระบวนการผลิตที่มีแนวโน้มที่จะล้มเหลว แต่ยังช่วยส่งเสริมทักษะและประสบการณ์ของผู้ตรวจสอบคุณภาพอีกด้วย การใช้กราฟองค์ความรู้ AI ทำให้เราสามารถช่วยลูกค้าสร้างฐานความรู้ด้านอุตสาหกรรมดิจิทัลได้ ดังนั้นแม้จะเปิดตัวผลิตภัณฑ์ใหม่ แต่ก็สามารถเลียนแบบและนำประสบการณ์การตรวจสอบคุณภาพนี้ไปใช้ได้อย่างรวดเร็ว

Qin Jian กล่าวว่า โซลูชันบนแพลตฟอร์มใหม่นี้จะใช้สำหรับการตรวจจับสินค้าที่ไม่มีคุณภาพและการบำรุงรักษาเกียร์ทดรอบในหุ่นยนต์ ปั๊มสุญญากาศและมอเตอร์สิ่งนี้ช่วยให้บริษัทผู้ผลิตอุปกรณ์สามารถปรับปรุงประสิทธิภาพการดำเนินงานได้อย่างมาก และช่วยให้พวกเขาก้าวกระโดดครั้งใหญ่ไปสู่การผลิตแบบอัจฉริยะ

“ด้วยความร่วมมือกับ IIT และ FRDC เราได้เปลี่ยนแปลงและยกระดับรูปแบบการตรวจสอบคุณภาพของเรา NGC จะยังคงค้นหาวิธีการสร้างสรรค์นวัตกรรมและมีส่วนร่วมในการสร้างอนาคตที่ดีกว่าและยั่งยืนกว่าสำหรับทุกคน” Chen Chao กล่าว