104學習精靈

不良分析

不良分析
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 7 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • 不良分析
    • 關於教室
    關注人數 7 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • 不良分析
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    不良分析 學習推薦

    全部
    影片
    文章
    緯育TibaMe
    關注
    緯育TibaMe

    2022/12/07

    企業如果想導入AI瑕疵檢測技術該怎麼做？三大產業成功案例分享
    ▍專家認為，製造業是 AI 在台灣最具發展潛力的產業領域
    製造業的產品檢測，搭配高解析度的攝影機與光學元件配置進行機器視覺系統的建置，結合自動化流程設定，即得自動光學檢測辨識 ( Automatic Optical Inspection , AOI )，可輕鬆檢測小到人眼無法看到的物件細節、兼具高效辨識穩定性。
    • 搭配AI建模的瑕疵檢測，有效提升辨識精準度、生產力、效率。
    • 檢測漏檢率僅0.1%，超過人眼辨識10倍以上。因此在生產線上，機器視覺系統每分鐘能快速且精確的檢測數百個，甚至數千個物件，遠勝於人工的檢測能力。
    • 應用產業：PCB、半導體產業、手機零件、醫療器材、各製造業(ex: 相機光學鏡片、高爾夫球、紡織業..等)高單價商品，AI建模提升辨識良率精準度外，提升產線的良率也非常重要。
    • AOI不僅是篩檢瑕疵品的剔除者，也蒐集不良品資料，由瑕疵檢測細項數據分析、歸納找出每階段製程不良的原因，減低不良品生成，提升產線良率。
    ▍產業檢測必備，AI 優化 AOI 影像辨識率
    AI深度學習技術利用神經網路，將需辨識的圖像類型加上標示，進而從這些圖像中辨識物件已知的功能特徵，異常和類別進行系統模型的訓練。
    在訓練期間，訓練系統 AI模型辨識明確的缺陷瑕疵、存在多種形式的缺陷、和學習物件的正常外觀，包括顯著但可容許的變化。將 AI 助攻 AOI用於產品外觀檢測，涵蓋人工檢測的靈活度、機器檢測所具備的高可靠性，錯誤率更低，辨識速度更快的特性。
    AOI自動光學檢測辨識系統，以非接觸式運用機器視覺擷取影像進行分析，應用層面遍及高科技產業研發、製造品管、電子機械業、醫療業等多種產業。
    因AOI為非接觸式擷取影像進行分析，為業界廣泛應用於半成品或製程不影響產能的影像抽檢，特別是部分產業，例如印刷電路板(PCB)在極高良率要求，以AI智慧化檢測系統來減低AOI過篩誤判的現象，更能優化後續篩檢，提增影像辨識精確度。
    ▍如果想學習AI瑕疵檢測並導入企業該怎麼做
    AOI 搭配 AI深度學習技術，已成功部署於產業進行實務運用，讓深度學習更普及於市場上各產業優化的必備技術。
    TibaMe的「AI產品瑕疵檢測-應用CNN物件偵測實作班」，能讓學員瞭解常見產品瑕疵影像任務種類與深度學習如何應用在產品瑕疵影像辨識的整體概念，使學員在應用與研發相關系統時，能充分瞭解須注意的重點。
    授課講師具有台大資工所背景，曾參與多項知名公司AI專案開發經驗，並於科技軟體公司擔任工程師，具備豐富的AI專案實務開發與軟體整合經驗。
    這堂課，你將學會：
    一、業界專業視角定義瑕疵影像分類，確認每個瑕疵影像邊緣
    二、以物件偵測找出瑕疵並標註範圍與各瑕疵類別比對
    三、AI建模學習瑕疵類別與範圍
    四、以實際影像進行檢驗，比對模型辨識準確度(Accuracy)與辨識位置
    五、AI影像辨識建模的基本功
    六、了解各類經典AI模型
    七、實作AI建模分析
    產學接軌，榮獲2022年AIGO金質培訓課程
    🏭 培訓成果亮點企業(一)：正文科技股份有限公司
    「醫療器材讀數智慧辨識 MEOCR」是一個結合了物件偵測以及 OCR 技術的服務，可將量測完的醫療器材照片自動轉換成對應的量測讀數。此服務讓 APP 使用者透過手機拍攝照片完成健康數據的紀錄 ，改善原本使用者判讀不正確、輸入錯誤、輸入流程費時等使用者體驗不佳的問題。
    🏭 培訓成果亮點企業(二)：新呈工業股份有限公司
    「AI檢測連結器卡榫」使用 YOLO 物件偵測的技術，利用產品卡榫特徵/顏色進行區隔並進行模型訓練，將攝像頭抓取到的圖像擷取，送入CNN網路處理預測結果得到檢測的目標，最後進行網絡預測判斷連結器是否安裝卡榫，結合 Kneron dongle 提升運算速率外可節省硬體(主機)成本金額花費。
    🏭 培訓成果亮點企業(三)：東鄉工業有限公司
    「原材表面缺陷檢查系統」適用於鋼捲、銅鋁箔、軟式電路板、PET膜等電子化工原材表面檢查，自動光學檢測領域結合了光學、機械、電機和資訊等多種技術領域，廣泛應用於各種產業或相關的產品。
    想得到的實際應用影像檢測分析技術，都在「AI產品瑕疵檢測-應用CNN物件偵測實作班」這門課，培訓成果看得見，結訓後將課堂所學直接導入企業，創造最大商業價值！
    立即了解課程內容>> https://bit.ly/3UI3fvy
    企業如果想導入AI瑕疵檢測技術該怎麼做？三大產業成功案例分享
    0 0 2602 1
    學習精靈

    youtube.com
    📌Plastic 酷知識 026｜射出成型不良原因分析．圖解篇
    147 6
    學習精靈

    05/05 00:00

    youtube.com
    📌Plastic 酷知識 029｜射出成型不良原因分析．進澆口痕跡
    15 0

    推薦給你

    PM雜學相談室－新手轉職PM交流區🙌
    關注
    知識貓星球

    喵星人

    11/23 19:44

    為什麼我的團隊出現「數據孤島」的情形？如何解決資訊不流通
    數據孤島（Data Silos）是指在組織內部，不同部門或系統之間的數據無法有效共享和整合的現象。這種情況通常導訊息的孤立，影響企業的運營效率和決策能力。
    【數據孤島的特點】
    - 隔離性：數據孤島中的數據只能由特定的部門或團隊訪問，其他部門無法獲取或使用這些數據，造成訊息流通不暢。
    - 重複性：不同部門可能會儲存相同的數據，導致資源浪費和數據不一致的問題。
    - 決策困難：由於數據分散，企業難以進行全面的數據分析，影響決策的準確性和及時性。
    【數據孤島的成因】
    1. 技術障礙：不同部門使用的系統和平台可能不兼容，缺乏統一的數據標準和接口，導致數據無法共享。
    2. 組織結構：各部門之間缺乏協作機制，可能出於自身利益考量而不願意共享數據，形成部門壁壘。
    3. 數據治理不足：缺乏系統的數據治理策略，導致數據管理混亂，影響數據的質量和可靠性。
    【數據孤島的影響】
    ✔ 降低效率：數據孤島會導致業務流程繁瑣，無法實現高效的跨部門協同，增加工作負擔。
    ✔ 影響決策：由於無法獲取全面的數據支持，管理層在做出決策時可能面臨困難，增加決策風險。
    ✔ 資源浪費：重複的數據存儲和處理不僅浪費了時間和人力資源，還可能導致數據的過時和不準確。
    解決數據孤島問題的技術手段主要集中在數據整合、數據治理和系統協作等方面。以下是一些有效的技術方法：
    【解決數據孤島的技術手段】
    1. 數據集成平台
    數據集成平台可以將來自不同系統的數據集中存儲、處理和分發，實現數據的一致性和可視化。這些平台通常使用ETL（提取、轉換、加載）工具來整合數據，從而消除數據孤島。
    2. 數據倉庫和數據湖
    數據倉庫和數據湖可以集中管理來自不同來源的數據，提供統一的數據視圖。數據倉庫適合結構化數據，而數據湖則能處理結構化和非結構化數據，支持更靈活的數據分析。
    3. 統一的數據治理框架
    建立明確的數據治理策略，包括數據分類、質量標準和安全規範，能夠提高數據的質量和一致性，並促進數據的共享和利用。
    4. 雲ERP系統
    雲ERP系統通過統一的平台整合企業的各個業務模塊，實現數據的集中管理和共享。這種系統能夠實時更新數據，提升決策效率和準確性，並減少IT成本。
    5. API和微服務架構
    功能：使用API（應用程式介面）和微服務架構可以促進不同系統之間的數據交互，實現靈活的數據共享和整合。這種方法能夠打破系統之間的壁壘，促進數據的流通。
    6. 數據虛擬化技術
    功能：數據虛擬化技術通過創建虛擬數據視圖，使得用戶能夠從多個數據源中一次性檢索數據，而不需要知道數據實際存儲的位置，從而提升數據訪問效率。
    0 0 206 0
    你可能感興趣的教室