Case study : NGC ใช้ AI เพื่อการตรวจสอบคุณภาพอุปกรณ์ฟันเฟือง

กรณีศึกษา Nanjing High Accurate Drive Equipment Manufacturing Group Co. , Ltd. (NGC) ใช้ AI เพื่อการตรวจสอบคุณภาพอุปกรณ์ฟันเฟือง…

Case study : NGC ใช้ AI เพื่อการตรวจสอบคุณภาพอุปกรณ์ฟันเฟือง

ก่อนหน้านี้ Nanjing High Accurate Drive Equipment Manufacturing Group (NGC) ได้ดำเนินการตรวจสอบ คุณภาพผลิตภัณฑ์โดยให้เจ้าหน้าที่เลือกสุ่มตัวอย่าง ด้วยตนเอง นั่นหมายความว่ายังมีปัญหาการทำงาน ที่ขาดประสิทธิภาพ ผลการตรวจสอบที่ผิดพลาดและสินค้าที่พลาดการตรวจสอบ นอกจากนี้ยังไม่สามารถติดตามหาสาเหตุของข้อบกพร่องได้

Chen Chao หัวหน้าแผนกตรวจสอบของ เอ็นจีซี กล่าวว่า เราผลิตอุปกรณ์ฟันเฟืองหลายร้อยชิ้นทุกวัน ผู้ตรวจสอบคุณภาพแต่ละคนจะตัดสินว่ามีข้อผิดพลาดหรือไม่โดยการสุ่มทดสอบสินค้าด้วยตนเอง แม้แต่ผู้ตรวจสอบคุณภาพที่มีประสบการณ์สูงก็ยังต้องใช้เวลาถึงหนึ่งชั่วโมงในการตรวจให้ครบตามแบบทดสอบ

อย่างไรก็ตามเพื่อให้ทันต่อการผลิตเราจำเป็นต้องทำการตรวจสอบคุณภาพให้เสร็จสิ้นภายในห้านาทีดังนั้นเราจึงสามารถตรวจสอบเฉพาะสินค้าที่สุ่มตัวอย่างเท่านั้น นี่คือแนวทางปฏิบัติทั่วไปในอุตสาหกรรมของเรา ทว่า วิธีการสุ่มตัวอย่างมีข้อเสียหลายประการ ประการแรกคือ การทดสอบด้วยตนเองนั้นมีประสิทธิภาพค่อนข้างต่ำ และไม่สามารถ

หลีกเลี่ยงปัญหาของผลการตรวจสอบที่ผิดพลาด และสินค้าที่ขาดการตรวจสอบได้ ประการที่สอง ต้องพึ่งพาทักษะและประสบการณ์ในระดับสูง ประการที่สามไม่สามารถตรวจสอบย้อนกลับไปยังแหล่งที่มาซึ่งเป็นต้นเหตุของข้อบกพร่องและความล้มเหลวได้ ดังนั้นจึงไม่สามารถปรับปรุงการทำงานในขั้นตอนการผลิตอื่น ๆ ให้ดียิ่ง ๆ ขึ้นได้

“เพื่อรับมือกับปัญหาดังกล่าว เราจึงตัดสินใจนำเทคโนโลยีดิจิทัลเช่น AI มาใช้เนื่องจากเราคิดว่าจะช่วยให้สามารถตรวจสอบผลิตภัณฑ์ในระบบอัจฉริยะอย่างมีประสิทธิภาพได้” 

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

ร่วมสร้างโซลูชันการวินิจฉัยอัจฉริยะโดยใช้ AI

ด้วยความเข้าใจเกี่ยวกับสถานะการผลิต และปัญหาเฉพาะของ NGC โดยละเอียด ทาง IIT ได้ร่วมมือกับ FRDC เพื่อสร้างโซลูชันการวินิจฉัยอัจฉริยะโดยใช้ Physical–AI Hybrid Model2 โดยที่ FRDC ได้พัฒนา และใช้อัลกอริทึมที่เกี่ยวข้องกับ AI และแบบจำลองทางกายภาพตาม เวลา/ความถี่ จากนั้น IIT จึงใช้เทคโนโลยีเหล่านี้มาพัฒนาผลิตภัณฑ์โดยรวม และให้บริการด้านการใช้งานโซลูชัน

Qin Jian ผู้จัดการทั่วไปของแผนกวางกลยุทธ์ของ IIT อธิบายเกี่ยวกับระบบว่า เป็นการใช้เซ็นเซอร์การสั่นสะเทือนที่ติดตั้งบนอุปกรณ์ฟันเฟืองเพื่อรวบรวมข้อมูลสัญญาณการสั่นสะเทือนหลายมิติแบบเรียลไทม์ ซึ่งจะถูกจัดเก็บ ซิงโครไนซ์และบูรณาการเข้าด้วยกัน

การใช้ Physical–AI Hybrid Model ทำให้มีการวิเคราะห์แบบเรียลไทม์ด้วย ข้อมูลที่ตรวจพบจากย่านความถี่ต่างๆ สิ่งนี้ช่วยให้ระบบตรวจสอบได้อย่างรวดเร็วว่า ผลิตภัณฑ์มีข้อบกพร่องหรือผิดพลาดหรือไม่

ด้าน Dr.Sun Jun ผู้อำนวยการฝ่ายวิจัยไอทีของ FRDC กล่าวว่า เทคโนโลยี AI กระแสหลักในปัจจุบันใช้โมเดลการเรียนรู้เชิงลึกเพื่อ ตรวจสอบว่าผลิตภัณฑ์มีข้อบกพร่องหรือไม่ แต่ไม่สามารถอธิบายถึงพื้นฐานที่ใช้ในการตัดสินของ AI ได้ ดังนั้นโซลูชันนี้จึงเป็นการผสมผสานระหว่างการเรียนรู้เชิงลึกและแบบจำลองทางกายภาพ

ซึ่งไม่เพียงแต่สามารถระบุได้ว่าผลิตภัณฑ์มีคุณสมบัติครบถ้วนหรือไม่ แต่ยังสามารถระบุย่านความถี่ของความผิดพลาดได้ด้วย จากนั้นระบบไฮบริดสามารถตัดสินใจเบื้องต้นเกี่ยวกับสาเหตุของความผิดพลาด ด้วยข้อมูลนี้ลูกค้าสามารถเชื่อถือการตัดสินของ AI ได้อย่างสมบูรณ์และก้าวไปอีกขั้นได้อย่างรวดเร็ว

“ด้วยความช่วยเหลือของเครื่องมือ AI ใหม่ ๆ นี้ ทำให้เราสามารถเปลี่ยนจากการสุ่มตัวอย่างด้วยคน ไปสู่การตรวจสอบแบบอัจฉริยะอย่างมีประสิทธิภาพเราได้บรรลุการปรับปรุงแบบพลิกโฉมในกระบวนการตรวจสอบคุณภาพของเรา” Chen Chao กล่าวเสริม

การตรวจสอบที่มีประสิทธิภาพมากขึ้นถึงสามสิบเท่า และการนำ AI ไปใช้อย่างกว้างขวางขึ้น

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

แต่ยังสามารถระบุสาเหตุของความผิดพลาดเบื้องต้นได้อีกด้วย ซึ่งช่วยให้ผู้ใช้สามารถติดตามปัญหาย้อนหลังได้ตลอดกระบวนการผลิต และวางรากฐานสำหรับการเพิ่มประสิทธิภาพ และการปรับปรุงเพิ่มเติมในอนาคต

IIT และ FRDC ยังวางแผนที่จะสร้างกราฟองค์ความรู้ AI 3 ของการตรวจสอบคุณภาพสำหรับ NGC สิ่งนี้ไม่เพียงจะช่วยหลีกเลี่ยงปัญหาของกระบวนการผลิตที่มีแนวโน้มที่จะล้มเหลว แต่ยังช่วยส่งเสริมทักษะและประสบการณ์ของผู้ตรวจสอบคุณภาพอีกด้วย

“การใช้กราฟองค์ความรู้ AI ทำให้เราสามารถช่วยลูกค้าสร้างฐานความรู้ด้านอุตสาหกรรมดิจิทัลได้ ดังนั้นแม้จะเปิดตัวผลิตภัณฑ์ใหม่ แต่ก็สามารถเลียนแบบ และนำประสบการณ์การตรวจสอบคุณภาพนี้ไปใช้ได้อย่างรวดเร็ว“

Qin Jian กล่าวอีกว่า โซลูชันบนแพลตฟอร์มใหม่นี้จะใช้สำหรับการตรวจจับสินค้าที่ไม่มีคุณภาพ และการบำรุงรักษาเกียร์ทดรอบในหุ่นยนต์ ปั๊มสุญญากาศและมอเตอร์สิ่งนี้ช่วยให้บริษัทผู้ผลิตอุปกรณ์สามารถปรับปรุงประสิทธิภาพการดำเนินงานได้อย่างมาก และช่วยให้พวกเขาก้าวกระโดดครั้งใหญ่ไปสู่การผลิตแบบอัจฉริยะ

“ด้วยความร่วมมือกับ IIT และ FRDC เราได้เปลี่ยนแปลง และยกระดับรูปแบบการตรวจสอบคุณภาพของเรา เอ็นจีซี จะยังคงค้นหาวิธีการสร้างสรรค์นวัตกรรม และมีส่วนร่วมในการสร้างอนาคตที่ดีกว่า และยั่งยืนกว่าสำหรับทุกคน” Chen Chao กล่าวสรุป

ข้อมูลเพิ่มเติม

Nanjing High Accurate Drive Equipment Manufacturing Group Co., Ltd. (NGC) เอ็นจีซี มีสำนักงานใหญ่อยู่ที่เมืองหนานจิงประเทศจีน ก่อตั้งขึ้นในปี ค.ศ.1969 ปัจจุบันเป็นผู้ผลิตอุปกรณ์ส่งกำลังลม (wind power transmission equipment) อันดับหนึ่งของประเทศและอันดับสามของโลก

นอกจากนี้ยังเป็นผู้ผลิตอุปกรณ์ฟันเฟืองชั้นนำของอุตสาหกรรมด้วยเทคโนโลยีขั้นสูง คุณภาพที่เชื่อถือได้ และให้บริการเต็มรูปแบบ เอ็นจีซี ได้กลายเป็นองค์กรตัวอย่างสำหรับนวัตกรรมทาง เทคนิคในประเทศจีน แบรนด์ เอ็นจีซี ค่อย ๆ มีชื่อเสียงไปทั่วประเทศจีน และ ได้รับการยอมรับจากนานาชาติในฐานะหนึ่งในบริษัทที่มีความสามารถในการแข่งขันสูงสุดในอุตสาหกรรม

โซลูชัน

INESA Intelligent Technology (IIT) ได้ร่วมมือกับ Fujitsu R&D Center (FRDC) เพื่อสร้างชุดโซลูชันการวินิจฉัยอัจฉริยะ จาก Physical–AI Hybrid Model ทำให้สามารถตรวจสอบคุณภาพผลิตภัณฑ์ทั้งหมดได้อย่างครอบคลุม และมีประสิทธิภาพ ซึ่งช่วยให้ เอ็นจีซี เปลี่ยนแปลง และอัปเกรดรูปแบบการตรวจสอบคุณภาพโดยไม่มีภาระงานเพิ่มเติม

ประโยชน์

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

ส่วนขยาย

* บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ 
** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) 
*** ขอขอบคุณภาพประกอบบางส่วนจาก www.freepik.com

สามารถกดติดตามข่าวสารและบทความทางด้านเทคโนโลยีของเราได้ที่  www.facebook.com/itday.in.th