跟上智慧化潮流 盤點金屬產業AI化熱門應用

金屬加工是國內許多產業的基礎，包括半導體、航太、汽車、精密機械、手工具、水五金等產業，作為上游關鍵產業，近年金屬加工積極推動智慧製造驅動產業升級，然目前遇到最大的問題是以「人」來進行所有管理運營工作，自動化程度非常低，使得生產效率或品質始終無法有所突破，這也讓近年金屬加工產業在推動智慧製造的過程中，首重如何透過自動化、智慧化等技術降低生產過程中對人工作業的依附。以下為DIGITIMES盤點近年在金屬加工產業中較熱門且已具體落地的創新應用，來看看金屬產業如何透過人工智慧，成功取代人力，大幅提升產品良率與效率。

研磨自動化仍是藍海　AI解決技術瓶頸

研磨是金屬加工過程中常見的製程動作，然業界指出，當前眾多產業中，研磨作業的人工使用比例高達九成，許多工廠光是研磨拋光的作業員，就高達數百個，可以說幾乎是所有勞力的集中點，即便是具有先進自動化製程的高科技產業也是如此。隨著全球勞動人口短缺、東南亞市場崛起，台灣製造業者開始產生危機意識，近年市場對研磨自動化的需求已越來越迫切。

一般而言，研磨走向自動化作業以機器手臂為主，但由於金屬工件的設計圖面和實物本身會有誤差存在，這有可能是因為生產環境變異造成的工差，或加工過程中造成工件變異的誤差，使得產品在研磨拋光時的不良率偏高，成為研磨拋光自動化系統一直無法大規模推廣的主要原因。

為解決此問題，近年產業借重許多創新技術針對研磨自動化進行升級。其中結合AI與3D視覺就被大量應用在針對外型較複雜的金屬工件研磨製程上，透過3D視覺輔助定位，擷取加工件外型點雲圖後，載入工件、機器人與砂帶機的虛擬模型就能自動生成最佳研磨路徑，即便換料時，也無需停線調機，也無需作業員操作設定，可望達到現在訴求少量多樣、快速換線的彈性生產需求。

這項技術除了工研院早已與台灣最大衛浴設備業者和成欣業開發針對水龍頭的虛實整合系統外，近年在相關自動化展會中，也有不少應用實例已體現在像是高爾夫球桿頭、船槳、飛機上的渦輪葉片等產業上。

此外，由於機器人是研磨自動化作業的基本要素，因此機器人在表面處理上的精度及力回饋技術是相當關鍵的。為達到更細微的力控制，有新創公司便開發AI力控回饋裝置，讓機器手臂多出彈性第七軸，能夠根據感測器偵測末端的接觸力道後，適時藉由裝置補償，而非藉由機器手臂本身來控制位移。

金屬製品外觀檢測難度高　AI為良率把關

「良率」是生產線上的重要指標，但對金屬產業來說，要找出瑕疵品十分困難。雖然傳統上使用光學檢測(AOI)是常見作法，但礙於金屬表面容易反光，光學鏡頭容易產生瑕疵遮蔽，產生干擾或誤判，即使靠人工目檢，也會因光線反射常需要多角度翻轉產品才能看到瑕疵。

隨著深度學習興起，瑕疵檢測也出現新的技術演變，從傳統的 AOI 走向與 AI 結合，透過AI具有自主學習能力的機制來強化系統的辨識能力。不少新創公司開發用以檢測元件瑕疵的AI軟體服務，或與AOI、AVI設備結合使用。另一方面，檢測設備商也通過AI技術優化AOI設備的準確度。

像是品牌廠華碩電腦也看中AI瑕疵檢測商機，在2019年開始投入智慧製造市場，針對金屬機構件推出AI瑕疵檢測方案，目前經由華碩自家供應鏈實證，已能大幅將檢測精準度從80~90%提升至98%。

另外，如工研院也以深度學習檢測模組搭配國內首創3D螺旋齒輪檢測機，在金屬曲面反光的情形下，成功自動檢測黑皮、撞傷與崩齒等齒輪外觀瑕疵，目前這套系統也已實際導入台中齒輪廠商，正確率達96%，據了解，不僅減少一半人力需求，檢測一顆齒輪的速度更從60秒降至30秒以下。

計畫趕不上變化　AI排程助業者即時應變

金屬加工的生產特性，在於生產投料的需求較為單純，但是製程則相對複雜許多，除了多層次的製程技術外，反覆的處理流程及複雜的零組件協同整合生產，一直到最後的組合裝配等的控管等，所以在一個完整的生產過程中，必須同時面對許多不同生產特性的製程，為了符合這些不同製程特性的生產需求，在生產排程計畫中，也必須運用不同的排程技巧及控制方法，才能有效做到。

過去金屬加工產業多是勞力密集，時至今日仍有不少工廠的生產排程以人工使用Excel來作業，但未來產業趨勢有幾個轉變，包括訴求少量多樣的生產需求、產能調配的彈性需求、以及更加快速的生產效率等，工序中可能需額外處理或臨時的工時異動，因此常造成原定排程不準，甚至要花上半天時間進行調整，無論規劃或調整都缺乏效率和彈性。

因而產業開始訴求導入AI建立智慧排程，整合業務、設計、工程、製造及品保單位等的大數據資料，透過AI取代人工，分析計算影響製程關鍵參數間的交互關係，並能夠以「分鐘」為單位進行動態排程，當面對即時的影響因素變動時，就能夠讓生產計畫排出效率最大的生產排程。

像是兩岸鑄造大廠勤美就與AI新創訊能集思合作，將過去只有兩條產線而難以應對插單生產的新竹廠，協助廠內師傅將訂單交期按照先後順序輸入AI系統後，參數即自動做整合排程，過去要花2小時討論的作業，30秒就得出結果。

過去金屬加工常被外界冠以「黑手產業」稱號，但隨著近年智慧製造興起，像金屬產業這樣的傳統製造業也積極加快轉型步伐，試圖從傳統製造業升級為科技製造業，隨著AI技術發展成熟，又有5G技術加持，未來預期將有更多智慧應用持續在金屬產業遍地開花。