390期2024年11月號
出版日期:2024/11/15
創新之鑰 Key to Innovation
AI助精準檢測金屬零件 降成本碳排
撰文/趙心寧
AI導入百工百業,為產業展開新局面。過去,金屬加工製造業檢測金屬裂縫多依賴人耳,容易受限於人的經驗與主觀判斷。工研院研發的「AI音頻非破壞式檢測技術」,有了AI加持,不僅金屬等製造業,甚至是預判瓜果的好壞,都可以更精準、確實、簡便。
想像這樣的場景,你走進市場,在水果攤位看中了一顆飽滿渾圓的西瓜,你輕輕拍打幾下,感受聲音的回響,判斷西瓜的甜度和多汁度。這種利用聲音來辨別內在品質的方式,不僅在生活中常見,也被應用於高科技領域。
「檢查的動作非常重要,電動車的剎車金屬零件內部如果有微小裂縫,可能釀成重大危機,後果不堪設想。」旭宏金屬股份有限公司副總經理連家毅說。旭宏金屬是臺灣知名粉末冶金製造商,成立30幾年來,為汽車、機械和電子產業提供高品質零件,成功打入特斯拉(Tesla)的供應鏈。連家毅說,過去,檢測這些「內傷」必須依賴技術人員用耳朵聆聽敲擊聲音,如今在工研院的協助下,透過「AI音頻非破壞式檢測技術」,可以更精確、客觀檢測金屬零件瑕疵。
聽出金屬的「內傷」
「我們的系統就像順風耳,能聽出金屬內部的秘密,這些聲音訊號經AI處理後,可以大大提高檢測的準確度,」工研院機械與機電系統研究所組長王俊傑表示,這項技術的原理其實很簡單,是利用AI來分析金屬在敲擊時產生的聲波。這就像用耳朵聽西瓜的聲音來判斷品質一樣,AI可以從聲波中識別出金屬內部是否有裂縫或瑕疵。
過去,金屬裂縫檢測通常依賴人耳,但容易受限於人的經驗與主觀判斷。現在有了AI的幫助,檢測變得更加精準,準確率從85%提升到98%,這對於需要高精度的產業,尤其是像電動車剎車零件等,對安全性要求極高的領域來說,至關重要。
「AI音頻非破壞式檢測技術」的另一大優勢在於,不僅提高檢測準確率,還能減少工廠的報廢率。以往,為了避免出貨時混入不良品而引發客訴和退貨,工廠常常不得不採用過於嚴格的檢測標準。技術人員若發現聲音有微小差異,便只能選擇整批報廢,這導致許多良品被錯誤淘汰,造成資源浪費,並對環境造成壓力。如今,在AI技術的幫助下,多數不良品能被準確檢測出,誤殺良品的機率和報廢量自然隨之下降。連家毅提到「過去,如果燒結製程出現問題,我們就必須忍痛丟掉整批金屬,非常浪費。現在有了AI技術協助,報廢量少了、還降低了碳排,每年可減少約433噸二氧化碳當量。」
AI助力精準檢測、減少浪費
然而,這項技術的研發過程並非一帆風順,為了蒐集足夠的樣本數據,工研院與旭宏金屬團隊可說是傷透腦筋。因為旭宏金屬的產品質量高、瑕疵產品極少,要在不刻意浪費的前提下、蒐集足夠多的不良品樣本來訓練AI模型,可以說是大海撈針、相當不容易。連家毅也表示「我們的產品良率非常高,幾乎每個金屬製品都是『優等生』,不良品數量極少,讓我們的檢測過程變得極具挑戰性。」
為了克服這個困難,工研院採用生成式AI技術,透過模擬瑕疵樣本來訓練模型,縮短原本需要大量實際樣本的時間。這也讓檢測的準確度進一步提高,並且迅速開發出能應對高精度檢測需求的技術,短短不到1年的時間,就完成系統的部署與應用。
這一技術突破不僅使生產流程更加自動化、標準化,還為旭宏金屬帶來實質性的收益。此外,該技術也提升產品良率,減少後續加工與報廢損失,顯著降低生產成本。連家毅透露說,旭宏金屬實現數位轉型後,創造超過5,000萬元的經濟效益。
精準與效率並重的產業未來
旭宏金屬的成功,預告著AI音頻非破壞式檢測技術的潛力無限,除了檢測金屬零件,這項技術還可廣泛應用於其他領域,包括齒輪、軸承等機械零件,甚至可以應用在農業,例如檢測水果的品質,判斷水果是否成熟、內部是否有空洞。王俊傑表示,「可以用聽覺辨別的東西,基本上都能檢測,未來應用範圍相當廣泛。」
對臺灣的金屬製造業來說,AI音頻非破壞式檢測技術的導入,是數位轉型的重要一步。隨著工業4.0的推進,AI將在更多產業中發揮作用,像是預測潛在問題,幫助企業於設備、製程出現問題前,就採取預防措施或進行汰換,降低停機損失等,可以說是推動製造業升級、提升競爭力的關鍵力量。
下載全文PDF