BLOGS

การ QC ด้วย AI ของดีบน Google Cloud [Part 1/2]

Suwat.T • 30/08/2022
Google Cloud Solutions Specialist

ในปัจจุบัน  AI เริ่มเข้ามามีบทบาทในชีวิตประจำวันของมนุษย์มากขึ้นหลายๆ องค์กรเริ่มนำมาประยุกต์ใช้กับธุรกิจของตัวเองหรือแม้กระทั่งในงานด้านอุตสาหกรรมการผลิตเองก็ยังนำ AI มาประยุกต์เพื่อใช้ควบคุมคุณภาพสินค้า (Quality Control) ซึ่งขั้นตอนในการควบคุมการผลิตจะมีหลายกระบวนการที่นำ Visual Inspection AI เข้ามาช่วยให้เราประหยัดเงิน ประหยัดเวลา และช่วยลด human error ทำให้ผลิตสินค้าได้ตรงตามมาตรฐานอีกด้วย

Visual Inspection AI คืออะไร ?

          Visual Inspection AI เป็นบริการบน Google Cloud Platform ที่นำเอาเทคโนโลยีของ Vision AI มาใช้ตรวจสอบคุณภาพของผลิตภัณฑ์ในงานด้านอุตสาหกรรมการผลิตไม่ว่าจะเป็น อุปกรณ์อิเล็กทรอนิกส์ โทรศัพท์มือถือ ไปจนถึงอุตสาหกรรมการผลิตรถยนต์

โดย Visual Inspection AI จะตรวจสอบการประกอบชิ้นส่วนต่าง ๆ ตรวจจับสินค้าหรือผลิตภัณฑ์ที่บกพร่องได้ในทันทีแบบเรียลไทม์ โดยในขณะที่ผลิตภัณฑ์แต่ละชิ้นถูกผลิตออกมาจากสายการผลิตนั้น คอมพิวเตอร์จะทำหน้าที่ประมวลผลภาพหรือวิดีโอ เพื่อตรวจหารูปแบบความผิดปกติ หรือจุดบกพร่องของสินค้าแต่ละชิ้น ซึ่งความสามารถนี้สามารถทำได้แม้แต่กับวัตถุที่มีขนาดเล็กมากก็ตาม

Visual Inspection AI สามารถทำอะไรได้บ้าง?

          ความสามารถของ Visual Inspection AI จะใช้ตรวจสอบควบคุมคุณภาพของสินค้า (Quality Control) ซึ่งเป็นขั้นตอนที่สำคัญ และค่อนข้างใช้เวลานาน ดังนั้น Visual Inspection AI จะเข้ามาช่วยควบคุมการผลิตให้สินค้าได้มาตรฐานซึ่งความสามารถหลัก ๆ จะแบ่งออกเป็น 3 ส่วนด้วยกัน คือ

1. Check for Anomaly

AI Check for anomaly

ตรวจหาชิ้นส่วนที่ชำรุด หรือมีความผิดปกติ ตัวอย่างเช่น รอยเชื่อม โลหะ/พลาสติก (Welding Seam Inspection), ปัญหาการติดกาวในอุปกรณ์อิเล็กทรอนิกส์, น็อตสกรูหลวม หรือแม้กระทั่งรูปทรงของคุกกี้ผิดรูปก็สามารถตรวจสอบความผิดปกตินี้ได้

2. Detect and Locate Defect

AI Detect and locate defect

ตรวจจับและค้นหาจุดที่บกพร่องได้หลากหลายรูปแบบ เช่น รอยแตกบนชิปประมวลผล, รอยขีดข่วนบนพื้นผิวพลาสติก (Scratch), แผ่นโลหะที่แตกหัก (Cracks), รอยบุบของชิ้นส่วนเฟอร์นิเจอร์ หรือ สิ่งที่เจือปนในขั้นตอนการผลิตแก้ว เป็นต้น

3. Check Assembly

AI Check assembly

ตรวจสอบการประกอบของชิ้นงานว่าได้มาตรฐานหรือไม่ เช่น ตรวจสอบชิ้นส่วนที่ขาดหายไป, ตรวจสอบชิ้นส่วนที่ชำรุด หรือตรวจสอบการประกอบที่ไม่สมบูรณ์ไม่ตรงตามกระบวนการผลิต

Visual Inspection AI กับงานด้านอุตสาหกรรม

ตัวอย่าง Visual Inspection AI กับงานด้านอุตสาหกรรม
(source: NECAM)

ในหัวข้อนี้เราจะมาดูตัวอย่างและการนำ Visual Inspection AI มาประยุกต์ใช้กับงานด้านอุตสาหกรรมที่ช่วยให้ขั้นตอนการผลิตเป็นไปอย่างถูกต้อง รวดเร็ว และได้ตรงตามมาตรฐาน จากรูปจะเห็นได้ว่ามีหลายอุตสาหกรรมที่นำไปใช้ไม่ว่าจะเป็น อุตสาหกรรมรถยนต์, อุตสาหกรรมอิเล็กทรอนิกส์, อุตสาหกรรมอาหารและยา ซึ่งหัวข้อนี้เราจะยกตัวอย่างคร่าว ๆ ให้พอเห็นภาพว่า Visual Inspection AI ช่วยเราอย่างไรบ้าง

Automotive อุตสาหกรรมการผลิตรถยนต์

  • Press Shop Inspection ตรวจสอบแผ่นโลหะที่ปั๊มขึ้นรูปโดยจะตรวจสอบรอยขีดข่วน รอยบุบ รอยแตก หรือการย้อมสี ของแผ่นโลหะ
  • Foundry Engine Block Inspection การตรวจสอบการหล่อบล็อกเครื่องยนต์ ว่ามีรอยแตก หรือความผิดปกติของบล็อกเครื่องยนต์ที่ไม่ได้มาตรฐาน
  • Body Shop Welding Seam Inspection ตรวจสอบรอยเชื่อมของบอดี้รถยนต์
  • Paint Shop Surface Inspection ตรวจสอบสีของบอดี้รถ สีของชิ้นส่วนประกอบรถยนต์
ตัวอย่างการใช้งาน AI ด้านยานยนต์
AI ช่วยตรวจ Defect
(source:nanonets)

จะเห็นได้ว่าการนำ Visual Inspection AI เข้ามาจะช่วยให้เราสามารถลดเวลางานและเพิ่มประสิทธิภาพของการทำงาน เนื่องจาก AI จะช่วยค้นหา Pattern หรือตำหนิ ข้อบกพร่องต่าง ๆ ได้ดีกว่ามนุษย์ แต่บางงานเรายังคงต้องอาศัยการทำงานของมนุษย์เข้ามาช่วย หรือการทำงานร่วมกันเพื่อให้การทำงานมีประสิทธิภาพมากยิ่งขึ้น

ข้อควรทราบก่อนใช้ Visual Inspection AI

  • ปัจจุบัน Image Data Set ที่ใช้ในการ Train Model ต้องอยู่ใน “Us-central” เท่านั้น
  • Image Data Set ที่ใช้ในการ Train Model ต้องมีอย่างน้อย 100 รูปภาพขึ้นไป โดยแนะนำว่าควรมีประมาณ 1,000 รูปภาพ
  • รูปภาพสามารถมีขนาดสูงสุด 10,000 x 10,000 Pixels
  • ถ้าเป็นรูปขนาดเล็กแนะนำไฟล์ PNG แต่ถ้าเป็นรูปขนาดใหญ่แนะนำไฟล์ JPEG
  • ความละเอียดของกล้องที่ควรมี

 

Camera resolution requirements
Camera Resolution (max)100 M pixels
Camera Resolution (min)> 1 M pixels
Resolution guidanceความละเอียดของรูปภาพที่ได้จากกล้องควรมีขนาด > 30 x 30 pixels
Resolution example(ตัวอย่าง)ตรวจสอบด้านหลังโทรศัพท์มือถือขนาด 150 มม. x 70 มม. มีข้อบกพร่องที่เล็กที่สุดคือรอยขีดข่วนที่มีการวางตามแกน Y 3 มม. และการวางตามแกน X 2 มม. ความละเอียด X ขั้นต่ำที่แนะนำคือ 150 มม./3 มม.=50 x 30 พิกเซล = 1500 พิกเซล ความละเอียด Y ขั้นต่ำที่แนะนำคือ 70/2 มม.=35 x 30 พิกเซล = 1050 พิกเซล

             จะเห็นได้ว่าเบื้องต้นมีข้อควรทราบก่อนการนำ Visual Inspection AI ไปใช้งานหลายข้อ ทั้งนี้ยังไม่รวมในเรื่องของความสว่างของรูปภาพ แสง  มุมกล้อง ที่จะส่งผลต่อการทำนายความถูกต้องของโมเดล ดังนั้นก่อนใช้งาน Visual Inspection AI ควรจะต้องตรวจสอบ
ข้อกำหนดเบื้องต้นก่อนการใช้งานจริง

Conclusion

             จากตัวอย่างที่กล่าวมาเราก็พอจะเห็นภาพแล้วว่าปัจจุบัน Visual Inspection AI เข้ามามีบทบาทกับชีวิตประจำวันมากยิ่งขึ้นเราสามารถใช้ประโยชน์จาก AI เพื่อใช้ในงานอุตสาหกรรมได้ซึ่งช่วยเราประหยัดทั้งค่าใช้จ่ายและเวลา อีกทั้งยังลดภาระงานและความผิดพลาดจากการตรวจสอบของมนุษย์อีกด้วย (Human Error) และสามารถใช้ตรวจสอบควบคุมคุณภาพสินค้าได้ในรูปแบบ Realtime โดย Solution Visual Inspection AI สามารถดูเพิ่มเติมได้ที่ https://cloud.google.com/solutions/visual-inspection-ai และใน Part ถัดไปเราจะไปลงลึกตัวอย่างของการทำโมเดล Visual Inspection AI ให้เห็นภาพมากยิ่งขึ้น

สำหรับใครที่สนใจในเรื่องของ Google Cloud Platform หรือ Service อื่น ๆ
ด้าน Data Analytics, Data Lake, Data Warehouse, AI/Machine Learning Tangerine มีผู้เชี่ยวชาญคอยให้คำปรึกษา
สามารถติดต่อได้ที่อีเมล marketing@tangerine.co.th หรือโทร 094-999-4263 ได้ทันที

สอบถามข้อมูลเพิ่มเติม
Contact Form_TH Sources