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

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

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

2. Detect and Locate Defect

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

3. Check Assembly

ตรวจสอบการประกอบของชิ้นงานว่าได้มาตรฐานหรือไม่ เช่น ตรวจสอบชิ้นส่วนที่ขาดหายไป, ตรวจสอบชิ้นส่วนที่ชำรุด หรือตรวจสอบการประกอบที่ไม่สมบูรณ์ไม่ตรงตามกระบวนการผลิต

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

(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 guidance	ความละเอียดของรูปภาพที่ได้จากกล้องควรมีขนาด > 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