搜尋結果
對於所有製造工程師以及產品經理而言，實現最高品質、最大產量以及完全可追溯性都是成功經營的重中之重。康耐視能滿足各種應用的精確要求，實現更智能的自動化，從而減少生產錯誤，這意味著更低的製造成本和更高的客戶滿意度！
- 削減成本並降低經常費用
- 加快完成
- 改善分析與上游流程控制
製造廠商願意承擔取代過時工作做法的風險，特別是在難以實作機器視覺處採行的人工檢測，將獲得經常費用較低的回報。人工檢測主要是每年都會產生勞力成本，其中也包括人員流動與重新訓練費用。當檢測人員全神貫注時，表現經常優於自動化解決方案。但大部分操作人員的專注力只能保持 15-20 分鐘，導致在值班期間或在生產線之間產生不一致的情況。計算 AI 專案投資回收率時，許多製造廠商對於其成品率與產量獲得改善的速度之快大感詫異。
這聽來可能會令人訝異，因為許多人都認為與範疇內與 AI 應用相關的投產期很長。但簡單易用的全新 AI 軟體專為工廠自動化而設計，可實際加快上市時間。考量針對具有人類判斷力的複雜機器視覺應用：缺陷資料庫、例外情況，以及隨著時間越變越大的篩檢程式，精準地撰寫程式和維護。AI 教導同一個系統從資料集中學習，並根據那些範例做出決策，而不是為電腦撰寫演算法或設計規則複雜的程式。在一些品質工程師與數百至數千個圖像的幫助下，只要數週的時間，即可完成實作、測試及微調 AI 應用。
可記錄檢測結果的 AI 解決方案可讓其使用者安心，並能在未來失敗時，追溯地檢查檢測圖像與決策。成功將最終檢測站自動化之後，通常便可將上游檢測步驟移轉至在生產線上進行的檢測。這樣可在對組件不良品花費時間或增加額外價值之前，更快速識別缺陷，進而削減成本。最後，深度學習機器視覺可與整體流程改善舉措息息相關，例如將具體視覺資料與像是製程參數、元件供應商、設備差異、工廠位置等的其他指標相關聯。 AI 是可節省勞力的全新自動化技術，協助製造廠商獲得額外的利潤，而且整條供應鏈都能間接受益。透過將 AI 納入組織的整體策略性自動化計劃與營運之中，這項技術可以協助製造公司達到性能新高、增加股東價值，並且遙遙領先競爭對手。 如需深入瞭解，請下載康耐視的免費白皮書《深度學習之於工廠自動化》。
康耐視將收購Moritex公司——全球機器視覺光學元器件和先進成像解決方案領域的領袖者之一. Download hi-res image. 擴展產品組合，新增光學元器件系列，以向客戶提供更全面的產品。. 加深康耐視滲透日本重要的高增長機器視覺市場。. 收購價格為400億日元（約合2.75 ...
汽車業製造廠商是首先欣然採用機器視覺進行機械化、自動化，以及提高生產力的產業先驅之一。 現今，汽車內部幾乎每一組件、系統及子組裝都是利用機器視覺與讀碼技術製造而成。 由於人工智慧蓬勃發展，許多汽車與組件製造廠商現在將目光投向深度學習圖像分析軟體，寄望直至近日仍認為過於複雜而無法自動化的其餘人工製程，都能藉以進行自動化。 從過去來看，這些應用都和雜亂背景上難以預知的組件定位、塗裝檢測，以及分類 (機器視覺演算法完全無法將此檢測類別自動化) 相關。 使用深度學習軟體將這些應用類別自動化，製造廠商可以減少缺陷和錯誤，進而提高生產力。 伴隨部署此技術而來的其他效益，包括增加整體品質以及可能將勞力減至最少。
原始装置製造廠商 (OEM) 仰賴超音波測試，量測 OLED 螢幕模組的基材塗層厚度。. 測試之前，量測機器人或機器的量測頭必須對位玻璃螢幕上預先決定的固定點。. 這需能穩健，精準又迅速地定位物件，並能高度精準地進行校準的相機座標系統搭配運動系統。. 使用 ...
2022年6月28日 · 本文帶您瞭解步驟 1：規劃階段。 召集團隊，識別目標. 如果公司決定實作深度學習解決方案，則必須召集不同的關係人組成團隊，研究目前的流程、定義新目標，以及判斷深度學習是否可協助達成這些目標。 此團隊應由工廠管理階層、自動化、QA 及系統整合廠商或機器製造廠商組成。 務必要妥善定義團隊裡的每個人都有共識的一致目標。 這些目標可能包括減少有缺陷/不可接受的產品逸失 (漏判)、減少廢料 (誤判) 或有缺陷/不可接受的產品或組件藉以控制成本，或提供其他超越合格與不合格判斷功能的缺陷分類功能。 如果合作的團隊決定向前邁進，有個步驟是需要識別「燈塔」專案，用以向管理階層證明資源支出的正當性。 此專案的目標不應不切實際。
共贏：康耐視合作夥伴關係改變了 OEM 製造商 和機器製造商的遊戲規則：五個令人驚豔的原因. 在現今快節奏的製造環境下，機器視覺系統對於確保產品品質，獲得最佳生產效率及降低成本至關重要。. 這就是機器視覺系統全球領導者之一的康耐視的優勢所在 ...
