การประยุกต์ใช้กล้องปัญญาประดิษฐ์ในการตรวจจับข้อบกพร่องในกระบวนการปั๊มขึ้นรูป

Abstract

            งานวิจัยนี้มีวัตถุประสงค์ (1) เพื่อศึกษาการประยุกต์ใช้กล้องปัญญาประดิษฐ์ในการตรวจจับข้อบกพร่องในกระบวนการปั๊มขึ้นรูป (2) เพื่อเสนอแนะแนวทางการประยุกต์ใช้กล้องปัญญาประดิษฐ์ในการตรวจจับข้อบกพร่องในกระบวนการปั๊มขึ้นรูป โดยใช้ Hardware : Vidi deep learning (Cognex) และ Software : 1) Keyence 2) JM viste 3) CCS SP.vision 4) FOFA ควบคุมการรันโมเดล ออกแบบการทดลองตามแนวคิดด้านการออกแบบการทดลอง (DOE)

ผลการวิจัย พบว่า (1) การประยุกต์ใช้กล้องปัญญาประดิษฐ์ในการตรวจจับข้อบกพร่องในกระบวนการปั๊มขึ้นรูป โดยการเลือกใช้กล้อง AI ของ Keyence ร่วมกับซอฟต์แวร์ Neurocle ช่วยให้การตรวจจับตำหนิบนชิ้นงาน เช่น รอยบุ๋ม (Dent) และ รอยขีดข่วน (Scratch) มีความแม่นยำและสม่ำเสมอมากกว่าการตรวจสอบด้วยมนุษย์อย่างมีนัยสำคัญ โดยมีอัตราการตรวจพบตำหนิที่สูงขึ้น ส่งผลให้สามารถลดความสูญเสียจากของเสีย (Defect) ได้อย่างมีประสิทธิภาพ (2) ข้อเสนอแนะแนวทางการประยุกต์ใช้กล้องปัญญาประดิษฐ์ดังกล่าวให้มีประสิทธิภาพสูงสุดในการใช้งานจริง จากผลการทดลองและการวิเคราะห์ข้อมูล ผู้วิจัยเสนอแนวทางการประยุกต์ใช้กล้องปัญญาประดิษฐ์ให้มีประสิทธิภาพสูงสุดในการใช้งานจริง โดยควรกำหนดมาตรฐานวิธีติดตั้งกล้องให้ตำแหน่งและมุมเหมาะสมกับลักษณะงาน ควบคุมความเข้มแสงในพื้นที่ตรวจสอบให้มีค่าคงที่เพื่อให้ซอฟต์แวร์ประมวลผลภาพได้เต็มประสิทธิภาพ ควรจัดให้มีการฝึกอบรมพนักงานให้เข้าใจวิธีใช้ Software Keyence อย่างเป็นระบบ เพื่อให้สามารถตั้งค่าและปรับพารามิเตอร์ได้อย่างเหมาะสม ลดความผิดพลาดที่เกิดจากมนุษย์ อีกทั้งควรเลือกใช้ GPU รุ่นสูงตามสเปกที่ Software Keyence รองรับ เช่น NVIDIA RTX 4080/4090 เพื่อเพิ่มประสิทธิภาพการเรียนรู้และการประมวลผลภาพให้รวดเร็วและแม่นยำ ควรมีการตรวจสอบและปรับปรุงโมเดล AI เป็นระยะเมื่อรูปแบบข้อบกพร่องเปลี่ยนแปลงไป เพื่อให้ระบบมีความแม่นยำสูงต่อเนื่อง ตลอดจนบำรุงรักษาระบบด้วยการตรวจสอบความพร้อมของกล้อง AI และสภาพแวดล้อมโดยรอบ เช่น การทำความสะอาดเลนส์ ควบคุมฝุ่นและแสง เพื่อป้องกันการรบกวนการตรวจจับในกระบวนการผลิตจริง