【中鋼AI現場3:數十噸鋼捲裝載一人就能搞定】中鋼AI無人天車自動化流程大圖解
中鋼整合多項機器學習技術,打造鋼捲吊運自動化,更串連了物流與資訊流,省去更多人工操作與管理流程
文/翁芊儒 | 2021-03-04發表
攝影/洪政偉
動輒數十噸重的鋼捲,就是中鋼每日例行出貨的產品,這個「沉重」的負擔,要如何來回搬運、加工、出貨?靠的就是被稱為「天車」的重型起重裝置,透過在廠區空中縱橫移動,吊送鋼捲到指定位置,就能在工廠或倉庫中,管理上萬噸的鋼捲排程與運送。
不過,要操作天車,大多得靠人力,進入吊掛於天花板的駕駛座中,來操作吊運鋼捲。但現在,中鋼一座位於碼頭邊的倉庫中,天車駕駛座內不見人影,卻能維持天車順利運行,司機開車入庫後,更能透過幾步驟簡單設定,全自動化鋼捲吊運任務,甚至在員工都下班後的半夜,都能啟動系統自動理貨。
這一套標榜無人操作的天車自動吊運系統,就是中鋼早在三年多前,運用多種機器學習技術打造的得意之作。
如何打造無人天車的全自動吊運流程?
要打造無人天車,就得想辦法幫天車裝上「眼睛」,中鋼試圖將人眼看到的操作資訊,透過電腦轉換為邏輯控制指令,再交由天車自動化判讀與執行。
剛開始,中鋼先在無人天車上裝設高解析度攝影機,將拍攝到的拖板車板臺二維影像,傳遞給板車駕駛員操作的人機介面中,由駕駛員在畫面上指示鋼捲儲放位置,再由控制電腦將儲放位置自動轉換為座標,拋送到天車指揮系統來吊運鋼捲。
但是,原先座標為二維座標,缺乏高度座標,無法有效指示天車指揮系統執行,也無法與天車使用的三維座標互相轉換。
為了克服這個問題,中鋼在高解析度的攝影機之外,加裝了一部三維掃描器,利用AI連結高解析影像與三維座標間的轉換,進而在二維影像上重建高度座標,完成電腦視覺技術的開發。
同時,也因為司機在操作人機介面時,可能會有不適應或抗拒的情形,中鋼也打造了一鍵裝車的功能,只要確認畫面上自動辨識的鋼捲儲放位置正確,按下確認,就能啟動天車自動作業。
在天車吊運的過程,中鋼運用了多種技術來達成吊運全自動化。除了使用機器視覺系統,來精準定位鋼捲儲位座標,中鋼也開發了各種智慧物流相關技術,比如將鋼捲吊運排程最佳化,並以AI算出最佳吊運路徑,以及建立了無人倉庫排隊優化系統,可以準確預測作業時間,讓駕駛能在合適時間前往倉庫,來執行裝卸任務。
同時,中鋼也分析數十萬顆鋼捲入庫出貨的過程,在倉儲管理系統中,建立了鋼捲最佳化儲位預測功能,讓每一顆鋼捲能在最少吊運次數與最短吊運距離之下,送達客戶端。
在吊運當下,中鋼更設計了多功能的智慧型吊夾,能辨識鋼捲身份、偵測鋼捲中心,精準取吊鋼捲;同時,也會啟動主動式安全防護機制,運用了深度學習技術,在天車吊運範圍內偵測人員移動,並能自動辨識、閃避障礙物。
達到吊運全自動化之後,中鋼也將無人天車系統,串連了物流與資訊流,省去更多人工操作與管理的流程。比如說,將天車串連物流資訊,就能得知隔日需出廠的鋼捲,並在前一晚自動理貨,先將鋼捲吊到接近車到的位置,來縮短隔日出貨時間。
又或是載貨司機到倉庫外報到時,只要刷一張ID卡,確認司機身分、車號後,串連倉儲管理系統就能得知這一趟任務資訊,自動預吊任務指定的鋼捲。
不只自建自用,更將無人天車外銷國際
無人天車在2018年投入運作後,至今更已經累積六萬車次,完成超過三十萬顆鋼捲的吊運。上線了第一套系統後,中鋼也在去年11月,於同一個倉庫中上線了第二套系統,這也是中鋼唯一配備了兩臺無人天車的場域。
這個倉庫中,約可容納兩萬公噸的鋼捲,透過兩套無人天車,來達成全倉庫鋼捲吊運自動化。
倉庫中間則設置兩條車道,可同時讓兩輛貨車入庫裝卸貨,若僅一輛車執行載運任務,兩臺天車也能互相搭配吊運,來加速的裝卸貨的時間。
梁傑盛指出,改用無人天車帶來最大效益,是在於員工會有上班時間限制,且最少4小時一定要休息,但無人天車可以24小時不間斷的自動化執行,搭配後端管理的方法,還能做到前一晚自動翻堆理貨。
不只自建自用,中鋼更將這套無人天車系統外銷到中國鋼廠,2019年就已經銷售了12套系統,去年武漢肺炎疫情期間,更協助客戶導入系統時,遠距為客戶調機、將系統落地。
無人天車9大應用關鍵
如何建立起無人天車的自動吊運流程?深入鋼捲吊運現場,魔鬼就藏在細節裡,不一定要運用最新、最難的科技,每一個應用得當的技術環節,都是中鋼無人天車的成功關鍵。
應用關鍵1
靠機器視覺系統與雷射測距裝置找出鋼捲儲位座標
應用關鍵2
三維座標辨識克服板臺樣式不一問題
應用關鍵3
一鍵啟動無人天車吊運作業
應用關鍵4
天車指揮系統將吊運作業最佳化
應用關鍵5
靠多功能智慧吊夾精準取放鋼捲
應用關鍵6
用RFID雙重確認要出貨的鋼捲身分
應用關鍵7
防擺動技術控制鋼捲擺盪幅度
應用關鍵8
靠大數據預測鋼捲最佳化儲位
應用關鍵9
用影像辨識人影強化出貨安全
附圖:
倉庫內的地板上,以黃色方框設置了板車停放處,停放處正上方則設置了雷射測距裝置與機器視覺系統,用來掃描與辨識底下板臺,找出鋼捲儲位座標。(攝影/洪政偉)
車輛停放後,雷射測距裝置能確認車輛停放位置與板臺高低寬窄,機器視覺系統能辨識鋼捲儲放的中心軸,兩相結合定出三維座標,就能克服每輛板車板臺樣式不一的問題。(攝影/洪政偉)
為防止司機可能產生不適應或抗拒的情形,中鋼簡化了人機介面操作流程,讓司機在確認鋼捲儲放位置正確後,就能一鍵啟動裝車,指示天車自動作業。(攝影/洪政偉)
吊運過程中,天車指揮系統會將鋼捲吊運排程最佳化,並自動規劃吊運路徑;出貨前一晚,也能結合物流資料,自動翻堆理貨,節省隔日出貨時間。(攝影/洪政偉)
在吊取鋼捲時,智慧吊夾能自動偵測鋼捲的中心位置,並透過自動掃描測距的功能,更精準取放鋼捲。吊夾上也有RFID辨識功能,來識別鋼捲身分。(攝影/洪政偉)
儘管無人天車已經串連每一顆鋼捲的物流與資訊流,吊運當下,還是會以智慧吊夾偵測鋼捲的RFID標籤(鋼捲內側紙片翹起處),重複確認吊取的鋼鐵即為要出貨的鋼捲。(攝影/洪政偉)
為了減少鋼捲吊運時的擺盪幅度,中鋼也設置防擺盪運動控制技術,使吊夾獲得更穩定的運行,除了能節省吊夾擺幅收斂時間,也能防止撞傷鋼捲或撞歪板臺的風險。(攝影/洪政偉)
中鋼分析數十萬顆鋼捲入庫出貨的過程,在倉儲管理系統中,建立了鋼捲最佳化儲位預測功能,讓每一顆鋼捲能在最少吊運次數與最短吊運距離之下,送達客戶端。(攝影/洪政偉)
為了維護人員安全,中鋼也設置主動式安全防護機制,透過深度學習來偵測天車下方是否有人行走,來採取必要安全措施,也能在行駛過程中自動辨識障礙物與閃避。(攝影/洪政偉)
資料來源:https://www.ithome.com.tw/news/142943
「臺電圖號座標定位系統」的推薦目錄:
- 關於臺電圖號座標定位系統 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於臺電圖號座標定位系統 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於臺電圖號座標定位系統 在 張秀華粉絲團 Facebook 的最佳貼文
- 關於臺電圖號座標定位系統 在 台電圖號座標定位系統2023-在Facebook/IG/Youtube上的焦點 ... 的評價
- 關於臺電圖號座標定位系統 在 台電圖號座標定位系統2023-在Facebook/IG/Youtube上的焦點 ... 的評價
- 關於臺電圖號座標定位系統 在 曾有在山區迷路的登山客 - Facebook 的評價
臺電圖號座標定位系統 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
AI落地工業環境挑戰多,中鋼歸納3大AI導入經驗:足量訓練資料、選對技術、循序漸進為成功關鍵
中鋼採取由現場出題、專家解題的方法,從2017年開始較具規模的導入AI,今年在臺灣AI年會上,更分享了實作AI過程中遇到的挑戰,更以自家代表性的AI專案,歸納出3大實戰經驗來提供他者參考
文/翁芊儒 | 2020-11-19發表
中鋼綠能與系統整合研究發展處研究員許朝詠,以自己實作過的多個AI專案,來分享從選題、執行到落地的3大AI實戰經驗。
中鋼從2014年開始擁抱智慧製造,經歷了許多試驗後,才在2017年更有規模的落地AI應用,採取由現場出題、專家解題的方法,每年從上百個提案中篩選約20個可行性較高的方案,來導入應用場景。中鋼綠能與系統整合研究發展處研究員許朝詠,也在今年的臺灣AI年會上,以自己實作過的多個AI專案,從選題、執行到落地,歸納出3大AI實戰經驗,來提供其他企業借鏡參考。
許朝詠首先引述麥肯錫2019年發布的一份報吿指出,企業要在工業場景落地AI並不容易,超過7成的企業正在進行局部試點,其中29%企業已經試點超過2年,56%進行了1~2年,更有15%才剛起步。對中鋼來說,在導入AI過程中,也同樣面臨了「試點困境」,尤其在電腦視覺要落地煉鋼場域時,中鋼也面臨了4個AI應用挑戰。
其一,是工業環境不易控制,會造成取得影像的品質差異大,比如鋼鐵製造環境動輒在900度以上的高溫中,處理過程也可能噴水冷卻,導致難以取得清楚的影像;又或是在同樣位置拍攝的影像,也可能因光源不同,導致影像呈現不同的效果。
其二,現場實際環境會限制AI應用的計算能力,比如部分場所的空間有限,無法擺下GPU伺服器、或高計算能力的設備,甚至連網路線都無法部建,「在這樣的環境下,我們的模型就必須要能兼容邊緣運算,才能實際應用。」許朝詠說。
其三,被偵測物體的尺寸不一,也會影響深度學習的模型訓練成果。許朝詠以識別鋼品身分的AI序號辨識為例,就算是相同的鋼品,影像拍攝的尺寸不同,會造成鋼品上印製序號大小的差異,進而影響序號辨識模型的表現。
最後,則是深度學習模型的調整彈性差。同樣以序號辨識模型為例,許朝詠表示,有時會遇到視覺效果相同的數字(比如像是同一個數字1),在不同序列中卻無法辨識,「為什麼有時候,1可以辨識出來,有時候卻不行?」許朝詠表示,要解決這個問題,通常需要重新訓練模型,但會消耗許多時間。因此,中鋼目標要提出適合工業應用的物件偵測技術,來更輕易且廣泛的應用到各個製程。
3大AI導入經驗之一:充足訓練資料是AI成功落地的一大關鍵
許朝詠也透過多個中鋼導入AI的案例,來分享導入經驗。比如說,前述提到的AI序號辨識應用,是指在將鋼片卷曲製作成一卷卷的鋼卷後,會在鋼卷的金屬表面或是側面,噴印上鋼鐵的生產序號,藉此來辨識每一卷鋼鐵的身份。但是,這些序號的噴印位置,可能帶來不同的辨識挑戰,比如噴印在鋼卷表面,就可能因金屬反光影響序號辨識的精準度,若是噴印在鋼卷側面,層層堆疊的鋼片又可能導致字體變形,均會影響AI判讀。
「我們提供技術,但有些問題不是技術能解決的,就要跟現場人員溝通,請他們協助解決問題。」許朝詠指出,AI落地需要與第一線人員溝通協作。
不過,就算與現場人員合作,序號的辨識率仍無法達到100%,尤其是鋼卷側面序號的辨識率,僅達到9成5,「序號要完全正確才能用,9成5其實很低。」許朝詠表示,為了克服這項挑戰,中鋼在產線上的多個位置都設有攝影機,同時將這些攝影機判讀的資訊互通,透過多點的資訊對接,來判斷出鋼卷序號。
「不要把問題放在同一個地方,比如利用多點攝影機、多資訊的串流,去補足AI模型上的不足,就能讓整個系統的準確率達到100%。」他說。
另一個例子,則是高爐原料粒徑分析的AI應用。一般來說,高爐是用來將原料溶解為鐵水,而原料在送入高爐時,若粒徑大小分佈較平均,就能提升高爐的燃燒效率,中鋼甚至推算,高爐燃燒效率每提高1%,每年可以減少上億的燃料經費,因此,中鋼用AI來辨識每顆原料的粒徑大小,即時計算出進到高爐的物料大小與分佈狀況,再根據計算結果來調整物料分佈,進而提升燃燒效率。
許朝詠表示,上述兩個案例的共通點,在於資料的取得非常容易,不管是序號或是原料的影像資料,都在產線上不斷產生,「影像取得沒問題,資料也乾淨,較有機會訓練出良好的深度學習模型,也有機會快速達到成效。」相對來說,瑕疵辨識這類AI應用的影像資料搜集,就比較困難。
「要判斷一個案子能不能做,可以先看能不能蒐集到足量的資料。」這就是許朝詠歸納的第一大AI導入經驗。
3大AI導入經驗之二:不是最新技術也能打造最切合場景需求的應用
許朝詠也接續說明了無人天車的AI應用。天車是一種重型的起重裝置,用來吊送貨品、放置到指定位置,而中鋼就是將原先需要人為操控的天車,透過AI達到無人化,「這也是我認為中鋼應用AI最成功的案例。」
要達成無人天車,主要是把人眼看到的操作資訊,透過電腦視覺轉換為控制的指令,再交由天車自動執行,也就是將操作人員看見的鋼卷位置、放置位置及操作方法,都轉換為天車指揮系統可以判讀的資訊,再透過運動控制達到自動化。
無人天車使用的技術,包括能透過座標辨識來裝卸鋼卷的機器視覺系統,以及能透過RFID讀取鋼卷身份,再準確偵測鋼卷的中心位置來吊起鋼卷的智慧型吊夾,而整體鋼卷的吊運排程與吊運路徑最佳化,則是由天車指揮系統來規劃,中鋼同時也建置用來傳輸車籍資料、整合裝卸車資料的雲端倉儲管理系統。達到天車操作全自動化之後,中鋼也設置了主動式安全防護機制,透過深度學習來偵測天車下方是否有人行走,並在行駛過程中自動辨識障礙物與閃避。
建置了無人天車帶來的一大效益,就是能在出貨的前一晚,由機器自動理貨,將要出廠的貨物就近放置到出貨的位置,「天車不會休息,人會休息,在不需出貨的時間先理貨,就能加速出貨的效率。」許朝詠說。
中鋼的無人天車也早在2018年就投入運作,至今已經完成超過數十萬顆鋼卷的吊運。不只自建自用,中鋼也將這套無人天車系統外銷到中國鋼廠,2019年就已經銷售了12套系統,今年武漢肺炎疫情期間,更是遠距協助客戶調機、將系統落地。
不過,這個貼近鋼鐵業需求的無人天車,實際上並無用到深度學習技術,「深度學習雖然是好工具,但不一定是最佳工具,也不是唯一的工具。」許朝詠表示,由於天車在裝卸鋼卷時,需要非常精準的定位,誤差超過5公分就可能吊不起鋼卷,但深度學習在位置偵測的精準度上並無優勢,加上判斷速度較慢,「傳統影像處理有些技術,應用上會比深度學習來的更好。」
換句話說,不是用最新、最強的技術就好,不同應用場景有其最合適使用的技術,這就是許朝詠歸納的第二大AI導入經驗。
3大AI導入經驗之三:從自動化、人機協作到智慧化循序漸進落地AI
最後,許朝詠也提出一項正在建置的AI應用,也就是出貨前的鋼卷智能檢核,雖然目前僅有初步成果,但這項應用實際影響了傳統檢核作業流程的轉變。
許朝詠解釋,鋼鐵在包裝、裝載完成之後,還需要檢核包裝外觀,以避免客戶收貨後發現包裝瑕疵,因而對品質產生疑慮。為了檢核來自23個倉庫的貨品,中鋼設置了4個主要的檢核站,共計17個車道、每個車道配置4名檢核人員,車輛在倉庫裝載貨品後會先前往檢核站,由人工檢查外觀是否破損,並核對貨品身份與數量,完成檢核才能出廠。
但傳統的人力檢核方式,不僅人力成本較高,大量出貨時載貨司機也常需排隊等待,更佔用了約兩個倉庫的空間來檢核。對此,中鋼試圖透過AI智能檢核的方式,將傳統的檢核中心改以一個雲端檢核中心來取代,在每個倉庫出貨前,直接將鋼卷影像上傳雲端,由檢核人員從雲端照片來判斷是否有瑕疵,若無即可放行車輛出廠,不只能加快檢核效率,檢核人員也能更輕鬆完成任務。
而這些檢核照片的篩選,則是先拍攝車輛進入檢核站的影像,經過運算後,自動擷取鋼卷正面、側面品質最佳的影像,透過自動檢放系統來提供檢核人員檢驗,經實測後,完成8張鋼卷照片的檢驗大約只要8秒。
許朝詠表示,將檢核流程雲端化只是第一步,中鋼下一步要利用檢放系統,在檢核人員雲端判讀照片狀況的同時,蒐集異常照片的資料,再利用深度學習的技術來訓練瑕疵辨識模型,進一步將檢核流程自動化且智慧化,來取代人工作業。
「邁向智慧化的過程,很多人會想要一步到位,但很困難,如果能用AI先實現局部的自動化,透過人機協作來提升作業效率,並同步搜集資料,就會對智慧製造的實現有很大的幫助。」許朝詠認為,AI落地並非一蹴可幾,需要一步步優化原先的作業流程,蒐集足夠的資料,才能實現智慧化的目標,這也是他提出的第三大AI導入經驗。
附圖:應用場景的序號本身可能有模糊、手寫字、油漆過淡等問題。
透過資訊的串接,來克服AI序號辨識可能不夠精準的問題。
透過即時原料粒徑大小分析來調整物料分佈,進而提升高爐燃燒效率。
人工檢核過程。
透過檢放系統來檢驗熱軋鋼卷的包裝外觀。
資料來源:https://www.ithome.com.tw/news/141163?fbclid=IwAR3UUiJ0rpr7aUf8d2FmGZaZp3_e4E-9esf6ZOD1iiA20Id4ZYo1-hK7iwc
臺電圖號座標定位系統 在 張秀華粉絲團 Facebook 的最佳貼文
求救時要告知【座標】!!
在撥打112、110、119等求救電話前,利用手機APP確認自身座標位置,可以讓救援更加有效率。
以下介紹幾款常用APP。
(一) IOS及Android均適用:
「Google地圖」:
開啟GPS定位功能,再開啟「地圖」APP,接著按一下右下角的「我的位置」⊙圖示,地圖中的藍點即代表目前所在位置,然後單指按壓藍點1秒鐘,上方搜尋列即會出現該點座標值。
提醒:您的所在位置可能在淡藍色圓圈內的任何一處。圓圈越小,表示應用程式越確定您的所在位置。
(二) IOS系統:
1.內建「指南針」:開啟GPS定位功能,下方即會出現所在位置座標。
2.「登山客 GPS Hiker」:
(1)可安裝離線地圖,在無網路狀態下仍可定位查詢所在位置座標。
(2)可查詢別人走過軌跡及紀錄自己軌跡。
(三) Android系統:
1.「臺灣大地羅盤」:可發送座標簡訊。
2.「OurxMaps」:
(1)可安裝離線地圖,在無網路狀態下仍可定位查詢所在位置座標。
(2)可查詢別人走過軌跡及紀錄自己軌跡。
其他如「綠野遊蹤」、「Locus Map」及「地圖座標」等APP,民眾可選擇適合自己使用的程式下載安裝使用。
※貼心小叮嚀:
1.專業登山建議購買登山專用GPS,收訊、定位、電力及防水功能較手機佳。
2.智慧手機皆內建GPS晶片,定位不需網路及手機訊號也可使用。
3.智慧手機APP搭配離線地圖,可在無網路環境下運作定位,瀏覽地圖。
4.手機開啟GPS定位功能較為耗電,記得開啟省電模式或攜帶行動電源。
5.出遊前確認手機APP圖資是否已更新。
6.報案座標系統之格式,以「WGS84」或「TWD97」為優先,以利搜救人員判讀。
7.出遊前應熟悉APP之操作方式及提升精確度方法,以減少誤差,加速搜救效率。
臺電圖號座標定位系統 在 台電圖號座標定位系統2023-在Facebook/IG/Youtube上的焦點 ... 的推薦與評價
提供給工程人員使用的台電圖號座標查詢、快速轉換成地理座標與提供GOOGLE MAP 導航的工具且可反向GPS定位查詢台電圖號座標。 注意:因手機GPS定位初始誤差會較大… [教學] 用 ... ... <看更多>
臺電圖號座標定位系統 在 曾有在山區迷路的登山客 - Facebook 的推薦與評價
台電圖號座標定位系統(進階版): http://59.124.132.78/tpcgooglemap/ , (簡易版) https://dcms.taipower.com.tw/tpcGoogleMap/ 也有電力座標APP,電粉們可以下載玩玩 ... ... <看更多>
臺電圖號座標定位系統 在 台電圖號座標定位系統2023-在Facebook/IG/Youtube上的焦點 ... 的推薦與評價
提供給工程人員使用的台電圖號座標查詢、快速轉換成地理座標與提供GOOGLE MAP 導航的工具且可反向GPS定位查詢台電圖號座標。 注意:因手機GPS定位初始誤差會較大… [教學] 用 ... ... <看更多>