三大主題及主題介紹:
自動化瑕疵檢測實作演練:
瑕疵檢測是許多製造業中關鍵的品質控制環節,傳統的瑕疵檢測方法主要依賴人工檢測或基於規則的方法,這些方法儘管具有一定程度的效果,但仍有不夠精準、效率低下和容易受到環境變化影響等問題。傳統上由人工檢查員執行瑕疵檢測,過程不僅耗時耗力,亦容易因疲勞或主觀意識造成錯誤。透過電腦視覺與深度學習技術,AI可以即時擷取織品的影像、分析影像並檢測出織品上的瑕疵(缺陷),落實瑕疵檢測的自動化,並自動檢測 出之缺陷包括織布缺陷(斷頭、缺緯、浮花)、針織缺陷(掉針、破洞、線圈)、染 色缺陷(顏色分佈不均勻、條紋、斑點)、印刷缺陷(錯位、滲色、污跡)等。本課程預計使用YOLO (You Only Look Once)第9版(YOLOv9) 進行織品瑕疵自動偵測。YOLO 將傳統瑕疵偵測與瑕疵分類兩個步驟合而為一,在攫取影像後即可得知瑕疵的位置及其類別。為了讓不具 IT 背景之學員, 在上完課後也能將其部署在生產線上,本課程將透過實作的方式,讓學員從安 裝 YOLOv9、收集瑕疵影像、標記影像、修改配置檔、開始訓練,一直到完成 訓練,都能親身體驗。實作之織品瑕疵樣本影像集預計896張影像,包含破 洞、油汙、異物及針線錯誤4類瑕疵。
智慧工廠部署實務與規劃模擬:
本課程預計讓學員透過理論、技術實作、產業案例分析學習到以下能力:
1.部署智慧工廠的重要模組。
2.即時生產數據監控–生產戰情看板及範例。
3.使用微軟 Power BI 製作戰情看板。
4.以Case Study-產線製程異常監控,了解智慧工廠製程管理平台的實務。
智慧庫存管理系統與實作:
朝向協助「縮短製造業新進人員進入職場的時間、強化產業實務與導入AI演練」作為學習目標,讓學員掌握目前數據蒐集/儲存/清理的原理、機器學習常見技術、機器學習及演算法應用、Case Study 智慧庫存管理案例內容之後,投入機器學習 AI 模型的實作演練:紡織業預測庫存需求。讓無論具備IT或非IT背景之產業學員皆 能從中提升AI技術能力與產業應用之實務,而 AI 實作的模型亦能輔助紡織業預測未來庫存需求,從而優化生產規劃和原料採購策略。