背景與客戶需求
一家國際知名的機車製造大廠，在其鑄造製程的原料端面臨嚴峻挑戰。產線需要處理交錯堆疊高達 21 層、單塊重達 7 公斤且尺寸細長的鋁錠。客戶急需一套能結合自動化與 AI 視覺的解決方案，以取代傳統人力，解決高昂的人力成本並提升定位與取放的精準度。
面臨挑戰
- 高強度勞動與工傷風險： 頻繁搬運 7 公斤重物並需長期彎腰，導致人員職業傷害風險極高，且缺工問題嚴重。
- 物理視野限制 (FOV)： 由於鋁錠尺寸過長，單一鏡頭的視野範圍 (FOV) 難以在近距離內一次涵蓋整支鋁錠。
- 堆疊複雜度： 鋁錠採 21 層交錯堆疊，且表面反光，傳統視覺難以精確辨識深度與位置。
- 成本考量： 客戶希望避免使用極其昂貴的 3D 相機系統，尋求更高性價比的解決方案。
解決方案
我們導入了具備高運算能力的 AI 視覺方案，成功以軟體實力突破硬體限制：
- AI Instance Segmentation (2D 取代 3D)： 捨棄昂貴的 3D 相機，改用 AI 實例分割技術。透過深度學習模型，在 2D 影像中即可精準辨識堆疊鋁錠的輪廓與層次，大幅降低硬體建置成本。
- 獨家定位演算法： 針對 FOV 無法全覽長條鋁錠的問題，開發特殊演算法分別定位鋁錠的「上端」與「下端」特徵，再自動計算出中心座標，確保機器手臂能精準抓取重心。
成果與效益
- 產能效率大幅提升： 單一機械手臂即可支援四個棧板的作業範圍，搬運效率達到 100 條/小時。
- 高性價比建置： 透過先進的 AI 演算法取代昂貴硬體，為客戶節省了可觀的設備投資成本。
- 實現零工傷場域： 協作機器人取代人力進行重物搬運，徹底杜絕了員工因長期負重與彎腰而造成的職業傷害，實現人機協作的最佳安全典範。
結論
本案例成功證明了「AI 軟體技術」能有效彌補硬體物理限制。透過精準的演算法與高性價比的 2D 視覺方案，我們不僅解決了高難度的鋁錠取放問題，更協助客戶在鑄造製程中達成了產能效率與員工安全的雙贏局面。