Details

Seagate Technology (Thailand) Limited is the leading hard disk drive manufacturer. The article is a report of an internship and cooperative education in the department of Factory Sustainable Engineering (FSE). Assigned to develop standard tools on the CiRA CORE platform, a tool for creating synthetic defect datasets. The available defect data for industrial production is limited quantity of data, so the learning model of artificial intelligence is not efficient enough. So, increasing the number of defect datasets is a great method to improve model performance based on basic information about defects and digital image processing to create synthetic defect datasets for model learning.
Furthermore, the performance of the model was tested based on the data learned from the synthetic datasets generated during the adhesive application process. The experimental design involved 8 methods of generating datasets, and it can be summarized that the method of creating synthetic datasets by specifying a center point and randomly placing faulty pieces in the area of interest resulted in a model accuracy of 91.2 percent.

Objective

ในปัจจุบันการพัฒนาระบบคอมพิวเตอร์วิชั่นด้วยการอาศัยปัญญาประดิษฐ์ มีความสำคัญต่อในการแก้ไขปัญหาบนเครื่องจักรในภาคอุตสาหกรรมเป็นอย่างมาก ซึ่งต้องอาศัยข้อมูลภาพถ่ายบนเครื่องจักรจำนวนมากในการสร้างโมเดลการเรียนรู้ของปัญญาประดิษฐ์เพื่อให้เกิดความแม่นยำสูงสุด และสามารถครอบคลุมความแปรปรวนที่เกิดขึ้นในขั้นตอนการผลิตได้ ปัญหาสำคัญที่พบในกระบวนการพัฒนาออกแบบตัวโมเดลคือ จำนวนข้อมูลในส่วนที่เป็นภาพถ่ายของชิ้นงานเสีย (Defect part) ในสายการผลิตที่จะนำมาใช้ในการเรียนรู้ไม่เพียงพอ ซึ่งชิ้นงานดี (Good part) มักพบในกระบวนการผลิตที่เป็นปกติอยู่แล้ว จึงเป็นที่มาของโครงงาน ในการสร้างเครื่องมือที่จะช่วยสร้างข้อมูลภาพถ่ายที่เป็นชิ้นงานเสีย โดยอาศัยเพียงข้อมูลพื้นฐานของชิ้นงานที่เสียจำนวนไม่มาก เพื่อเป็นฐานข้อมูลในการสร้างข้อมูลเสมือน(Synthetic data) โดยอาศัยองค์ความรู้พื้นฐานของการประมวลผลภาพแบบดิจิตอล (Digital image processing) ในการสังเคราะห์ข้อมูลภาพ ซึ่งมีการวิเคราะห์ถึงโอกาสที่น่าจะเกิดขึ้นทางกายภาพของการได้มาของข้อมูล (Image acquisition) ได้แก่ สภาพแวดล้อมที่เปลี่ยนแปลงไป (Environment change), การติดตั้งและการปรับแต่ง (Installation and setup), ชนิดของของเสีย (Type of defect), ขนาดของของเสีย (Sizing), ตำแหน่ง (Location) เป็นต้น ซึ่งจะช่วยลดเวลาในการเก็บข้อมูล และสามารถเพิ่มข้อมูลให้เพียงพอต่อการเรียนรู้ อีกทั้งสามารถนำไปต่อยอดเพื่อใช้งานเป็นเครื่องมือมาตรฐานบนแพลตฟอร์ม CiRA CORE เพื่อการพัฒนาต่อไปในอนาคต

Project Members

ภากมล ทองตัน

PAKAMON THONGTAN

#นักศึกษา

Member

สันทัด ชูวงค์อินทร์

Santhad Chuwongin

#อาจารย์

Advisor

Vote for this Innovation!