Solution 02

製程品質控制

Solution 02

製程品質控制

鋼鐵生產菸草製造

重新定義品質控制防線

What
結合深度學習視覺識別與多變數相關性分析，實現對隱蔽、高成本品質缺陷的關鍵工藝參數與產品表面品質的精準、主動捕捉與定量分析。
Why
品質缺陷是工業生產中最隱蔽且成本最高的損失來源。Maxta 運用注入頂級行業專家知識的工業垂直模型，將品質控制從事後檢驗升級為主動預警。

系統結合「深度學習視覺識別」與「多變數相關性分析」雙引擎。在結果端，垂直視覺模型在大量HD影像中精準捕捉微小缺陷（達成 99.6% 裂紋識別率）；在根因端，預測模型（如隨機森林）深度挖掘數百個複雜工藝參數，自動排序與追溯關鍵品質因子。

鋼坯夾雜物分析與預測

產業痛點

鋼坯品質缺陷直接影響最終產品品質。部分缺陷隱藏於表面下，直到軋製時才被發現，造成巨大品質損失。

系統效益

收集煉鋼、連鑄、軋製等工序數據。運用大數據與ML，開發智能缺陷預測方法，於軋製前消除問題。

裂紋與工藝變數相關性分析

產業痛點

複雜的裂紋成因與眾多工藝參數，使系統性識別與裂紋品質問題最強相關的變數變得不可能。

系統效益

運用隨機森林進行裂紋數據相關性分析，變數重要性排序，逐步選擇最佳變數子集以建立最高準確度的裂紋分類模型。

二次冷卻噴嘴堵塞預測

產業痛點

1920×1200解析度的鋼坯裂紋影像需在大量HD影像中進行人工逐幀識別，效率極低且漏檢率高。

系統效益

深度學習視覺模型預處理鋼坯影像，提取識別區域，於樣本集上訓練驗證，在實際生產中達到 99.6% 識別率。

冷卻水分智能控制

產業痛點

冷卻水分控制完全依賴人工經驗。滾筒壁溫度、蒸汽閥開度與冷卻水分難以協同最佳化。

系統效益

即時預測滾筒壁溫度、蒸汽閥開度與冷卻水分；水分控制均質化；減少乾頭尾廢料；全製程智能控制取代人工操作。

香菸吸阻智能控制

產業痛點

吸阻受批內重量波動影響。組間阻抗偏差難以消除。傳統人工目標重量調整缺乏即時精確度。

系統效益

透過機內短菸重量預測未來吸阻趨勢。模型自動控制捲菸機目標重量，動態減少組間波動，實現全製程智能吸阻控制。

0Day 啟動您的 AI 之旅

通電即用，AI 即刻就緒
立即聯繫 Maxta

MaxtaOS 讓您的算力擺脫廠商綁定，MaxModel 讓您的 AI 真正產出業務價值。兩款產品協同運作，交付完整的企業 AI 能力堆疊。

聯繫 Maxta 團隊返回解決方案

製程品質控制