前往中央內容區塊 :::
:::

當期雜誌

購物提醒:當您要離開或跳轉頁面時,請先將您想要購買的文章加入購物車,以便快速紀錄完成購買流程!
摘要

近年來國際工具機製造商如 DMG-MORI、MAZAK 皆陸續導入邊緣人工智慧 (Edge AI),強化設備的健康狀態監控、異常診斷與製程優化等提升智慧設備。然而,控制器受限於格式封閉且運算效能與外接硬體成本考量,使得AI技術難以在工廠大規模落地,為解決此瓶頸,工研院機械所偕同國立臺灣大學機械系蔡孟勳教授團隊以及新代科技三方合作,建置示範線樣板,以AIEmbedded CNC (Computer Numerical Control) 控制器技術,將AI模型直接部署至控制器內,與原有的控制器核心協同運作,並建置工具機邊緣驗證平台,導入國內控制器實測資料驗證AI模型的可行性,降低AIApps上機測試成本,以先驗證再導入的標準化路徑,提供AI模型自工具機數位雙生平台整合的虛擬建模技術,再以AI Embedded CNC控制器技術的控制器端部署到最後於臺中工研院智慧製造驗證場域實機驗證的完整技術路徑,為AI賦能工具機的實用化與產業化奠定基礎。

Abstract

In recent years, international machine tool manufacturers such as DMG-MORI and MAZAK have progressively adopted Edge AI to enhance equipment health monitoring, anomaly diagnosis, and process optimization, thereby advancing smart equipment capabilities. However, controllers face limitations due to closed formats, computational performance constraints, and external hardware costs, hindering large-scale AI implementation in factories. To overcome this bottleneck, the Industrial Technology Research Institute's Smart Machinery Center collaborated with Professor Meng-Hsun Tsai's team from the Department of Mechanical Engineering at National Taiwan University and S.T. Technology to establish a demonstration line prototype. This initiative employs AI Embedded CNC (Computer Numerical Control) controller technology. This approach deploys AI models directly within the controllers, enabling them to operate synergistically with the existing controller core. Additionally, an edge verification platform for machine tools has been established. This platform utilizes real-world data from domestic controllers to validate the feasibility of AI models, thereby reducing the cost of AI application testing on actual machines. Following a standardized path of “verify first, then deploy,”the platform provides virtual modeling technology integrated from the machine tool digital twin platform. and finally deploying the AI Embedded CNC controller technology at the controller end for real-machine validation at the ITRI Smart Manufacturing Verification Site in Taichung. This comprehensive technical pathway lays the foundation for the practical application and industrialization of AI-enabled machine tools.

AI 賦能工具機數位雙生平台

一、智慧加工的加速器:熱補償、伺服參數估測到 CAM 等多功能智慧工具機的 AI 機能導入

工研院機械所自主研發的虛擬工具機數位雙生平台,能夠模擬真實機台的運動行為,主要核心模組為 (1) 控制器模擬器與 (2) 機構運動模擬模組。其中,控制器模擬器模組主要負責解譯加工程式得到插補座標,再將座標列輸入機構運動模擬模組,使 3D 機構模型運動,達成加工模擬。控制器模擬器模組提供控制器連線介面,模組支援 FANUC [1]、SIEMENS [2]、三菱等廠牌控制器。此外,數位雙生平台提供連線實際控制器選項,藉由讀取機械座標,使機台的數位雙生模型能與實際機台達成遠端同步監控,且可讀寫控制器與可程式化邏輯控制器(programmable logic controller, PLC)參數。

為了提升機台模擬準確度,虛擬工具機數位雙生平台除了基本的運動學模擬,還需考慮熱膨脹、摩擦力等動力學因素,因此虛擬工具機數位雙生平台上搭載各式與工具機物理現象相關的 AI 功能模組,可透過預測這些誤差的模組將補償值寫回到實際機台,使虛實整合更為完整,提升機台模擬的應用價值。

二、AI 熱補償技術

加工過程中,機台因熱源累積而產生熱變形,進而造成刀尖位置偏移,影響最終加工精度。為了即時掌握並補償此類誤差,數位雙生平台導入主軸熱變位預測模組,根據即時溫度訊號推算熱變位,更精準地模擬機台補償行為,使虛擬模型更貼近真實機台的熱行為,進一步可藉由控制器模擬器模組連線實機執行補償動作以提升實機加工精度。

一般情況下,當構型相同的機台更換不同轉速的主軸時,需要重新蒐集訓練資料來訓練 AI 模型,並進行模型測試、熱誤差預測、以及加工驗證,此完整流程約需要兩至三週。工研院機械所自主研發的應用遷移式學習建立的主軸熱變位模型,適用於更換不同轉速的主軸時,可透過較少量的實驗數據快速建模,大幅縮短建模周期,並顯著提升熱補償技術在實際產線的應用效率與彈性。

三、AI 慣量技術

機台進給軸移動過程受摩擦效應影響造成位置誤差,進給軸馬達伺服系統會根據誤差回授補償。但補償動作本身需要時間,控制器命令變化瞬間機構難以即時跟上,這種位置、速度落後的現象,在進給軸加減速、方向切換、或是工作臺負載變化較大時尤其明顯,形成動態誤差影響最終加工精度。

一般控制器都會開放伺服補償參數供使用者設定,馬達的轉動慣量為其中之一。轉動慣量代表馬達轉動的困難程度,當轉動慣量較大時,馬達需要增加扭矩來推動進給機構,反之則減少扭矩避免機構移動過頭。轉動慣量參數設定會影響進給軸加減速,預設參數較為保守,導致機台性能無法完全發揮。我們透過 AI 模型估測轉動慣量,設定伺服參數使機台根據不同轉動慣量調整加減速,增加加工效率並提升動態精度。

DOI:10.30256/JIM.202603_(516).0009

「如欲訂購單篇,請至 「華藝線上圖書館」
回文章內容列表

更完整的內容歡迎訂購 2026年03月號 (單篇費用:參考材化所定價)

3篇450元

NT$450
訂閱送出

10篇1200元

NT$1,200
訂閱送出