數位雙生技術應用於切削加工系統之鑑別與預測

前言

工具機在製造業中占有關鍵地位，依據美國能源部於2012年發布的能源年鑑，工具機的用電量占製造業整體用電量的75%，顯示其能耗比例相當大，因此開發節能加工製造程式及設備成為企業及政府共同關注的焦點。在全球永續發展(SDGs的趨勢下各國紛紛投入資源研發節能技術，特別是在工具機產業為了實現工具機的綠色生產，國際標準化組織訂定「工具機環境評價」標準(ISO 14955-1, 2014)，詳細完整規範金屬切削的能耗測試程式與節能機台的設計準則。可以預見未來節能規格將成為機台產品的重要指標。日本標準協會(JSA)也發布 TSB0024標準(電力消耗測試方法)來測量機台的功耗，以發展高效、環保及節能之工具機。這一趨勢強調透過智慧技術達成生產自動化、數位化及網路化以提升生產效率、降低成本並減少對環境影響。在不影響產品品質的前提下達成能耗的最佳化，以及在多變的生產環境中維持設備的穩定性與可靠性，已成為當前的重要挑戰。隨著設備與工藝的複雜性增加，傳統的嘗試錯誤法與經驗驅動方法已無法滿足這些需求。在這樣的背景下，數位雙生(Digital Twin)技術應運而生，作為一種必要性的解決方案，為製造業提供虛擬與實體相結合的合作模式。通過數位雙生技術，工業界可以在虛擬環境中模擬實際生產過程，進行系統辨識與能耗優化，從而顯著提升生產效率與降低能耗，實現製造業的永續發展，全面推動綠色製造，加速綠色升級，構建高效、潔淨、低碳、循環的綠色製造系統，以減少能源消耗與污染物排放。

西門子的RMVM(Run My Virtual Machine)是當前工業界廣泛應用的一款先進的數位雙生軟體，專為虛擬加工及系統辨識而設計。RMVM 能夠精確模擬機台操作，提供包括位置、速度、加速度以及負載等在內的多種切削加工參數，從而為製造過程的虛擬化提供關鍵數據。不僅能在虛擬環境中進行加工操作的測試與優化，還能提前發現並解決潛在的切削問題，有效避免實際操作中的試錯成本。其主要特色之一是即時模擬功能，可以即時查看加工效果並進行相應調整，透過模擬預測沿著加工路徑各軸向的動作及加工時間，RMVM 都能顯著提升生產效率與品質。RMVM可經由虛擬CNC SINUMERIK 控制器的實際控制動作，其操作介面與實際控制器一致，因此只需輸入NC路徑程式，即可模擬並預測沿著加工路徑各軸向運動及加工時間，由於RMVM內建西門子自有控制器核心演算，模擬準確度可達99%以上。

GCODE是控制機台操作的程式語言，其主要指令包括G00、G01、G02、G03等。在數位雙生的應用中，GCODE不僅是機台的控制語言，更是一種重要的數據來源。透過對GCODE指令進行數據分類與分析，可以提取所需系統辨識的數據，包括位置、速度、加速度以及電流等。GCODE分類的原理在於根據不同指令對應的操作，將數據進行標記與整理，形成一系列的數據庫，根據這些數據庫可用於後續的模型訓練與驗證[1]。

而在系統辨識建模方面，Matlab的System Identification Toolbox是一款用於構建數學模型的工具軟體，能夠依據實驗或模擬數據，系統辨識出切削動態系統的數學模型表示。該軟體廣泛應用於工程及控制領域，特別適合處理複雜的動態系統。其原理是透過輸入對輸出數據的分析，建構系統的數學模型[2][3]。其中，Hammerstein-Wiener模型是一種結合線性與非線性模型的動態系統模型，特別適用於描述具有非線性行為的系統。該模型將系統的非線性結構與線性結構分開處理，其中Hammerstein結構將非線性模型置於系統的輸入端，而Wiener 結構則將非線性模型置於系統的輸出端。這樣結構設計提供靈活性來說明系統的非線性動態特徵。在工業應用中，許多動態系統都展現出明顯的非線性特徵，特別是在高精度加工過程中，這些非線性特徵對系統的動態響應有重大影響[4][5]。小波網路(Wavelet Network)則是一種結合小波轉換與神經網路的數據處理技術，能夠在多尺度下進行數據分析與模型識別，其原理小波轉換作為一種時間-頻率分析工具，能夠在不同時間尺度上分解訊號，從而捕捉訊號中的局部特徵，而神經網路則是模擬神經系統的計算模型，具有強大的自我學習能力與非線性處理能力，將兩者結合，形成能夠有效處理非線性與非平穩訊號的強大工具。在工業應用中，機械加工過程中的數據往往具有高維度、非線性及複雜性，傳統的數據分析方法難以準確捕捉其中的細節，並構建精確的模型[6]。對於高斯過程(Gaussian Process)則是一種非參數化的統計學習方法，應用於機器學習與數據分析領域，其原理是透過建立一個先驗機率分布來對數據進行建模，該先驗機率分布是根據高斯分布的假設，在給定訓練數據後，透過貝葉斯推理方法獲得後驗機率分布，從而進行預測模型。高斯過程的優勢在於其自然地處理數據中的不確定性，並提供對預測結果的置信區間，使其在處理具有不確定性與複雜性的動態系統時表現優異[7]。