機械工業網 - 機械產業的入口網站

:::

歷史雜誌

依專輯名稱關鍵字搜尋或依年份搜尋，年份輸入範例202406

作者:游鴻修迎向生成式AI時代機器人系統發展新紀元

工研院機械所自2005年成立智慧機器人技術組以來，筆者參與這二十年機器人技術研發，有四個階段技術發展重點。從初期聚焦於服務型機器人技術，拓展至工業型機器人自動化，進而邁入CPS（Cyber-Physical Systems）工業4.0機器人系統，直至近年生成式人工智慧（Generative AI, GAI）技術的導入，更引領機器人領域邁向智慧化與創新應用的新紀元。GAI的出現，不僅開啟機器人智慧演進的新篇章，更強化了過去服務型與工業用機器人發展的功能與價值。在服務型機器人方面，GAI提升人機互動中的語意理解與回應能力，使機器人能更貼近人類語境與行為模式；在工業型機器人領域，GAI提升機器視覺檢測準確度，協助實現複雜製程的靈活調整；在CPS工業4.0場景中，GAI結合高擬真模擬器，有效促進異質系統間的智慧協同與多種感知跨模態轉換與控制。當前機器人技術正邁入一個結合語意理解、空間彈性與智慧協作的新時代。從自動化走向智慧化，從單機作業邁向人機共融，機器人系統的應用也快速擴展至醫療檢測、智慧製造、危險場域作業與人因介面設計等多樣化場景。本期專刊從業界領袖觀點到技術文章收錄，包含語言模型導入、人機互動強化、視覺與力覺整合，虛實融合製程與數位雙生建模、攀爬機構應用等核心領域，全面展現臺灣機器人產學研技術在生成式AI時代的多軸發展與應用深化。

作者:張和明、梁志瑄賦能百工百業：智慧工廠與GAI驅動下之模具產業戰略新局

面對全球供應鏈重組與人才斷層，模具產業正從經驗依賴轉向科學導向。本論述聚焦工業物聯網（IIoT）、數位雙生（Digital Twin）與生成式AI（GAI）的整合應用，旨在構建具備高度韌性的智慧製造體系，透過IIoT 數據對接數位雙生「設計、監測、診斷、優化」之閉環架構，能精確評估製程風險並縮短開發週期。進一步結合大型語言模型(LLM）與檢索增強生成技術（RAG），將隱性經驗轉化為具備實證基礎的決策資產；並輔以智慧預測性維護（IPdM）估計剩餘壽命（Remaining useful life, RUL），達成零停機目標，透過虛實整合與 AI 深度耦合，臺灣模具業將轉型為高附加價值之技術服務商，奠定全球競爭領先地位。

作者:吳佳鴻、王宣閔、沈宜萱、李韋辰生成式人工智慧（GAI）應用於工業技術發展概論

作者:吳佳鴻、王宣閔、沈宜萱、李韋辰生成式人工智慧（GAI）應用於工業技術發展概論

隨著人工智慧（AI）領域的技術發展，生成式人工智慧（Generative Artificial Intelligence, GAI）已成為嶄新且突破的技術，其以自然語言作為輸入，可生成文字、圖片或其他媒體作為回應，此種生成性能令GAI的應用蔚為風潮。而除了日常生活中可做為助理或客服使用外，GAI亦逐漸被應用至工業領域，用以強化效率、提升產能以及降低專業門檻等，用途範圍廣闊。本文將針對GAI之發展、關聯技術作概括說明，並介紹工業領域上的應用發展。

作者:楊凱智、吳鴻材GAI內裂瑕疵音頻生成技術

本研究為解決金屬零組件內裂瑕疵品音頻資料取得不易問題，開發內裂瑕疵音頻資料生成技術。

研究之音頻資料取樣頻率128kHz，取樣長度32,768 個資料點。生成式演算法選用SAGAN（Self-Attention Generative Adversarial Networks）進行稀缺資料生成，藉其自注意力機制的全局資訊關聯生成音頻資料。

資料合理性驗證採用多維KS 檢定法(Kolmogorov-Smirnov Test），生成資料總體相似率達95%。將生成的1,000 筆虛擬資料與真實資料混合訓練，使AI（Artificial Intelligence）檢測模型之測試準確率從87% 提升至93%。

作者:沈宜萱、吳佳鴻、李韋辰基於GAI之瑕疵影像生成研究

面對勞動力老齡化與經驗斷層，製造業正加速導入人工智慧與自動化光學檢測技術至品質檢測中，以提升檢測效能。然而高良率產線常面臨瑕疵樣本稀缺問題，也成為訓練高穩健性AI檢測模型的瓶頸。為此，本研究開發模仿式瑕疵影像生成模組，將資料收集策略由被動收集轉為主動生成。模組使用局部填補技術，將瑕疵大小與位置參數化，納入生成模型的約束條件，使生成瑕疵特徵趨近於真實影像。實測顯示，在僅有100張真實瑕疵影像的情況下，透過GAI擴增瑕疵影像，將其加入檢測模型訓練，使召回率從72%提升至99%，有效降低漏檢率，並快速建置檢測系統。

作者:史偉群,葉賜旭,謝鎮洲基於生成式人工智慧之永磁直線同步馬達驅動控制參數智慧優化策略

為解決高階運動控制系統參數調整的挑戰，本研究聚焦於永磁直線同步馬達，提出一套結合生成式人工智慧的智慧優化策略。本方法以延伸型比例-比例積分控制模型為基礎，透過大規模模擬建立數據資料庫，並且設計結構化提問機制，引導生成式人工智慧建構邏輯推理鏈，以辨識參數敏感度且推導最佳調整順序與區間。經模擬與實機雙重驗證，證實此智慧調參方法能顯著提升效率、縮短試驗時間，並且具備跨資料整合與推論能力。本研究不僅突破傳統限制，更為智慧製造領域提供一具實務性與創新性的參考架構，驗證生成式人工智慧在高階驅動控制的應用潛力。

作者:張木力、莊仕杰、林昱廷金屬3D列印模具在熱交換性能的挑戰與機會

透過3D列印方式來製造模具，並非只是製造工法上的轉換，而是促進模具產業另一次躍升的契機。
透過隨行冷卻通道設計的引入，在熱交換性能上可具有重要的提升，本文將以射出成型模具作為探討目標，並分析如何透過隨行冷卻通道的設計同時搭配數值模擬分析來提升模具的熱交換性能。