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:張津魁、蔡雅惠、邱威堯、李敏豪CPS之汽機車零組件製程可視化

網宇實體系統（cyber-physical system, CPS）是實現智慧製造應用的重要方案，本文所聚焦的應用領域為汽機車零組件產線CPS關鍵品質系統的快速建構，並以此產業為應用案例說明CPS應用之方式與效益，建構製程可視化技術，再藉由可視化即時產線虛實比對技術，協助國內業者找出產能瓶頸與提出優化決策，針對整廠生產系統進行升級，可有效提升產業競爭力，創造高質化製造設備，提升附加價值。

作者:張津魁、邱威堯、蔡雅惠、江博通跨視野取像裝置之超解析校正技術

近年來，機器視覺檢測方法廣泛應用於生產製程自動化中，隨著製程能力的提升，檢測精度的要求也愈來愈高，然而現有工業光學感測元件之最高解析度仍受限於硬體，導致在大視野範圍下，無法獲得足夠解析度之影像，因此本計畫開發出一跨視野取像裝置之超解析校正技術來進行多組光學感測器之影像縫合，並且無需依賴影像本身之特徵紋路、圖案、顏色等資訊，透過空間之校正技術，求得一高精度且大視野之檢測影像，提昇AOI檢測系統的能力。

作者:李韋辰、張津魁、黃國唐、蔡雅惠光滑曲面異常之視覺檢測

本研究發展光滑表面曲度異常檢測技術，針對視覺檢測目前面臨最大困難之反光且具曲度的光滑物件表面，開發檢測技術核心演算法以及取像架構。本研究以：（1）建構可調整式光路設計，包含投射範圍、角度、位置、解析度、圖樣光路特徵，可達到抗反射及彈性檢測之需求。（2）開發適應性曲度估測技術，由特殊光路投射出的圖樣萃取影像中各圖樣特徵點資訊，建立一標準的曲度特徵模型，便可比對出待測樣本曲度異常的區域，達到曲度異常偵測之效果。透過本技術開發之成果，可應用於汽車產業之後視鏡曲度檢測。

作者:李孟軒、李韋辰、張津魁、張耿豪、蔡雅惠粉末冶金齒輪AI瑕疵檢測

粉末冶金在齒輪製造上複雜形狀的製造能力、材料選擇靈活性、少量切削加工、高精度尺寸控制，以及適合批量生產等優勢，使得粉末冶金成為製造高性能齒輪的重要方法之一。粉末冶金工件因粉末冶金燒結後產生多孔隙表面，在高解析攝影機下的影像呈現粗糙、顆粒感大之特性，使用傳統機器視覺檢測方式常發生誤判、漏檢現象，本文藉由人工智慧瑕疵檢測技術的導入，將可以優於傳統的自動光學檢測模式監控產品良率。

作者:張津魁、羅倆凡、李韋辰非破壞性膜厚AI檢測技術

表面鍍膜技術廣泛應用於各種工業製程，以提升材料的耐磨性、耐蝕性等。然而鍍膜層的厚度對於最終產品的性能至關重要，若鍍層厚度過厚或過薄皆可能會影響工件之功能性，導致產品失效。一般常見的傳統檢測方法多透過破壞樣品後，使用目視、顯微鏡或SEM等工具進行量測，雖可提供準確的測量結果，但檢測效率低且會造成樣品破壞問題。本研究透過人工智慧（Artificial intelligence, AI）技術，結合深度學習與影像處理演算法，針對鍍膜表面的膜厚進行分析，克服傳統破壞性檢測的侷限性，並可適應不同材質與鍍層類型，減少雜訊造成的干擾，以確保產品的品質與一致性。

作者:張津魁、羅倆凡、李韋辰非破壞性膜厚AI檢測技術

表面鍍膜技術廣泛應用於各種工業製程，以提升材料的耐磨性、耐蝕性等。然而鍍膜層的厚度對於最終產品的性能至關重要，若鍍層厚度過厚或過薄皆可能會影響工件之功能性，導致產品失效。一般常見的傳統檢測方法多透過破壞樣品後，使用目視、顯微鏡或SEM等工具進行量測，雖可提供準確的測量結果，但檢測效率低且會造成樣品破壞問題。本研究透過人工智慧(Artificial intelligence, AI)技術，結合深度學習與影像處理演算法，針對鍍膜表面的膜厚進行分析，克服傳統破壞性檢測的侷限性，並可適應不同材質與鍍層類型，減少雜訊造成的干擾，以確保產品的品質與一致性。

作者:江博通、蔡雅惠、張津魁、李敏豪智慧3D模組應用於工件曲度品質回饋

在智慧製造的生產過程中，業者應採取何種方式進行工件品質檢測，以及如何將檢測結果即時回傳，提升整體製程品質，一直是智慧製造的重要課題，而工件品質的回饋，更是智慧製造中不可或缺的因子。本文以國內運具零組件製造產業之生產線為範例，探討如何透過 3D掃描技術，取得後視鏡片的曲度品質，並透過工業物聯網（Industrial Internet of Things, IIoT）的導入，將原本老舊傳統的生產線，轉變為具有即時資訊檢測與回饋的智慧製造生產線。

作者:張俊隆、張津魁從國際自動化展看智慧製造趨勢

智慧製造已是全球趨勢，包含德國Industrie 4.0、美國先進製造夥伴（Advanced Manufacturing Partnership, AMP）、中國製造2025、日本的日本製造業白皮書等。本文從國際智動化展覽：日本國際機器人展（iREX 2017），借此觀察國際的智慧製造全球趨勢。