機械工業網 - 機械工業雜誌 - 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:蔡孟勳、莊健平、麥朝創應用AI影像技術於刀具紋路之分類

工具機加工時，工件表面產生的紋路一般而言可區分為過切、振紋、斜陡坡紋、刀圈紋、拉絲等。在解析紋路時，通常需要有經驗的師傅來加以判讀，而且工件在不同光線、不同角度下所判讀的結果也不盡相同，本文結合AI (Faster RCNN)與影像技術來自動分類加工紋路，使用者只要將加工好的標準模具放置於我們所設計的拍攝模組中即能自動標示紋路的類型，未來將結合專家與IoT系統，達到自動判讀紋路成因的目標。

作者:唐溥陽、蔡孟勳、林明宗、吳玉蟬、李日傑、麥朝創具轉角平滑化之創新五軸插補器設計

本文主要是開發創新五軸插補器以生成平滑的進給率曲線和刀具中心點軌跡之命令，所提出的方法可依據各驅動軸的最大速度、加速度、急衝度以刀尖點的最大進給速度，並在給定轉角輪廓誤差的條件下進行插補器加減速規劃。首先，基於齊次轉換矩陣推導了五軸工具機的順逆向運動學方程式，以建立驅動軸與刀具姿態之間的相對關係，接著計算插補程序所需資訊，而核心技術包含速度限制公式與轉角平滑化，速度限制公式調整最大速度以確保切線和軸向的速度符合限制，轉角平滑化功能藉由考量刀具和運動軸方向上的急衝度、加速度以及速度來產生平滑的運動軌跡，以解決多線段相接時向量改變導致轉角速度不連續的問題，同時確保轉角輪廓誤差在給定的範圍。最後，搭配海德漢iTNC530控制器的五軸雕刻機上進行實驗，並經由相同的參數設定，將所發展的方法與海德漢控制器所輸出的五軸插補點進行比較，以分析所提出方法之優缺點。

作者:劉德葳、蔡孟勳、張宜斌、王仁傑建構智慧機械聯網平台技術

近年來，政府大力推動智慧機械產業，智慧機械主要是以精密機械、自動化與資通訊科技為基礎，透過搭配雲端網路平台、工業物聯網、機器人、大數據等相關技術，希望讓臺灣「傳統機械產業」轉型為「智慧機械產業」，進而提升機械產業於國際競爭力。無論是人工智慧（AI）、工業4.0或智慧機械等願景，其中最主要的技術之一在於擷取產線運作時機械與感測器的資訊，並透過資通訊技術串聯至邊緣電腦，達到工廠管理（如：稼動率、機台警報等），亦可以利用設置資料庫管理系統進行資料存取，提供人工智慧分析與健康預診基礎。本文將以整合FANUC控制器並結合美國國家儀器公司（National Instruments）感測器擷取卡為案例進行說明，首先透過導入FANUC與National Instruments 函式庫，並搭配使用TCP/IP與USB通訊取得機台與感測器資訊，接著採用MariaDB SQL資料庫進行資料保存，最後利用Qt進行人機介面設計並導入慣量估測當成範例來驗證此智能化模組，期望透過此系統能達到建置智慧工廠的目標。

作者:李建毅、楊善荏、莊佳瑾、廖孟秋、黃鵬緒、蔡孟勳、簡嘉宏AI賦能工具機數位雙生平台

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。

作者:蔡孟勳、林俊佑、連震杰、麥朝創應用影像疊圖技術之刀具磨耗檢測

現今工業都朝向自動化與智能化發展，各家工具機廠商亦致力於提升產品的品質及自動化生產的目標，刀具磨耗的情況常常會對產品的品質、自動化生產的效率產生重大影響。本研究以機械視覺為基礎開發線上刀具磨耗檢測方法。由於端銑刀的複數刀刃與螺旋形刀具形狀不同於一般車刀，加上金屬的反光的效應，增加的端銑刀在影像拍攝困難，本研究利用刀具影像疊圖技術將立體的端銑刀展開成平面圖面，並使用影像處理的方法對展開後的刀具圖片進行磨耗檢測。實際以工具機機台進行切削加工，定時進行刀具影像疊圖並檢測刀具磨耗狀態。機械視覺系統被驗證可實際應用於刀具磨耗檢測。

作者:蔡孟勳、林祐生、簡嘉宏應用SAM與轉移學習的U-Net模型於刀具磨耗之研究

本文提出一套創新的刀具磨耗檢測系統，結合 U-Net 語義分割與 Segment Anything Model（SAM），可自動辨識刀具磨耗位置。傳統深度學習方法仰賴大量人工標註，耗時且費力。為此，本文利用 SAM 模型自動產生遮罩，並與預訓練模型輸出比對，選取重疊度（IoU）最高的遮罩作為偽標註，實現無需人工介入的資料擴充流程。檢測系統採用影像疊圖展開技術，將端銑刀轉為全景影像，透過 U-Net 精準分割刀刃區域，並應用轉移學習以提升模型對新樣式刀具的辨識能力。實驗結果顯示，該方法在新刀具上的mIoU提升超過 35%，同時保留原有刀具的辨識效果，證明其具備應用於智慧製造之潛力。

作者:蔡孟勳、洪茂棋、吳相儒應用適應性史密斯控制器於工具機切削扭矩控制