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:彭達仁、黃秋杰、劉恩承、林妍伶、黃健瑋基於Omniverse優化CNC加工後的纏屑處理

隨著產線自動化的推進，CNC（Computer numerical control）加工過程中的纏屑問題易導致刀具損害、生產停機與維護成本上升。為解決此問題，本研究基於 NVIDIA Omniverse 平台建立數位雙生環境，結合強化學習提升 YOLO 模型之辨識效率與準確度，並透過高精度辨識結果即時控制機械手臂執行多階段清除機制，包括噴氣與勾取操作，必要時進行人工輔助。實驗結果顯示，本系統在不同光線與作業條件下辨識準確率超過 90%，有效降低停機頻率、縮短清理時間，提升刀具壽命與加工品質。本研究透過 Omniverse 虛擬訓練與模擬環境，成功實現智慧化纏屑處理，為產線自動化與先進製造提供關鍵技術參考。

作者:彭達仁、黃秋杰、劉恩承、林妍伶、黃健瑋基於Omniverse優化CNC加工後的纏屑處理

隨著產線自動化的推進，CNC (Computer numerical control) 加工過程中的纏屑問題易導致刀具損害、生產停機與維護成本上升。為解決此問題，本研究基於 NVIDIA Omniverse 平台建立數位雙生環境，結合強化學習提升 YOLO 模型之辨識效率與準確度，並透過高精度辨識結果即時控制機械手臂執行多階段清除機制，包括噴氣與勾取操作，必要時進行人工輔助。實驗結果顯示，本系統在不同光線與作業條件下辨識準確率超過 90%，有效降低停機頻率、縮短清理時間，提升刀具壽命與加工品質。本研究透過 Omniverse 虛擬訓練與模擬環境，成功實現智慧化纏屑處理，為產線自動化與先進製造提供關鍵技術參考。

作者:王世明、黃健瑋、佘家均、黃郁茹適多工況之刀具剩餘壽命智慧監測方法研究

以人工經驗進行刀具壽命費時且缺乏客觀數據支援，無法準確的預測刀具壽命會造成非必要停機、加工精度降低及刀具成本提高。本研究透過實驗設計、數據特徵分析，建立磨耗與振動的關聯，比較GRNN與LSTM預測準確度，最終選用GRNN模型，並建立等效轉換法則，最終以C#建立智慧監測人機介面，完成即時預測刀具剩餘壽命的監測系統。實驗驗證結果顯示，基於AI模型評估刀具剩餘壽命，加工後預估剩餘壽命為1435秒，仍可完成853秒加工需求；在以等效轉換模組應用於多工況驗證下，顯示預測刀具剩餘壽命為430秒，實際壽命為392秒，預測誤差為42秒，由於剩餘壽命不足以完成下次加工製程，系統自動警示換刀。驗證結果顯示，所建立的方法與系統可有效用於刀具剩餘壽命預測。