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: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:林煒祥、林孟秋、徐士哲、陳民融、張仲敏GenAI驅動之3D數位設計與國產控制器虛實整合製造技術

隨著智慧製造與數位轉型的推進，傳統加工流程面臨精度與效率的雙重挑戰，本文探討將生成式人工智慧（Generative artificial intelligence，GenAI）技術應用於3D圖檔生成，透過GenAI技術，工程師可快速生成零件的三維模型，縮短設計時間，並結合工研院控制器的3D模擬功能，打造實際加工前的虛擬驗證環境，針對加工程式語法與刀具路徑進行全面檢查，提前發現潛在錯誤與干涉問題，此流程不僅降低加工失誤率，亦能減少材料浪費與機台停機風險，提升整體生產效能，並為智慧製造奠定關鍵基礎。

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。