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:呂寧遠、林毓庭、張耿豪、李韋辰塑橡膠射出成型製程參數地圖技術

2021臺灣塑橡膠機械設備產值出口額超過10億美金。面對近年因國際競爭、缺工問題、商品少量多樣與減碳節能的挑戰，臺灣對設備智慧化技術的需求亦與日俱增。智慧化的基礎技術包含感測器與數據的收集、通訊與資訊模型、智慧數據分析算法等。製程參數地圖結合異常檢測技術、度量學習與降維技術、機器學習方法、結合現場專家知識，透過製程參數地圖可提供直觀的肇因分析與即時警示工具，推估原因並避免不良品持續生產造成的浪費。整個塑橡膠射出成型的過程包括提取關鍵特徵、由高維數據的距離度量進行資料清理、降維度提供直觀圖像、與行業專業人員協作標記地圖等等。期望以此技術對未來設備智慧化中的問題定義、技術組合方式、提供累積的經驗與更多啟發。

作者:馬勝銘、蔡淳宇、林豈臣、戴仲裕、彭達仁鑽削參數自主優化與智慧調變系統

近年來於國內外各大工具機展中，皆可看到各大工具機廠發展顫振抑制與參數優化系統。不過當前的製程優化技術多是注重於銑削製程，較少應用於鑽削製程。然而在金屬零件加工製程中，進行深孔加工時經常會遇到鑽削顫振問題，本文將提出一套針對鑽削製程的參數優化與智慧調變系統，透過即時加工振動監控及加工異常振動警示功能，讓加工者能快速了解製程狀態，並在異常振動發生時保護機台。再透過鑽削製程參數優化快速找出加工甜蜜點，維持製程穩定。最後透過參數智慧調變系統，依照加工座標變化自主調變參數，降低因工件動剛性變異造成的振動問題，讓加工者不須因加工座標改變便須停機重新找參數，提升製程效率。

作者:吳鴻材、偕睿仁、王俊傑預測維護技術的實施方法、現況與發展趨勢

預測維護技術（Predictive Maintenance）因提供了設備維護所需的狀態診斷及狀態預測資訊，因此被視為是可取代傳統消耗維護（Run to Failure）、預防維護（Preventative Maintenance）模式的有效方法。然而，預測維護技術的開發，需透過訊號感測處理、設備聯網、設備健康狀態監測及預測、機器學習（Machine Learning）演算法、機械故障鑑別等跨領域技術的整合，因此大幅提高了業界瞭解技術、掌握技術、導入技術的困難度。有鑑於此，本文將從預測維護技術的實施方法出發，為讀者簡介整體技術的流程。而後將以工研院機械所所開發之預兆診斷系統（Prognosis Monitoring System, PMS）為例來說明技術現況，並針對其系統功能及相關技術做介紹。最後，則將盤點目前技術缺口及未來發展走向，期使讀者對預測維護技術能有基本的瞭解。