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:熊治民人工智慧應用加速智慧製造發展

作者:黃仲宏NVIDIA機器人技術與臺灣的機會

作者:周森益生成式AI驅動數位轉型

生成式AI技術快速發展，成為數位轉型的重要工具之一。透過案例分析，介紹GPT-4模型的應用案例，展現出AI模型所具備的推理能力。基於AI對自然語言的理解能力與推理能力，所帶來的典範轉移將大幅改變應用程式的開發架構。企業如何採用正確的策略確保在AI所引發的數位轉型過程中保持競爭優勢，以及如何負責任地治理生成式AI所建構的應用程式，以確保AI應用程式的公平性、可靠性、隱私、包容性、透明度和當責性。

作者:何筱晨、劉育彤、廖建智工具機整機AI動態出廠檢測技術

傳統工具機生產履歷與品管檢測多以靜態精度與幾何精度為主，對於動態性能的檢驗極為缺乏，無法有效檢測預壓力、接合面狀態、鎖緊力、地角承重均勻性…等關鍵組裝變數。本文開發目標為建立工具機AI組裝檢測平台，以動態響應FRF為指標進行組裝品質判定，透過智慧化AI檢測確保產線機台加工性能的出廠均一性，提升產品組裝品質、加工能力與設備穩定性，降低售服比例，提升工具機品牌形象，才是擺脫價格競爭的解決方案。

作者:楊智翔、李曉暉服務型自主移動機器人發展現況與產業應用分析

為緩解日益惡化的勞動力不足危機，服務型自主式移動機器人(AMR)具有關鍵性的角色，在各個產業轉型過程中有非常重要的角色。AMR應用範圍廣泛，包含倉儲物流、生產線、商業環境等領域。近年來AMR藉由導入資訊科技(IT)、人工智慧(AI)以及數據科學等技術應用，包含平台整合、路徑優化與預測分析等，將以機械設備為主體的自動化設備型機器人進化至具有智慧應用能力的服務型機器人。本報告探討AMR技術在產業轉型中應用並進行分析，提供產業導入AMR應用評估與指引。透過本報告讓產業可以進行策略制定，運用智慧科技協助產業數位轉型，以實現最佳效益。

作者:李修明、黃雅婷、鄭致潔智慧工廠的節能減碳論述

針對智慧工廠，在節能減碳議題上的概括性論述。包括世界各國相關節能減碳法規與政策、製造業在節能減碳的可行方案，以及智慧工廠在節能減碳上的可行技術及方法，並解析可行的商業模式。

作者:解明潔自動化AI視覺檢測技術

隨著人工智慧（Artificial Intelligence, AI）與深度學習（Deep Learning）的發展推動視覺檢測從傳統依賴規則的方式，轉型為數據驅動的智能化系統。傳統檢測在光照穩定時具有效率，但對環境變化敏感，易誤判與漏檢。AI 深度學習透過大量標註數據自動提取多層特徵，能適應複雜生產環境，於分類、檢測與分割等任務展現高精度與穩定性。本文介紹 2D 與 3D 視覺技術及其在缺陷檢測、尺寸量測、品質分級的應用，強調其在光照變化容忍度、複雜特徵辨識、即時檢測及自適應優化的優勢[1] [2]。特別是在金屬加工產線，AI 視覺能處理金屬表面反光與隨機堆疊問題，結合工件定位與 3D 視覺辨識，輔助機械手臂完成自動化上、下料，有效提升精度與效率。

作者:楊宗賢、劉昱顯機器人AI視覺動態影像特徵定位技術

傳統在使用機器人進行自動化的設計應用中，機器人與目標物之間的定位與即時動態控制佔據了關鍵角色，也幾乎決定了系統整體的動態效能，並影響總體執行時間與工作精度兩個重要的量化指標。一般在設計機器人控制流程前會先利用視覺感測器來偵測目標物上的特定平面格狀交點特徵或立體參考點後，再進行兩者間的座標校正與轉換計算，才可進行後續的智慧化控制流程，然而現今為符合產業在高速動態與高精度的需求下，在目標物上的特徵偵測演算速度與位置正確性將會是關鍵。有鑑於目前人工智慧(Artificial Intelligence, AI)的蓬勃發展，本文分析多種具備即時性與準確性的特徵偵測AI模型與機器學習演算法，並分別針對橡膠、鑄件、畜牧三種產業上所需要的2D與3D的視覺特徵偵測、分類與追蹤，搭配高即時性機器人的動態控制來實現低延遲與高精度的自動化系統。

作者:楊宗賢、劉昱顯異質設備多機同動與協作控制技術

在自動化產業中，控制器的功能整合為快速導入產線的關鍵組件之一，一般工廠內包含多種非開放式的異質設備，受限於其中的軟硬體限制，在整合上往往需耗費大量時間和專業人力資源來進行介面設計和程式編寫。本文針對產線的需求，開發一種基於多種通訊技術的介面整合，實現具模組化的軟硬整合技術，此技術完成了設備間的高效同步通訊和協作，並搭配人工智慧演算法的手段解決傳統無法自動化的流程，大幅降低自動化的門檻，同時增加生產效率和整體穩定性。本文透過實際的橡膠產線驗證，建立具自動化的生產流程。

作者:陳侑成AIoT結合智慧製造技術發展現況與展望

企業透過智慧技術的導入，達到製程縮短、人力及生產成本下降、以及良率的提升，對全球生產模式產生革命性的創新。[1]據日本市調機構富士經濟預估，2025年智慧工廠之市場產值將達到 632.8 億美元；麥肯錫也預測 2025 年物聯網相關應用的產值高達3.9兆美元至11兆美元，智慧工廠即為智慧科技最大應用市場，市場占比約33%。IoT與AI的結合能極大化產能與最佳化效益，結合發展成為「人工智慧聯網」（AIoT），是未來科技的主流趨勢。本文將檢視近年來製造業導入AIoT相關製造的發展現況、企業導入原因與實施後的優勢，並進一步分析臺灣未來在市場中扮演的角色與發展。

作者:林祺翔智能化刀具辨識匹配技術

隨著加工製程日益複雜，機台上需裝配各種不同類型的刀具以符合各種製程需求，將導致使用者於加工前，必須花費大量時間比對刀具與工序是否匹配，此外還有許多人為的不確定因素(如刀具裝錯位置)。為實現高品質及高安全度之加工，本文利用視覺模組捕捉各刀具影像，搭配AI影像辨識、圖型識別與工序解析技術，分析NC加工碼與裝配於刀塔上之刀具以擷取出刀具需求碼與刀具特徵碼，自動進行匹配檢知以取代傳統需仰賴人為逐一比對之流程，實現製程產線智慧化。

作者:陳柏宇、徐榮弘智慧車輛感測資料監控與分析

本文以「智慧車輛感測資料監控與分析」為核心，整合車輛感測器數據、AI演算法與視覺化介面，全面提升車隊營運效率與安全性。透過即時監控機制，可快速獲取並分析車輛動態資訊，包括車輛耗能與動力狀況、行駛數據與異常情況。同時，本系統導入預測性維護觀念，以深度學習技術辨別潛在故障風險，協助車隊管理者在故障出現前即時採取措施，減少維修成本與停機時間，並大幅提升行車安全。整合性的平台設計亦便於後續功能擴充，為智慧交通管理奠定堅實基礎。