機械工業網 - 機械產業的入口網站

作者:周暐程無人機應用商機探索新未來

近年來，國際市場在AI、半導體晶片技術突圍下，無人機產業應用開始創新多元，物流、公共行政、營建、保安、軍事國防等面向應用，掀起一波國際服務應用賽局。現在看來，無人機已不再只是娛樂或是攝影工具，伴隨著AI、5G、感測器、大數據、機器學習等科技升級，無人機更加自主性、功能性、便利性，更進一步延伸至各種情境應用中。面對到未來「數位化」與「低碳化」大趨勢浪潮，將有助於我國無人機產業發展，增進未來無人機市場需求與應用商機。

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:李國昶自駕移動服務發展進度與服務模式研究

隨著人工智慧技術進步，自駕移動服務也逐漸成為可能，其中又以面向一般消費者的載客移動服務最受業界關注，除了Waymo與Cruise等廠商持續投入資源之外，中國百度亦正進行自駕移動服務試點，特斯拉更於2024年10月推出自有車型Cybercab。針對此一技術與商業模式的革命性變化，本文將針對自駕車移動服務的重點廠商，分析其發展進度，並研究其服務模式，以供臺灣有意發展此類服務之廠商參考。

作者:黃成凱2023日本工業展探索：智慧製造的嶄新趨勢與未來展望

日本工業展（Manufacturing World Japan）為世界最有影響力的製造業貿易展會之一，其提供縮短研發週期、提高生產力、提高品質、價值分析/價值工程和降低成本等解決方案。本次展出共10個主題，展覽中可發現各領域皆已開始進行數位化轉型並導入AI應用，包含產品設計、製程與檢測等階段；除此之外，此次展出另一大重點為公司既有的非數位化資產之數位轉型方法，透過AI技術將紙本資產數位並標籤化，提供設計部門開發新產品時快速檢索是否有相似產品以避免重複設計之人力浪費，或提供給加工廠業務部門快速檢索相似產品之報價，以針對新的加工需求快速產出報價單。

作者:潘韋龍、蔡承翰、洪國峰、許勝傑AI輔助生成夾爪設計

人工智慧（Artificial Intelligence, AI）可以輔助生成夾爪設計方案。通過分析大量的數據和模擬結果，快速找到最佳的設計解決方案，節省了時間和人力成本。AI可以利用大數據和機器學習算法，分析夾爪過去的數據和性能，從而提供更優化的設計方案。它可以考慮多個參數、材料和形狀，以實現更高效、輕量化和可靠的夾爪設計。AI能夠從龐大的數據庫中提取和分析夾爪設計的訊息，從中發現新的模式和趨勢。這有助於設計師創造出更具創新性和前瞻性的夾爪設計，超越傳統的設計範疇。AI可以與設計師進行實時協作，提供即時的建議和反饋。設計師可以借助AI的智能分析和預測能力，快速獲得關於夾爪設計的意見和建議，從而改進設計方案。AI在設計過程中可以模擬和分析夾爪的性能表現，評估其在不同應用條件下的可靠性和安全性。這有助於減少設計中的錯誤和風險，確保夾爪的適用性和可行性。

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:李孟軒、李韋辰、張津魁、張耿豪、蔡雅惠粉末冶金齒輪AI瑕疵檢測

粉末冶金在齒輪製造上複雜形狀的製造能力、材料選擇靈活性、少量切削加工、高精度尺寸控制，以及適合批量生產等優勢，使得粉末冶金成為製造高性能齒輪的重要方法之一。粉末冶金工件因粉末冶金燒結後產生多孔隙表面，在高解析攝影機下的影像呈現粗糙、顆粒感大之特性，使用傳統機器視覺檢測方式常發生誤判、漏檢現象，本文藉由人工智慧瑕疵檢測技術的導入，將可以優於傳統的自動光學檢測模式監控產品良率。

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:楊凱智、徐家瑋、吳鴻材、王俊傑AI音頻非破壞檢測技術

本研究開發了一種適用於金屬零組件的環保且非破壞式檢測方法，目標在改進如X光、超音波、磁粉等檢驗技術。研究的主要目標是建立一個基於智慧製造的人工智能系統，用於檢測金屬零組件的內部與外部損傷。首先使用衝擊錘、力感測器與麥克風感測器進行音頻數據的觸發與蒐集，接著利用自編碼器（Auto Encoder, AE）壓縮特徵，隨後通過群集分析挑選代表性樣本進行破壞性檢測以取得標籤，最後整合音頻特徵提取技術和卷積神經網絡（Convolutional Neural Network, CNN），辨識出金屬零組件的良/不良品之音頻特徵，在識別特定類型的金屬零組件產品時達到了99.60%的準確率。

作者:楊凱智、徐家瑋、吳鴻材、王俊傑AI音頻非破壞檢測技術

本研究開發了一種適用於金屬零組件的環保且非破壞式檢測方法，目標在改進如X光、超音波、磁粉等檢驗技術。研究的主要目標是建立一個基於智慧製造的人工智能系統，用於檢測金屬零組件的內部與外部損傷。首先使用衝擊錘、力感測器與麥克風感測器進行音頻數據的觸發與蒐集，接著利用自編碼器(Auto Encoder, AE)壓縮特徵，隨後通過群集分析挑選代表性樣本進行破壞性檢測以取得標籤，最後整合音頻特徵提取技術和卷積神經網絡(Convolutional Neural Network, CNN)，辨識出金屬零組件的良/不良品之音頻特徵，在識別特定類型的金屬零組件產品時達到了99.60%的準確率。

作者:陳佳盟探索- 臺灣工具機應用領域與AI致能之現況與趨勢

近年我國工具機產業面臨著嚴峻的挑戰，包括地緣政治、出口禁令、市場競爭等，因此國內工具機廠商必須積極開拓新的應用領域，才有機會突破重圍。臺灣擁有完整的半導體供應鏈，若能打破目前在設備上依賴國外業者的局面，國內工具機業者有機會利用這一契機，與發展成熟的半導體產業共同創造最大綜合效益與市場價值；同時，AI(Artificial Intelligence)技術的迅速崛起，正對各行各業帶來深遠影響，而作為工業之母的工具機，能否在這股技術浪潮中借力使力，使產業實現加乘效益，也成為關注的焦點。本文將針對以上的新應用領域與新技術趨勢，進行探討與分析。

作者:蔡承翰、洪國峰模擬器自動圖像生成及自動標註：以深度學習結合機器人隨機堆疊取料為例

目前視覺領域中的深度學習往往依賴大量圖像及針對這些圖像進行標註，才能將資料集給深度學習演算法進行學習，而人工蒐集資料曠日廢時，且成像品質無法控管其為問題之一，人工針對大量資料進行標註，不同工程師標註方式與品質不一，且此工作枯燥乏味無法負荷長時間工作其為問題之二。針對上述兩個問題，本技術提出以模擬器建立高擬真的場景，其中包含工廠配置、料籃、光源及工件資料，並透過多樣性生成算法(Domain Randomization)，快速產生大量符合物理特性工件隨機堆疊擺放之多樣性場景，以及相關條件控制如：光源種類、光源方向等。針對每一次的場景進行工件遮蔽演算法計算，判別物料隨機掉落於料籃後是否有遮蔽現象等，以配合後續機器人隨機堆疊取料之應用情境。根據每一次場景結果進行圖像儲存以及自動圖像標註包含：工件多邊型標註(Polygon)資訊、深度圖像取料點標註(Picking Point label)資訊、圖像儲存位置描述等，其描述檔案符合Pascal 與 COCO Datasets格式，故可以支援絕大多數圖像深度學習演算法之使用。

歷史雜誌