機械工業網

:::

當期雜誌

作者:白御宏、吳鴻材、張永聖、王俊傑沖壓品質與設備線上監測技術

因電動車與輕量車近年發展迅速以及消費性電子需求量大增，使得金屬沖壓產值在未來會持續成長。隨著產品日益精細，製造商在產能不減又要維持高生產品質下，沖壓製程監測較過往更加被重視，但如今線上沖壓品質監測系統未臻成熟，因此本研究規劃使用多感測監測沖壓品質與潤滑系統，確保成品維持在一定良率且機台維持良好健康狀態，比起過往更節省人力且品質智慧化控管，能以數位平台監測整個生產系統，因應未來更加蓬勃的沖壓製造產線。

作者:白御宏、王俊傑、偕睿仁、張永聖、吳鴻材、李孟霖機械加工刀具磨耗監測技術

作者:李孟霖、吳鴻材、王俊傑| 工業基礎專欄 | 機台監測診斷技術與應用

作者:吳鴻材、曾惠君、王俊傑智慧型振動感測器簡介及應用

作者:李孟霖、廖禾溱、吳鴻材、王俊傑工業基礎專欄 | 機台監測診斷技術與應用

作者:李孟霖、吳鴻材機台監測與診斷技術

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。

作者:吳鴻材、曾惠君、周永樂、謝其懋、王俊傑基於應變感測的間接式刀具狀態監控

作者:吳鴻材、李昆達、施俊名、林中雄、王俊傑應用於高加速壽命試驗的電磁鎚振動試驗技術

作者:徐家瑋、吳鴻材LLM輔助維護日誌資訊萃取技術

目前業界於廠務與製程設備管理中，因設備種類繁多及系統複雜性高，面臨異常排查耗時、專業知識管理不易、數據未能有效發揮價值等痛點。因此，工研院機械所提出結合文字資料與感測數據的方法，通過大型語言模型建立關鍵資訊擷取模組，並搭配以深度神經網路為核心的故障識別模組，實現對故障原因的快速判定及維護建議，除了實現領域知識數位化，也將有效協助提升運維效率。

作者:偕睿仁、楊凱智、吳鴻材工業用冷卻水塔智慧節能技術

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。