工具機資訊整合與整廠智能化研究: 狀態監控模組, 故障診斷方法, 以及資訊整合於整廠任務規劃

在強調工業4.0的時代，為了提高生產速率，降低機台停機可能造成的虧損，機台狀態監控已是不可或缺的環節，其中工具機為工廠生產線中關鍵的元素，產品品質也與工具機之性能狀況息息相關，因此建立工具機狀態診斷系統更顯重要. 為了完成上述目標，首先需仰賴感測器的協助獲得即時資訊. 因此一個具有高效率, 低成本的切削感測模組應該要被發展出來. 並以此為載台, 搭配其他感測系統, 進行機台與製程整體狀態評估. 但由於可供裝設之空間基本上相當狹小,且多屬高速運動或是受力區, 因此在整體設計規劃上, 增加了不少的難度. 另外, 即使有了適當的感測模組, 若無法對這些資訊提出有意義的判讀, 亦不能為後續的任務作出任何的反應. 因此, 如何發展領域知識, 提供有意義的解讀是相當重要的. 最後, 機械製造業早已被許多年輕的就業人口當成不願意屈就之工作選擇. 然而, 精密加工技術又被視為一國國力之基礎. 若老一輩具技術之人才陸續凋零, 則我國精密加工技術將無以傳承. 若能藉由 AI 的協助, 由個人拿捏之經驗轉成資料庫, 以便降低入門門崁讓技術得以永遠延續. 因此, 若藉由工具機狀態監控為引子, 適時導入過去經驗, 在人工智慧架構下, 不失為一可行之想法. 有鑑於此, 本計畫擬以本年度正在研究之車床智慧刀把為基礎, 以三年的時間以五軸加工工具機在實際切削加工為例, 量測切削過程中機器之各項狀態, 並同時配合切削力學, 軸承磨耗, 與機器動力學, 發展其領域知識. 最後, 以車削以及軸承為例, 引入人工智慧, 以各式資訊融合的方式, 預測工具機零組件損壞行為並構建出合理的解題流程, 以提供後續更大規模的加工技術AI 化的需要. 期望計畫完成後, 計畫之成果對於五軸切削問題可更充分之了解, 也對未來加工技術傳承更盡一份心力. 計畫分成三大主軸, 其一在於感測模組發展, 明確而言, 在於延續目前之智慧刀把雛型, 將其模組化與全功能化, 使其能提供充分必要的製程參變數量測. 其二在於發展各所需感測訊號之領域知識, 以便提供機器狀態之詮釋與評估根據. 以及結合領域知識, 以神經網路為主要工具, 綜合各式感測訊號, 判斷工具機之狀態. 以作為工具機預防保養之重要依據. 其三: 在於將前兩年所發展之軟硬體運用於實際場域之中進行驗證與累積資料,並發展相關所需之通訊, 資料整合, 以及人機介面等必