人工智慧+產業大數據 跨領域讓機械變聰明

大數據(Big Data)、人工智慧(AI)的導入，讓機械有了智慧，製造業能以更有效率的方式滿足少量多樣的製造需求，這是工業4.0的核心概念之一。追逐智慧製造時代的變遷，台灣精密機械產業及製造業急於引進新思維及新技術，產學合作就是可行途徑之一。例如，由逢甲大學助理教授蔡鈺鼎博士帶領的「逢甲大學智慧機械技術開發室」已透過各類產學合作案，結合學校豐富的學理知識，協助企業逐步邁入智慧製造，從實際的產業需求發揮創新，激勵年輕學子實質前進。

實際案例之一是將大數據分析導入工具機異常檢測。探討工具機各項參數，例如振動、溫度相互之間的影響性及趨勢，進而在異常狀況下做到智慧決策並加以補償。另一案例則是將智慧機械技術用於鞋業製程，進一步提升產線效能及人機協作效率，廠內系統將製程數據加以分析，保留製造經驗，如此將不再需要仰賴大量的低價人力，廠商得以擺脫缺工困境。

從自動化開始，逐步邁向智慧製造

「對台灣大部份傳統產業來說，目前仍處於或往製造自動化階段，距離智慧製造仍有一段距離，」蔡鈺鼎進一步提及，「現階段製造業多屬大量生產模式，部分皆適合於智慧生產自動化製程；但相較於少量多樣的客製化製造模式，台灣製造業對於解決智慧製造的需求則面臨極大的挑戰。」

蔡鈺鼎所帶領的師生團隊現正積極協助台灣製鞋業者實現製程自動化與智慧檢測，目前針對廠商的開發需求已完成機構、電控、系統等設計，接下來將進行示範線的建置與移機。如時下最夯的鞋自動化為例，鞋製程自動化涵蓋鞋面、鞋底、標章縫紉及黏貼等環節，「我們必需串連原本各自獨立的各種鞋機設備，並加入智慧控制，重複運作的過程盡量減少人工的介入，進一步將產線人工應用於監控與除錯，由上到下整合製程數據流可分析定出節約的制度，進而提升人的工作素質與產值。」

聲學結合機器學習，應用範圍廣

蔡鈺鼎目前任教於逢甲大學精密系統設計學位學程，研究領域為聲學與精密機械，專業涵蓋最佳化設計、人工智慧、電聲換能器的製作與量測分析及程式演算法等。近五年主要著重在電聲與智慧精密機械的基礎技術研究，並將人工智慧研究與機電領域相整合，以學理與研發前瞻技術提供產業製造經驗與分析能力。

「智慧深度學習系統很可能將徹底改變各個產業領域的面貌，這也是學生與我接下來將加重力道的研究方向。」與台灣精密機械廠商合作，團隊已發展AI自動化品質檢測系統，目前在實驗系統的檢測良率已能超過90%的正確率，預計明年(2018)就能將AI實際用於產線，達成自動化檢測的目的。此外還利用機器學習對工具機切削時顫振的訊號特徵進行建模，以期在切削時能迅速找出即將發生的顫振徵兆，避免加工不良問題發生，藉此達到自動化監控目的。

不僅著重於工具機及製造產業，電聲專業和機器學習的跨領域結合更能廣泛應用於各種領域，電聲結合醫療就是其一，蔡鈺鼎表示，「我們正在著手研究心肺音與人體臟器的振動訊號及醫生診斷措施，希望能進一步用於重症醫療上。」此外，值得一提的是，聲音輸入控制介面，再加入人工智慧演算法的處理，能讓人類與機器之間的溝通更為豐富順暢，例如亞馬遜的Echo及各家智慧型手機的語音助理等皆是此類應用，而隨著科技的日新月異及物聯網的迅速蔓延，預期電聲技術的運用將更為多元及蓬勃發展。