人工智能+产业大数据 跨领域让机械变聪明

大数据(Big Data)、人工智能(AI)的导入，让机械有了智能，制造业能以更有效率的方式满足少量多样的制造需求，这是工业4.0的核心概念之一。追逐智能制造时代的变迁，台湾精密机械产业及制造业急于引进新思维及新技术，产学合作就是可行途径之一。例如，由逢甲大学助理教授蔡钰鼎博士带领的「逢甲大学智能机械技术开发室」已透过各类产学合作案，结合学校丰富的学理知识，协助企业逐步迈入智能制造，从实际的产业需求发挥创新，激励年轻学子实质前进。

实际案例之一是将大数据分析导入工具机异常检测。探讨工具机各项参数，例如振动、温度相互之间的影响性及趋势，进而在异常状况下做到智能决策并加以补偿。另一案例则是将智能机械技术用于鞋业制程，进一步提升产线效能及人机协作效率，厂内系统将制程数据加以分析，保留制造经验，如此将不再需要仰赖大量的低价人力，厂商得以摆脱缺工困境。

从自动化开始，逐步迈向智能制造

「对台湾大部份传统产业来说，目前仍处于或往制造自动化阶段，距离智能制造仍有一段距离，」蔡钰鼎进一步提及，「现阶段制造业多属大量生产模式，部分皆适合于智能生产自动化制程；但相较于少量多样的定制化制造模式，台湾制造业对于解决智能制造的需求则面临极大的挑战。」

蔡钰鼎所带领的师生团队现正积极协助台湾制鞋业者实现制程自动化与智能检测，目前针对厂商的开发需求已完成机构、电控、系统等设计，接下来将进行示范线的建置与移机。如时下最夯的鞋自动化为例，鞋制程自动化涵盖鞋面、鞋底、标章缝纫及黏贴等环节，「我们必需串连原本各自独立的各种鞋机设备，并加入智能控制，重复运作的过程尽量减少人工的介入，进一步将产线人工应用于监控与除错，由上到下整合制程数据流可分析定出节约的制度，进而提升人的工作素质与产值。」

声学结合机器学习，应用范围广

蔡钰鼎目前任教于逢甲大学精密系统设计学位学程，研究领域为声学与精密机械，专业涵盖最佳化设计、人工智能、电声换能器的制作与量测分析及程序演算法等。近五年主要着重在电声与智能精密机械的基础技术研究，并将人工智能研究与机电领域相整合，以学理与研发前瞻技术提供产业制造经验与分析能力。

「智能深度学习系统很可能将彻底改变各个产业领域的面貌，这也是学生与我接下来将加重力道的研究方向。」与台湾精密机械厂商合作，团队已发展AI自动化品质检测系统，目前在实验系统的检测良率已能超过90%的正确率，预计明年(2018)就能将AI实际用于产线，达成自动化检测的目的。此外还利用机器学习对工具机切削时颤振的信号特徵进行建模，以期在切削时能迅速找出即将发生的颤振徵万亿，避免加工不良问题发生，借此达到自动化监控目的。

不仅着重于工具机及制造产业，电声专业和机器学习的跨领域结合更能广泛应用于各种领域，电声结合医疗就是其一，蔡钰鼎表示，「我们正在着手研究心肺音与人体脏器的振动信号及医生诊断措施，希望能进一步用于重症医疗上。」此外，值得一提的是，声音输入控制界面，再加入人工智能演算法的处理，能让人类与机器之间的沟通更为丰富顺畅，例如亚马逊的Echo及各家智能手机的语音助理等皆是此类应用，而随着科技的日新月异及物联网的迅速蔓延，预期电声技术的运用将更为多元及蓬勃发展。