技術簡介
透過機器學習進行品質失效自主檢知,透過沖壓健康狀態指標,有效進行製程品質監測
Abstract
Autonomous detection of quality failures through machine learning, and effective process quality monitoring through stamping health status indicators
技術規格
於沖床上安裝應變規,透過機器學習進行異常偵測開發,其中名義應變:0...1000 μm/m,輸出訊號:± 10 VDC
Technical Specification
Install sensors on the stamping press and anomaly detection development through machine learning. Nominal strain:0...1000 μm/m ,Output signal:± 10 VDC.
技術特色
本技術可在每次沖壓行程結束後即時運算並顯示沖壓健康狀態,並透過訓練簡單且快速的隨機森林機器學習模型,達成線上監測模具狀態的功能。
應用範圍
沖床關鍵模組,如馬達、傳動機構等
接受技術者具備基礎建議(設備)
應變規、訊號擷取模組等
接受技術者具備基礎建議(專業)
1.具基礎機械結構與振動訊號相關知識 2.軟體撰寫 3.系統整合測試
聯絡資訊
聯絡人:吳鴻材 智慧工廠系統整合技術組
電話:+886-3-5918660 或 Email:HungTsaiWu@itri.org.tw
客服專線:+886-800-45-8899
傳真:+886-3-5826554