工業技術研究院

技術簡介

建構基於AE訊號的砂輪狀態判讀模組，蒐集磨削過程中砂輪表面狀態變化訊號，透過3種鑑別模型(KNN, ANN和SVM)訓練，可判斷砂輪狀態(空跑、銳利、正常、鈍化)，準確率達91.7％，可作為砂輪修整時機判斷

Abstract

Constructing an AE signal-based wheel condition interpretation module, signals reflecting the surface condition changes of the grinding wheel during the grinding process are collected. Through training with three classification models (KNN, ANN, and SVM), the system can identify the grinding wheel condition (idle, sharp, normal, and dull). The accuracy reaches 91.7％, making it a reliable tool for determining the timing of wheel dressing.

技術規格

開發特徵訊號擷取技術及訊號特徵萃取演算法，完成砂輪狀態鑑別(空轉/高堵塞/低堵塞/正常)判讀，判讀正確率91.7％、判讀時間1.02秒

Technical Specification

Development of Feature Signal Extraction Technology and Signal Feature Extrication Algorithm for Grinding State Identification (ID) Achievement of 91.7％ Accuracy and 1.02 Sec Identification Time for ID of Idling/High Choking/Low Choking/Normal States

技術特色

全球碳化矽市場CAGR達19.3％(2025-2030)，其中，使用砂輪進行碳化矽的輪磨加工是其中一種最有效率的加工方法，而輪磨的關鍵即在砂輪表面的狀態是否處於適合的加工條件，本砂輪狀態判讀模組可建構磨削加工過程的砂輪特性資料庫，協助砂輪製造商提升砂輪品質，亦可提供加工廠產線上的砂輪優化，將能大幅提升產品品質與砂輪耗損。

應用範圍

碳化矽晶圓輪磨

接受技術者具備基礎建議（設備）

立式輪磨機、資料擷取磨組、AE感測器

接受技術者具備基礎建議（專業）

晶圓加工、訊號處理

聯絡資訊