CNC 機台刀具完整性之人工智慧聲音檢測關鍵技術實現

自動化科技的成熟將大量的電控技術導入至傳統產業，使得大量人力成本降低，在產能和可靠性的上升也隨之帶來新的問題，現今大部分的自動化工具機公司在刀具更換上一直都沒有一個良好的檢測系統，人員監視與定期更換成為主要預防事故發生的方式，人員監視的方式在機台數量龐大時並不能達到良好的兼顧，如果為達到兼顧率增加額外的視覺監視系統，更會提升製造上的成本，而刀具本身的些微製成差異會導致刀具的耐久度有所不同，定期更換會一次性更換全部的刀具，有些本來可以使用更久的刀具會在此時更換並回收，造成一定程度上的浪費，而有些瑕疵的刀具會比更換日期更早斷裂，並會造成不良品的產出，甚至更嚴重會造成機械不可逆的損壞。因此本研究提出以工具機之鑽刀在不同運作階段中發出不同的聲音為檢測依據，透過影像辨識分辨出刀具斷裂的瞬間，並以此為工具機的停機時間，進而減少材料與時間上的浪費，以更廉價的方式達到與視覺化監控系統的相同目的。而後透過聲音陣列架設於樹莓派之 WIFI 功能將錄製的聲音檔傳輸至電腦進行儲存，透過 python 之 matplotlib 的資料庫系統將聲音檔轉換圖檔，透過此圖檔對於不同時間戳記(time stamp)進行分類，並以分類完成之檔案丟入影像辨識之 CNN 深度學習載體，並以此數據集訓練模型，最後進行測試完成初步之辨識功能。在產業發展方面，本研究所完成的麥克風陣列系統可以定位機械運行問題，快速回應與無接觸需求等優勢可推動公司銷售和研發到不同層次的應用，還可進一步研究和開發新的功能，此外這項研究的實施也將為下一代自動化產業奠定堅實而關鍵的基礎

關鍵字

工廠安全；物聯網；預診斷；麥克風陣列；類神經網路；影像處理

並列摘要

The development of automation technology has introduced a large number of electronic technologies into traditional industries. CNC machine tool has played an important role in automatic factory, and it constantly needs to change the drill inside the factories. The slight manufacturing difference between drills will lead to different durability. Some drills can be used longer will still be replaced at the displace routine. Some defective drills will break early, resulting the machine to produce defective products. Therefore, this study use acoustic detection to identify the moments of tool breaks, achieving the same purpose as a visual surveillance system in a cheaper way. This study use Matrix Creator sound array, combining with the ODAS sound azimuth meter to display the sound orientation from all directions on the computer. Therefore, the foundation of the sound direction finding system and the structure of the monitoring systems are created. In this research, the system can quickly locate the mechanical problems due to the acoustic detection. In addition, the implementation of this research will also lay a foundation for the next-generation industrial auto-manufacturing.