AI時代的工業管理趨勢和挑戰

高速銑削是製造業中的一種加工技術，其具有高精密度的加工流程顯示其重要性。銑削刀具在高速銑削中扮演重要角色，刀具的實時使用狀態將影響產品精度與整體加工流程，如何有效使用海量數據中進行刀具狀態監測便成為一重要課題。本研究引入PHM 2010大數據競賽高速銑削之刀具磨耗資料集，先針對原始感測器訊號中進刀與退刀點之非平穩無用數據點進行刪除，使用離散小波轉換(DWT)分解重構訊號中的低頻序列，設計以一維卷積神經網路(1D-CNN)建立的自動編碼器(AE)作為各切序列特徵提取模型，接續使用Transformer作為刀具磨耗預測模型。研究結果顯示經12級多貝西小波8層去噪及1D-CNN所提取的低頻序列特徵表現最佳，且預測績效接近過往學者，顯示本研究所提方法具有相當的預測能力。