一種利用智慧型手機感測器即時監控精密加工中刀具磨損的新技術已被開發出來。這一進步預計將透過實現主動維護和及時更換工具來提高生產品質。

由UNIST機械工程系Chung Wook Park教授和UNIST工業工程與人工智慧研究生院Sunghoon Lim教授領導的聯合研究小組創建了一種即時刀具磨損預測方法。這種創新方法旨在促進及時更換切削刀具，優化生產效率。

這項研究的結果是發表在製造系統雜誌。

在這項研究中，該團隊引入了一種基於深度學習的預測模型，該模型結合了過濾技術來減輕資料雜訊並解釋處理過程中遇到的不確定性。與先前的研究工作相比，該方法顯著增強了刀具磨損預測的性能和可靠性，同時提高了準確性。

鈦合金（Ti-6Al-4V）廣泛應用於航空航天和生物醫學領域等高科技製造領域，但由於其熱性能較差而導致刀具快速磨損，因此帶來了挑戰。因此，迫切需要即時監控工具狀況。

「透過最大限度地減少智慧型手機感測器資料中的雜訊並利用先進的深度學習技術，我們在刀具磨損預測方面實現了更高的準確性，」UNIST 工業工程系的 Gyeongho Kim 說。

UNIST 機械工程系的 Sang Min Yang 進一步強調：「這項發展將極大地促進高效且具有成本效益的生產和製造系統的進步，因為它允許透過智慧型手機應用程式進行即時預測，從而消除了對於昂貴的感應器."

更多資訊：Gyunho Kim 等人，使用智慧型手機感測器開發一種基於深度學習的不確定性感知刀具磨損預測方法，用於 Ti-6Al-4V 的車削過程，製造系統雜誌（2024）。DOI：10.1016/j.jmsy.2024.07.010