2023-01-012024-05-18https://scholars.lib.ntu.edu.tw/handle/123456789/700567本三年期計畫旨在建立新型積層製造製程錯誤偵測方法，以深入探討錯誤的發生機制，並著重於自主開發自動化錯誤偵測及排除平台。材料擠出成型為學界及業界最被廣泛使用的積層製造方法，然而，材料擠出疊合成型過程存在著許多變數，導致物件表面常出現缺陷，進而降低物件幾何精準度與製程良率，當前機台也尚無自我排除錯誤的能力，限制其輔助量產的可行性。本計畫將以三年度研究突破上述技術限制，第一年度著重於開發局部材料堆疊缺陷之可泛化即時偵錯演算法，利用機器視覺及深度機器學習迴歸模型，直接推測當前局部影像所代表的製程參數數值，透過與經驗最佳值的比較以做為參數錯誤修正的基礎。第二年度將利用與局部影像同時間下的物件整體影像，開發物件整體幾何誤差影像處理方法，以達到同時監控局部與整體製程錯誤，再透過相關性分析探討局部與整體錯誤的關聯性，提供全面性的錯誤資訊以了解錯誤發生機制，進而改善製程效率及產品良率。第三年度計畫將會立基於前兩年研究成果，開發除錯決策模型使系統自動判定相對應的除錯動作與執行順序，並建立自動化偵錯及除錯整合積層製造平台，使製程連續且不中斷並降低對人力的需求，以達成建立「智慧積層製造」系統的最終目標。積層製造;智慧製造;人工智慧;機器視覺;機器學習;卷積神經網路;影像處理;品質監控;錯誤偵測與排除;自動化系統;Additive manufacturing; Smart manufacturing; Artificial intelligence;Machine vision; Machine learning; Convolutional neural network; Image processing; Quality Monitoring; Error detection and recovery; Automation system