臺灣博碩士論文加值系統

目前一些研究人員在CNC工具機中添加各種感測器，收集刀具磨損和破損過程中的物理信號，如聲音、振動、電流等，然後使用數據分析技術進行數據處理和刀具壽命預測。但是，此方法需要額外的感測器，不僅增加設備成本，也增加了系統的複雜性。為了解決這個問題，本研究提出了一個基於Visual Studio、TensorFlow.NET和FANUC工具機的C#程式，該程式使用NC Guide建構模擬加工機，並透過與工具機的Focas協定進行通訊，監控並收集CNC加工過程中的各種參數數據，如刀具管理資料、轉速、加工時間等。然後該程式使用TensorFlow.NET訓練神經網路模型對這些數據進行運算，進而實現對刀具壽命的預測。
此外，本研究還整合了KUKA機械手臂，實現自動夾取工件、儲存加工資料及累積刀具壽命等功能，此方法不需要添加額外的感測器、可即時監控加工過程，並可以將刀具壽命預測結果顯示在介面上，進而提醒使用者提前更換刀具等。透過實際測試，此方法被證明具有高度的準確性和可靠性，可以幫助製造業提高生產效率、增進安全性和降低生產成本。

At present, some scholars and researchers add various sensors to CNC tooling machines to collect physical signals, such as sound, vibration, current, etc., in the process of tool wear and breakage, and then use data analysis techniques for data processing and tool life prediction. However, these methods require the addition of sensors to the CNC tooling machine, which not only increases the cost of the equipment but also increases the complexity of the system. To solve these problems, this study proposes a C# program based on Visual Studio 2022, TensorFlow.NET, and the FANUC tool machine. The program uses the NC Guide to build a simulated machining machine and communicates with the Focas protocol of the tool machine to monitor and collect various parameter data during CNC machining, such as tool management data, RPM, machining time, etc. The program uses TensorFlow.NET and FANUC tool machine to create a simulation of the machining machine. The program then uses TensorFlow.NET to train a neural network model to operate on these data to achieve tool life prediction.
In addition, this study integrates a KUKA robot arm to realize automatic workpiece clamping, machining data storage, and tool life accumulation. The proposed method has many advantages, including no need to add additional sensors, real-time monitoring of the machining process, and the ability to display the tool life prediction results on the interface to remind the user to change the tool in advance. Through practical testing, the method has been proven to be highly accurate and reliable and can help manufacturing companies to improve production efficiency, safety and reduce production costs.

摘要...i
Abstract...ii
誌謝...iii
目錄...iv
表目錄...vi
圖目錄...vii
第一章 緒論...1
1.1 研究動機及目的...1
1.2 文獻回顧...1
1.3 研究流程...2
1.4 論文架構...3
第二章 實驗軟硬體及技術介紹...4
2.1 Microsoft Visual Studio 2022...4
2.2 FANUC CNC Guide...4
2.3 Microsoft SQL Server Management Studio (SSMS)...5
2.4 KUKA機械手臂...6
2.5 類神經網路...7
第三章 刀具壽命預測功能...9
3.1 TensorFlow.Net介紹...9
3.1.1 TensorFlow 概述...9
3.1.2 TensorFlow.Net 的特點和優勢...9
3.2 刀具壽命預測模型設計與實現...10
3.2.1預測模型的基本理論和設計原則...10
3.2.2 模型選擇與架構設計...10
3.2.3 C#實現細節和步驟...11
第四章 系統架構與開發...13
4.1 製造整合系統架構...13
4.2 系統介面及功能說明...13
4.2.1系統主畫面...14
4.2.2刀具壽命預測介面...14
4.2.3機械手臂與料倉管理介面...15
4.2.4 歷史加工資料介面...16
4.3 系統整合說明...16
4.3.1 NC Guide環境建置...16
4.3.2 與NC Guide 通訊...18
4.3.3 與Microsoft SQL Server Management Studio通訊...27
4.3.4與KUKA機械手臂通訊...28
第五章 系統測試與驗證...30
5.1 加工模擬驗證...30
5.1.1系統監控機台...30
5.1.2加工結束後手臂自動夾取工件...31
5.1.3系統自動儲存加工資料...32
5.1.4系統自動累積刀具壽命...32
5.2 刀具壽命預測驗證...33
5.2.1訓練集和測試集的數據來源...33
5.2.2預測模型的訓練及驗證...34
5.2.3模型預測結果與分析...35
第六章 結論與未來展望...37
6.1結論...37
6.2未來展望...37
參考文獻...39
Extended Abstract...40

[1]林怡秀，2019，廠區生產資訊即時監控與管理系統開發─以機械加工產業為例，國立勤益科技大學工業工程與管理系碩士班，碩士論文，台中市。
[2]黃昀智，2022，CNC機聯網系統之開發與整合，國立雲林科技大學機械工程系碩士班，碩士論文，雲林縣。
[3]林柏尚，2018，基於倒傳遞類神經網路之刀具壽命預測與表面粗糙度研究，國立虎尾科技大學機械與電腦輔助工程系碩士班，碩士論文，雲林縣。
[4]H. Juan, S. F. Yu, B. Y. Lee, 2003,“The optimal cutting-parameter selection of production cost in HSM for SKD61 tool steels,” International Journal of Machine Tools and Manufacture, Vol. 43, No. 7, pp. 679-686.
[5]庫卡股份有限公司，https://www.kuka.com/zh-tw。
[6]台灣發那科股份有限公司，https://www.fanuctaiwan.com.tw/。
[7]https://www.inventcom.net/fanuc-focas-library/general/general。
[8]https://medium.com/marketingdatascience/%E5%BF%AB%E9%80%9F%E5%8F%8D%E6%87%89%E6%A9%9F%E5%88%B6-%E9%A1%9E%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF-a3bbdee4a6f6 。
[9]https://scisharp.github.io/tensorflow-net-docs/#/。
[10]R. R. Zagidullin and E. B. Frolov, 2008, “Control of manufacturing production by means of MES systems,” Russian Engineering Research, Vol. 28, No. 2, pp. 166-168.
[11]吳宏亮，遠端監控系統應用於工具機切削動態異常診控之應用研究，中原大學機械工程系碩士班，碩士論文，桃園市。
[12]林慶豪，機聯網應用與效益之研究-以S公司為例，國立中正大學高階主管管理碩士在職專班，碩士論文，嘉義縣。
[13]呂韋德，基於銑削加工機振動訊號之刀具壽命預測系統開發，朝陽科技大學工業工程與管理系碩士班，碩士論文，台中市。
[14]林宜玲，基於Django網路框架的刀具管理系統開發，國立虎尾科技大學動力機械工程系機械與機電工程博士班，博士論文，雲林縣。
[15]潘品聿，工業物聯網應用於自動化加工系統，國立屏東科技大學機械工程系碩士班，碩士論文，屏東縣。
[16]Victor R. Kebande, 2022, “Industrial internet of things (IIoT) forensics: The forgotten concept in the race towards industry 4.0,” Forensic Science International: Reports, Vol. 5, pp. 30-40.
[17]仇華、陳海平，2022，TensorFlow.NET 實戰，電子工業出版社。