工業 4.0—CNC 刀具健康監測

摘要

設備連網是工業4.0重要的一環，設備連網後我們如何讀得懂設備的語言?面對大量的高頻數據如何處理?怎麼將數據應用在工業現場?這次的演講將為大家介紹如何使用Python實作上述的課題，以CNC為範例，利用信號處理方法解析高低頻數據，並比較Supervised、Unsupervised方法的應用等，同時分享sample code。內容主要提及：

1. 選定問題、需求及現場應用場景時常會遇到的課題
2. 不同特徵建立方法的比較及選用考量
3. 模型的實踐與可行性驗證
4. 實作過程的議題處理
5. 現場應用方法與研究方法的差異比較
6. 應用的現況、瓶頸與挑戰

說明

<center>**cnc設備簡介**</center> --- <div align="center"> <img src="https://ravimachines.com/wp-content/uploads/2016/07/full_CNC2.jpg" width="300" hegiht="100" align=center /> </div> CNC，用來加工各種3D形狀的產品或零件的數控工具機，在精密工業中被大量使用。然而，CNC在加工時常會發生刀具過度使用導致產品出現不良，或是突然崩刀造成主軸損傷等狀況，如何檢測刀具的剩餘壽命及健康程度是CNC的一大課題。 <center>**使用的第三方工具**</center> --- - [tdms] 讀取高頻數據檔案 - [pywt] 信號分析，用於特徵工程 - [pyemd] 高頻解析方法，用於特徵工程 - [sklearn] Supervised、Unsupervised方法，用於健康值建立、剩餘壽命預測

投影片

https://www.slideshare.net/HsuanHanChang/cnc-tool-health-assessment-2019-pycon

講者

張楦涵

我是Judy，對數據工作充滿熱情，渴望運用python讓世界更進步

徐仕杰

我是RD, 我寫python