日本工業一直以來都以其卓越的技術、優質的產品和堅實的工藝聞名於世。無論是汽車製造、電子產品及精密機械等領域，日本的企業一直在全球市場上佔有重要地位。本屆日本工業展於東京國際展覽場舉辦，並由10 個專業展會所組成，共計1,847 家廠商參加展覽，集結來自各個領域的頂尖參展商，其中包含了a. 設計工程及製造解決方案展(DMS)、b. 機械要素及技術展(M-Tech)、c. 醫療設備開發及製造展(MEDIX)、d. 國際航空航太材料及技術展(AeroTech)、e. 工廠五金及機電設備(FacTex)、f. 工業AI/IOT 展(AIoTex)、g. 國際增材製造及3D 列印展(AM Japan)、h. 國際量測/ 測試及感測器展(Measure Tech)、i. 製造業數位轉型展(MDX)、j. 工業ODM 展(ODM)。由於展出項目繁多本文將針對DMS 、M-Tech、AI/IOT 及MDX 等主題所觀察到的資訊分享給各位讀者。
圖一、2023 日本工業展組成及其展出位置
▋ 結構生成結合感性工學設計
Chuo Engineering 公司在航空航太、汽車、工業機械、家電/ 資訊通訊、軟體等尖端技術領域皆能提供相關技術服務。本次展覽展示了拓樸分析結合感性工學技術。其技術是在結構生成分析過程中利用機器學習尋求不同的分析結果，除拓樸優化設計外，同時還結合了感性心理學和工程學的原理，滿足人們的情感和主觀感受，並將這些因素納入設計和結構分析過程。根據分析人員設定的各種分析條件，以感性工學為基礎，在對一定的分析條件下得出的設計方案進行評估，並利用機器學習（回歸分析）來確定使該分數最佳的分析結果。
圖二、使用機器學習感值最大化生成座椅結構
▋ AI 生成設計的多重結果導出
生成設計(Generative Design ) 是一個結合了AI 技術的創新設計工具，能夠根據零件的製造方法（三軸、五軸銑床加工、3D 列印）、設計條件或成本等考慮因素設定約束條件後，即可快速生成多種可行的方案。這些設計方案包含了複雜的形狀、內部結構和材料分佈及製造方法，以最大程度滿足設計目標和性能要求，並增強結構剛性、減少材料的浪費以及縮短加工時間以協助企業完成ESG 目標。
圖三、多重生成設計迭代過程 |
圖四、快速生成多種製造可行性的想法 |
▋ 結構動態吸振器
YOKOGAWA BRIDGE CORP. 公司精密機械事業部主要產品為各種工業設備的高精度焊接結構框架，並提供從設計到製造的服務，為提供更高的結構件的穩定性及動態精度，YBC公司在結構上加裝振動吸收器，吸振器是由質量、彈簧和阻尼器組成，其原理與台北101 大樓的阻尼球相同，當結構物受到外部力作用而產生振動時，吸振器會產生一個反向振動，與結構物的振動方向相反。在如此作用下，吸振器的振動與結構物的振動互相抵消，從而減少結構物的振幅和共振效應。具體而言，當結構物開始振動時，吸振器的質量會與結構物的振動頻率保持一致。彈簧提供彈性支撐，使吸振器能夠彈性變形，吸收部分振動能量。同時，阻尼器（例如液體阻尼器或摩擦阻尼器）則通過消散振動能量，將其轉化為熱能。透過調整吸振器的質量、彈簧剛度和阻尼器的參數，可以使吸振器的共振頻率與結構物的振動頻率匹配，吸振器便能夠最大程度地吸收和抵消結構物的振動，減少結構物的共振現象，從而降低結構物的振幅和應力。
圖五、吸振效果比較
▋ AI 加工振動檢測技術
在工具機加工現場，熟練的工人利用自己的視覺及聽覺判斷加工過程中刀具是否已受損從而產生加工缺陷，但日本職場老齡化和缺工問題嚴重，加工效率難以提昇更無法24 小時連續生產。目前只需現有加工機上安裝振動感知器，透過振動感知器和 AI 檢測刀具損壞情況，使加工狀態可視化。每個設備都可以在雲端進行遠程管理，也可以管理錯誤數量。由於可以調用過去的加工條件和圖紙數據，因此可以積累用於測量切削刀具壽命和可視化加工數據的有效數據並用於下一次加工。此技術在HUTZPER INC. 及RICOH INDUSTRIAL SOLUTIONS INC. 公司皆有相似的技術展出。
圖六、AI 加工振動檢測
▋ AI 加工電流監控應用
刀具在切削過程中會因為摩擦和熱而鈍化， MAZIN 的刀具異常檢測利用驅動主軸和進給軸馬達的電流數據透過AI 來估計刀具壽命和檢測刀具異常（如崩刃）。基於加工理論的刀具磨損模型參數並針對每個產品不同的刀具間進行AI 學習，以估算刀具的磨損程度。此外，AI 學習了也正常情況下的誤差，以便能夠高度準確地檢測異常情況，如刀具破損和崩刃。這改善了生產過程，並確保平穩運行。如下圖所示，只需在驅馬達的動力線上安裝電流感測器，不需要與NC 控制器連接，即可測量到流經馬達的電流資訊，透過AI 系統分析電流訊號，可以計算從刀具異常檢測及磨損值計算。該系統也免除了操作員不斷監測刀具的工作，從而有助於改善生產過程和效率。
圖七、負載上升自動檢測 |
圖八、從電流訊號中分析異常的特徵訊號 |
▋ 零件工程圖搜索及分析
使用獨特的圖像分析算法搜索具有相似形狀的零件圖的功能。根據零件圖形狀特徵從零件圖庫中搜索並顯示相似的零件。新設計的零件可參考相似形狀的零件設計，將可以減少設計工時，同時也可套用圖庫中的舊有零件設計，將零件標準化以降低成本。透過零件工程圖搜索及分析可簡化訂購流程，並可輕鬆找到幾十年前的零件圖設計，並提前避免製造問題。此技術在CADDIINC.、KOUSHI INTEC INC.、SMARTSCAPE INC.、COSMO SUMMIT CO., LTD. 及YSS K.K. 等公司都有推出類似功能的產品。
圖九、工程圖搜索及分析
▋ AI 經濟預測分析平台
xenoBrain 是一項AI 平台服務，每天透過分析5000 篇新聞文章，準確捕捉全球經濟動向，預測各種經濟形勢。除了對日本國內50 萬家企業的經營業績、2 萬個行業的行業趨勢、3 萬個項目的產品供需和原材料價格進行預測外，還提供數據的預測，例如用戶企業的產品銷量。透過利用專利的自然語言處理技術和深度學習等AI 技術，對來自全球領先數據供應商的經濟數據進行分析和學習，用戶無需準備大量數據或AI 人員，就可以獲取經濟預測只需在 xenoBrain 上搜索即可了解趨勢。可加速管理和決策方面的數字化轉變。
圖十、AI 經濟預測分析平台
▋ 無程式代碼AI 平台
MatrixFlow 公司提供人工智慧開發的平台服務，它採用「無程式代碼」的開發方式，不需編寫任何程式碼，無需統計，也不需要專業AI 工程師，只需在螢幕上操作，最少僅需4 次點擊，以少量數據即可創建高精度AI。不僅縮短開發時間與成本，在沒有人工智慧專業人員或程式設計工程師的小型公司也可以透過AI 進行預測分析。目前可以解決品項分類、時間序列預測、影像辨識、文字分析、最佳化及數值預測等。根據不同問題，只需選擇對應的模板並進行操作即可建立 AI 模型。
圖十一、AI 建置及運用流程
▋ 結語
本次日本工業展共包含了十個展覽主題，展出內容橫跨了多個專業領域，多數的展出項目雖未聚焦在精密工具機上，但也因此可以看到不同業專技術應用，例如CAD/CAE、AI/IOT、3D 列印技術、數位轉型等，其相關技術同樣可延伸應用在精密工具機上。
其中在CAE 應用技術上看到生成設計技術(Generative Design)，結合了AI 技術的創新設計工具，在同一約束條件下即可快速生成多種最佳結構設計，同時AI 生成設計時也考量到加工製程的可行性，讓設計者在多組的結果中挑選最適合的結構設計，解決了目前一般拓樸軟體最欠缺的功能（未考量加工可行性），有助於加速輕量化結構件的開發，同時也符工具機合碳中和及綠色轉型的開發目標，未來工具機業者也可應用該技術開發重量更低剛性更佳的結構件。
在AI/IOT 方面，有多家業者推出了AI 檢測平台，透過振動/ 聲音/ 電流等感測器收集機台狀態資料，再透過AI 模型進行訓練後，可預判斷機機設備的異常檢知。其中[HUTZPER] 及[RICOH] 公司利用振動計捕捉機台振動資訊經AI 平台訓練模型後可進行加工異常（刀具磨損/斷刀）或設備異常（偏心、軸承異常及主軸異常）的檢知。另外[MAZIN] 公司僅需在主軸馬達動力線加裝電流感知器捕捉馬達負載資訊再經AI 平台訓練模型後，可在加工過程中檢測出刀具磨損或斷刀等異常狀態以改善生產流程。另外[TECHNICA] 公司則是利用聲音感測器利用AI 進行音頻處理後進行機械設各種異常的檢測。這些技術與工具機數位轉型及智慧製造發展目標相符，未來工具機將可整合相關技術，提昇工具機智慧化功能並嘉惠終端加工使用者。