█ 蔡孟勳教授。

個人於1966年生於台南市新營區，1988年畢業於台灣大學機械系，1994年取得賓州州立大學碩士學位，1998年取得賓州州立大學博士學位，回台後任教於中正大學機械系，之後由助理教授、副教授、教授到獲聘為傑出特聘教授。個人於2013年獲得中正大學傑出研究獎、上銀第一屆碩士論文創作獎、台灣區機器同業公會機械業產學貢獻獎、2016年獲得科技部產學類傑出研究獎，2018獲頒中正大學特聘教授。專長在於智慧機械、結構控制、機電整合以及加工製造。個人與產業界有相當多的互動，多年來，一直致力於將教學與研究成果應用於產業創新。2018年加入台大機械系製造組，希望將機械製造與智慧控制結合以達到智慧製造的目標。

找尋屬於自己的學習動機與目標
一直到念研究所時，我才有時間靜下來好好思考自己想要學什麼。為了找到適合自己的學習動機與目標，在攻讀碩博士期間除了機械系課程之外，選修或旁聽了不少電機與資工的課程，其中包含了結構動力學、聲學、訊號處理、控制、作業系統與單晶片設計等。碩士題目偏重於電路設計，博士論文則是偏重於智慧型結構控制的理論模擬與創新設計。回國後加入中正大學控制組後，一直在想過去在研究所學過的那麼多不同的控制方法到底哪一種方法實用性高，因此前幾屆碩士班學生的論文題目，就成了他我學習的試驗場域。指導學生碩士論文採用的最佳化控制、強健控制、模糊控制、slidingmodecontrol到量化回授控制，都透過不同的實驗平台驗證其實用性。而研究主題也由壓電智慧結構、超音波馬達控制、主被動隔振平台到更貼近於產業的電動機向量控制，CNC插補與控制等。教學相長是一種最好的學習模式，通常一個研究主題，跟著碩博士生做了幾年之後，就會將其研究成果或是實務經驗融入課程內容之中。在準備課程中，重新整理並將各種不同領域的知識融合。指導的碩博士生到產業界之後，也會將產業界題目帶回學校，例如應用於半導體設備之主被動隔振平台設計、工具機CNC控制器核心解譯，機械手臂的振動抑制，摩擦力鑑別與補償，工具機與機械手臂的動靜態誤差量測以及CNC控制器調機等，這些都是產業關心的問題，但是通常沒有一套系統化的方式來分析。雖然很多產業的問題不好解決，卻是最有挑戰性以及成就感的題目，一旦能夠幫助業界解決問題，業界投資學界的意願就會大幅提高，也因此可以形成良好的互動，而一旦找到屬於自己的學習目標與動機，研究也可能融入生活，成為生活中多采多姿的一部份。

█ 圖一工具機與人之類比架構圖。

智慧機械與智慧製造的研究範疇
近年來，智慧機械一直是個相當熱門的主題，也是個人投入的主要研究領域之一。如圖一所示，以工具機為例，如果把工具機當成一個人來看，電腦數值(CNC)控制器的角色就是人的頭腦，馬達與驅動器就如同一個人的手、腳，結構就如同身體，感測器就像人的感官知覺如聽覺與觸覺等，而通訊就如同神經般將知覺傳回給大腦進行判斷與決策。如果工具機能感知外界的訊號如位置、溫度、振動、聲音等，就能使工具機適應外界的變化做出較佳的決策，這樣的工具機就可以稱為智慧機械。而如何使工具機的頭腦變聰明，就必須透過感知與學習的智能化技術。一般而言，機械系的學生對於系統整合的訓練較少，而智慧機械涵蓋了機械、資工、電機、通訊、數據分析以及系統整合等技術。在建立了智慧機械的技術後，智慧製造則是加入了新的元素，將工業工程與智慧機械結合，如圖二所示，單機透過機邊電腦(edgecomputing)可達到單機智慧化、製程數據收集以及與雲端資料庫連結等目的。整線方面則可透過gateway電腦(fogcomputing)連結不同機台來進行協作或是確保資料安全等任務。而整廠通常乃是透過雲端伺服器來達成，此伺服器可以是公有雲或是私有雲，其主要的任務與智慧排程、工廠管理、預防保養與大數據分析等有關。這些技術有些是現有的技術，如製造執行系統(MES)、企業資源計劃(ERP)、產品生命週期管理(PLM)、自動化技術以及感測技術等。有些則是目前正在開發或是還未普及之技術如虛實融合系統(Cyberphysicalsystem,CPS)、智能化技術、OPC UA通訊技術或是人工智慧技術等。也許未來是個大數據的世界，但是個人認為對於建立並整合每個子系統之domainknowledge，乃是智慧製造的基石。

█ 圖二智慧製造系統架構圖。