THREADING & TAPPING GUIDE

攻牙與螺紋加工指南:從牙孔標註、底孔計算到 AI 辨識

攻牙與螺紋加工指南:從牙孔標註、底孔計算到 AI 辨識——文章封面圖
重點摘要(TL;DR) 攻牙與螺紋加工的成敗,一半在上機前就決定了。看懂圖面上的牙孔標註(例如 M6×1.0、通牙/盲牙),算對底孔徑(M 系列粗牙的通則是「公稱外徑減螺距」),再依孔徑、材質與深度決定用攻牙還是銑牙,才是穩定內牙的關鍵。盲孔攻牙的排屑與斷絲攻風險最需要提前規劃,G84 攻牙循環則把同步進給交給控制器。AI 能辨識以國際標準標註的牙孔並帶出對應加工資訊,但特殊螺紋、非標準牙仍需工程師人工確認——這是 human-in-the-loop 的界線。

01攻牙、螺紋加工、牙孔:先把名詞分清楚

螺紋加工是所有在工件上做出螺旋牙型的工序總稱,包含內牙與外牙、車牙、攻牙、銑牙、輥牙等做法。攻牙(tapping)是其中最常見的一種——用螺絲攻(tap)沿孔的軸線切出內牙。而圖面上要做內牙的那個孔,就是牙孔;它其實由兩個尺寸決定:先鑽出的「底孔(tap drill / 攻牙前的預鑽孔)」,以及攻牙後形成的「牙孔規格」。

製造工程教科書把螺紋列為最基礎也最關鍵的加工特徵之一,因為它直接牽涉鎖付強度與裝配互換性(Kalpakjian & Schmid, 2020)[1]。牙孔看似只是「鑽個孔再攻牙」,但底孔算錯、方式選錯或排屑沒顧好,輕則牙不良重攻,重則斷絲攻報廢整個工件。

02圖面牙孔標註怎麼判讀:M6×1.0、通牙與盲牙

公制牙孔最常見的標註形式是 M6×1.0M 代表 ISO 公制三角牙,6 是螺紋公稱外徑 6mm,1.0 是螺距(相鄰兩牙的間距,單位 mm)。同一個外徑常有粗牙與細牙之分,例如 M8 粗牙螺距 1.25、細牙可能是 1.0 或 0.75——螺距不同,底孔與螺絲攻都不同,判讀時千萬不能只看外徑。有些圖面會進一步標註牙孔的公差等級(如 6H)與攻牙深度。

牙孔還要分「通牙」與「盲牙」:

最容易踩雷的就是把通牙誤判成盲牙、或漏看攻牙深度。以原生電子圖檔(DWG)判讀最可靠,掃描圖或照片則要特別確認孔是否貫穿。

03底孔徑觀念與 M 系列常用底孔通則表

攻牙不是把整個孔切成螺紋,而是在底孔內壁切出牙型。底孔太大,牙緣接觸率不足、鎖付強度下降;底孔太小,攻牙扭矩暴增、切屑變多,直接拉高斷絲攻的機率。所以底孔徑是牙孔品質的第一道關卡。

對 ISO 公制 60° 三角牙,最常用的教科書通則是:

底孔徑 ≈ 公稱外徑 − 螺距 (D − P)

這條公式對應約 75% 的牙緣接觸率——業界公認在強度與攻牙負荷之間取得平衡的常用值。依此換算出的 M 系列粗牙常用底孔如下(通則參考,正式加工以廠內標準底孔表為準):

牙孔規格(粗牙)螺距 P (mm)底孔徑通則 D−P (mm)
M3×0.50.52.5
M4×0.70.73.3
M5×0.80.84.2
M6×1.01.05.0
M8×1.251.256.8
M10×1.51.58.5
M12×1.751.7510.2

要注意這是通則而非鐵律。實際底孔會依材料延展性、要求牙緣接觸率與攻牙方式微調——例如改用擠牙(成形攻),底孔反而要放大[1]。因此「D−P」適合作為判讀與快速估算的起點,最終數值仍應回到廠內標準表。

04攻牙 vs 銑牙:什麼時候該選哪一個

做內牙有兩條主要路線,各有適用場合:

切削力學提供了選擇依據:攻牙時螺絲攻與孔壁全牙接觸,扭矩與排屑負荷集中,屬較嚴苛的切削狀態;銑牙則以斷續、小切深分散負荷,振動與斷刀風險較低(Altintas, 2012)[2]。因此在大孔徑、難削材、深盲孔、貴重工件或怕斷絲攻的場合,銑牙通常較穩;標準小孔大量生產則攻牙最有效率。實務上兩者常混用:小孔攻牙、大孔與高風險孔銑牙。

05盲孔攻牙的排屑與斷絲攻風險

盲孔攻牙是最容易出事的一種。孔底是封閉的,切屑無處可去,一旦堆積在孔底,螺絲攻繼續前進就會被切屑卡住、扭矩瞬間飆升而折斷——這就是最典型的斷絲攻。金屬切削理論指出,切屑的形成與排出直接決定切削區的負荷與熱累積;排屑不良會讓局部扭矩與溫度快速升高,是刀具失效的主因之一(Altintas, 2012)[2]

降低盲孔斷絲攻風險的實務重點:

  1. 底孔預留足夠深度:底孔要比攻牙有效牙深再深一段(容納鑽尖與排屑空間),避免螺絲攻頂到孔底。
  2. 選對螺絲攻幾何:盲孔優先用螺旋槽攻(spiral flute),把切屑往孔口方向帶出;通牙才適合用把切屑往前推的螺尖攻。
  3. 切削液與參數:給足切削液、控制轉速與進給的同步關係,難削材上適度放寬牙緣接觸率以減輕負荷。
  4. 上機前先模擬:以切削模擬確認底孔深度、攻牙深度與退刀關係,把「攻太深頂底」「排屑空間不足」這類問題擋在上機前。
提醒:斷絲攻損失的往往不只一支攻,而是整個已投入多道工序的工件;愈後段才發生的失誤返工成本愈高,牙孔規劃值得在準備階段做足。相關做法可參考 刀具庫管理

06G84 攻牙循環:把同步進給交給控制器

在 CNC 上攻牙通常不手寫進退刀,而是呼叫控制器內建的攻牙固定循環——標準右牙循環代碼是 G84(左牙常為 G74)。它把「定位到孔位 → 同步進給攻入 → 到深度後主軸反轉退出」包成一行,簡潔且參數化。

這些循環與 G-code 的位址字格式定義於 ISO 6983 數值控制程式標準[3]。G84 的關鍵在於進給與主軸轉速必須同步:每轉一圈,刀具正好前進一個螺距(F = 轉速 × 螺距)。現代機台多支援剛性攻牙,由控制器精確協調主軸與 Z 軸。攻 M6×1.0 時進給就對應「每轉 1.0mm」,螺距一旦填錯牙型立刻報廢。

不過要注意:ISO 6983 只描述刀具運動,不同控制器(FANUC、三菱、海德漢等)在固定循環的參數寫法與退刀行為上仍有方言差異[3]。這也是為什麼自動生成的攻牙程式必須對應實際控制器輸出、並在上機前覆核,而不能跨機台照抄。若想了解圖面到 G-code 的完整流程,可延伸閱讀 CNC 自動編程完整指南

07AI 辨識標準牙孔的價值與界線

牙孔判讀是攻牙準備裡最耗神、也最容易出錯的一步:要同時看懂規格、螺距、通牙/盲牙、底孔與攻牙深度。這正是 AI 能發揮價值的地方。加工特徵辨識是 CAD/CAM 研究逾三十年的課題,近年深度學習已能可靠辨識孔、槽、口袋等標準銑削特徵——Zhang 等人提出的 FeatureNet 以 3D 卷積神經網路在基準資料集上達到約 96.7% 的辨識準確率(Zhang, Jaiswal & Rai, 2018)[4],代表「讓 AI 看懂圖面上的孔與牙孔標註」在工程上已具備可行性基礎。

對於以國際標準標註的牙孔(例如 M6×1.0、通牙/盲牙、附底孔與攻牙深度),AI 可辨識標註、帶出對應的底孔徑通則與加工資訊,讓工程師省下反覆查表與換算的時間。但界線同樣清楚:

換句話說,AI 把「標準、重複、可查表」的牙孔判讀自動化並交叉比對,人負責「特殊、例外、牽涉意圖」的決定。想更完整了解 AI 讀圖的能與不能,可參考 AI 圖面辨識的能與不能,或回 產品首頁技術專欄 了解整體流程。

08常見問題 FAQ

M6×1.0 的牙孔底孔要鑽多大?

M 系列粗牙的底孔通則是「公稱外徑減螺距」,因此 M6×1.0 約為 5.0mm。這是教科書級通則,實務上還會依材質、要求牙緣接觸率與攻牙方式微調,正式加工以廠內標準底孔表為準。底孔太小會讓扭矩暴增、增加斷絲攻風險;太大則牙深不足、鎖付強度下降。

攻牙和銑牙有什麼差別?該選哪一個?

攻牙用螺絲攻沿孔軸切牙,快速、適合大量標準內牙;銑牙用螺紋銑刀以螺旋插補走牙,一把刀對應多種孔徑、斷屑好、失敗也不會卡死在孔裡。大量標準小孔多用攻牙;大孔徑、難削材、深盲孔、貴重工件或怕斷絲攻的場合,銑牙通常較穩。

盲孔攻牙為什麼容易斷絲攻?怎麼降低風險?

盲孔底部空間有限,切屑不易排出,堆在孔底會讓螺絲攻卡死、扭矩瞬間升高而斷裂。做法包括:底孔預留足夠鑽尖與排屑深度、用螺旋槽攻把切屑往上帶、給足切削液、控制轉速與同步進給,難削材上放寬牙緣接觸率,並在上機前以模擬確認底孔與攻牙深度關係。

AI 可以自動辨識圖面上的牙孔嗎?

對以國際標準標註的牙孔(如 M6×1.0、通牙/盲牙、附底孔與攻牙深度),AI 可辨識標註並帶出對應底孔與加工資訊,圓孔與標準特徵的辨識在學術上也已有可靠基礎。但特殊螺紋、非標準牙、多線牙或圖面另有備註的情形仍需工程師人工判讀確認,屬 human-in-the-loop 的把關範圍。

訂閱技術專欄電子報

新文章與影片導讀上線時通知你——不塞爆信箱,一鍵取消訂閱。

READY FOR A CONTROLLED PILOT?

把牙孔判讀與底孔換算交給 AI,把最終判斷留給師傅

從牙孔標註辨識、底孔通則、控制器方言到攻牙程式覆核,我們協助定義適合你廠內的導入方式。

聯絡導入顧問 教育訓練課程

← 回 BestAI CAM 產品介紹

09參考文獻

  1. Kalpakjian, S., & Schmid, S. R. (2020). Manufacturing Engineering and Technology (8th ed.). Pearson.
  2. Altintas, Y. (2012). Manufacturing Automation: Metal Cutting Mechanics, Machine Tool Vibrations, and CNC Design (2nd ed.). Cambridge University Press.
  3. ISO 6983-1:2009. Automation systems and integration — Numerical control of machines — Program format and definitions of address words. International Organization for Standardization.
  4. Zhang, Z., Jaiswal, P., & Rai, R. (2018). FeatureNet: Machining feature recognition based on 3D Convolutional Neural Network. Computer-Aided Design, 101, 12–22.