臺灣博碩士論文加值系統

在21世紀初期奈米科技的發展逐漸成熟，許多業者開始運用奈米科技於產品中，使得奈米科技在不同的產業中成為不可或缺的科技技術。而在產業中做最佳化決策時，最常使用的方式就是田口方法和演算法，但運用田口方法所計算的預測結果可能與實際結果產生些許的誤差，因此才有許多啟發式演算法被創立且應用於產業中。而在任何製程中，業主會期望以最佳品質的產品給予客戶，使客戶覺得購買公司的產品在品質上是有保障，因此製造優質產品能讓公司的名譽與信譽增加，本研究也針對製程最佳化問題進行研究，使用改良式演算法產生一組最佳的參數組合。由於啟發式演算法容易出現收斂度的快慢和陷入局部最佳解等問題，所以還是需要被改良，因此本研究使用改良式引力搜索演算法找到最佳解，為修改引力搜索演算緩慢收斂且跳脫局部，所以本研究使用模糊和突變的方式改善引力搜索演算法並期望奈米研磨機所產出的奈米粒徑大小和變異為極小值，以得到最佳的參數組合。最後本研究將改良式引力搜索演算法與其他演算法的結果進行比較，期望改良式引力搜索演算法能夠提供其他研究者或工程師做參數設置的參考依據，使研究的各個製造產業，能夠得到最好的目標製程結果。

In the early 21st century, the nanotechnology were gradually mature, many industries began using nanotechnology in their product. Thus, nanotechnology becomes an indispensable technology in many industries. In general, many researches commonly used Taguchi methods and algorithms to make the optimal decision. However, there would have errors between actual results and predictions which are calculated by Taguchi method. Therefore, many heuristic algorithms have been developed and used in industry. In all manufacturing process, the producers expect to offer the best quality products to customers and they would get good reputation. The aim of this study is to explore the optimal parameters of the manufacturing process. Due to heuristic algorithms still have some problems included the convergence rate and falling into local optimal solution, the problem of convergence into a local optimum need to be improved. Therefore, this study uses Gravitational Search Algorithm whch through the slow convergence and escape local optimum to find the optimal solution. Additionally, this study also uses the fuzzy and mutation methods to improve the gravitational search algorithm. We expected to get the optimal parameters to minimize the mean and variances of grain size in the nano-particle milling process. Finally, this study also compared the results of the Revised Gravitational Search Algorithm and other algorithms. The results of this study could provide researchers or engineers to make parameter settings as reference. These results also could help the industries to improve their manufacturing process.

目錄
中文摘要 i
ABSTRACT ii
致謝 iii
目錄 iv
表目錄 vi
圖目錄 viii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 2
1.3 研究流程 3
第二章 文獻探討 5
2.1 奈米研磨製程 5
2.1.1 奈米微粒與材料介紹 5
2.1.2 奈米微粒研磨方法 6
2.1.3 濕式珠磨法製程 7
2.2 模糊理論 8
2.2.1 模糊集合 8
2.2.2 三角模糊數 8
2.3 突變機制 9
2.4 多品質特性 9
2.4.1 多準則決策 9
2.4.2 渴望函數 10
2.5 反應曲面法 11
2.6 引力搜索演算法與相關改良方式 11
2.6.1 引力搜索演算法 11
2.6.2 改良的引力搜索演算法 14
第三章 模式建構 20
3.1 研究數據 20
3.2 使用反應曲面法預測模型 23
3.3 改良式引力搜索演算法流程 23
第四章 實驗與分析 29
4.1 函數測試 29
4.1.1 測試函數之突變方式分析 29
4.1.2 函數測試之參數組合分析 30
4.1.3 函數測試之ANOVA與主因子效應分析 32
4.2 奈米研磨機例子之分析 35
4.2.1 奈米研磨機例子之RGSA突變方式分析 35
4.2.2 奈米研磨機例子之演算法分析 36
4.2.3 奈米研磨機例子之ANOVA與主因子效應分析 38
第五章 結論與建議 46
5.1 結論 46
5.2 建議 46
參考文獻 47
附錄一 49
附錄二 67

呂宗昕(2003)，奈米科技與光觸媒，商周出版。
林嘉瑜(2002)，反應曲面法之改良研究-權重平滑搜尋方向與實驗區域改變規則之探討，碩士論文，台南市，成功大學工業管理研究所。
吳復強(2005)，產品穩健設計-田口方法之原理與應用，全威圖書有限公司。
馬振基(2005)，奈米材料科技原理與應用，全華科技圖書股份有限公司。
徐敬添(2003)，產業奈米技術應用資訊園地，產業奈米技術應用促進會出版。
張安華(2005)，實用奈米技術，新文京開發出版股份有限公司。
游仁德(2012)，運用具隨機粒子之粒子群演算法於奈米研磨機多品質特性最佳化之研究，碩士論文，雲林縣，國立雲林科技大學工業工程與管理研究所。
蔡信行、孫光中(2009)，修訂新版-奈米科技導論(基本原理及應用)，新文京開發出版股份有限公司。
賴素純、李俊民和陳裔專(2010)，多準則決策應用於學生課程規劃之研究，國立空中大學管理與資訊學系管理與資訊學報，15期，131-182頁。
Box, G. E., & Wilson, K. B. (1951). On the experimental attainment of optimum conditions. Journal of the Royal Statistical Society. Series B (Methodological), 13(1), 1-45.
Wang, C., Gao, K. Z., & Guo, J. (2013). An improved gravitational search algorithm based on neighbor search. In Natural Computation (ICNC), 2013 Ninth International Conference on (pp. 681-685). IEEE.
Rashedi, E., Nezamabadi-Pour, H., & Saryazdi, S. (2009). GSA: a gravitational search algorithm. Information Sciences, 179(13), 2232-2248.
Holland, J. H. (1975). Adaptation in natural and artificial systems: An introductory analysis with applications to biology, control, and artificial intelligence. U Michigan Press.
Tsai, H. C., Tyan, Y. Y., Wu, Y. W., & Lin, Y. H. (2013). Gravitational particle swarm. Applied Mathematics and Computation, 219(17), 9106-9117.
Vijaya Kumar, J., Vinod Kumar, D. M., & Edukondalu, K. (2013). Strategic bidding using fuzzy adaptive gravitational search algorithm in a pool based electricity market. Applied Soft Computing, 13(5), 2445-2455.
Negnevitsky, M. (2010). Artificial intelligence: a guide to intelligent systems 2/E. Addison-Wesley.
Yin, M., Hu, Y., Yang, F., Li, X., & Gu, W. (2011). A novel hybrid K-harmonic means and gravitational search algorithm approach for clustering. Expert Systems with Applications, 38(8), 9319-9324.
Jiang, S., Ji, Z., & Shen, Y. (2014). A novel hybrid particle swarm optimization and gravitational search algorithm for solving economic emission load dispatch problems with various practical constraints. International Journal of Electrical Power & Energy Systems, 55, 628-644.
Su, C.H. (2007). Using Computational Intelligence Techniques to Develop a Process Parameter Setting System for a Nano-particle Milling Process. National Yunlin University of Science and Technology, Yunlin.
Tsai, J. F. (2005). Global optimization of nonlinear fractional programming problems in engineering design. Engineering Optimization, 37(4), 399-409.
Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338-353.
Zimmermann, H. J. (1978). Fuzzy programming and linear programming with several objective functions. Fuzzy sets and systems, 1(1), 45-55.