臺灣博碩士論文加值系統

傳統田口方法(Taguchi Method)多數在於探討單一品質特性最佳化的課題，對於焊接製程中存在多個品質特性(Multiple Quality Characteristics)最佳化的課題，在業界中大多以經驗來判斷焊接品質的初步品質階段，一但超出專家過去知識和經驗法則，則在參數設定變發生困難且易造成焊接品質不佳。
本研究以銅鐵異種金屬焊接板利用惰性氣體鎢棒電弧熔接以兩板對接熔接方式完成，並進行非破壞性試驗與破壞檢驗進行品質特性檢驗，以取得品質特性，並結合田口實驗設計，並運用理想解類似度順序偏好法(TOPSIS)類神經網路(Neural Network)與基因演算法(Genetic Algorithm)來分析多重品質特性的問題，進而得出最佳參數組合。而本研究實驗結果之數值可提供焊接相關業者對銅鐵異種金屬焊接板參數設定參考，並得知田口方法結合類神經與基因演算法在整體上優於單獨田口方法，本研究結果可供學術界及業界參考，以提高其產業競爭力及其餘有心投入者另外研究方向。

Although aluminum-magnesium alloy materials possess many superior mechanical characteristics, the suitable range of their welding parameters is quite narrow such that the optimal parameter design becomes a challenge to relevant industries under time and cost restraints. Generally, it is very difficult to create a formula to determine the relationship between welding parameters and quality performance, which is usually learned from knowledge and experience of specialists. Thus, repetitive training and learning processes without effectiveness and efficiency are required in the conventional welding industry, especially, for the tasks beyond the knowledge and experience of the specialists.
This research employs Solder for the Heterogonous Metal Materials, using inert gas tungsten rod electric arc welding, involving two-bar joining method, and destructive inspection and non-destructive inspection to carry out quality characteristic examination, resolve professional assumptions in quality characteristics, and employing TOPSIS, Neural Network, and Genetic Algorithm, to analyze the question of multiple quality characteristics, in order to obtain the best synthesis conclusion. The results from experiments not only can provide for the welding parameter design for magnesium-aluminum alloy materials, but also it shows that the proposed Neural-Genetic Algorithm perform better than the individual Taguchi’s method. The final results from this research are really worthy to be referred by the researchers and relevant welding processes to promote research and product quality for future competition.

誌謝 I
摘要 II
ABSTRACT III
目錄 IV
圖目錄 VII
表目錄 IX
第一章 、緒論 1
1.1、研究背景與動機 1
1.2、研究目的 5
1.3、研究流程 7
第二章 、文獻回顧 9
2.1、碳鋼 9
2.2、紅銅 12
2.3、惰性氣體鎢棒電弧焊 14
2.4、田口方法 18
2.5、多重品質特性問題 21
2.6、遺傳演算法 22
2.7、類神經網路 24
2.8、小結 26
第三章 、研究方法 27
3.1、田口方法 27
3.2、多重品質特性 28
3.3、理想解類似度順序偏好法 30
3.4、倒傳遞網路 32
3.5、類神經-基因演算法 38
3.5、基因演算法的流程步驟 41
第四章 、實驗流程 45
4.1、品質特性之選定 45
4.2、選定因子及水準 47
4.4、進行實驗並量測驗觀測值 51
4.5、個別品質特性分析 57
4.6、多重品質特性分析 58
4.7、確認實驗之期望平均值信賴區間 58
4.8、應用類神經基因演算法 61
4.9、效益分析 61
第五章 、案例分析 62
5.1、惰性氣體鎢棒電弧熔接實驗之參數分析 62
5.2、惰性氣體鎢棒電弧熔接實驗數據SN比運算 63
5.3、惰性氣體鎢棒電弧熔接實驗數據變異數分析運算 70
5.4、惰性氣體鎢棒電弧熔接實驗TOPSIS 75
5.5、網路設定與執行 83
5.6、基因演算法最佳化搜尋 84
5.7、惰性氣體鎢棒電弧熔接實驗再現性與確認性 85
第六章 、結論與建議 89
6.1、結論 89
6.2、研究貢獻 90
6.3、延續與建議 91
參考文獻 93
附錄A 97
附錄B 99

誌謝I
摘要II
ABSTRACTIII
目錄IV
圖目錄VII
表目錄IX
第一章 、緒論1
1.1、研究背景與動機1
1.2、研究目的5
1.3、研究流程7
第二章 、文獻回顧9
2.1、碳鋼9
2.2、紅銅12
2.3、惰性氣體鎢棒電弧焊14
2.4、田口方法18
2.5、多重品質特性問題21
2.6、遺傳演算法22
2.7、類神經網路24
2.8、小結26
第三章 、研究方法27
3.1、田口方法27
3.2、多重品質特性28
3.3、理想解類似度順序偏好法30
3.4、倒傳遞網路32
3.5、類神經-基因演算法38
3.5、基因演算法的流程步驟41
第四章 、實驗流程45
4.1、品質特性之選定45
4.2、選定因子及水準47
4.4、進行實驗並量測驗觀測值51
4.5、個別品質特性分析57
4.6、多重品質特性分析58
4.7、確認實驗之期望平均值信賴區間58
4.8、應用類神經基因演算法61
4.9、效益分析61
第五章 、案例分析62
5.1、惰性氣體鎢棒電弧熔接實驗之參數分析62
5.2、惰性氣體鎢棒電弧熔接實驗數據SN比運算63
5.3、惰性氣體鎢棒電弧熔接實驗數據變異數分析運算70
5.4、惰性氣體鎢棒電弧熔接實驗TOPSIS75
5.5、網路設定與執行83
5.6、基因演算法最佳化搜尋84
5.7、惰性氣體鎢棒電弧熔接實驗再現性與確認性85
第六章 、結論與建議89
6.1、結論89
6.2、研究貢獻90
6.3、延續與建議91
參考文獻93
附錄A97
附錄B99
中文部份
1.王宗富，2001， 多重品質特性製程參數最佳化研究— 以高分子有機電激發光顯示器為例，國立台灣科技大學工業管理研究所碩士論文。
2.王春和，2001，應用灰關聯分析法於多品質特性與等級類別品質特性之最佳化，國立交通大學工業工程研究所博士論文。
3.王泰裕，1999，GA 與 SA 演算法對倒傳遞網路分類績效之比較，國立成功大學資訊管理研究所碩士論文。
4.吳東川，2004，智慧型控制系統應用於射出成型產品品質控制，國立清華大學化學工程學碩士論文。
5.李亞江，2007，焊接冶金學-材料焊接性，出版社：機械工業，中國大陸。
6.李隆盛，1990，焊接實習，台北：全華圖書。
7.周怡伶，2004，氬焊塗覆助焊劑對低碳鋼焊接性質的影響，國立中興大學材料工程學系碩士論文。
8.林文賓，2006，硬式隱形眼鏡後表面內基弧之多重品質特性製程參數最佳化設計，華梵大學工業工程與經營資訊研究所碩士論文。
9.林玄良、周長彬，2004，「應用田口方法與類神經網路於TIG焊接製程之研究」，中國工業工程學會九十三年會暨學術研討會論文集，第36-39頁。
10.林建宏，2001，平行加熱焊接參數最佳化，國立彰化師範大學工業教育研究所碩士論文。
11.邱永德，2002，多重品質特性實驗設計模式之建立，華梵大學工業管理研究所碩士論文。
12.邱創志，2001，田口方法於矽晶圓廠長晶製程改善之應用，國立交通大學工業工程與管理學程研究所碩士論文。
13.柑俊晟，2000，以類神經網路為基礎之品質設計系統之研究，中華大學碩士論文。
14.徐立章，1999，電漿電弧焊參數最佳化之研究— 田口方法與類神經網路之應用，義守大學管理科學研究所碩士論文。
15.徐鳴鮫，2004，應用田口方法於石磐教具與教學手冊開發之研究，華梵大學工業工程與經營資訊研究所碩士論文。
16.馬春，2004，「新型金屬材料應用廣泛—前景樂觀」， 上海情報服務平台。http://www.istis.sh.cn/list/list.asp?id=637
17.涂育瑋，2003，應用類神經網路模式與基因演算法則於品質設計之研究，成功大學工業設計研究所碩士論文。
18.張志穎、鄭明達、莊東漢，2002，「鋁/銅散熱器低溫活性軟焊接合」，92年年會手冊暨論文集
19.張哲維，1997，模糊多屬性決策方法應用於田口方法多重品質特性問題- 以IC 製造為例，中華大學工業工程與管理研究所碩士論文。
20.許義佳，2004，應用田口方法於波焊製程最佳化之研究，大葉大學工業工程研究所碩士論文。
21.陳昆茂，1999，類神經網路結合田口法與灰關聯理論應用於擠製製程參數分析之研究，國立台灣科技大學機械工程研究所碩士論文。
22.陳冠佑、郭俊生、謝興達、蔡登財，2005，「摩擦攪拌焊接在異質（鐵/鋁）接合之研究，焊接與切割 第15卷第3期季刊。
23.陳昭吉，2002， 應用遺傳基因演算法於晶圓製造廠之施規佈置問題，元智大學工業工程與管理學系碩士倫文。
24.彭威陵，2006，惰性氣體鎢棒電弧銲參數最佳化之研究–以不銹鋼薄板為例，華梵大學工業工程與經營資訊研究所碩士論文。
25.曾衍迪，2001，「人工智慧在工廠實驗設計之發展-類神經網路實驗設計(ANNDOE)」，e-safety 工安簡訊，第三期。http://www.e-safety.com.tw/1_main/103_learning/1037_news/ens03/mail.htm
26.無錫尼可，2007，「中國航空焊接/連接技術的發展與未來」，無錫尼可超音波塑料焊接設備有限公司。 http://www.teliya.cebiz.cn/News_Info-28344.tw
27.葉怡成，2003，類神經網路模式應用與實作，儒林圖書有限公司。
28.廖明通，1999， 銲接工作法與實習，台北：高立圖書。
29.蔡宜靜，2003， 薄壁塑件成形參數之最佳化，國立台灣科技大學機械工程學系碩士論文。
30.鄭遠謀、黃榮光、陳世紅，1999，「爆炸焊接和金屬復合材料」，復合材料學報，第16卷，第1期，頁14-21。
31.黎正中譯，1998，實驗設計與分析，台北：高立圖書。
32.蕭綱衡，2000，「田口式參數設計在鐵礦燒結之應用研究」，中國統計學報，第28卷，第2期，第253-275頁。

英文部分
1.Andersson, C.G., Andrews R.E., Dance B.G.I., Russell M.J., “A comparison of copper canister fabrication by the electron beam and friction stir processes,” the 3rd International Symposium on Friction Stir Welding, June 27-29, 2000, Gothenburg, Sweden.
2.Cary, H. B. and Helzer, S. C., Modern Welding Technology, 6th Ed., New Jersey: Pearson Education, 2005.
3.Chi, S. C. and Hsu, L. C., “A fuzzy Taguchi experimental method for problems with multi-attribute quality characteristics and its application on plasma arc welding,” J. Chinese Institute of Industrial Engineers, Vol.18, No.4, pp.97-110, 2001.
4.Hwang, Y.S.,“ Recognition of Unconstrained Hand Written Numerals by a Radial Basis Function Neural Network Classifier ,”Pattern Recognition Letters, Vol.8,No.7, pp.657-664, 1997.
5.Hwang,C.L. and Yoon, K., Multiple Attribute Decision Making-Method and Applications, Springer-Verlag ,New York, 1981.
6.Juang, S. C. and Tarng, Y. S., “Process parameter selection for optimizing the weld pool geometry in the tungsten inert gas welding of stainless steel,” J. Materials Processing Tech., Vol. 122, pp. 33-37, 2002.
7.Kim, D. and Rhee, S., “Optimization of arc welding process parameters using genetic algorithm,” Welding J., Vol. 80, No. 7, pp. 184-189, 2001.
8.Li, T.S. and Su, C.T. , “Applying Robust Multi-response Quality Engineering for Parameter Selection Using a Novel Neural-genetic Algorithm ,”Computers in Industry ,Vol.50,pp.113-122, 2003.
9.Lin, J. L. and C. L. Lin, The use of grey-fuzzy logic for the optimization of the manufacturing process, J. Materials Processing Tech., Vol. 160, pp.9-14, 2005.
10.Lin, J. L. and Lin, C. L., “The use of the orthogonal array with grey relational analysis to optimize the electrical discharge machining process with multiple performance characteristics,” Int’l J. Machine Tools & Manufacture, Vol.42, No.2, pp.237-244, 2002.
11.Lothongkum, G., Chaumbai, P. and Bhandhubanyong, P., “TIG pulse welding of 304L austenitic stainless steel in flat, vertical and overhead positions,” J. Materials Processing Tech., Vol. 89-90, pp. 410-414, 1999.
12.Lothongkum, G., Viyanit, E. and Bhandhubanyong, P., “Study on the effects pulsed TIG welding parameters on delta-ferrite content, shape factor and bead quality in orbital welding of AISI 316L stainless steel plate,” J. Materials Processing Tech., Vol. 110, pp. 233-238, 2001.
13.Mee, V. v.d. Meelker, H. and Schelde, R. v.d., “How to control hydrogen level in (super) duplex stainless steel weldments using the GTAW or GMAW process,” Welding Research Supplement, pp.7-14, January 1999.
14.Modenesi, P. J. Eustaquio, R. A. and Iaci, M. P., “TIG welding with single-component fluxes,” J. Materials Processing Tech., Vol.99, pp.260-265, 2000.
15.Mohan, H.S., “Electro Jet Drilling Using Hybrid NNGA Approach,”Robotics and Computer-Integrat.
16.Phadke, M. S., Quality Engineering Using Robust Design, Prentice-Hall, 1989.
17.Su ,C.T. and Tong , L.I.,“ Multi-Response Robust Design by PrincipalComponent analysis,” Total Quality Management,Vol.8,No.6,Component analysis,” Total Quality Management,Vol.8,No.6,pp.409-416, 1997.
18.Su, C. T., “Multi-Response Robust Design by Principal Component Analysis,” Total Quality Management, Vol.8, No.6, pp.409-416, 1997.
19.Su, C. T., and Hsu, C. M., “A two-phase genetic algorithm for the cell formation problem,” Int’l J. Industrial Engineering, Vol.3, No.2, pp. 114-125, 1996.
20.T. Kallgren et al, 5th International Symposium on Friction Stir Welding, September 2004, Metz,France.
21.T.J. Lienert, W,L, Stellwag Jr., B.B. Grimmett, and R.W. Warke, Weld. J., 2003, 1-s
22.Tarng, Y.S. and Yang, W.H., “Optimization of the Weld Bead Geometry in Gas Tungsten Arc Welding by Taguchi Method”, The International Journal of Advanced Manufacturing Technology, Vol. 14, pp.549-554, 1998.
23.Tong, L. I. and Su, C. T., “Multi-response robust design by principal component analysis,” Total Quality Management, Vol.8, No.6, pp.409-416, 1997b.
24.Tong, L.I. and Su, C.T., “Optimizing Multiple Attribute Decision Making,”Quality and Reliability Engineering International,Vol.13,No.2, pp.25-34, 1997.
25.Venugopal, V., and Narendran, T. T., “Cell formation in manufacturing systems through simulated annealing: an experimental evaluation,” European J. Operational Research, Vol.63, No.3, pp.409-422, 1992.