(18.210.12.229) 您好!臺灣時間:2021/03/03 15:42
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:郭昭谷
研究生(外文):Kuo Chao-Ku
論文名稱:應用中央合成設計法降低射出成型不良率之研究
論文名稱(外文):The Application of Central Composite Design to Reduce the Nonforming of Plastic Injection Process
指導教授:方正中方正中引用關係
指導教授(外文):Fang JengJung
學位類別:碩士
校院名稱:南台科技大學
系所名稱:工業管理研究所
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2010
畢業學年度:98
語文別:中文
論文頁數:103
中文關鍵詞:反應曲面法中央合成設計倒傳遞神經網路基因演算法反應曲面法中央合成設計倒傳遞神經網路基因演算法反應曲面法中央合成設計倒傳遞神經網路基因演算法
外文關鍵詞:Response Surface MethodologyCentral Composite DesignBack Propagation Neural NetworkGenetic AlgorithmResponse Surface MethodologyCentral Composite DesignBack Propagation Neural NetworkGenetic AlgorithmANDANDResponse Surface MethodologyCentral Composite DesignBack Propagation Neural NetworkGenetic Algorithm
相關次數:
  • 被引用被引用:1
  • 點閱點閱:410
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
摘 要
在傳統射出成形產業中,由於產品的種類是多元且多變的,必須針對每種不同的產品來設定其製程參數,以往製程參數設定大都仰賴經驗豐富的工程師,依據過往之經驗來完成模具測試與參數設定。
本研究透過反應曲面法(RSM;Response surface methodology),及中央合成設計(CCD;Central composite design),以氣泡不良率及缺料不良率為研究的品質特性,依所需之品質目標找尋最佳射出成型參數條件。同時以類神經將CCD實驗數據資料經由倒傳遞神經網路(Back Propagation Neural Network)訓練與測試,用以建構射出成型產品品質預測器,再以品質預測器結合基因演算法(Genetic Algorithms),找出最佳製程參數組合。研究顯示,兩種實驗方法所提出之最佳參數均能有效的達到品質特性之要求,並且可降低製程不良率,使得生產更具效率、符合經濟、和降低公司成本。以反應曲面法得到氣泡不良率由平均3.3%降至平均2.6%、及缺料不良率由平均2.7%降至1.9%。類神經網路結合基因演算法使得氣泡不良率由平均3.3%降至平均2.3%、及缺料不良率由平均2.7%降至1.6%。

關鍵詞: 反應曲面法、中央合成設計、倒傳遞神經網路、基因演算法
Abstract
In the traditional plastic injection molding industry, there are numerous kinds of product and the products are fast changing. There is a need to set process parameters for each product. In the past, the process parameter settings are mostly relied on experienced engineers.
The research found the optimal settings of plastic injection molding by central composite design (CCD) of response surface methodology (RSM) where the quality characteristics are bubble and shaping nonconforming rates. Besides, the data collected through CCD were used as input and output for back propagation neural network (BPN) to construct the prediction model and then genetic algorithm (GA)
was applied to search for the optimal process parameter settings. The research results showed that both optimal parameter settings improved the product quality. The response surface methodology reduced bubble nonconforming rate from 3.3% to 2.6% and shaping nonconforming rate from 2.7% to 1.9%. The BPN incorporating GA method reduced bubble nonconforming rate from 3.3% to 2.3% and shaping nonconforming rate from 2.7% to 1.6%.

Keyword: Response Surface Methodology, Central Composite Design, Back
Propagation Neural Network, Genetic Algorithm
目 次
摘要...............................................................i
Abstract .........................................................iii
目次...... .... ...................................................iii
表目錄.............................................................v
圖目錄.............................................................vi
第一章 緒論........................................................ 1
1.1 研究背景與動機.................................................. 1
1.2 研究目的....................................................... 4
1.3 研究限制....................................................... 5
1.4 研究方法....................................................... 5
1.5 研究架構與步驟.................................................. 6
第二章 文獻探討..................................................... 8
2.1 塑膠射出成型的發法與原理......................................... 9
2.1.1 射出成型製程介紹................................................................ 9
2.1.2 射出成型三大要素................................................................ 11
2.1.3 認識射出成型機............................................... 12
2.2 塑膠材料的基本物性............................................. 13
2.2.1 塑膠原料的種類和特性.......................................... 15
2.2.2 塑膠原料的種類............................................... 15
2.2.3 原料構成—PMMA射出成型....................................... 18
2.2.4 原料構成—PC射出成型......................................... 21
2.3 射出成型技術應用相關文獻........................................ 25
2.4 射出成型條件的參數控制.......................................... 27
2.4.1 成型機的參數控制............................................. 29
2.5 射出成型品質與成型不良原因和對策................................. 30
2.5.1 常見射出成型零件的缺陷與對策實施............................... 31
2.5.2 射出成型品質不良的成因........................................ 35
2.6 QC七大手法應用相關文獻......................................... 36
2.6.1 柏拉圖..................................................... 36
2.6.2 特性要因圖.................................................. 38
2.7 反應曲面法應用相關文獻......................................... 39
2.8 中央合成設計法應用相關文獻...................................... 42
2.9 類神經網路應用相關文獻.......................................... 46
2.9.1 類神經網路簡介.............................................. 46
2.9.2 倒傳遞類神經網路架構......................................... 48
2.10 基因演算法應用相關文獻........................................ 49
2.10.1 基因演算法則............................................... 49
第三章 研究方法................................................... 52
3.1 特性要因圖................................................... 54
3.2 反應曲面法................................................... 56
3.3 中央合成設計法................................................ 60
3.4 類神經網路.................................................................................................. 61
3.4.1 倒傳遞類神經網路輸入值的資料轉換............................................ 62
3.4.2 倒傳遞類神經網路之學習演算法.................................................... 63
3.4.3 倒傳遞類神經網路之演算步驟........................................................ 63
3.5 基因演算法.................................................................................................. 68
3.5.1 染色體表達方式................................................................................ 69
3.5.2 產生初始族群.................................................................................... 70
3.5.3 適合度函數........................................................................................ 70
3.5.4 複製.................................................................................................... 71
3.5.5 交配.................................................................................................... 72
3.5.6 突變.................................................................................................... 72
3.5.7 停止條件............................................................................................ 73
第四章 個案實例—南部車燈產業為例.................................................................... 74
4.1 中央合成實驗.............................................................................................. 74
4.1.1 問題的描述........................................................................................ 75
4.1.2 選定關鍵因子.................................................................................... 77
4.1.3 實驗設計的選擇................................................................................ 78
4.1.4 因子水準的設定................................................................................ 79
4.1.5 實驗數據收集與分析........................................................................ 80
4.1.6 確認實驗............................................................................................ 86
4.1.7 實驗結果與追蹤................................................................................ 87
4.2 類神結合基因演算法.................................................................................. 89
4.2.1 倒傳遞類神經網路輸入值的資料轉換............................................ 90
4.2.2 倒傳遞類神經網路建構.................................................................... 91
4.2.3 不良率倒傳遞類神經網路模式........................................................ 92
4.2.4 不良率倒傳遞類神經網路訓練結果................................................ 93
4.2.5 基因演算法修正類神經網路之連結權重........................................ 95
4.2.6 基因演算法修正不良率類神經網路之連結權重............................ 96
4.2.7 確認實驗............................................................................................ 99
4.2.8 實驗結果驗證與追蹤...................................................................... 100
第五章 結論與未來方向.......................................................................................... 102
5.1 結論............................................................................................................ 102
5.2 未來方向.................................................................................................... 103
參考文獻...................................................................................................................... 104
v
表目錄
表2-1 原料比重鑑別法.................................................................................................18
表2-2 PMMA原料之物性.............................................................................................20
表2-3 PMMA 成型條件設定規範................................................................................21
表2-4 PC 原料物性表...................................................................................................24
表2-5 PC 一般成型條件表規範...................................................................................25
表2-6 成型縮水對策改善實施......................................................................................31
表2-7 充填不足對策改善實施......................................................................................32
表2-8 毛邊對策改善實施..............................................................................................33
表2-9 氣泡對策改善實施.............................................................................................34
表4-1 本研究可控因子及其範圍.................................................................................78
表4-2 中央合成設計的實驗矩陣.................................................................................78
表4-3 因子水準實驗值.................................................................................................80
表4-4 本研究實驗數據.................................................................................................81
表4-5 氣泡不良率(Y1) ANOVA的分析........................................................................82
表4-6 氣泡不良率(Y1)反應值的二階模型.................................................................82
表4-7 缺料不良率(Y2) ANOVA的分析........................................................................83
表4-8 缺料不良率(Y2)反應值的二階模型.................................................................84
表4-9 反應值之規格限制與目標值.............................................................................85
表4-10 最佳參數值........................................................................................................86
表4-11 最佳參數之信賴區間與預測區間....................................................................87
表4-12 最佳參數組合....................................................................................................87
表4-13 改善後實驗數據................................................................................................87
表4-14 驗證實驗結果....................................................................................................88
表4-15 因子與反應值正規化後數值...........................................................................90
表4-16 不良率類神經網路交叉驗證............................................................................92
表4-17 不良率類神經網路結果....................................................................................94
vi
表4-18 不良率類神經網路之權重................................................................................95
表4-19 修正後不良率類神經網路連結權重................................................................98
表4-20 修正後不良率類神經網路結果........................................................................99
表4-21 最佳參數組合.................................................................................................101
表4-22 最佳化參數值..................................................................................................101
表4-23 實驗結果與追蹤.............................................................................................101
表4-24 CCD 與類神經比較差異................................................................................103
7
圖目錄
圖1-1 研究架構............................................................................................................7
圖2-1 射出成形製程步驟..........................................................................................11
圖2-2 射出成型機......................................................................................................13
圖2-3 塑膠原料總表..................................................................................................16
圖2-4 PMMA 塑膠粒................................................................................................18
圖2-5 PMMA 成型零件-反射片...............................................................................19
圖2-6 PMMA 成型零件-後燈...................................................................................20
圖2-7 PC 材質原料粒................................................................................................22
圖2-8 PC 材質與PMMA 材質差異.........................................................................23
圖2-9 車燈零件-PC 燈殼..........................................................................................23
圖2-10 車燈零件-RS 副反射鏡..................................................................................24
圖2-11 塑膠射出成型流程..........................................................................................28
圖2-12 射出成型製程過程與射出壓力、時間的變化關..........................................28
圖2-13 射出成型各階段的操作條件..........................................................................29
圖2-14 成型品品質三大因素......................................................................................30
圖2-15 成型不良現象-縮水........................................................................................31
圖2-16 成型不良現象-充填不足................................................................................32
圖2-17 成型不良現象-毛邊........................................................................................33
圖2-18 成型不良現象-氣泡........................................................................................34
圖2-19 射出成型件常見的缺陷及成因......................................................................36
圖2-20 柏拉圖的標準結構..........................................................................................37
圖2-21 魚骨圖的標準結構..........................................................................................39
圖3-1 實驗設計步驟..................................................................................................53
圖3-2 特性要因圖......................................................................................................56
圖3-3 反應曲面圖......................................................................................................57
8
參考文獻
【1】王修茂、童翔新、陳源樹、盧銘勳、許金和,『中央合成設計應用在飛灰添加FGD 廢水之研究』,工業污染防治,第95 期,21~24 頁,2005 年。
【2】何文獻、蔡進聰、林清煌、周至宏,『 應用反應曲面法與基因演算法於船體結構構 件斷面尺寸之最佳化設計』,中國造船暨輪機工程學刊,26 卷,1期,39~50 頁,2007 年。
【3】石傑方,『多層目標物穿透即時辨識系統參數最佳化之研究』,國立交通大學,環境工程研究所,2006年。
【4】江商銘,『應用基因演算法與類神經網路在自動取置機參數調校設定之研究』,南台科技大學,工業管理研究所,2007 年
【5】沈明來,『 試驗設計學』,九州書局,台北市,1997 年。
【6】吳東川,『智慧型控制系統應用於射出成形產品品質控制』,清華大學,化學工程研究所,2004年。
【7】吳俊煌,『塑膠射出成型模具設計』,復文書局發行,台南市,2001 年。
【8】吳政憲、蘇義豊、吳世民、林忠志,『射出成型應用於導光板之製程研究』,大葉大學,機械與自動化工程研究所,2004 年。
【9】林秀鳳,『品管手法在會計教學上之應用研究』,國立彰化師範大學,商業教育學系,1999 年。
【10】林啟湶,『一般常用最佳化方法在塑膠射出成型之應用』,國立台灣科技大學,機械工程系,2005 年。
【11】林瑞山,『類神經網路於預測晶圓測試良率之應用』,國立成功大學工學院,工程管理專班,2003年。
【12】范揚志,『應用類神經網路與基因演算法於射出成形製程參數最佳化之研究』,中華科管所,2006 年。
【13】卓裕盛,『PVA固定化硫酸還原菌體顆粒處理含銅廢水之研究』,國立交通大學,環境工程系所,2008年。
【14】祝志太,『以CCD 探討膠合修補飛機複材蒙皮之最佳製程條件』,逢甲大學,工業工程研究所,1999 年。
【15】洪啟偉,『以雙反應曲面法與非線性規劃進行塑膠射出成形作業之最佳化設計』,東海大學,工業工程與經營資訊研究所,2008 年。
【16】洪淳婷,『應用六標準差於品質改善之研究─以機車煞車零件為例』,南台科技大學,工業管理研究所,2007 年。
【17】徐昌煜,『CAE 在氣體輔助射出成形汽車零件上之應用』, CAD 與自動化,第10 期,21~24 頁,1994 年。
【18】許旭宏,『以實驗設計法探討壓電風扇於矩形管內之散熱效能』,成功大學,工程科學系專班,2008 年。
【19】張永彥,『實用塑膠模具學』,全華科技圖書有限公司,台北,1996 年。
【20】張斐章、張麗秋、黃浩倫,『類神經網路理論與實務』,東華書局,台北,2004 年。
【21】黃書政、張炳揚,『肉雞屠體最佳化噴洗條件之探討』,中國畜牧學會會誌,第26 卷,第4 期,471~481 頁,1997 年。
【22】陳順宇,『實驗設計』,華泰書局,台北,2002 年。
【23】陳劉旺、丁金超,『高分子加工』,高立圖書有限公司,台北,1989 年。
【24】楊東翰,『整合基因演算法及類神經網路於印刷電路板生產預測之研究』,元智大學,工業工程與管理學系,2004 年。
【25】蔡子琦,『類神經網路與基因遺傳演算法於WEDM加工參數最佳化之應用』,國立臺灣大學,機械工程學研究所,1998年。
【26】鄭春生、李志鴻,『應用六標準差之手法提高PET 耐熱瓶之耐熱性』,品質學報,13 卷1 期,71~84 頁,2006 年。
【27】黎正中、陳源樹,『實驗設計與分析』,高立圖書有限公司,台北,2003 年。
【28】劉守一,『塑膠成型加工』,復漢出版社,台南市,1997 年再版。
【29】劉嘉顯,『硬脆材料硬拋光與軟拋光機制分析及最佳製程參數設計-99%氧化鋁為例』,國立高雄第一科技大學,機械與自動化工程系,2001 年。
【30】戴金琪,『以反應曲面方法改善銅導線晶圓封裝之銲線製程問題』,元智大學,工業工程與管理研究所,2004 年。
【31】蕭瑜佐,『單軸進給平台定位精度之最佳組裝參數研究』,中興大學,機械工程學系所,2008 年。
【32】魏子夏,『實驗設計應用在製程最佳參數之研究—以不銹鋼超細線為例』,南台科技大學,高階主管企業碩士班,2005 年。
【33】蘇木春、張孝德,「機器學習:類神經網路、模糊系統以及基因演算法」,全華書局,台北,1999年。
【34】羅壬成,『模流分析與射出成型控制參數的優化』,國立交通大學碩士,新竹,2006 年。
【35】Agassant, J. F., Boitout, F. and M., incent, ”Elasticalculation of Residual Stresses Injection Molding”, Intern. Polymer Processing X. Vol.3, pp. 237-242,1995.
【36】Bernhardt, E. C., ”CAE Computer Aided Engineering for Injection Molding”,Hanser, Munich, 1983.
【37】Box, G. E. P. and K. G. Wilson, “On the Experiment Attainment of Optimum Conditions”, Journal of the Royal Statistical Society, Vol. 13, pp. 1-45, 1951.
【38】Chou, Chi Lan., “Minimal Point Composite Designs for Second Order Response Surfaces“, National University of Kaohsiung, 2007.
【39】Covas, J.A., A.G Cunha. and P. Oliveira, “An Optimization Approach to Practical Problem in Plasticating Single Screw Extrusion”, Polymer Engineering and Science, Vol. 39, No.3, pp. 443-456, 1999.
【40】Dijk, D.J.V, M. H. Huesselman and J K., M. B, Jansen, ”Effect of Processing Conditions on Shrinkage in Injection Molding”, Polymer Engineering and Science, Vol.38, No.5, pp. 838-846, 1998.
【41】Derringer, G. and R. Suich, “Simultaneous Optimization of Several Response Variables”, Journal of Quality Technology Vol.12, pp. 214-219,1980.
【42】Fassett, J., “Thin wall Molding: Differences in Processing over Standard Injection Molding”, Annual Technical Conference – ANTEC, Conference Proceedings, Vol.1, Soc of Plastics Engineers, Brookfield, CT, USA,pp. 430-433, 1995.
【43】Giovanni, M., “Response Surface Methodology and Product Optimization”, Food Technology, Vol. 37, No. 11, pp. 41-45, 1983.
【44】Gao, Furong, “Injection Molding Packing Profile - Toward Closed-Loop Quality Control”,2003.
【45】Hill, W. G. and G. W. Hunter, “A Review of Response Surface Methodology:A Literature Survey”, Technometrics, Vol. 8, pp. 571-590, 1966.
【46】Huang, Ming Chih, and Ching Chih Tai, “The Effective Factors in the Warpage Problem of Ninjection-Molded Part with a Thin Shell Feature”, Joural of Material Processing Technology, Vol. pp. 110, 1-9, 2001.
【47】Huang ,Yin Jie, “A Study on Minimal Point Composite Designs“, National University of Kaohsiung, 2007.
【48】Hasan, K., O.Babur and E. Tuncay, ” Warpage Optimization of a Bus Ceiling Lamp Base Using Neural Network Model and Genetic Algorithm”, Journal of Materials Processing Tech., Vol.169 , Iss.2 , pp. 314-319, 2005.
【49】Ibar, J. P., “Control of Poperties by Melt Vibration Technology A Review”, Polymer Engineering and Science, Vol. 38, No. 1 pp.1-20, 1998.
【50】Lam, Y.C. and L.W. Seow., “Optimizing Flow in Plastic Injection Molding”, Journal of Materials Processing Technology, pp. 333-341, 1997.
【51】Liao, Wei-Chih, “ Fluorene Biodegradation by Sulfate Reducing Bacteria: A Kinetics Study“, Submitted to Institute of Environmental Engineering College of Engineering, 2008.
【52】Middleman, S., Fundamentals of Polymer Processing, McGraw Will, NewYork, 1977.
【53】Pearson, J.R.A, Mechanics of Polymer Processing, Elsevier, London, 1985.
【54】Richardson, S.M., “Hele Shaw Flow with a Fres Surface Produced by the Injection of Fluid into a Narrow Channel“, J.Fluid Mech.,Vol. 56, pp. 609-618,
1972.
【55】Su Yi -Shiung, “Application of Fenton process in the Degradation of Carbofuran Contaminated Water “, A Thesis Submitted to Institute of Environmental Engineering College of Engineering, 2008.
【56】Sadeghi, B.H.M., “A BP-Neural Network Predictor Model for Plastic Injection Molding Process”, Journal of Materials Processing Technology, Vol. pp. 103,pp. 411-416, 2000.
【57】Su, C. T. and T. L. Chiang., “Optimal Design for a Ball Grid Array Wire Bonding Process Using a Neural-Genetic Approach”, IEEE Transactions on Electronics Packaging Manufacturing, Vol. 25, No.1, pp. 13-18, 2002.
【58】Shi, F., Z. L. Lou, J. G. Lu and Y. Q. Zhang., ”Optimization of Plastic Injection Molding Process with Soft Computing”, International Journal Advanced Manufacturing Technology, Vol. 21, pp. 656-661, 2003.
【59】Tsai, Yu-Jen, “Optimal Composite ResponseSurface Designs“, National University of Kaohsiung, 2005.
【60】Tang, K. S., C. Y. Chan, K. F. Man and S. Kwong., “Genetic Structurefor NN Topology and Weights Optimization”, Proceedings of the 1st IEE/IEEE International Conference on Genetic Algorithms in Engineering Systems, pp. 250-255, 1995.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔