博碩士論文 etd-0812108-160604 詳細資訊


[回到前頁查詢結果 | 重新搜尋]

姓名 曹成林(Cheng-lin Tsao) 電子郵件信箱 E-mail 資料不公開
畢業系所 資訊管理學系研究所(Information Management)
畢業學位 碩士(Master) 畢業時期 96學年第2學期
論文名稱(中) 應用DOE技術改善射出成型專家系統之方法
論文名稱(英) Using DOE technology to Improve the Expert System for the Injection Molding
檔案
  • etd-0812108-160604.pdf
  • 本電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
    請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。
    論文使用權限

    電子論文:校內校外均不公開

    論文語文/頁數 中文/66
    統計 本論文已被瀏覽 5383 次,被下載 0 次
    摘要(中) “以塑代鋼”、“以塑代木”是現代工業的發展趨勢。因在眾多成型加工方法中射出成型因具適應性強、生產效率高、易實現全自動化生產等優點﹐而被塑膠工業廣泛採用。 射出成型是個相當複雜的物理過程﹐製程參數(例如溫度、壓力、時間、速度、位置等)及環境狀況等直接影響模具內熔體的流動狀態和產品的最終品質﹐因此獲取最優的製程參數成為提高射出成型製品品質的關鍵。
    傳統的製程參數調整是用試誤法(Trial and Error)﹐這種方法不但耗時耗料﹐且經驗累積與傳承上較困難﹐迫切需要進行突破﹐探索新的方法。 經過實踐與探索﹐發現六西格瑪中的DOE實驗設計(Design Of Experiment)可以應用於射出成型製程改善﹐它們的結合對射出成型工藝參數的調整來講是一個創新。DOE是以概率論、數理統計和線性代數為理論基礎﹐通過科學的安排實驗﹐正確的分析實驗結果﹐以儘快獲得優化方案的一種數學方法。在不斷的探索過程中﹐DOE在縮短週期、降低單重、品質改善方面的應用取得了初步成功。為了使DOE在射出成型的運用在業界得到迅速推廣和發展﹐使專家的經驗外顯化、量化﹐以及發揮更大的作用﹐創造更多的價值﹐為此把大量DOE案例歸納成法則﹐建立成知識庫﹐開發成射出成專家系統﹐可為射出成型工程技術人員、模具設計者、塑模產品設計者提供一個有價值的資源分享平臺。
    摘要(英) Replacing steel and wood with plastic is the developing trend in the modern industry. In many shaping processing methods﹐ the injection molding technology is widely used in plastic industry for its good adaptability﹐ high producing efficiency and easy-achieve to automation. Injection molding is a very complicated physical process﹐ the molding parameters (including temperature﹐ pressure﹐ time﹐ speed and position etc) and environment condition will directly affect the flowing condition of melting plastic and final quality of products﹐ so to obtain the best molding parameters is the key to improve the quality of the plastic products.
    The traditional method of adjusting parameters is try and error﹐ which wastes time and materials. And it’s also hard to accumulate and transmit experience﹐ so we urgently need to find a new method. By going through a long time of experiment and exploring﹐ we found that the DOE (Design of Experiment)﹐ which is one of the most important tools of 6 sigma﹐ can be applied to improving the molding processing﹐ and it will bring us the innovation of injection molding technology. DOE is one of the mathematic methods﹐which bases on Probability theory﹐ Statistics and Linear algebra﹐ through rationally arrange experiment and correctly analyze the results of experiment﹐ to obtain the best parameters. In the processing of exploring﹐ we have obtained first-step success in shortening cycles﹐ reducing weight of product and improving qualities. For the sake of extending and developing the methods of DOE applied to molding technology in the company and transmitting experience of experts﹐ we are going to conclude many DOE cases as a rule﹐ establish a database﹐ develop an injection molding expert system﹐ which will be the effective way to bring cost down﹐ improve efficiency and establish a core-competition capability of injection molding technology.
    關鍵字(中)
  • 射出成型
  • 實驗設計
  • 專家系統
  • 關鍵字(英)
  • Expert Eystem
  • Injection Molding
  • Design of Experiment
  • 論文目次 第一章、導論 1
    1.1 研究背景與動機 1
    1.2 研究目的 2
    1.3 研究流程 3
    1.4 論文架構 6
    第二章、文獻探討 6
    2.1 DOE實驗設計 6
    2.1.1 DOE基礎知識 6
    2.1.1.1 實驗設計的概念 6
    2.1.1.2 實驗設計的基本原則 7
    2.1.1.3 實驗設計的基本步驟 7
    2.1.2 DOE的資料分析 8
    2.1.2.1 ANOVA方差分析 8
    2.1.2.2 迴歸分析 8
    2.1.3 DOE實驗設計的類型 11
    2.1.3.1因數實驗設計 11
    2.1.3.2 回應曲面實驗設計 11
    2.1.3.3田口實驗設計 12
    2.2 專家系統理論與架構 12
    2.2.1專家系統的概念 12
    2.2.2專家系統的發展 13
    2.2.3專家系統的結構 15
    2.2.4專家系統的工作流程 16
    2.2.5專家系統的優點 17
    2.2.6專家系統的應用 17
    第三章、研究方法 19
    3.1 射出成型基本原理 19
    3.1.1射出成型四要素 19
    3.1.1.1 機器簡介 19
    3.1.1.2 原料簡介 20
    3.1.1.3 模具簡介 21
    3.1.1.4 射出成型參數簡介 21
    3.1.2 射出成型工藝過程及特徵 22
    3.2 DOE實驗前應先確認事項 23
    3.2.1 以試誤法所使用的成型條件為基礎 23
    3.2.2 先改善模具﹐然後才進行DOE實驗 23
    3.2.3 關鍵在選擇因數和水準 23
    3.2 DOE實驗流程 24
    第四章、DOE在射出成型應用及專家系統開發 26
    4.1 DOE應用於射出成型的案例 26
    4.1.1提升品質 26
    4.1.1.1品質外觀的量化 26
    4.1.1.2 案例一 28
    4.1.1.2 案例二 34
    4.1.2降低單重 38
    4.1.3 縮短週期 40
    4.2 射出成型專家系統的開發 44
    4.2.1 專家系統的開發背景 44
    4.2.2 案例推理的優點 44
    4.2.3 專家系統運作流程 45
    4.2.3.1 專家系統架構 45
    4.2.3.2 推理規則 46
    4.3雛型系統模擬實作 47
    第五章、資料分析 51
    5.1 改善案例成果分析 51
    4.2 專題報告發表成果分析 51
    4.2 專家系統問卷調查分析 52
    第六章、結 論 54
    6.1研究成果與貢獻 54
    6.1.1突破、創新、發展 54
    6.1.2資源共用平臺 54
    6.2 問題與限制 54
    6.2.1技術人員尚未習慣使用DOE手法及MINITAB軟體 54
    6.2.2優化方法與統計方法可更嚴謹予以探討 55
    參考文獻 56
    參考文獻 1.王利霞. 基於數值模擬的射出成型工藝優化及製品品質研究 鄭州大學博士論文2004.4.
    2.王耀南. 智慧控制系統---模糊邏輯專家系統 神經網路控制 湖南大學出版社 .
    3.史忠植. 高級人工智慧(第二版). 科學出版社﹐ 2006.
    4.李凡著. 模糊專家系統 武漢華中理工大學出版社 1993.3.
    5.吳貴生﹐ 於治福﹐於淑政. 實驗設計與資料處理 北京冶金工業出版社.
    6.弈軍.  現代實驗設計優化方法 上海交大出版社 1996.3.
    7.馬林.  六西格瑪管理 中國人民大學出版社2006.7.
    8.郭廣思. 塑膠成型技術 機械工業出版社2002.9.
    9.梁定澎. 決策支援系統與企業智慧 臺北市 智勝文化 2006.1.
    10.張祖明. 人工智慧的前沿內容--專家系統的發展綜述 北京.
    11.曹宏深﹐趙仲治. 塑膠成型工藝與模具設計 機械工業出版社 1993.3.
    12.葛新權﹐王斌.應用統計 社會科學出版社 2006.1.
    13.彭定國﹐ 吳洪爭﹐ 鄭大興. MINITAB統計分析與應用 2006.2.
    14.欒軍編. 實驗設計與技術方法 上海交大出版社 1995.2.8.
    15.Hayes-Roth, F, et al.(1983), Building Expert Systems,Addison-Wesley Publ. Co. Mass..
    16.Barr,A and Feigenbaum,E.A . (1981), “The Handbook of Artificial Intelligence”, Vol.Ⅱ, William Kaufmann,Inc., Los Angeles, CA.
    17.Byrd, T.A.(1992), “Implementation and Use of Expert Systems in Organizations: Perceptions of Knowledge Engineers”, Journal of Management information Systems,Vol.8,No.4,pp:97-116.
    18.Feigenbaum,E.A. (1997), “The Art of Artificial Intelligence: Themes and case studies in Knowledge Engineering,” Proceeding of the IJCAI,Vol.5.
    19.YU, V.Y.(1979), et al. Total Parenteral Nutrition in very Low Birthweight Infants: A Controlled, Arch Dis Child, pp: 653-661.
    口試委員
  • 鄭炳強 - 召集委員
  • 陳灯能 - 委員
  • 梁定澎 - 指導教授
  • 口試日期 2008-06-18 繳交日期 2008-08-12

    [回到前頁查詢結果 | 重新搜尋]


    如有任何問題請與論文審查小組聯繫