• 學位論文

導熱柱對熔融沉積式3D列印特性之數值研究

3D列印為近年蓬勃發展之產業，除廣泛應用於工業製造外，在醫學領域亦備受重視。針對生物相容性材料之現有熔融沉積式3D列印機台，本論文採用Solidification Melting模型模擬此相變材料於料桶內之預熱融化過程，得知內部存在融化不均之現象，因而探求改善之方式。由初步結果研判受自然對流影響而造成融化不均，因此藉由加入導熱柱的方式，幫助內部融化速率較慢區域快速傳熱，並減少總融化時間。進一步探討系統及導熱柱參數之影響，包含加熱功率、導熱柱角度、導熱柱直徑、導熱柱數量以及導熱柱位置等。由模擬結果發現，加入導熱柱確實有助於減少總融化所需時間，歸因於其將料桶內部流場分化成上、下兩個較小的自然對流循環，避免長距離對流熱傳造成之溫度不均現象。最終透過大量模擬得到導熱柱之最佳設計參數以增加預熱融化效率，並藉由熱場、流場以及液體分率分布解釋原因。 藉由液體分率輪廓圖可以看出，當導熱柱位於較佳的擺放位置時，上、下兩處固體具有同時融化完畢的現象。而使用不同功率加熱並不會導致較佳的擺放位置偏移，隨著加熱功率增加，融化所需時間則減少，從時間節省比率來看，不同熱通量對此並不會造成太大影響。導熱柱在特定位置及角度下對於融化的影響具有較佳的效果，當高度往上偏移時，最佳導熱柱角度則會向下偏移。在所有的參數條件當中，導熱柱直徑為0.2D且高度為Y1時，在角度為20o的情況下具有最佳的時間節省率，其值為15%

• 學位論文

應用反應曲面法於射出成型保壓時間預測之研究

保壓階段對於產品收縮有著巨大的影響性，為使產品各部分收縮一致，於射出產品時，經常會設定多段保壓時間，以此來平衡產品各部分的收縮率，達到精準控制產品尺寸的目的，以往調整參數需靠操作員經驗或使用試誤法，未有一科學化的調整基準，使得浪費大量時間與材料，故如何建立合理化設定多段保壓時間的方法則是重要關鍵。 反應曲面法可探討自變數與反應變數之間的關係，找到迴歸公式，並可通過減少試驗次數來節省時間和材料，本研究探討不同因子對於保壓時間的影響性，運用反應曲面法得到多段保壓時間的迴歸公式，透過實驗驗證迴歸公式的準確性，建立合理化多段保壓時間設定方法。 文獻結果顯示在模具部分，當模具水路設計不相同時，無法單用模溫高低分辨模具冷卻快慢，故本研究建立冷卻效率迴歸公式，可用公式運算出的指數快速比較不同水路設計與溫度的冷卻效率；在反應曲面法分析部分，顯示流動長度、熔膠溫度、冷卻效率這三個因子都具有較高的顯著性，且迴歸公式R-sq(調整)的數值達到了97.28%，表示公式對於多段保壓時間預測上有一定的準確性。在實驗部分，多段保壓迴歸公式表現出良好的預測性，迴歸公式預測的保壓時間與實際保壓時間最大有99%準確率，平均值也有95%以上的準確率，且量測產品尺寸後，顯示這些誤差對於收縮率的影響不到0.01%，證明本研究建立多段保壓時間迴歸公式之方法的可行性。

• 學位論文

實驗和分析以驗證不同工藝參數對收縮和翹曲的影響

隨著塑料零件在各種商品中的廣泛使用，注塑工藝已被公認為是必不可少的製造工藝。為了減少缺陷，已經進行了幾項研究，以減少不同的工藝參數，材料和數學方法，主要是收縮和翹曲。將熔體溫度，模具溫度和填充壓力相結合，並觀察受它們影響的收縮率和翹曲行為。選擇丙烯腈-丁二烯-苯乙烯（ABS）作為薄部件產品的材料，其厚度為2毫米，長度為160毫米，寬度為15毫米。使用相似的邊界條件進行了數值分析以驗證實驗結果。 來自實驗和模擬的垂直流動方向上的收縮距澆口的距離進一步增加。此外，使用較高的填充壓力可減少垂直收縮。模擬結果與實驗數據一致，當在低熔體溫度和低模具溫度下將ABS材料應用於增加的填充壓力時，平行收縮率以相似的趨勢減小且間隙最小。在實際過程和模擬中，隨著填料壓力的增加，平均垂直收縮率往往會降低。 填料壓力通過模擬對翹曲有很大影響；較高的填料壓力可減少變形。但是，在實際的試驗過程中，沒有參數對翹曲有顯著影響。除了在低熔融溫度和模具溫度下的實驗結果之外，翹曲值在實驗和模擬之間具有相似的趨勢。翹曲表明填充壓力10％，40％和70％之間的間隙小於1.7毫米。 Bland-Altman分析表明，實驗和仿真結果均具有可容忍的一致性。

• 學位論文

自適應神經模糊推理系統（ANFIS）的車間作業調度表觀遲延成本修正（ATC）的先行參數預測方法

使拖延率最小化可以使製造公司受益於減少因遲到罰款而造成的損失利潤或增加客戶評估。表觀遲滯成本（ATC）是一種啟發式方法，已廣泛使用並且表現良好，可以使拖延時間減少。此方法具有一個稱為超前參數（k）的參數，它將改變ATC的特性。先前的研究已經研究了ATC的k預測，但是這些案例僅使用單機或併行機製造系統。通常使用固定的k值來簡化調度過程，但是很難確定它是否是最佳值。 這項研究提出使用自適應神經模糊推理系統（ANFIS）解決Job-shop調度情況下的k搜索。修改後的ATC用於處理每台計算機上發生的工作量，然後將其用作ANFIS的輸入。最後，ANFIS生成每台計算機的k值並定義每個作業的優先級索引。 計算序列程序表明，所提出的方法主要以其最佳性能工作。一些性能測試顯示出顯著的結果，可以將遲到率降低多達50％。

• 學位論文

應用 PLC 內PI 控制迴路於線軸之張力控制實驗研究

一般傳統的工廠線纜設備中的控制系統大多為開迴路系統，造成生產時因張力較鬆，使銅線太粗導致銅粉用量過多而導致成本太高，解決的方法為利用閉迴路方式來進行張力控制，考慮到系統的動態特性，本研究選用PI ( Proportional-Integral )的控制架構，為便於決定PI控制器的參數，本研究特別建立一套張力控制的模擬系統，該實驗方法是透過Ziegler–Nichols 參數調整法求取近似最佳PI 參數解，避免以往由人工目視調整、費時的試誤法或主觀經驗法來得到控制器參數；為了達到最佳化控制器參數設計之目標，本研究中利用三菱的可程式邏輯控制器(Programmable Logic Controller)中的比例-積分-微分(Proportional Integral Derivative)控制迴路進行運算，為了收集實際張力變化的資料，利用Visual C#透過三菱公司開發的MX Component控制套件與三菱PLC 建立雙向溝通及即時資訊收集模組，該張力數據可作為生產訊息的參考。實驗結果顯示該模擬張力控制系統透過此參數調整方法所得到的PI 參數，在無外部干擾下，可達到精準且快速的張力控制目標值誤差在± 1 個數值( 相當於0.0229 N ) 的變化。

• 學位論文

人工神經網絡建模之銑削加工表面粗糙度預測

表面光潔度是評估產品質量的重要因素。許多因素都會影響產品的表面粗糙度，其中切削參數。本研究目的是創建一人工神經網絡（ANN）模型應用於削表面粗糙度預測。研究使用了主軸轉速，切削深度，進給速度和冷卻液的切削參數。該研究指出了冷卻液的使用作為輸入參數。 使用前饋式-倒傳遞(Feedforward-backpropagation)演算法來開發ANN結構。 ANN建模是使用Matlab軟件之神經網絡工具箱。在研究中選擇Levenberg-Marquardt倒傳遞(Levenberg-Marquardt backpropagation)訓練學習與動量和自適應學習率倒傳遞的梯度下降(Gradient descent with momentum and adaptive learning rate backpropagation)訓練學習。此外，採用雙曲正切S型函數(hyperbolic tangent sigmoid function)和S形函數(sigmoid function)作為激活函數。本研究探討用不同隱藏層數與不同隱藏節點的變化。研究中首規劃以及進行CNC銑削實驗為提供ANN模型的訓練數據，使用田口方法和全因子設計方法來提供有效的實驗數據，進而建立ANN演算法及模型，最後使用新加工參數(訓練數據之外)進行測試與驗證。通過測量每個模型的均方誤差（MSE）來評估每個模型的性能。此外，對模型的準確性和精確性進行分析。 實驗結果表示最佳切削參數為產生最佳的表面質量（Ra = 0.06m）是使用冷卻液、高主軸轉速、低切削深度、低進給率的組合。此外，冷卻液是影響表面質量的最重要因素，這由高信噪比（信噪比= 14.722）表示。人工神經網絡分析結果表明，4-2-1結構結合Levenberg-Marquardt倒傳遞訓練及S形激活函數是最準確的模型，訓練、測試以及驗證的MSE值為0.004、0.0017和0.0077。

• 學位論文

使用田口實驗設計和變異數分析法優化冷卻通道設計減少大型箱件的翹曲

在競爭激烈的現今，製造業在降低成本和提高生產率的同時，面臨著提高品質和維持客戶滿意度的更大壓力。這些可以透過使用有效的統計工具、現代品質管理系統和製程改進技術來減少製程變異和減少製造過程中產生的浪費來實現。眾所周知，田口方法是解決包括設計在內的許多生產和製造問題的技術。在這項研究中，使用PP材料對設計因子以田口方法進行分析，以找到最佳的冷卻通道設計，然後對獲得的最佳設計進行參數優化，然後進行連續觀察以製定設計規則。使用田口方法和變異數分析（ANOVA）技術研究過程的輸入（製程參數）和輸出（品質特性）之間的關係。 本論文的主要目的是通過田口直交表設計和變異數分析（ANOVA）方法設計並提出一種更簡單且便宜，且厚度較薄的冷卻通道，同時仍可減少翹曲和體積收縮，並具有良好的冷卻效率。由於製程參數也會導致翹曲，因此，在進行冷卻分析之後，可以手動優化製程參數以達到比先前獲得的更好的冷卻通道設計，同時檢驗冷卻效率和翹曲。再將獲得的最終設計（更好的冷卻通道和製程參數）結果套用於厚度不均勻的工件進行比較。最後比較所有設計的冷卻效率和達到頂出溫度的時間，根據觀察結果制定設計規則，並使用另一具有不同厚度和尺寸的箱型工件進行設計規則驗證。 分析將使用一尺寸為400x280 / 210mm的箱狀物件進行，其內部倒角為30mm。使用PP材料和製造商建議的製程參數，於模流軟體Moldflow中進行分析。於分析中選擇翹曲，冷卻效率(工件表面平均溫度)，以及體積收縮作為回應值，並以總共5個控制因子進行分析：冷卻通道直徑（A），冷卻通道間距（B），零件厚度（C），冷卻通道對工件距離（D）和冷卻通道流量（E）。直接選擇製造商建議值的製程參數則包括熔體溫度，模具溫度，注射壓力，填充壓力，填充時間和冷卻時間。 透過對田口方法分析結果中信噪比和變異數分析表的觀察，所制定出的設計規則為：冷卻通道的厚度（t）= 2.4mm；冷卻通道對產品距離（D）= 11.6 t = 12t;冷卻通道的間距（P）= 23.95t = 24t;冷卻通道直徑（d）= 8.33t = 8t;冷卻劑流量=20000。以一矩形200X100X60mm，圓角邊緣的5mm盒，厚度為1.6mm，2mm，2.2mm，2.4mm，2.5mm，2.6mm和2.7mm，進行設計規則的驗證，檢查最佳設計效果。結果中所有工件的冷卻效率都很高。因此，強烈建議在這項研究中提出的設計規則用於任何射出成型的產品製造。 關鍵字：冷卻通道、田口 方差分析、模具流動、盒子零件

• 學位論文

結合螢光金奈米團簇製作白光發光元件

在目前的發展中，奈米科技可說是目前的趨勢，由於奈米科技的發展，人們發現當材料的尺寸縮小至奈米等級時，將會有新的化學及物理性質產生，其中以半導體的量子點與金屬奈米粒子最為熱門，在生醫或光電上領域都有許多新的應用。 　　光電領域中傳統白色發光二極體是利用螢光粉做為波長轉換材料，而量子點具有比螢光粉更好的螢光特性，目前量子點發光二極體也成功的被製做出來，想取代傳統螢光粉，而螢光金奈米團簇相較於量子點為一新型波長轉換材料，且毒性較量子點低，因此本研究開發以螢光金奈米團簇做為波長轉換材料，利用光固化方式，製作具有螢光金奈米團簇的薄膜，以藍光發光二極體激發使其產生白光，並利用固化劑去稀釋金團簇濃度，調整白光發光二極體的光學特性。

• 學位論文

基於深度學習之工件形狀分類檢測系統

本文的研究目的為發展一套利用單晶片電腦樹莓派控制機械手臂與輸送裝置，結合深度學習之即時影像辨識功能，完成工件形狀分類之自動化檢測作業。首先，將欲分類的所有工件形狀之影像作成訓練樣本，以基於深度學習之影像分類器進行訓練，完成後可得到模型參數。其次，進行實驗測試，由樹莓派控制之輸送裝置將工件送至檢測位置，此分類器能即時顯示工件形狀的分類結果；最後，再透過樹莓派控制機械手臂分類工件，夾取至設定位置，由輸送設備將工件送達目的地。經由統計並分析實驗數據，本文發展的系統之分類正確率可達95%。

• 學位論文

發展基於ResNet50咖啡豆之圓豆及一般豆分類系統

近年來各式連鎖咖啡店在臺灣一間一間地開，臺灣人的咖啡消耗量年年創新高，你是否也有每天喝咖啡的習慣呢？ 隨著人們對咖啡的品質愈來愈注重，因此想要喝到一杯好喝的咖啡，必須從生咖啡豆開始嚴格把關，以往都是由咖啡農經過大量人力篩選掉瑕疵的咖啡豆後，賣到咖啡店再由老闆進行第二次的篩選，生咖啡豆可分成圓豆與平豆，對於圓豆的產量相當稀少，圓豆因為外型關係容易烘培均勻、香味極為濃厚且養分含量多，所以市面上的圓豆比平豆價值高出許多。 本研究利用人工智慧深度學習技術，利用Tensorflow為基底的高階語言Keras套件來建立深度學習的類神經網路架構，以ResNet-50訓練模型為基礎給予權重來抓取圓豆與平豆的特徵，再利用這些特徵來進行神經網路訓練，將其生咖啡豆分類成圓豆與平豆，經測試分析後生咖啡豆的辨識準確率到達96%以上。