研磨加工參數最佳化之研究StudyonOptimizationofGrindingOperation.pdfVIP

2008第十六屆全國自動化科技研討會 中華民國九十七年六月二十七日 ~二十八日 臺灣?高雄 國立高雄第一科技大學 研磨加工參數最佳化之研究 Study on Optimization of Grinding Operation Parameters 許丁惠 * 蔡吉勝** 粘文聰** *建國科技大學 工業工程與管理系 **建國科技大學自動化系暨機電光研究所 E-mail: tsaics@ctu.edu.tw 摘要 質提昇有立即顯著的效益，也是製造者最優先考慮的方 在模具研磨加工中，工件的表面粗糙度受許多參數 法之一。因此，如何使加工品質能滿足預期條件，而且 交互作用的影響，如主軸轉速、研磨深度、進給速度等， 加工參數能隨著目標需求作最佳化調整，已是值得研究 且很難以數學模式來表示他們的關係，因此無法以數學 的課題。 方式來求出最佳的參數，故設計一研究架構來找尋最佳 早期加工參數的最佳化，是加工人員 (operators)按照 化的研磨加工參數已是重要課題。本研究首先以田口法 自己的累積經驗，在不斷嘗試錯誤方法中找到一項較適 設計研磨實驗並進行實驗獲得最初解 ;其次以類神經網路 當的組合。如此，倘若要調整的參數很多時，這種嘗試 建立表面粗糙度與加工參數關係之預測模型，並以先前 錯誤法就派不上用場了[1] 。 田口法所獲得之結果作為訓練樣本進行訓練 最後再以遺; 以實驗計畫法聞名的田口法(Taguchi Methods) ，也是 傳演算法搜尋預測模型之最佳參數。研究結果顯示，此 進行加工參數最佳化最有效率的方法。田口法應用直交 架構可以用很少的訓練樣本數獲得準確的預測模型且快 表來做實驗分析，以減少實驗的次數，所分析出的最佳 速搜尋到最佳的加工參數。 解亦具有強健特性，使得原先僅應用於品質工程領域田 關鍵詞 ：研磨、田口法、類神經網路、基因演算法。 口法，近年來亦普遍應用於求解最佳化問題 [27] 。田口法 應用於加工參數的最佳化方面，例如 Yang et al.[28]利用 Abstract 田口法對於碳化鎢刀具車削中碳鋼時，選定切削速度、 The surface roughness of the work piece in grinding 進給速度和切削深度三個因子，及一個誤差項進行實 process is influenced by a lot of interactive parameters such 驗，結果顯示加工參數最佳化之後，刀具壽命與表面粗 as: spindle wheel speed, depth of cut, feed rate, etc. 糙度較原先增益高達 250﹪。Nian et al.[29] 應用田口法 Moreover, it is difficult to express their relationships using 設定切削速度、進給速度、切削深度為控制因子，並同 mathematic models. Thus, we can not determine the optimal 時考慮多目標特性，以加權值方式將刀具壽命、切削力 parameters with mathematic analysis. For this reason, it 及表面粗糙度合成後，經過平均數分析，發展出一個參 becomes important study to design a research framework for 數最佳化模組。然而應用田口法以少量的實驗數據，分 determining the optimal p