发表於中国机械工程学会第十八届全国学术研讨会.pdfVIP

發表於中國機械工程學會第十八屆全國學術研討會，電腦輔助設計論文集，2001/12/7-8，台灣科技大學 應用柔性演算法於穏 健最佳化設計 陳相弦 洪宗仁 余志成* 國立台灣科技大學 機械工程研究所 國科會補助編號：NSC89-2212-E155-019 摘要 數變異的敏感度（Sensitivity），以不增加成本的 方式提昇品質。 田口方法藉由內外直交表配置因子以減少實驗 次數，並計算訊噪比來估計輸出變異，以降低產品品 參數設計的目的在設計空間中尋找一組最佳參 質損失。雖然田口方法可使用加成法模式預測設計的 數組合，使得輸出響應滿足限制條件、性能與品質的 最佳參數組合，但若系統為非線性，或是參數間存在 設計需求。然而，在最佳化過程中，必須取得大量的 交互作用時，會增大最佳設計的預測誤差。此外，田 系統資訊。對於簡易的系統而言，系統的特性可使用 口方法只能用來預測因子水準點上的組合，無法以內 理論公式推導或圖表查詢來獲得；但實際工程系統的 插或外插的方式取得最佳組合。本文應用柔性演算法 輸出入關係複雜，再加上參數間的交互作用與關聯 改良田口方法，使用類神經網路學習實驗結果，模擬 性，使得系統的數學模式不易取得，設計者往往需藉 系統輸入輸出之間的關係，以突破田口方法在非線性 助實驗分析或數值分析來獲得系統資訊。但這些方式 問題上的限制。再使用基因演算法搜尋模擬曲面上的 卻往往需要耗費大量的時間與成本。因此，如何降低 最佳設計。另外，為避免網路預測離樣本點太遠時不 實驗次數並有效地模擬系統行為，便成為目前學者關 可避免的誤差增加，本文使用模糊系統針對距離學習 切的焦點。 樣本點的遠近給予不同的信賴度，調整基因演算法的 適應函數值，以避免網路預測誤差影響最佳設計的搜 尋。而藉由類神經網路模擬系統的功能，將直交表上 性 因子配置的方式重新修改，可大幅降低實驗次數，提 特 出 高實驗數據分析的效率。 輸 關鍵字： 直交表實驗、類神經網路、基因演算法、 模糊集合與推論 x x 1. 研究背景 1 2 設計參數 圖 1 參數選擇與輸出變異關係圖 傳統的設計過程，往往忽略了設計與輸出性 能不確定性的主動關聯性，這些造成產品性能輸 田口玄一[1] 提出以訊噪比作為性能穩健性的 出不穩定的潛在因子稱為設計變異（Design 指標，利