第五章 結論與建議
第二節 後續研究建議
57
度0.5、進給率F110、刀刃數2刃最符合本研究需求。
第二節 後續研究建議
本研究由於研究範圍的限制、研究能力的不足及研究時間的不夠，導致在研究的過 程中採取了單一解決方案，無嘗詴更多的解決方案。因此提出一些後續研究建議，供未 來有興趣研究此一議題的研究者一些參考方向。
一、本研究研究範圍限制內將影響粗造度其他無法量化的因素排除，但實際上刀片 材質、刀片磨耗、切削液、機台強度等，均會對粗造度造成影響，因此可以嘗詴將 上 述那些情況于以量化。
二、研究內模型參數中疊代循環次數選擇為300000次，未有其他次數選擇，因此可 再增加400000次、500000次參數或者是疊代循環，嘗詴是否可以得出比本研究得出的最 佳參數更佳獲得更佳的預測值；學習速率、學習動差亦可比照疊代循環次數模式辦理。
三、SCM440、SKD11與SNCM439皆屬合金鋼的種類，其加工方式常有連動關係，
未來後續研究者可考量其因子的相關性參考本研究理論建立相關的類神經網路預測模 型。
四、本研究預測模型是使用誤差倒傳遞演算法所建構的倒傳遞類神經網路模型，然 類神經網路有多種不同的演算法，未來可利用不同的演算法建構不同的類神經網路預測 模型，以研究能否得到更佳的預測效果。
58
參考文獻 一、 中文部份
李易庭(2014)，運用實驗設計法探討製程因子--以 CNC 加工機為例，國立成功大學工 程管理研究所未出版碩士論文。
李華勤(2012)，碳化鎢刀具切削316 不銹鋼最佳化參數，聖約翰科技大學自動化及機電 整合研究所未出版碩士論文。
沙俊明(2008)，訂單生產策略下氧化銦錫導電玻璃產業之良率預測研究，國立交通大 學管理學院研究所碩士論文。
吳宗鴻(2007)，類神經網路結合田口實驗運用於高張力鋼材微孔放電加工表面特性之 研究，義孚大學工業工程與管理學系研究所未出版碩士論文。
呂淮熏(2007)，側面銑削表面粗糙度預測與切削參數最適化研究，國立第一科技大學 工程科技研究所未出版碩士論文。
林雋曜(2013)，利用田口式分析探討鑄鐵切削加工品質之研究，台灣首府大學工業管 理學系研究所未出版碩士論文。
林春欉(2006)，應用類神經模糊推論系統於銑床加工模型之預測，國立高雄第一科技 大學機械與自動化工程所未出版碩士論文。
周郁霖(2013)，使用類神經網路預測電力負載與預測標準普爾 500 指數，國立高雄海 洋科技大學電訊工程研究所未出版碩士論文。
郭朝田(2010)，Inconel 718 合金切削加工刀具參數最佳化，正修科技大學機電工程研 究所未出版碩士論文。
郭哲良(2013)，以五軸加工實驗進行高硬度材料及葉輪製程之研究，國立臺灣科技大 學機械工程系研究所未出版碩士論文。
59
陳晟騄(2012)，數值微分方程在切削刀具路徑規劃上之應用，國立成功大學數學系應 用數學研究所未出版碩士論文。
陳永昌(2002)，端銑削加工參數最佳化，國立高雄第一科技大學機械與自動化工程所 未出版碩士論文。
陳昱瑋(2010)，利用倒傳遞類神經網路探討深孔鑽孔壁表面特性之預測模式，屏東科技 大學機械工程系未出版碩士論文。
陳大為(2012)，倒傳遞類神經網路於淨水混凝自動加藥前饋控制應用之研究-模廠詴驗，
國立交通大學工學院永續環境科技學程未出版碩士論文
張瑤峰(2001)，類神經網路在銷售預測應用之探討，元智大學工業工程研究所未出版碩 士論文。
張斐章、張麗秋(2003)，類神經網路，台北：東華書局。
張斐章、張麗秋(2005)，Neural network 類神經網路，台北：東華書局。
張斐章、張麗秋(2010)，類神經網路導論-原理與應用，台北：滄海書局。
葉怡成(2003)，類神經網路模式應用與實作，台北：儒林圖書公司。
曾冠瑋(2014)，端銑刀銑削沉頭孔之路徑模式及加工條件探討，國立臺北科技大學製 造科技研究所未出版碩士論文。
楊舜于(2014)，利用單一切削刀具法創成戟齒輪對之研究，國立中正大學機械工程學 系暨研究所未出版碩士論文。
廖永富(2012)，應用田口方法分析鈦合金切削之表面粗糙度與參數最佳化，逢甲大學材 料與製造工程研究所未出版碩士論文。
廖崇仁(2011)，運用倒傳遞網路於精密加工之加工母機預測，朝陽科技大學資訊管理 系未出版碩士論文。
蔡志中(2008)，利用類神經網路預測模具鋼銑削之行為，雲林科技大學機械工程系未
60
出版碩士論文。
蔡岱蓉(2009)，應用灰關聯分析與類神經網路訓練於IC裝銲線產量之預測，義孚大學工 業工程與管理學系研究所未出版碩士論文。
賴柏辰(2012)，平面度限制下最大銑削材料移除率之研究，國立成功大學機械工程學系 研究所未出版碩士論文。
賴士葆(1995)，生產作業管理，台北：華泰書局。
薛鵬志(2010)，以端銑刀做面銑加工之表面粗糙度分析，逢甲大學機械工程學研究所 未出版碩士論文。
羅孙智(2007)，應用可視錐與向量分析於車銑複合加工可製造性初步評估系統之展，
國立成功大學機械工程學系研究所未出版碩士論文。
二、 英文部分：
Chang, F. J., Hu, H. F. & Chen, Y. C., (2001), Counterpropagation Fuzzy-Neural Network for Streamflow Reconstruction. Hydrological Processes, 15 (2), 219-232.
Chang, F. J., Liang, J. M. & Chen, Y. C., (2001), Flood Forecasting Using Radial Basis Function Neural Network IEEE Transactions on Systems Man and Cybernetics Part C - Applications and Reviews, 31 (4), 530-535.
Chang, L. C. & Chang, F. J., (2001), Intelligent Control for Modeling of Real-Time Reservoir Operation, Hydrological Processes, 15 (9), 1621-1634.
Chang, F. J. & Chen, Y. C., (2003), Estuary Water-Stage Forecasting by Using Radial Basis Function Neural Network, Journal of Hydrology, 270 (1-2), 158-166.
Chang, L. C., Chang, F. J. & Chiang, Y. M., (2003), A Two-Step-Ahead Recurrent Neural Network for Stream-Flow Forecasting, Hydrological Processes, 18 (1), 81-92.
Wu, P. (1995), Neural Network Source Code, NCSU, Raleigh, N.C., U.S.A.
61
三、 網路部份
https://yamol.tw/item-1.+%E7%A5%9E%E7%B6%93%E5%85%83+(neuron)+%E6%98%
AF%E8%B2%A0%E8%B2%AC%E4%BA%BA%E9%A1%9E%E8%85%A6%E7%A5%9 E%E7%B6%93%E5%82%B3%E5%B0%8E%E7%9A%84%E7%B4%B0%E8%83%9E%E F%BC%8C%E4%B8%8B%E5%88%97%E4%BD%95%E8%80%85%E6%98%AF%E8%
85%A6%E7%B4%B0%E8%83%9E%E6%88%90%E9%95%B7..-3414.htm http://www.jhss.com.tw/products.php?pc_id=28
http://www.tongtai.com.tw/cht/product/showinfo-55.html http://www.ho-chin.com.tw/products-3_6701-tchinese.html http://www.sheng-maw.com.tw/productshow.php?id=245 https://www.mitutoyo.com.tw/
附件 CNC 程式
% O3171
(PROGRAM NAME - 0113)
(DATE=DD-MM-YY - 14-01-15 TIME=HH:MM - 08:17) N100G21
N102G0G17G40G49G80G90 N106G0G90G54X-25.Y7.S900M3 N108G43H1Z100.M8
M98H10L1 N292G0Z5.
N294Z100.
N296M9 N298M5 N302M30 N10
(PROGRAM NAME - 0113)
(DATE=DD-MM-YY - 14-01-15 TIME=HH:MM - 08:17) N100G21
N102G0G17G40G49G80G90 N106G0G90G54X-25.Y7.S800M3 N108G43H1Z100.M8
(PROGRAM NAME - 0113)
(DATE=DD-MM-YY - 14-01-15 TIME=HH:MM - 08:17) N100G21
64
Z-0.55 Y7.F80 X-175.F500.
Z-0.15 S1400 Y-37.F120.
X-200.F500.
Z-0.35 Y7.F80.
N292G0Z5.
N294Z100.
N296M9 N298M5 N302M30
%