第二章 文獻探討
2.3 數值分析法
2.3.2 數值分析法相關文獻
之最佳參數組合，無法以內插法或外插法獲得最佳參數，而數值分析法可以
出成形模具的最佳進料口位置以及排氣孔位置， 以進料口位置為
輸入
由於田口方法實驗結果獲得之最佳化參數組合，為實驗因子設定水準上
以演算法之方式，結合基因法、類神經網路、模糊邏輯或灰色理論等演算法 理論，整合模式化且複雜的製程輸出與輸入關係，來獲取較佳之參數組合，
以提升製程品質。而目前運用於射出成形之相關文獻彙整如下。
Covas et al.【14】運用基因演算法解決塑膠射出單一螺桿之問題，找出 射出成形製程中最佳化之設定參數。Mathur et al.【24】以基因演算法找出射
Mathur et al.
、排氣孔位置為輸出，確保在射出過程中塑料能夠將模具填滿，並避免 有氣包之情況發生，經由模擬實驗證明以此方式所找出之位置可有效降低不 良品之發生。而Kurtaran et al.【21】在其研究公共汽車天花板燈基座的射出 模型翹曲中，運用有限元素法、實驗設計法、類神經網路以及基因演算法進 行分析，他首先以有限元素及類神經網路建構出一翹曲預測性模型，最後結 合基因演算法尋找出最佳之參數組合。實驗結果顯示，運用有限元素法、類
神經網路以及基因演算法找出之最佳參數組合，有效減少 46.5%天花板燈基 座之翹曲，此實驗中選取了模穴溫度、融料溫度、保壓壓力、保壓時間以及 冷卻時間五項控製因素。Chiang and Chang【13】在其研究手機外殼最佳化參 數中，運用灰色理論和模糊理論，將複雜多樣的參數轉換為單一灰色模糊數 值最佳化，實驗結果顯示，最佳化結果明顯改進了產品品質。實驗中考慮參 數為模穴溫度、融料溫度、射出壓力、射出時間四項控製因素，而以接合線、
收縮為目標品質特性。Mok and Kwong【26】則在其研究射出製程最佳化參 數中，結合案例式模糊理論以及類神經網路，並以電腦模擬方式驗證製程參 數，結果顯示其系統確實能提供一套最初的製程參數。Sillo【30】在其研究 中射出成形液體矽樹脂橡膠（LSR）參數設計時，運用田口方法、模糊理論 設計提供一閉合迴路控製系統，他以田口方法找出之重要參數模具溫度
（mold temperature）、射出速度（injection speed）及硬化溫度（cure time）
做為模糊推斷的輸入，而以重量（part weight）、尺寸（dimension）以及視 覺特徵（visual characteristics）做為品質特性衡量目標。而在國內學者方面，
陳相弦【7】等運用柔性演算法（類神經網路、基因演算法、糢糊集合理論）
於穩健最佳化設計，他們以類神經網路學習實驗結果模擬系統輸入與輸出之 關係，並以模糊理論給予不同信賴度，再使用基因演算法找出模擬曲面上之 最佳設計點。而張旭華【5】運用類神經網路、基因演算法、模擬退火法為最 佳化之演算方法，其以類神經網路為基礎，並分別結合基因演算法以及模擬 退火法來進行最佳化之設計。
經上述之文獻討論，本研究發現目前常用於射出成形最佳化之數值演算 法大部分以基因演算法、類神經網路為主，而本研究將以DFP 演算法做為本 研究最佳化運算之運用。
2.4
質特性符合品質規格之程度，以保證製程成品之
，以作為製程持續改善的依據。而製程能力之良與否 必須將單一製程與品質規格做比較，以表示製程符合產品規格之能力。一般 常用
製程能力指標
製程能力為確認製程品 良率達於要求水準之上
之製程能力指標為 、
一、製程精密度指標CP值
CP值為衡量製程符合雙邊規格界限之能力，也表示製程符合一致性 之程度，其以製程標準差與規格界限做一比值比較，如圖 2.9。當CP值 能 愈強，所製造之產品越符合製程目標值， 值可 依大小分為五個不同階級，不同階級表示不同製程能力指數以及處理原 則，如表
愈大時，代表製程 力 CP
2.4 所示。
T 6σ
表2.4 製程能力
LSL USL -3σ µ 3σ
圖2.9 製程品質特性一致性程度
CP值分級表
CP值 處理原則
等級
A+ 2≦CP 製程達6σ 標準，無缺點 A 1.67≦CP≦2 製程達5σ 標準，維持現狀 B 1.33≦CP≦1.67 製程達4σ 標準，有缺點發生 C 1≦CP≦1.33 製程達3σ 標準，立即檢討改善 D CP≦1 製程未達3σ 標準，進行品質改善
參考資料：【11】
CP值公式如下：
6
p
USL LSL
C σ
= − (2.12)
USL=規格上界
=規格下界 LSL
σ =製程標準差
二、製程準確度指標 值
值為衡量製程平均值與規格中心之偏移程度，其將偏移值與半邊 規格 一比 2.10。當 值越接近0 時，代表製程平均值越
代表製程偏移越大。 值可依大小分為四階級，不同階級表示不同製程 能力以
Ca
Ca
做 值比較，如圖 Ca
接近規格中心，製程能力愈強，所製造之產品越符合製程目標值，反之 Ca
及處理原則，如表2.5 所示。
T
T/2
圖2.10 製程品質特性偏移程度
C 值分級表 a
C 值 a 處理原則
表2.5 製程能力 等級
A 0≦Ca≦0.125 目標值偏移1/8 公差內，維持現狀 B 0.125＜Ca≦0.25 目標值偏移1/4 公差內，持續改進 C 0.25＜Ca≦0.50 目標值偏移1/2 公差內，檢討改善 D 0.50≦C ≦a 1 目標值偏移超過1/2 公差，全面檢討改善
參考資料：【11】
LSL USL m µ
C 值公式如下： a
| | ( ) /
m
USL 2
Ca
LSL µ
= −
− )
=品質規格目標值
(2.13
m
µ=製程平均數
三、製程能力綜合指標 值
平均值與規格目標值之間偏差程度與製程符 合規格界限之一致性能力，當 愈大時，代表製程能力愈強，所製造 的產品越接近目標值之標準， 值之大小也可分為五級，每一級代表
程 率，如表2.6 所示。
表2.6 製程能 等級
Cpk
pk值為同時衡量製程 C
Cpk
Cpk
不同製程能力以及製 不良
力C 值分級表 pk
C 值 pk 處理原則
A+ 1.67≦C pk 不良率在0.57ppm 以下，維持現狀 A 1.33≦C ≦1.67pk 不良率在0.57~63ppm之間，持續改善 B 1≦Cpk≦1.33 不良率在63~2700ppm 之間，有缺點發生 C 0.67≦Cpk≦1 不良率在2700~45600ppm 之間，立即檢討改善 D Cpk≦0.67 不良率在超過45600ppm，進行品質改善
參考資料：【11】
C C Ca (2.14) Cpk公式如下：
P(1
= − )
pK