模具設計之案例式推理系統建構

(1)

模具設計之案例式推理系統建構

楊逸仁、林子建、何正得 國立高雄應用科技大學工業工程與管理系 E-mail : [email protected]

摘要

新產品開發在現今瞬息萬變的環境中，對國家與企業的發展影響甚鉅。經由設計與製造知識的整合與管理，來建構塑膠射出成形模具的電腦輔助設計系統已成為今日業界面對產品開發時程緊縮，塑料用途激增所急需的工具。本文以模具設計架構為基礎，研究模具設計之知識管理系統，探討實務推行到射出模具產業在保存、複製與再利用所需的知識活動中所應進行的步驟與系統架構，以案例式推理(Case-Based Reasoning, CBR) 的方式選擇現有新產品開發之模具設計專案參考資料庫的歷史專案，以縮短與改善新產品開發之模具設計流程與品質。從效率與效益的觀點為出發，以系統化的研究，了解新產品開發之模具設計各項要因因子，透過案例式推理的模式，有效的縮短新產品開發的時間，並且掌握模具開發的相關重要資訊，以達成真正有效且快速的開發出符合需求的新產品。 關鍵詞：射出成形、模具設計、案例式推理

1. 前言

在全球產業的激烈競爭環境趨勢下，產品的開發時間要縮短、成本必須降低、品質要能確保，才能夠保有競爭的優勢。因此在二十一世紀的科技快速變遷與高度競爭的複雜全球化之產業環境中，新產品開發的效益與效率便成為企業基本存活與競爭的重要關鍵因素[1]。射出成形模具產業本身與其他工業產品有二個不同之處，其一是模具製品屬於高度客製化產業，若需求量有限時，客戶通常只會依樣品特性開發專用模具，不會大規模訂製與量產。其二是模具製程需要使用大量的知識，由於針對特定產品製作的模具，每付模具的特性不同，從成形加工塑膠材料與鋼鐵材質的選用，到零件機構的設計與試模條件的設定，都需要使用特定的知識，在模具設計初期往往就決定了模具生產時的品質、成本與交期，因此高度重視模具設計能力的特性，將有別於其他產業[2]。為了因應國際市場的強烈競爭，必須達成一個有效且快速地反應客戶需求的新產品開發流程，本研究提出藉由透過模具設計管理，將模具開發的資訊與資料整合於電子化系統架構中，再利用物件導向式的彈性與可擴充性的特點，提供使用者自行定義每個新產品模具設計的特徵屬性，並給予特徵屬性適當地描述。藉此配合案例式推理方法研究，整合成為一個有效協助完成新產品模具開發之系統架構，以確保在新產品開發的過程中，能順利且有效地達成決策支援、整合式管理的目的，以提升新產品開發的效率及效益[1]。射出成形模具的設計與製造對於塑膠製品的成形品質與效益影響甚鉅，本文建構模具設計之特定領域知識屬性的關連性，透過屬性的分類與定義，應用 CBR 的概念定義與架構，提供給使用者針對新模具開發時，整合運用所有可用的相關資訊，強化模具設計的工程知識，提升工程核心能力，協助使用者縮短開發時程、降低成本並提高模具品質。本研究以案例式推理支援案例處理為基的模具設計工作流程中，架構模具設計管理系統，包含： (1) 模具設計屬性分類，包含成品設計、射出成形機與模具結構。 (2) 定義成品設計、射出成形機與模具結構各項重點屬性。 ©2010 National Kaohsiung University of Applied Sciences, ISSN 1813-3851

(2)

(3) 多重屬性開放式的案例式推理相似度整合運算。 (4) 相似案例參考、修訂與回饋。

2. 文獻探討

2.1 知識管理 知識管理、企業理想的實踐與個人存在價值的創造，均具有正面意義。這種正面意義可以使價值創造得到加倍效果。提升企業價值有助於建立企業的競爭優勢以及商業成功，企業實質收益的增加，連帶地使個人薪資的增加。不以「顧客」的觀點考量的企業策略，絕對無法達成以上的價值提升。因此，知識管理可說是企業價值創造的基礎。企業必須對顧客需求的多元化現象進行了解。在全球化與通訊高速化的背景下，各種情況相互糾結，使得外在經濟環境變得極度複雜。所以，在許多層面上，顧客要求企業具備實踐力與創造力，因此企業須加深對顧客的了解。知識是一種辯證的信念，可增加個體產生的有效行動的能力(Nonaka 與 Takeuchi)[3]，知識可以分類為外顯式知識(Explicit Knowledge)與內隱式(Tacit Knowledge) 知識。Senge[4]於 1994 提出心智模式(Mental Models) 是人們由內在心智製造、處理、類比與創造真實世界的工作模式，如同典範、觀點和信仰等，均可幫助個人理解並界定其領域。依知識類別之特質與所有權整理如表1：表1 知識的分類[3] 內隱式知識外顯式知識特質經驗的知識- 實質的同步的知識- 此時此地的類比知識- 實務的理性知識- 心智的連續的知識- 非此時此地數位知識- 理論所有權附著於擁有此竅門的個人，且難以複製及轉移可以透過法律有效保護，且容易移轉實例 Experience, Wisdom, Know How,Group Skill Blue point, Code, Formula,Computer

programs

Vorakulpipa 和 Rezgui[5]提出知識管理演進的三階段，近代知識管理著重在資訊工程的知識管理或分享，從知識分享、知識創造到創造價值的三階段，剖析各個階段的相關活動。透過 SECI 的知識螺旋（圖 1），知識價值的創造將藉由資訊工程技術的導入，使知識從分享到新增，創造出真正的知識價值。

Nonaka 與 Konno[7]提出資訊要轉換成知識需要透過空間 Ba 的協助，如圖 2 所示。Nonaka 提出四種型式的空間“Ba”，以連結知識轉換螺旋與自我超越過程[8]。（一）創始空間(Originating Ba) 是個人用來分享情感、情緒、經驗及心智模式，並排除自我與他人之間障礙的場所，並會出現關心、愛、信任與承諾。知識的創造過程從開始到成熟階段均發生在此Ba，也是面對面經驗式轉換和轉移內隱知識的主要關鍵Ba，此 Ba 與組織相關的是知識願景及文化。（二）交互作用空間(Interacting Ba) 是內隱知識轉變成外顯知識，由人員組成專案團隊運作，透過個人心智模式跟技巧溝通，可轉換為一般文字或觀念。其關鍵是對話與隱喻的延伸使用，這是員工一起參與價值創造的場所。（三）資訊化空間(Cyber Ba)是虛擬世界的交互作用空間。呈現階段性的組合，將新的外顯知識結合組織中先前存在的資訊與知識而產生系統化的外顯知識，最有效率的外顯知識結合方式是藉由資訊科技來結合，如網際網路、文件資料庫、群組軟體...等，這些技術在過去的幾年蓬勃地發展，已達到

(3)

一定的成熟水準。（四）實踐空間(Exercising Ba)是技術內化階段。實踐空間促進了外顯知識到內隱知識的轉移，主要是在真實生活中模擬與應用外顯知識。圖 1 SECI 知識螺旋[6] 圖 2 四種空間“Ba”的特質[7] 2.2 模具設計管理系統 由於模具設計需要大的專業知識，關於模具設計的相關管理系統，近年來逐漸受到各地研究者的重視，基礎的技術知識建置與技術的延伸運用也都藉由網際網路與CAD 軟體的發展，各種模具設計管理的原型系統架構不斷地被發掘，逐步強化模具設計的作業效率。Lee [9]建立一個系統方法和知識庫，用於射出成形模具設計與同步工程的環境中。Yong[10]提出利用物件導向的方法，建立射出成形模具的標準零組件資料庫，Costa

(4)

與Young[11]研究利用設計結果與設計標準的互動性達到符合模具設計與製造上的要求，這些設計標準和不同的射出成形模具資訊有關。Rutkauskas 與 Bargelis[17]針對射出成形模具的澆口與流道設計，以專家經驗的準則做為知識基礎，定義類別與所需要的參數，藉由使用者所輸入條件的需求，減少設計者檢討與查詢的繁瑣工作，經由系統計算，直接給予設計者適當的澆口與流道建議，縮短設計所需之時程。運用CAD 軟體(Pro/E) 並結合知識庫與網際網路技術來建構模具設計的引導系統[12]，以及架構在 Solidworks 環境下射出模模座設計管理的原型系統[13]，利用 Solidworks API 與 VB 設計功能介面程式，連結系統與各 Access 資料庫。

射出成形模具的智慧型製造程序與管理系統的研究，Dwivedi 等人提出 IKEM (Intelligent Knowledge-Based Engineering Modules)[14]，運用不同的模組，包含分析模組、模具設計模組、時程模組與製造模組，配合簡單的工程規則(IF-THEN)，加以整合成為智慧型的製造流程所使用的工具。Hu 與 Masood 提出智慧型模穴配置系統(ICLDS- Intelligent Cavity Layout Design System)[15]，此系統幫助模具設計者在概念設計階段的模穴分佈設計，考量模穴分配設計複雜性與射出模具設計過程中的各種相關屬性，整合並分類模穴分佈設計的知識，提升在模穴配置時的品質與效益。Mok[16]等人運用資訊科技快速發展的網際網路方式建立一個智慧型的射出成形模具設計系統，提供分散各地的不同企業協同開發產品的解決方案，藉由協同產品開發系統中的網際網路基礎模具設計系統模型，實現有效可行的工具協助射出成形模具的協同開發，以網際網路環境的互動式知識基礎，使用JAVA 與人工智慧技術開發互動式 CAD(SolidWorks) 網路系統，整合計算模型、知識基礎模式與產生模具特徵的圖形模式成一個互動式CAD 基礎的平台，加快設計流程與促進設計的標準化並提升模具製造速度。Shelesh-Nezhad 與 Siores[18]結合法則式與案例式推理，開發出射出成形製程設計的人工智慧系統。新案例開發時，使用案例式推論適當可行的案例，設定新案例所需要的製程參數，當新案例製程出現變異時，先使用專家法則推導出一組改善對策，再一次利用案例式推論修正，重新擷取相似案例（圖3）。圖 3 專家系統架構[18]

(5)

2.3 案例式推理 案例式推理最原始的概念是以 Schank[19]所提出的動態記憶為基礎的後續發展，是人工智慧領域中近年來最被重視與注意的技術之一，而其之所以被重視的因素為案例式推理不同於其他人工智慧方法，必須具備相關問題領域的知識，案例式推理能利用過去相似問題個案累積的經驗中推導出相關知識，以重複應用於新問題上。藉著案例的取回、再使用、校正與保留的CBR 循環，使得 CBR 的系統隨之擴大，並更為精確，其組成 CBR 的四個循環過程為下列四點，如圖 4[20]，顯示案例式推理架構[21]各個循環的工作。 (1) 案例的取回：從案例庫中搜尋相似案例，以供新案例建議的解決方法。 (2) 案例的再使用：紀錄的案例，可經過回存至知識庫中而反覆的使用，隨著案例的增加，所得的結果將更為準確。 (3) 案例校正：以修改其搜尋法則修改其處理方式，使其結果更加符合現在要解決的問題。 (4) 案例保留：正確之案例資料可不斷地累積紀 錄儲存在案例庫中，以供新案例的使用。 圖 4 案例式推理 (CBR) 循環圖[20] 林志明[22]探討產品在滿足顧客需求條件下，經由品質機能展開的過程，針對零組件展開品質機能表，藉由導入具有人工智慧的案例推理法和灰色關聯性分析(Grey Relational Analysis, GRA)的推理機制，提出一套以案例為主的「產品設計評估決策支援系統」。黃弘毅[23]藉由實際國內中小企業個案訪談，歸結出客製化企業研發特質為因應客戶需求提出最適化產品設計提案，探討經驗重要性與人工智慧方法，確立產品設計概念階段之產品知識系統藍圖，藉由與個案對象共同執行KJ 法與深入訪談以擷取設計研發所需之產品案例知識，應用人工智慧之案例式推理法建構整體系統架構並推衍之，且加以呈現於一般電腦均可使用的網際網路瀏覽器 (Browser)之上。劉惠瑋與陳雲岫[24]結合資料探勘的集群分析與案例式推論的方法，導入 FMEA 的運用上，協助工程師快速解決產品設計時，面臨的問題分析與對策方案。潘柏松、吳植森與王泰裕[25]利用案例式推理的方法，建立電腦整合製造問題解決的管理系統，先以訪談個案公司的方式，整理出電腦製造整合問題解決的作業方式與管理之需求，建立系統需求架構，依系統架構蒐集案例成為案例庫，導入案例式推理的應用，協助工程師與管理者快速且有效地解決電腦整合製造的問題。沈靖傑與王國雄[26]以網際網路技術(Internet)對於射出成形機進行遠距維護，並利用模糊故障診斷來對設備作故障分析，遠距維護系統是依據案例式推理為基礎，分析射出成形機之異常狀況並建立成案例庫，運用過去案例的經驗，先應用案例式推論系統找出相似的故障案例來進行維修，如果找不到相似的案例，則進行模糊故障診斷，利用故障樹分析法、模糊理論與貝氏定理，找出失效單元與維護度的優先次序，解決問題後新增為一新案例並儲存到資料庫。

(6)

3. 模具設計之案例式推理架構設計

本研究的模式建構及基本架構如圖 5 所示，以模具設計資料管理架構為基礎，儲存與管理模具開發專案的相關資訊與資料成為案例庫；結合具有物件導向且擁有彈性與可擴充性的樹型結構，由使用者自行來描述定義模具的相關特徵屬性；透過專家定義的模具特徵屬性樹型結構，使用者自行定義開發專案案例的特徵屬性與權重，配合案例式推理的機制，擷取出最符合需求的產品開發案例作為新產品開發的依據。圖 5 模式建構示意圖 3.1 模具設計資料管理架構 本研究之模具設計資料管理架構建置模式與功能包含六個模組，分別為模具設計模組、文件管理模組、權限管理、專案管理模組、基本資料模組以及類別特徵模組，藉此儲存與管理模具設計開發專案的相關資訊與資料，並提供開發人員應用案例庫內相關資料。模具設計資料管理架構之系統管理者可設定使用者權限，當使用者登入系統後，依其權限進行系統內之相關作業，使用者可在專案管理模組中取得或建立新專案之基本資料，在模具設計模組與類別特徵模組中，選擇目標案例各項類別特徵屬性，並給定屬性之參數值、賦予權重，透過案例式推理架構之計算取得相似之案例，做為目標案例參考之依據，目標案例經過實務驗證與修正後，所產生之相關資料儲存至文件管理模組中，作為下一次新案例之參考。 3.2 模具設計 射出成形中，模具的設計對產品品質與生產效率相當重要，大部分案例中，模具的品質將影響到新產品開發所有的流程。射出成形模具設計包含關於成品設計、使用材料、成形設備、模具結構與所有零件功能的大量經驗知識（啟發式知識），現今模具的設計需面對期限的壓力與仰賴模具設計者的經驗，因為一些細部的

(7)

判斷需要整合各種不同參數相互影響的知識，模具設計者需要具備正確且廣泛的知識。但是，即刻能夠擁有足夠的經驗設計者來面對所需的發展需求似乎不可能。因此，如何整合並完整地考慮各項設計參數，建立智慧型模具設計整合工具，提升模具設計所產生的效益，對射出成形的生產工業更形重要。本文針對射出成形模具設計所需要大量啟發性的知識分為三大類，包含成品設計、射出成形機與模具結構。成品設計中包含成形材料、產品機能與產品尺寸、重量…等。射出成形機的各項規格，諸如鎖模力、射出速度、與成形能力，都是在模具設計時應納入考量的重點。模具結構是模具設計時所需具備的模具基本知識，包含模座系統、成形系統、頂出系統、冷卻系統等，以及模具零件的使用、模具製造加工工法、模具材料的選用，對模具結構設計之成效具有決定性的影響。本文考量成品設計時，定義10 屬性，其成品設計屬性結構圖如圖 6。考量成形機時，定義 1 屬性，其成形機規格如圖7。模具模組化樹狀結構如（圖 8）所示。圖 6 成品設計屬性結構圖圖 7 射出成形機規格

(8)

3.3 樹型結構 樹型結構是一種具有階層性的架構，它只是一種呈現方式、關連方式、記錄方式，並沒有特定的成員、內容或意義，而是因其用途而定義出它的成員、內容及意義。基本上以樹型結構為出發點，將每一個節點連接到一個關連性物件的觀念，再將這些物件進行各種如工程層面上的、管理層面上處理，將可發展出各式的系統。本研究應用樹型結構之根節點代表射出成形模具開發專案的主要產品所需考量的三大要件（成品設計、成形機與模具結構），即是目標產品的三大組成要件，根節點下一階層的子節點為要件的組成要素，每一個要素可細分至下一階的次要素，樹型結構本身的階層數目與節點數目並無限制，可由系統使用者自行定義與擴充之。細分至最後一階之要素，即是所需定義之特徵屬性。 3.4 案例式推理架構 從案例式推論(CBR)的四個循環中，案例取回(Retrive)、案例再使用(Resue)、案例校正(Revise)與案例保留(Retain)，為案例蒐集、選定指標、權重與屬性相似值之訂定、演算法則與案例選取所呈現。本文的案例式推理系統，應用程序如圖9 所示。在本研究所提之架構中，所有的特徵屬性均為模具設計時主要參數，屬於一維的參數設計方式。有鑑於開發初期，使用者所擁有的資訊限制，案例資料內的特徵屬性數量可由使用者自行定義，不受系統的限制，當定義的特徵屬性數愈多、愈明確時，比對出的案例資料與目標產品的相似度之可靠度將相對提高；藉由目標開發產品與案例庫中相符合的案例進行特徵屬性的比對，並透過對各個特徵屬性使用最鄰近法 (Nearest- Neighbor Retrieval) 的計算，比對出各個案例與目標開發產品的相似度，作為提供使用者參考之依據。由於特徵屬性值有數值變數（定量）與類別變數（定性），對於不同類型的變數，在進行案例相似度擷取時需要以不同的方式處理。類別變數須轉換為相對應之數值變數，做為相似度計算所需之距離函數。各項產品模具設計案例之數值型特徵屬性特徵值直接引用實際之數值。當使用類別變數時，以非對稱矩陣對照表，對應出該屬性目標案例對應案例庫之距離函數，做數值轉換之依據，例如特徵屬性為射出機機台規格時（機台編碼），機台編碼之資料形態屬於類別變數，需依據機台編碼對應之轉換表（如表2），將類別變數之資料型態轉換為數值資料型態，做為目標案例與資料庫案例相似度計算所需的距離轉換函數。案例的擷取索引方法的使用，目前用得最多的有兩種方法：最鄰近法(Nearest-Neighbor Retrieval)與歸納法 (Inductive Retrieval) [27]： 1. 最鄰近法─ 根據案例間的相似程度來擷取案例，將輸入案例的屬性和案例庫中案例的屬性加以比較，並加入案例屬性的權重(weight)，計算輸入案例與案例庫中案例的相似性總權重值，如式

( )

1 所示： 1 ( , ) n ( , )_i _i _i i Similarity T C f T C W = =

∑

× ...

( )

1 T ：目標案例 C ：案例庫中的案例 n ：屬性的個數 i ：從 1 到 n 的各個屬性 i W ：各屬性的權重值 ( , )i i f T C ：目標案例與案例庫中的案例，於第 i 個屬性之相似值 ( , ) Similarity T C ：目標案例與案例庫中案例之相似值

(9)

圖 8 模具結構屬性圖問題產生問題描述條件特徵輸入案例擷取案例比對案例相似度案例資料庫案例蒐集案例資料分類案例特徵指標指標權重定義特徵權重相似案例案例測試案例儲存案例修正定義條件特徵 N Y N Y 圖 9 模式程序圖專家準則 2. 歸納法─ 歸納法是由機器學習(Machine Learning)領域的學者所發展出來的，它是從過去的資料提取出規則，或建構決策樹(Decision Tree)。而在案例式推理系統中，則藉由歸納演算法分析案例庫，建構一個決策樹來分類或指引案例。最常使用在案例式推理系統的歸納演算法是 ID3(Iterative Dichotomizer (version) 3) [28]。相較於最鄰近法，歸納法的優點是搜尋速度較快。其缺點是，如果有某些資料遺失或無法取得，可能就無法進行搜尋；而資料增加時，可能又必須重新建構決策樹。本研究所採用的是最鄰近法，最鄰近法的搜尋是非常簡單而且直觀的，每一筆新輸入的案例會與案例庫中的案例，依照其特徵值加以比對，其相似程度則由一個相似度函數(matching function)計算得知。而且，藉由定義每一項屬性的重要性（權重），我們可以得到一個整合相似程度的數值。經由這些代表相似程度的數值，作為使用者優先取用案例的參考依據。藉此最鄰近法進行相似度比對，我們將新輸入案例與案例庫中的所有案例比對之後，在案例空間中找到與輸入案例相似度最大的案例。本研究進行案例式推理之距離轉換函數、正規劃距離與相似度如後所示之式(2)、式 (3) 及式 (4)。

(10)

表2 射出成形機定性資料轉換表目標機台案例機台 1.0 0.8 0.7 0.8 0.8 0.0 0.0 0.0 0.5 0.5 0.0 0.0 0.9 1.0 0.8 0.9 0.6 0.0 0.0 0.0 0.8 0.7 0.0 0.0 0.6 0.9 1.0 0.8 0.2 0.0 0.0 0.0 0.7 0.6 0.0 0.1 0.7 0.8 0.6 1.0 0.5 0.0 0.0 0.0 0.9 0.8 0.0 0.0 0.7 0.2 0.1 0.3 1.0 0.0 0.0 0.0 0.3 0.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 1.0 0.8 0.2 0.0 0.0 0.9 0.2 0.0 0.0 0.0 0.0 0.0 0.8 1.0 0.6 0.0 0.0 0.6 0.4 0.0 0.0 0.0 0.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 0.9 0.8 0.6 0.4 0.7 0.8 0.0 0.0 0.0 1.0 0.9 0.0 0.0 0.9 0.5 0.3 0.6 0.9 0.0 0.0 0.0 0.9 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.9 0.8 0.2 0.0 0.0 1.0 0.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.9 0.0 0.0 0.0 1.0 K12 K01 K02 K03 K04 K05 K06 K07 K01 K02 K03 K08 K09 K10 K11 K04 K05 K06 K07 K08 K09 K10 K11 K12

特徵屬性「數值變數」的距離轉換函數：

(

,

)

( )

_{( )}

( ) ( ) i i i i i V C V T d T C Max V Min V − = − ...

( )

2 其中C代表案例在該案例資料內某案例，而V_i則代表該案例C在特徵屬性F_i時的特徵值，i＝1~n，即是該案例有n 個特徵屬性；V C( )i則代表目標案例C在特徵屬性Fi所具有的特徵值；則代表目標案例T 在特徵屬性 ( )i V T i F所具有的特徵值；而d T Ci

(

,

)

則代表了目標案例T 與案例C在Fi這個特徵屬性時的距離值 (Distance)。在「數值變數」的相似度函數中，Max V

( )

_i 代表在所有案例特徵屬性值中（包含目標案例T），於特徵屬性為F_i時的最大值；Min V( _i)則代表在所有案例特徵屬性中（包含目標案例T），特徵屬性為F_i時的最小值。由於各特徵屬性其重要程度不一定相同，加入各特徵屬性的權重值合併計算，提升判斷案例相似度的準確性，目標案例與案例間的正規化距離可用式 (3) 表示：

(

)

1

(

)

1 , , m i i i sum m i i d T C W d T C W = = × =

∑

...

( )

3 其中d_sum

(

T C,

)

代表目標案例T與案例C間的正規化距離；W_i表示在特徵屬性F_i時所給予此特徵屬性的權重值，而權重值總和不為 1，可由使用者自行設定各項權重值，藉由各特徵屬性的距離值乘上各特徵屬性的權重值再除以權重值總和，進行正規化的動作；目標案例T與案例C兩者間的正規化距離，將介於0 到 1 之間。本研究依據案例相似度與距離成反比的特性而求得目標案例與案例群個別案例的相似度。

(

( , ) 1 sum , Similarity T C = −d T C

)

...

( )

4 ( , ) Similarity T C 代表目標案例T 與案例群中案例兩者間的相似值，其值越高，目標案例與此案例愈相似。定性特徵屬性質以字串表示，無法直接以數值計算目標案例與案例間之距離函數，此時式(2)代表特徵屬性「數值變數」的距離轉換函數將以資料轉換表比對，找出目標屬性相對於案例屬性之距離函數值，再賦予目標屬性之權重，合併其他屬性之距離函數值與權重，帶入(3)式，求得目標案例與資料群案例之正規劃距離。 C

(11)

4. 系統分析與設計

4.1 系統架構 本研究依照問題的定義與需求分析，整合模具設計管理架構與案例式推理架構以及樹型結構來進行系統功能設計與分析，如圖10 系統架構圖，最主要包含了基本資料管理、權限管理、專案管理模組、模具設計管理、類別特徵管理、文件管理與案例式推理等架構，使用案例圖如圖11。圖 10 系統架構圖圖 11 案例式推理使用案例圖 4.2 系統作業流程 案例式推理模組包含四項作業，分別為目標案例屬性類別選擇、目標案例產品特徵屬性值輸入相似度比對、目標案例之相似案例擷取與相似案例各項文件參照等作業，整體之案例式推理模組的使用案例如圖11 所示，圖12 為目標案例產品特徵屬性資料相似度比對循序圖。圖 12 目標案例產品特徵屬性資料相似度比對循序圖

(12)

5. 系統建置與實作

5.1 系統架構環境

本研究採用 Microsoft Visual Studio 作為系統的開發工具，撰寫語言為 VB.NET 2005。Microsoft Visual Studio 可快速建置任何網際網路程式及整合任何平台的網際網路應用程式，並可以進行軟體的整合及解決程式間資訊分享的問題。Microsoft Visual Studio 提供程式開發人員可建置高效能的資料驅動應用程式，支援各種資料庫，包括Access、SQL Server、Oracle 或任何其他 XML 架構的來源。 5.2 系統登入 系統登入是使用者進入系統的第一個畫面（圖 13），這是一個使用者辨識認證的步驟，以便讓不同使用者能有不同的使用權限，也讓系統有更高的保密安全性能，使用者輸入帳號和密碼後，經系統辨識無誤後，進入系統功能選擇畫面（圖14），選擇所需的子系統，進行系統的相關作業。 5. 3 案例式推理系統 當使用者登入系統進入選擇作業模組畫面，選擇案例式推理模組(Case-Based Reasoning)，系統將帶出模具設計管理模組儲存於系統中之所有屬性，並顯示出依照屬性類別進行分群分類的樹型結構（圖15）於系統畫面中，專案成員選擇欲進行案例式推理之屬性類別，選擇並輸入目標案例特徵屬性值（圖 16），系統接收目標案例的特徵屬性值後，開始與案例庫中之相關案例進行比對，系統依相似度排序顯示所有相關案例之相似度。

圖 13 系統登入圖 14 選擇作業模組

(13)

圖 15 類別屬性樹形架構圖 16 選擇類別屬性 5.3.1 屬性定義 系統定義使用者與管理者權限。管理者可以在CBR 模組的屬性樹型結構中自由新增各階層類別與屬性項目，並定義屬性為類別變數或數值變數（圖 17）。使用者可以選擇適當之特徵屬性並輸入屬性值與權重值，做為CBR 案例相似度計算之基礎。當使用者可將屬性列表匯出儲存，或將目前之作業儲存為新專案，即使作業中斷，重回系統作業時可匯入屬性列表或由專案名稱查詢專案之狀態與內容。匯出之屬性表亦可作為往後相似案例的參照範例，不需重新選擇屬性項目、輸入屬性值與權重，參照匯入案例之屬性表，依目標案例之特性新增特徵屬性或修改屬性值與權重。圖 17 管理者定義、新增與修改類別屬性 5.3.2 相似案例擷取 使用者確認屬性與權重後，將所輸入之屬性與權重儲存為專案或直接進行CBR 相似度之計算。儲存為新增之專案時，須輸入專案之基本資料，並由系統自動產出專案代碼，儲存此專案以供後續之作業。啟動相似度計算所產生之相似度結果如圖 18，系統自動排列出相似度較高之前 10 項案例，並提供使用者下載資料檔案，做為目標案例之參考依據。目標案例經實作驗證後，進入專案管理模組（圖 19），使用專案領號查詢歷史專案之基本資料（圖 20），可修改相關特徵屬性資料（圖 21、圖 22），於審查驗證後，將具代表性與參考價值之實作紀錄與分析資料文件上傳並結案（圖23），新增為案例庫之參考案例。

(14)

圖 18 相似度計算結果圖 19 專案（案例）管理模組

圖 20 專案（案例）資料查詢圖 21 更改特徵值

(15)

5.4 結果分析 收集A 公司近 30 個案例，作為相似度比對之資料庫。選擇 4 個目標案例試作（表 3），依系統操作程序，定義屬性項目並輸入屬性值與權重值，進行案例庫案例相似度比對，依系統運算之結果，討論分析如下：表3 4 個目標案例屬性與權重屬性名稱屬性值屬性權重屬性值屬性權重屬性值屬性權重屬性值屬性權重機台號碼 K08 1 K08 1 K08 0.5 K10 1 流道形式冷流道 0.5 冷流道 0.5 冷流道 0.5 冷流道 0.5 模穴配置對稱配置 0.8 模穴數 1 1 1 1 1 1 2 1 冷卻控制方式水溫 1 水溫 1 水溫 1 冷卻設計方式直通 0.5 直通 0.5 直通 0.5 頂出方式圓銷 0.2 模具形式二板式 0.7 材料聚醯胺_(PA) 1 聚醯胺 (PA) 1 聚醯胺 (PA) 1 壓克力 (PMMA) 1 玻纖含量 (%) 40 1 40 0.5 外觀 Yes 1 機能 Yes 1 肉厚 2.5 1 長(mm) (max) 123.6 1 寬(mm) (max) 97 1 澆口側狀澆口 1 專案名稱目標案例一目標案例二目標案例三實務案例 LGP-061K 5.4.1 案例實作 目標案例一選擇7 個屬性並輸入屬性值與權重，進行 CBR 計算，結果如圖 24，專案 ST-P1-1134 相似度最高，相似度為1，代表目標案例所選擇的 7 個屬性之屬性值與 ST-P1-1134 均相同，即使改變成形機之權重值，因為屬性與屬性值相同，特徵屬性的距離轉換函數（式2）均為 0，其相似度仍為 1（圖 25）。當目標案例二選擇4 個屬性並輸入權重，進行 CBR 計算，其結果如圖 26。目標案例二改變使用不同機台 (K12) ，則特徵屬性的距離變化函數不均為 0，機台特徵屬性的距離轉換函數將由表 2 直接取得，與案例 ST-P1-1134 之機台特徵屬性 (K08) 距離轉換函數為 0.9，其相似度變為 0.97（圖 27）。圖 24 目標案例一 7 個屬性與 CBR 計算結果圖 25 變更權重值 CBR 計算結果

(16)

圖 26 目標案例二 4 個屬性與 CBR 計算結果圖 27 變更機台 K12 計算結果 5.4.2 結果與討論 整理目標案例一相似度計算結果如表4，案例 ST-P1-1134 之特徵屬性值與目標案例所輸入之特徵屬性值一樣，雖然目標案例之特徵屬性項目較少（模穴配置、頂出方式、模具形式、外觀與肉厚），系統在計算相似度時，將會以目標案例所需求之特徵屬性為主，亦即，系統以目標案例之特徵屬性搜尋案例庫內所有案例之特徵屬性，當案例庫內之案例有較多之特徵屬性時，將忽略不計（目標案例無特徵屬性值，亦無權重值），故案例ST-P1-1134 與目標案例之正規劃距離計算結果將為 0，相似度為 1；但當案例庫案例之特徵屬性較少時，案例庫之案例無法提供屬性值，該特徵屬性之距離轉換函數（式 2）系統將視為無相似，且差異最大而直接給1.0，帶入計算正規劃距離（式 3），並計算個別案例之相似度（式 4）。改變目標案例一屬性的權重值（機台號碼與玻纖含量）成為目標案例三，並在資料庫中新增案例A、B、 C、D 與 E 做為與目標案例計算相似度之比較，重新計算相似度結果與各屬性之屬性值整理如表 5。實務案例 LGP-061K 與資料庫所有實務案例相似度計算結果與各屬性之屬性值整理如表 6。實務案例 LGP-061K 為案例 LGP-061J 之衍生機種，屬於 LCD 背光模組之導光板零組件，特徵屬性值大致相同，因此在實務案例LGP-061K 中增加限制澆口設計之屬性後，與案例庫中所有案例計算之相似度結果，LGP-061J 之相似度最高為0.92，其他相似度較高之案例仍以導光板之模具為主。綜合上述 4 個案例對系統實作的結果，顯示系統運作可以正確提供並協助使用者在模具開發設計初期有效利用系統案例庫資料，增加案例學習、提升開發效益並縮短開發時程。

6. 結論與建議

雖然現今為高科技發達的時代，其資訊的發展亦帶來其便利性；然而其所有的產物（產品）僅為工程師所使用（應用）之工具罷了，最重要的價值在於如何將新產品開發之經驗做有效的傳承與保存，並對其資料之運用可供管理者作為組織提升效益與效率的評估。企業如何利用這些工具來快速回應顧客需求，透過科技將人與資訊充分結合，在分享的組織文化下將企業知識的累積與傳承達到乘數的效果，是企業掌握競爭力的關鍵。

(17)

表4 目標案例一 vs 資料庫案例－屬性與權重比較表 ST-P1-1134 KUAS-353B KUAS-2128 KUAS-3123 LGP-061J LGP-064F KUAS-1979 屬性名稱屬性值屬性權重機台號碼K08 1 K08 K15 K13 K13 K10 K02 K13 流道形式冷流道 0.5 冷流道冷流道冷流道冷流道冷流道冷流道冷流道模穴配置直線配置直線配置直線配置直線配置對稱配置對稱配置對稱配置模穴數 1 1 1 2 1 1 2 2 2 冷卻控制方式水溫 1 水溫水溫水溫水溫水溫水溫水溫冷卻設計方式直通 0.5 直通直通直通直通直通直通直通頂出方式圓銷圓銷圓銷圓銷圓銷模具形式二板式二板式二板式二板式二板式三板式二板式材料聚醯胺 (PA) 1 聚醯胺 (PA) 聚醯胺 (PA) 聚丙烯 (PP) 聚乙烯 (PE) 壓克力 (PMMA PC/AB S 聚丙烯 (PP) 充填劑含量(%) 40 1 40

外觀 Yes Yes Yes Yes

機能 Yes Yes Yes Yes Yes

肉厚 4.5 6 3 2.5 2.5 長(mm) (max) 123.6 寬(mm) (max) 97 澆口相似度 1 0.95 0.72 0.72 0.71 0.71 0.69 屬性值專案名稱目標案例一資料庫案例表5 目標案例三 vs 案例 A、B、C、D、E－屬性與權重比較表 ST-P1-1134 A B C D E 屬性名稱屬性值屬性權重機台號碼K08 0.5 K08 K08 K07 K08 K12 流道形式冷流道 0.5 冷流道冷流道冷流道冷流道冷流道冷流道模穴配置直線配置直線配置直線配置直線配置直線配置對稱配置模穴數 1 1 1 1 1 1 1 1 冷卻控制方式水溫 1 水溫水溫水溫水溫水溫水溫冷卻設計方式直通 0.5 直通直通直通直通直通直通頂出方式圓銷模具形式二板式材料聚醯胺 (PA) 1 聚醯胺 (PA) 聚醯胺 (PA) 聚醯胺 (PA) 聚醯胺 (PA) 聚醯胺 (PA) 聚醯胺 (PA) 充填劑含量(%) 40 0.5 40 40 40 外觀 Yes Yes 機能肉厚 4.5 4.5 長(mm) (max) 寬(mm) (max) 相似度 1 1 0.9 0.9 0.89 0.8 屬性值專案名稱目標案例三資料庫案例

(18)

6.1 結論 本研究藉由案例式推理 (Case-Based Reasoning, CBR) 之應用並透過關聯式資料庫相似度為基礎的案例擷取，提供模具開發設計者在開發設計初期的參考應用工具，可以有效降低企業成本、及時回應使用者需求與建立企業知識的傳承，達到資訊透明化與降低時空限制對企業的影響。本研究所衍生之具體應用結論如下：表6 實務案例 vs 資料庫案例－屬性與權重比較表 LGP-061J LGP-045S LGP-BDNY005 LGP-S45F LGP-064F ST-P1-1134 屬性名稱屬性值屬性權重機台號碼 K10 1 K10 K10 K10 K02 K02 K08 流道形式冷流道 0.5 冷流道冷流道冷流道冷流道冷流道冷流道模穴配置對稱配置 0.8 對稱配置對稱配置對稱配置對稱配置對稱配置直線配置模穴數 2 1 2 2 2 2 2 1 冷卻控制方式水溫 1 水溫水溫水溫水溫水溫水溫冷卻設計方式直通 0.5 直通直通直通直通直通直通頂出方式圓銷 0.2 圓銷圓銷圓銷圓銷圓銷圓銷模具形式二板式 0.7 二板式二板式二板式二板式三板式二板式

材料壓克力_(PMMA) 1 壓克力_(PMMA壓克力_(PMMA壓克力_(PMMA) PC/ABS PC/ABS聚醯胺 (PA)

充填劑

含量(%) 40

外觀 Yes 1 Yes

機能 Yes 1 Yes Yes Yes Yes Yes Yes

肉厚 2.5 1 2.5 2.5 2 2.5 2.5 4.5 長(mm) (max) 123.6 1 123.6 142.6 74.1 76.3 寬(mm) (max) 97 1 97 82.2 68 63.3 澆口側狀澆口 1 相似度 0.92 0.79 0.71 0.59 0.51 0.5 屬性值專案名稱實務案例 LGP-061K 資料庫實務案例 1. 透過使用案例式推理與案例資料庫之建立，累積並精煉研發、設計與工程人員所提供之專家經驗知識。 2. 採用具有物件導向且擁有彈性與可擴充性的樹型結構，以此樹型結構作為控管、關連、呈現與操作之介面，提供使用者自行描述定義產品的特徵屬性，遵循系統架構自由的增加系統資料類別與屬性項目，可以滿足各類射出成形工法的模具設計需求。 3. 管理者針對案例屬性不斷的擴充與分類定義，掌握關鍵性參數指標，建立核心技術。 6.2 未來研究方向 本研究重點著重與射出成形模具設計知識庫之案例推理系統的建構，仍屬於雛型建置之架構，欲建構完整之系統架構，建議未來研究方向可著重於： 1. 模具設計屬性項目可再深化廣度及深度，強化模具設計特徵屬性的完整性與屬性類別（定性與定量）之定義。 2. 本系統只架構射出成形一般模具，針對不同射出成形工法之模具並未納入，若以本研究之系統架構，可以再擴充各項工法之參數類別，使本系統可以再更完整。

(19)

3. 本文的知識管理流程架構，是以案例式推論進行隱性知識的擷取，但是對於一般產品設計知識描述上較為缺乏，所以未來在知識架構內的知識分類上，可以增加Rule-Based 的概念，將一般產品設計的公式或是取自於專家的經驗公式，進行Rule-Based 的建立，作為專家顯性知識的擷取，之後與本文的產品案例庫與工程知識庫進行整合性的運用，提昇知識管理流程架構的完整性與實用性。 4. 本文所發展之系統仍處於雛型架構建置階段，對於實務上之使用，仍須結合相關之產品資料系統與 web 機制，如 PDM 或 PLM，才能適用於兼顧廣度與深度的實務應用上，使其發揮最大的效益。

參考文獻

[1] 何正得、朱科銘，「新產品開發之案例式推理系統研究」，工程科技與教育學刊 .183-210 頁，2007。 [2] 謝瑛倡，「射出模具產業建構知識系統之應用研究－以Z 公司為例」，成功大學，碩士論文，2003。

[3] Nonaka, I., & Hirotaka, T., The Knowledge-Creating Company (1st_{ed). Oxford Press, 1995.}

[4] Senge, P. M., “Learning to Alter Mental Models”, Executive Excellence, Vol. 11, No. 3, pp. 16-17, 1994.

[5] Vorakulpipat, C., and Rezgui, Y., “From Knowledge Sharing to Value Creation- Three Generations of Knowledge Management”, IEEE, pp.214-220, 2006.

[6] Nomura, T., and Kametsu, A., “A Framework for Designing Total Knowledge Management Systems”, The Annual Bulletin of the Knowledge Management Society of Japan, No.1, pp.55-72, 1999.

[7] Nonaka, I., and Konno, N., "The Concept of "Ba": Building a Foundation for Knowledge Creation", California Management Review, vol. 40, pp. 40-54, 1998.

[8] 周龍鴻，「智慧型知識管理系統建構流程-以半導體為例」，成功大學，碩士論文，2002。

[9] Lee, R. S., Chen, Y. M., and Lee, C. Z., “Development of a concurrent mold design system. a knowledge-based approach”, Computer Integrated Manufacturing Systems, 10(4), pp.287-307, 1997.

[10] Ma, Y. S., Tor, S. B., and Britton, G. A., “The development of a standard component library for plastic injection mould design using an object-oriented approach”, International Journal Advanced Manufacturing Chnology, 22(9), pp.611-618, 2003.

[11] Costa, C. A., and Young, R. I. M., “Product range models supporting design knowledge reuse”, Proceedings of the Institution of the Mechanical Engineers, Part B -Journal of Engineering Manufacture, 215,pp.323-337, 2001.

[12] 鍾文仁等、吳俊賢、李泰志賴柏榕與李銘衍， “自動化模具設計與製造引導系統”, 產學合作暨成果發表專刊， 1-11

頁，2009。

[13] 劉大銘等，「射出模模座設計管理的原型系統建構」，Science and Engineering Technology, 第三卷第四期 1-16 頁，

2007。

[14] Dwivedi, S. N., Kumbakonam, A., and Chambers, T. L., “Intelligent Manufacturing Process Tool For Plastic Injection Molding”, 2002 ASEE Gulf- Southwest Annual Conference, March, 2002.

[15] Hu, W., and Masood, S., “An Intelligent Cavity Layout Design System for Injection Moulds”, International Journal of CAD/CAM , Vol. 2, No. 1, pp. 69-75, 2002.

[16] Mok, C. K., Chin, K. S., and Lan, H., “An Internet-based intelligent design system for injection moulds”, Robotics and Computer-Integrated Manufacturing, vol, pp.1–15, 2008.

[17] Rutkauskas, Ž., Bargelis, A., “Knowledge-based method for gate and cold runner definition in injection mold design”, ISSN 1392-1207., pp.49-54, 2007.

[18] Shelesh-Nezhad, K., Siores, E., “An Intelligent System for Plastic Injection Molding Process Design”, Journal of Materials processing Technology, vol63 , pp.458-462, 1997.

[19] Schank, R., “A Theory of Learning in Computersand People”, Dynamic Memory, New York: Cambridge University Press, 1982.

[20] Fritz, H. G., “Case-based Reasoning Applying Past Experience to New Problems”, Information Systems managements, pp.77-80, Spring, 1993. [21] 李佳穗，「案例式推理系統支援以個案處理為基之工作流程表單系統」，台灣科技大學, 碩士論文，2009。 [22] 林志明，「應用案例推理與灰色關聯分析法發展產品設計評估決策支援系統」，中央大學，碩士論文，1998。 [23] 黃弘毅，「設計概念階段之產品知識建構與應用-以案例式推理法為例」，東海大學，碩士論文，2001。 [24] 劉惠瑋，「案例式推理應用於失效模式與效應分析之研究-以電子連接器為例」，元智大學，碩士論文，2005。 [25] 潘柏松，「利用案例式推理法建立電腦整合製造問題解決管理系統-以 TFT-LCD 業個案為例」，成功大學，碩士論文，2005。 [26] 沈靖傑，「光碟製程設備中射出成型機遠距維護與故障診斷系統初步探討」，中央大學，碩士論文，2006。

[27] Watson, I., “Applying Case-Based Reasoning: Techniques for Enterprise Systems”, Morgan Kaufamann Publishers, 1997. [28] Quinlan, J. R., “Induction of Decision Trees”, Machine Learning, vol. 1, pp. 81-106, 1986.

模具設計之案例式推理系統建構