淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


系統識別號 U0002-2807202012472000
中文論文名稱 射出成型製程中機台校正效應對實驗設計優化法的效能影響之研究
英文論文名稱 The effect of machine calibration on the efficiency of Design of Experimental (DOE) method in injection molding process
校院名稱 淡江大學
系所名稱(中) 化學工程與材料工程學系碩士班
系所名稱(英) Department of Chemical and Materials Engineering
學年度 108
學期 2
出版年 109
研究生中文姓名 許睿庭
研究生英文姓名 Rui-Ting Xu
電子信箱 qqq3052tw@gmail.com
學號 607400081
學位類別 碩士
語文別 中文
口試日期 2020-07-08
論文頁數 238頁
口試委員 指導教授-林國賡
共同指導教授-黃招財
委員-鍾文仁
委員-董崇民
委員-黃招財
中文關鍵字 射出成型  CAE模擬分析  翹曲變形  田口法  反應曲面法 
英文關鍵字 Injection molding  CAE simulation analysis  Warpage  Design of experiments  Response surface method 
學科別分類
中文摘要 近年來許多自動化技術被應用於在射出成型系統中,以實現工業4.0自動化。然而許多產品不斷地往輕、薄、短、小的趨勢發展,倘若在執行自動生產之前,沒有做好產品設計和模具開發上的管理,起初產品不當的設計將導致最後開模的過程中許多問題,為了更有效率克服上述所面臨的問題,以及如何保持產品良好的品質,因此目前產學界廣泛利用電腦輔助工程技術(computer-aided engineering, CAE)來協助;但是 CAE模擬分析與實際製造業的結果有所落差,即使從材料選定、模具尺寸到操作條件完成上述檢查模擬與實驗都相同的情況下,還是無法解決CAE模擬分析與實際實驗結果上的差異。有鑑於此,本研究第一部份為延續我們團隊之前所進行機台校正之方法,選定圓平板系統,持續探討應用CAE模擬分析與實驗結果之差異來探索機台之校正效能,再利用CAE模擬分析結合田口方法,探討機台校正效應對於田口法效能影響作基礎研究,結果顯示在相同射速50%設定情況下,實驗與模擬的收縮量值平均差距0.18 mm,但兩者內在驅動力一致;其中造成差異的來源可由壓力歷程曲線進行探索,藉此可進一步透過此等射出壓力歷程曲線校正後,可以有效改善模擬與實驗偏差值之差距。另外,在CAE結合DOE研究的部分,我們比較兩種最佳化選擇操作參數方法,兩者結果在未考慮機台校正前,模擬與實驗之間的偏差量值皆為0.12 mm,但經考慮機台校正後,模擬和實驗之間的偏差量值減小到0.05mm,準確性提高了58%;再則,第二部分的研究中,我們將探討不同機台校正效應,以驗證第一部分校正流程之可行性,特別著重探討在不同機台校正效應對於田口優化法效能影響之研究,經研究發現有時須透過射出成品校正可有效改善模擬與實驗偏差值之差距;另外,在CAE-DOE的部分,未考慮機台校正前,模擬與實驗之間的偏差量值為0.13 mm,考慮機台校正後,模擬和實驗之間的偏差量值減小到0.02 mm,準確性提高了85%;再來,第三部分研究中,我們嘗試利用CAE模擬分析結合反應曲面法,持續探討機台校正之效應如何影響反應曲面優化法在射出成型成品與製程之效能,結果顯示在CAE-RSM的部分,未考慮機台校正前,模擬與實驗之間的偏差量值為0.13 mm,但經考慮機台校正後,模擬和實驗之間的偏差量值減小到0.01 mm,準確性提高了92%。整體研究結果顯示機台校正效應對於在射出成型的產品開發相當的重要性。
英文摘要 In recent years, many automation technologies have been used in injection molding systems to achieve Industry 4.0 automation. Before the automatic production is performed, if the product design and mold development management do not handle well, the product design and development will en encounter many problems. In order to solve those problems, computer-aided engineering (CAE) is widely used in the industry and academia to assist. However, it is very often to see that the CAE simulation result is not the same with the actual manufacturing obtained. Even all the conditions are the same for both simulation and experiment, the deviation is still there.
To solve this challenge, in this study the major content has been divided into three parts. In the first part, we have conducted the method of the machine calibration which was carried out by our team earlier
by selecting the circle plate as the system continuously. Using this system, the procedure of the machine calibration has been verified successfully. Specifically, using CAE-DOE method under the same injection velocity of 50% setting, the shrinkage difference between simulation and experiment is 0.18 mm.
Moreover, to discover the mechanism for both simulation and experiment, the injection pressure history curve has been applied as one pressure sensor installed in the entrance of gate for the mold. Using the concept of injection pressure history curve, the machine calibration can be performed smoothly. In addition, two operation parameter optimization methods have been proposed for CAE-DOE. Results showed that before doing the machine calibration, the deviation between the simulation and the experiment is 0.12 mm; After done the machine calibration, the deviation between the simulation and the experiment is reduced to 0.05 mm, and the accuracy is improved 58%. In the second part of this study, the machine calibration procedures have been performed in the different type of injection machine. We found that some calibration step needs to be modified, especially one more step based on the diameter of injected disc is added. Using this updated calibration procedures, in the CAE-DOE study, before the doing the machine calibration, the deviation between the simulation and the experiment is 0.13 mm; furthermore, after done the machine calibration, the deviation between the simulation and the experiment has been reduced to 0.02 mm.It shows the accuracy has been improved by 85%. Moreover, in the third part of this study, we have tried to use CAE simulation analysis combined with response surface method (CAE-RSM) to optimize the injection molding processing. Specifically, the effect of machine calibration on the performance of CAE-RSM has been considered. Specifically, before doing the machine calibration, the deviation between the simulation and the experiment is 0.13 mm; moreover, after the done the machine calibration, the deviation between the simulation and the experiment has been reduced to 0.01mm. The accuracy has been improved by 92%. Overall, it is quite important by considering the machine calibration effect in the quality control for injection molding production development.
論文目次 致謝詞 I
目錄 V
圖目錄 VIII
表目錄 XV
第一章 緒論 1
1.1前言 1
1.2文獻回顧 5
1.2.1數值模擬分析應用於探索射出成型翹曲變形影響 5
1.2.2實際射出機台內在響應特性對於翹曲變形之影響 10
1.2.3利用實驗設計法優化產品翹曲問題之文獻 11
1.2.4文獻總結 16
1.3研究動機與目的 18
1.4論文架構 20
第二章 射出成型基礎理論與實驗設計法理論 22
2.1 射出成型基礎原理 22
2.2射出成型操作條件對產品翹曲變形之影響 26
2.3射出成型模擬分析數學理論 28
2.3.1高分子流動特性 28
2.4 實驗設計法理論 30
2.4.1田口方法(Taguchi method) 30
2.4.2反應曲面法(Response surface methodology, RSM ) 38
第三章 研究流程與方法 50
3.1研究方法 50
3.2研究流程 51
3.3 CAE模擬分析 53
3.3.1CAE模擬分析前處理程序 54
3.3.2 CAE模擬分析計算程序 66
3.3.3 CAE模擬分析後處理程序 66
3.3.4CAE模擬分析軟硬體設備介紹 66
3.4實際實驗機台與研究相關資訊 67
3.4.1機台設備介紹 67
3.4.2實際射出產品幾何結構介紹 73
3.5產品品質定義與量測方法 74
3.5.1圓平板模型品質定義 74
3.5.2圓平板模型量測方法 76
3.6射出機台校正之方法與流程 78
3.6.1富強鑫射出機台 78
3.6.2台中精機射出機台 87
3.7 CAE結合DOE優化方法規劃與建立 94
3.7.1富強鑫射出機台 94
3.7.2台中精機射出機台 101
3.8 CAE結合RSM優化方法規劃與建立 108
3.8.1 CAE數值模擬分析操作條件設定 108
3.8.2實際射出實驗操作條件設定 112
第四章 結果與討論 114
4.1機台校正效應對於CAE結合田口方法(CAE-DOE)操作條件最佳化影響之基礎研究 114
4.1.1單一因子測試效應 114
4.1.2充填流動行為驗證 118
4.1.3剖析CAE模擬分析與實際實驗結果差異性來源 119
4.1.4田口方法(Design of Experiments, DOE) 132
4.1.4.1 CAE-DOE模擬分析 132
4.1.4.2 DOE實際實驗驗證 151
4.1.4.3校正效應對於田口法優化之效能 155
4.2不同機台之校正效應對於田口方法效能影響之研究 159
4.2.1機台校正流程應用於不同機台之驗證 159
4.2.2田口方法(Design of Experiments, DOE) 178
4.2.2.1 CAE-DOE模擬分析 178
4.2.2.2 DOE實際實驗驗證 193
4.2.2.3校正效應對於田口法優化之效能 196
4.3校正效應對機台校正後之反應曲面法效能影響之研究 198
4.3.1反應曲面法 (Response Surface Method, RSM) 198
4.3.1.1 CAE-RSM模擬分析 198
4.3.1.2 RSM實際實驗驗證 217
4.3.1.3校正效應對於反應曲面法優化之效能 221
4.3.2反應曲面方程式應用於實際現場機台之可行性 224
第五章 結論 227
第六章 未來研究方向之建議 231
第七章 參考文獻 232
作者簡歷 238

圖目錄
圖1.1.1 Moldex3D軟體應用於塑膠射出成型製程開發之產業 3
圖1.2.1三種不同操作因子對於盒狀物收縮與翹曲的影響:塑料溫度(左)/射出速度(中)/模具溫度(右) 8
圖1.2.2三種不同操作因子對於盒狀物收縮與翹曲的影響:保壓壓力(左)/保壓時間(中)/冷卻時間(右) 8
圖1.2.3兩進兩出冷卻水路與四進四出冷卻水路對於啞鈴型產品翹曲的影響 9
圖1.2.4手機殼模型與量測點位置 12
圖1.2.5 (a)單澆口模型;(b)雙澆口模型 14
圖2.1.1射出成型機示意圖 22
圖2.1.3射出成型製程循環過程圖 25
圖2.2.1塑料溫度設定在射出機台上之介面 26
圖2.4.1一階反應曲面圖 41
圖2.4.2三因子中央複合設計圖 43
圖2.4.3三因子Box-Behnken Design設計示意圖 44
圖2.4.4殘差常態機率圖 46
圖2.4.5殘差不是常態分配 46
圖2.4.6符合同質性殘差圖 47
圖2.4.7殘差變異數隨x增大而增大 47
圖2.4.8殘差變異數隨x增大而減小 47
圖2.4.9模式有趨勢之殘差 48
圖2.4.10殘差滿足獨立性 48
圖2.4.11殘差的值從高到低急劇變化 49
圖2.4.12殘差的值從低到高急劇變化 49
圖2.4.13殘差呈現週期性變化 49
圖3.2.1研究整體架構流程圖 52
圖3.3.1CAE模擬分析流程 53
圖3.3.2(a)產品平面幾何與尺寸(b)產品厚度方向之幾何與尺寸 54
圖3.3.3 (a)流道幾何模型;(b)流道尺寸 55
圖3.3.4冷卻系統尺寸與配置 (a)全視圖 (b)前視圖 55
圖3.3.5水路及模座配置 56
圖3.3.6網格元素形式 57
圖3.3.7本研究幾何模型內各部位網格建構之內容 57
圖3.3.8圓平板網格品質 58
圖3.3.9不同尺寸進澆口壓力曲線圖 60
圖3.3.10不同尺寸進澆口壓力曲線圖(放大圖) 60
圖3.3.11 ABS結構式 62
圖3.3.12 ABS PA757材料黏度對剪切率之特性圖 63
圖3.3.13 ABS PA757材料PVT圖 64
圖3.3.14 ABS PA757材料熱傳導係數對溫度之特性圖 64
圖3.3.15 ABS PA757材料比熱對溫度之特性圖 65
圖3.4.1富強鑫射出機台 67
圖3.4.2富強鑫機台系統壓力與射出壓力換算對照圖 68
圖3.4.3台中精機射出機台 68
圖3.4.4台中精機系統壓力與射出壓力換算對照圖 69
圖3.4.5圓平板模具設計圖 69
圖3.4.6模具溫度調節機 70
圖3.4.7塑料烘乾機 71
圖3.4.8模穴壓力感測器 72
圖3.4.9模穴內部壓力感測器位置圖:(a)實務實驗系統(b)模擬分析 72
圖3.4.10模具溫度量測器 73
圖3.4.11產品尺寸示意圖 73
圖3.5.1圓平板四條直徑量測位置 75
圖3.5.2不同保壓下之四條直徑之量測值 75
圖3.5.3不同保壓下之偏差量值76
圖3.5.4圓平板模擬分析翹曲變形匯出結果流程圖 76
圖3.5.5Moldex3D_Solid Mesh量測圓平板示意圖 77
圖3.5.6電子式游標尺 77
圖3.5.7游標尺量測圓平板示意圖 77
圖4.1.1改變射出速度對收縮量值之影響 115
圖4.1.2改變塑料溫度對收縮量值之影響 115
圖4.1.3改變模具溫度對收縮量值之影響 116
圖4.1.4改變保壓壓力對收縮量值之影響 116
圖4.1.5改變保壓時間對收縮量值之影響 117
圖4.1.6改變冷卻時間對收縮量值之影響 117
圖4.1.7富強鑫-模擬與實驗充填流動行為結果之比較 119
圖4.1.8富強鑫-實際實驗不同射出速度下短射結果 120
圖4.1.9富強鑫射速校正測試圖 120
圖4.1.10 富強鑫-CAE模擬不同射出速度下短射結果 121
圖4.1.11富強鑫模擬分析:不同保壓效應對產品翹曲偏差量值之影響 122
圖4.1.12富強鑫實際實驗:不同保壓效應對產品翹曲偏差量值之影響 122
圖4.1.13富強鑫初始測試下模擬分析與實際實驗偏差量值結果比較 123
圖4.1.14富強鑫初始測試下模擬分析與實際實驗偏差量值結果比較(平移後) 124
圖4.1.15富強鑫實際機台之射出壓力響應圖 125
圖4.1.16富強鑫-相同射速下模擬與實驗之sensor壓力歷程曲線比較圖 125
圖4.1.17富強鑫-不同射速下模擬與實射sensor壓力歷程曲線比較圖 126
圖4.1.18富強鑫-模擬與實射sensor壓力歷程比較(Sim_70%與Exp_40%) 127
圖4.1.19富強鑫-模擬與實射sensor壓力歷程比較(Sim_80%與Exp_50%) 127
圖4.1.20富強鑫-模擬與實射sensor壓力歷程比較(Sim_90%與Exp_50%) 127
圖4.1.21富強鑫-模擬與實射sensor壓力歷程比較(Sim_100%、Exp_60%) 128
圖4.1.22富強鑫機台校正前後偏差量值比較(Sim_70% 與Exp_40%) 129
圖4.1.23富強鑫機台校正前後偏差量值比較(Sim_80% 與Exp_50%) 129
圖4.1.24富強鑫機台校正前後偏差量值比較(Sim_90% 與Exp_50%) 130
圖4.1.25富強鑫機台校正前後偏差量值比較(Sim_100% 與Exp_60%) 131
圖4.1.26富強鑫未考慮機台校正前之S/N比因子反應圖 134
圖4.1.27富強鑫未考慮機台校正前之品質特性因子反應圖 136
圖4.1.28富強鑫未考慮機台校正前S/N比與品質特性之因子反應表比對圖 142
圖4.1.29富強鑫考慮機台校正後之S/N比因子反應圖 144
圖4.1.30富強鑫考慮機台校正後各因子之品質特性因子反應圖 145
圖4.1.31富強鑫考慮機台校正後S/N比與品質特性之因子反應表比對 149
圖4.1.32富強鑫-未考慮機台校正前執行直交表前10組模擬與實驗結果比較 152
圖4.1.33富強鑫-考慮機台校正執行直交表前10組模擬與實驗結果比較 154
圖4.1.34富強鑫-有/無考慮機台校正之CAE-DOE優化參數模擬與實際偏差量值結果比較(因子分類) 156
圖4.1.35富強鑫-有/無考慮機台校正之CAE-DOE優化參數模擬與實際偏差量值結果比較(因子反應表比對) 157
圖4.2.1台中精機-模擬與實驗充填流動行為結果之比較 159
圖4.2.2台中精機射速校正測試圖 161
圖4.2.3台中精機模擬分析:不同保壓效應對產品翹曲偏差量值之影響 162
圖4.2.4台中精機實際實驗:不同保壓效應對產品翹曲偏差量值之影響 162
圖4.2.5台中精機射速50%下模擬分析與實際實驗偏差量值結果比較 163
圖4.2.6台中精機射速60%下模擬分析與實際實驗偏差量值結果比較 164
圖4.2.7台中精機射速70%下模擬分析與實際實驗偏差量值結果比較 164
圖4.2.8台中精機射速80%下模擬分析與實際實驗偏差量值結果比較 164
圖4.2.9台中精機射速90%下模擬分析與實際實驗偏差量值結果比較 165
圖4.2.10射速50%下模擬分析與實射進澆口充填壓力曲線歷程比較 166
圖4.2.11台中精機不同射速下CAE模擬與實射進澆口壓力歷程曲線比較圖 166
圖4.2.12台中精機-相同射速下模擬與實驗之sensor壓力歷程曲線比較圖 167
圖4.2.13台中精機-不同射速下模擬與實射sensor壓力歷程曲線比較圖 168
圖4.2.14台中精機-不同射速下模擬與實射sensor壓力歷程曲線比較(模擬射速調大) 170
圖4.2.15台中精機-模擬與實射sensor壓力歷程曲線比較(Sim_170%與Exp_50%) 170
圖4.2.16台中精機-模擬與實射sensor壓力歷程曲線比較(Sim_185%與Exp_60%) 171
圖4.2.17台中精機-模擬與實射sensor壓力歷程曲線比較(Sim_200%與Exp_60%) 171
圖4.2.18台中精機-模擬與實射sensor壓力歷程曲線比較(Sim_215%與Exp_80%) 172
圖4.2.19台中精機-模擬與實射sensor壓力歷程曲線比較(Sim_230%與Exp_90%) 172
圖4.2.20台中精機偏差量值比較(Sim_170%與Exp_50%) 173
圖4.2.21台中精機偏差量值比較(Sim_185%與Exp_60%) 173
圖4.2.22台中精機偏差量值比較(Sim_200%與Exp_70%) 173
圖4.2.23台中精機偏差量值比較(Sim_215%與Exp_80%) 174
圖4.2.24台中精機偏差量值比較(Sim_230%與Exp_90%) 174
圖4.2.25台中精機模擬與實驗射出成品偏差量值擬合(Sim_85%與Exp_50%) 175
圖4.2.26台中精機模擬與實驗射出成品偏差量值擬合(Sim_100%與Exp_60%) 176
圖4.2.27台中精機模擬與實驗射出成品偏差量值擬合(Sim_115%與Exp_70%) 176
圖4.2.28台中精機模擬與實驗射出成品偏差量值擬合(Sim_130%與Exp_80%) 177
圖4.2.29台中精機模擬與實驗射出成品偏差量值擬合(Sim_145%與Exp_90%) 178
圖4.2.30台中精機未考慮機台校正前之S/N比因子反應圖 180
圖4.2.31台中精機未考慮機台校正前之品質特性因子反應圖 181
圖4.2.32台中精機未考慮機台校正前S/N比與品質特性之因子反應表比對圖 185
圖4.2.33台中精機考慮機台校正後之S/N比因子反應圖 187
圖4.2.34台中精機考慮機台校正後之品質特性因子反應圖 188
圖4.2.35台中精機考慮機台校正後S/N比與品質特性之因子反應表比對圖 191
圖4.2.36台中精機-未考慮機台校正前執行直交表奇數組模擬與實驗結果比較 194
圖4.2.37台中精機-考慮機台校正後執行直交表奇數組模擬與實驗結果比較 195
圖4.2.38台中精機-有∕無考慮機台校正下CAE-DOE優化操作條件模擬與實際偏差量值結果比較(因子反應表比對) 197
圖4.3.1未機台校正前CAE-RSM IV(射出速度)與MLT(塑料溫度)之反應曲面圖和等高線圖 203
圖4.3.2未機台校正前CAE-RSM PP(保壓壓力)與PT(保壓時間)之反應曲面圖和等高線圖 203
圖4.3.3台中精機未考慮機台校正前CAE-RSM模擬分析與二階反應曲面方程式殘差結果圖 204
圖4.3.4台中精機未考慮機台校正前CAE-RSM之常態機率圖 206
圖4.3.5台中精機未考慮機台校正前CAE-RSM之殘差散佈圖 207
圖4.3.6台中精機未考慮機台校正前CAE-RSM之殘差與實驗順序圖 207
圖4.3.7台中精機未考慮機台校正前CAE-RSM最佳化製程操作條件圖 208
圖4.3.8台中精機機台校正後CAE-RSM PP(保壓壓力)與PT(保壓時間)之反應曲面圖和等高線圖 213
圖4.3.9台中精機考慮機台校正後CAE-RSM模擬分析與二階反應曲面方程式殘差結果圖 213
圖4.3.10台中精機考慮機台校正後CAE-RSM之常態機率圖 215
圖4.3.11台中精機考慮機台校正後CAE-RSM之殘差散佈圖 216
圖4.3.12台中精機考慮機台校正後CAE-RSM之殘差對實驗順序圖 216
圖4.3.13台中精機考慮機台校正後CAE-RSM最佳化製程操作條件圖 217
圖4.3.14台中精機-未考慮機台校正前執行Box-Behnken Design前10組模擬與實驗結果比較 218
圖4.3.15台中精機-考慮機台校正後執行Box-Behnken Design前10組模擬與實驗結果比較 220
圖4.3.16台中精機-有無考慮機台校正後CAE-RSM優化操作條件模擬與實際偏差量值結果比較 222
圖4.3.17台中精機-考慮機台校正後之CAE-RSM反應曲面方程式應用於實際機台(考慮機台校正後之CAE-RSM操作條件) 225
圖4.3.18台中精機-考慮機台校正後之CAE-RSM反應曲面方程式應用於實際機台(考慮機台校正後之CAE-DOE操作條件) 226

表目錄
表1.2.1 Moldex3D與Moldflow(Mold Advisor)兩者射出成型模擬結果 7
表1.2.2手機殼初始參數與優化參數結果比較 13
表1.2.3單澆口與雙澆口結果比較 14
表2.4.1混和水準直交表 32
表2.4.2 L18(21×37)直交表 32
表2.4.3配適二階模型實驗設計表 44
表3.3.1不同網格尺寸與網格總數及分析時間 59
表3.3.2 ABS加工參數表 62
表3.3.3 ABS材料物性表(ISO) 62
表3.3.4ABS材料物性表(ASTM) 63
表3.6.1單一因子操作條件表 79
表3.6.2富強鑫機台實際響應射速模擬操作條件 80
表3.6.3富強鑫模擬分析初始基本測試操作條件表 80
表3.6.4富強鑫機台sensor壓力模擬操作條件表 81
表3.6.5富強鑫校正效應模擬操作條件表 82
表3.6.6富強鑫短射實驗操作條件表 83
表3.6.7富強鑫機台實際響應射速操作條件 84
表3.6.8富強鑫實際實驗初始基本測試操作條件表 84
表3.6.9富強鑫機台sensor壓力實驗操作條件 85
表3.6.10富強鑫校正效應模實驗作條件表 86
表3.6.11台中精機機台實際響應射速模擬操作條件 87
表3.6.12台中精機初始基本測試模擬操作條件 88
表3.6.13台中精機第一次射出壓力歷程曲線校正模擬操作條件 89
表3.6.14台中精機第二次射出壓力歷程曲線校正模擬操作條件 90
表3.6.15台中精機機台校正效應模擬操作條件 90
表3.6.16台中精機短射實驗操作條件表 91
表3.6.17台中精機機台實際響應射速操作條件 92
表3.6.18台中精機初始基本測試實驗操作條件 92
表3.6.19台中精機射出壓力校正實驗操作條件 93
表3.7.1富強鑫:未考慮機台校正前之CAE-DOE優化控制因子水準表 95
表3.7.2富強鑫:未考慮機台校正前之L18(21x37)直交表 96
表3.7.3富強鑫:考慮機台校正後之CAE-DOE優化控制因子水準表 97
表3.7.4富強鑫:考慮機台校正後之L18(21x37)直交表 98
表3.7.5富強鑫未考慮機台校正前之CAE-DOE實驗成型操作條件表 99
表3.7.6富強鑫考慮機台校正後之CAE-DOE實驗成型操作條件表 100
表3.7.7台中精機:未考慮機台校正前之CAE-DOE優化控制因子水準表 101
表3.7.8台中精機:未考慮機台校正前之L18(21x37)直交表 102
表3.7.9台中精機:考慮機台校正後之CAE-DOE優化控制因子水準表 103
表3.7.10台中精機:考慮機台校正後之L18(21x37)直交表 104
表3.7.11台中精機未考慮機台校正前之CAE-DOE實驗驗證操作條件表 106
表3.7.12台中精機考慮機台校正後之CAE-DOE實驗驗證操作條件表 107
表3.8.1台中精機:未考慮機台校正前之CAE-RSM優化控制因子水準表 108
表3.8.2台中精機:未考慮機台校正前之配適二階模型模擬操作條件配置表 109
表3.8.3台中精機:考慮機台校正後之CAE-RSM優化控制因子水準表 110
表3.8.4台中精機:考慮機台校正後之配適二階模型模擬操作條件配置表 111
表3.8.5台中精機未考慮機台校正前之CAE-RSM實驗驗證操作條件表 112
表3.8.6台中精機考慮機台校正後之CAE-RSM實驗驗證操作條件表 113
表4.1.1富強鑫-控制器B之響應射速表 120
表4.1.2富強鑫初始測試下CAE模擬與實驗偏差量值結果比較 123
表4.1.3富強鑫機台校正前後偏差量值比較(Sim_70% 與Exp_40%) 129
表4.1.4富強鑫機台校正前後偏差量值比較(Sim_80% 與Exp_50%) 130
表4.1.5富強鑫機台校正前後偏差量值比較(Sim_90% 與Exp_50%) 130
表4.1.6富強鑫機台校正前後偏差量值比較(Sim_100% 與Exp_60%) 131
表4.1.7富強鑫-未考慮機台校正前之L18(21x37)直交表18組模擬量測結果 133
表4.1.8富強鑫未考慮機台校正前之S/N比因子反應表 134
表4.1.9富強鑫未考慮機台校正前之品質特性因子反應表 136
表4.1.10富強鑫未考量機台校正前初次S/N比變異數分析結果 137
表4.1.11富強鑫未考量機台校正前第二次S/N比變異數分析結果 138
表4.1.12富強鑫未考慮機台校正前初次品質特性變異數分析結果 138
表4.1.13富強鑫未考慮機台校正前第二次品質特性變異數分析結果 139
表4.1.14富強鑫未考慮機台校正前設計最佳化之控制因子分類表 140
表4.1.15富強鑫未考慮機台校正前之優化製程參數表(因子分類) 140
表4.1.16富強鑫未考慮機台校正前之優化製程參數表(因子反應表比對) 142
表4.1.17富強鑫-考慮機台校正後之L18(21x37)直交表18組模擬操作條件量測結果 143
表4.1.18富強鑫考慮機台校正後之S/N比因子反應表 144
表4.1.19富強鑫考慮機台校正後各因子之品質特性因子反應表 145
表4.1.20富強鑫考慮機台校正後初次S/N比變異數分析結果 146
表4.1.21富強鑫考慮機台校正後第二次S/N比變異數分析結果 146
表4.1.22富強鑫考慮機台校正後第三次S/N比變異數分析結果 146
表4.1.23富強鑫考慮機台校正後初次品質特性變異數分析結果 147
表4.1.24富強鑫考慮機台校正後第二次品質特性變異數分析結果 147
表4.1.25富強鑫考慮機台校正後設計最佳化之控制因子分類表 148
表4.1.26富強鑫考慮機台校正後之優化製程參數表(因子分類) 148
表4.1.27富強鑫考慮機台校正後之優化操作條件表(因子反應表比對) 150
表4.1.28富強鑫-未考慮機台校正前執行直交表前10組實驗驗證 151
表4.1.29富強鑫-未考慮機台校正前執行直交表前10組模擬與實驗偏差量值結果 152
表4.1.30富強鑫-考慮機台校正執行直交表前10組實驗驗證 153
表4.1.31富強鑫-考慮機台校正執行直交表前10組模擬與實驗偏差量值結果 154
表4.1.32富強鑫-有/無考慮機台校正之CAE-DOE優化參數模擬與實際偏差量值(因子分類) 157
表4.1.33富強鑫-有/無考慮機台校正之CAE-DOE優化參數模擬與實際偏差量值(因子反應表比對) 158
表4.2.1台中精機-實際機台響應射速表 160
表4.2.2台中精機-搭配CAE模擬分析調整實際機台響應射速表 169
表4.2.3台中精機模擬與實驗射出成品偏差量值擬合比較(Sim_85%與Exp_50%) 175
表4.2.4台中精機模擬與實驗射出成品偏差量值擬合比較(Sim_100%與Exp_60%) 176
表4.2.5台中精機模擬與實驗射出成品偏差量值擬合比較(Sim_115%與Exp_70%) 177
表4.2.6台中精機模擬與實驗射出成品偏差量值擬合比較(Sim_130%與Exp_80%) 177
表4.2.7台中精機模擬與實驗射出成品偏差量值擬合比較(Sim_145%與Exp_90%) 178
表4.2.8台中精機-未考慮機台校正前之L18(21x37)直交表18組模擬量測結果 179
表4.2.9台中精機未考慮機台校正前之S/N比因子反應表 180
表4.2.10台中精機未考慮機台校正前之品質特性因子反應表 181
表4.2.11台中精機未考慮機台校正前初次S/N比變異數分析結果 182
表4.2.12台中精機未考慮機台校正前第二次S/N比變異數分析結果 183
表4.2.13台中精機未考慮機台校正前初次品質特性變異數分析結果 183
表4.2.14台中精機未考慮機台校正前第二次品質特性變異數分析結果 184
表4.2.15台中精機未考慮機台校正前CAE-DOE優化製程操作條件表(因子反應表比對) 185
表4.2.16台中精機考慮機台校正後之L18(21x37)直交表18組模擬量測結果 186
表4.2.17台中精機考慮機台校正後之S/N比因子反應表 187
表4.2.18台中精機考慮機台校正後之品質特性因子反應表 188
表4.2.19台中精機考慮機台校正後初次S/N比變異數分析結果 189
表4.2.20台中精機考慮機台校正後第二次S/N比變異數分析結果 189
表4.2.21台中精機考慮機台校正後初次品質特性變異數分析結果 190
表4.2.22台中精機考慮機台校正後第二次品質特性變異數分析結果 190
表4.2.23台中精機考慮機台校正後CAE-DOE優化製程操作條件表(因子反應表比對) 192
表4.2.24台中精機-未考慮機台校正前執行直交表奇數組實驗驗證 193
表4.2.25台中精機-未考慮機台校正前執行直交表奇數組模擬與實驗偏差量值結果 194
表4.2.26台中精機-考慮機台校正後執行直交表奇數組實驗驗證 195
表4.2.27台中精機-考慮機台校正後執行直交表奇數組模擬與實驗偏差量值結果 196
表4.2.28台中精機-有∕無考慮機台校正下CAE-DOE優化參數模擬與實際偏差量值(因子反應表比對)197
表4.3.1台中精機未考慮機台校正前執行CAE-RSM配適二階模型模擬分析量測結果 199
表4.3.2台中精機未考慮機台校正前CAE-RSM初次變異數分析結果 201
表4.3.3台中精機未考慮機台校正前CAE-RSM第二次變異數分析結果 202
表4.3.4台中精機未考慮機台校正前CAE-RSM模擬分析與二階反應曲面方程式殘差結果表 205
表4.3.5台中精機考慮機台校正後執行CAE-RSM配適二階模型模擬分析量測結果 209
表4.3.6台中精機考慮機台校正後CAE-RSM初次變異數分析結果 211
表4.3.7台中精機考慮機台校正後CAE-RSM第二次變異數分析結果 212
表4.3.8台中精機考慮機台校正後CAE-RSM模擬分析與二階反應曲面方程式殘差結果表 214
表4.3.9台中精機-未考慮機台校正前執行Box-Behnken Design前10組實驗驗證 218
表4.3.10台中精機-未考慮機台校正前執行Box-Behnken Design 10組模擬與實驗偏差量值結果 219
表4.3.11台中精機-考慮機台校正後執行Box-Behnken Design前10組實驗驗證 220
表4.3.12台中精機-考慮機台校正後執行Box-Behnken Design前10組模擬與實驗偏差量值結果 221
表4.3.13台中精機-有無考慮機台校正後CAE-RSM優化參數模擬與實際偏差量值 223
表4.3.14台中精機-考慮機台校正後之CAE-RSM反應曲面方程式與實驗偏差量值結果(考慮機台校正後之CAE-RSM操作條件) 225
表4.3.15台中精機-考慮機台校正後之CAE-RSM反應曲面方程式與實驗偏差量值結果(考慮機台校正後之CAE-DOE操作條件) 226
參考文獻 [1] B. Ozcelik, and I. Sonat, (2009), "Warpage and structural analysis of thin shell plastic in the plastic injection molding", Materials & Design, 30(2), 367-375.
[2] 張榮語, (1995), 射出成型模具設計 : 材料特性 (初版. ed.). 臺北市: 高立圖書公司.
[3] 張元榕, 徐志忠, and許嘉翔, (2009), Moldex3D/Solid真實三維模流分析理論與應用,科盛科技股份有限公司.
[4] Y. Kuo, and M. R. Kamal. (1976). The fluid mechanics and heat transfer of injection mold filling of thermoplastic materials. AIChE Journal, 22(4), 661-669.
[5] 科盛科技公司, (2007), Moldex 3D模流分析技術與應用 (初版 ed.). 臺北縣土城市,全華圖書公司.
[6] Chao-Tsai (CT) Huang, Yi-Hsuan Hsu , Gwo-Geng Lin , Min-Chi Chiu, Wen-Ren Jong, and Rong-Yeu Chang, (2018), "How to use CAE to Diagnose the Performance Problem of the Existed Machine in Injection Molding to Face Automation Challenge", SPE Annual Technical Papers.
[7] 陳柏瑄, (2019), 影響射出成型產品精度之重要因素與其貢獻度量化探討與產品優化之研究. 淡江大學化學工程與材料工程學系碩士班學位論文, 1-230.
[8] T. Matsuoka, J. I. Takabatake, A. Koiwai, Y. Inoue, S. Yamamoto, and H. Takahashi, (1991), "Integrated simulation to predict warpage of injection molded parts", Polymer Engineering & Science, 31(14), 1043-1050.
[9] K. Himasekhar, J. Lottey, and K. Wang, (1992), "CAE of mold cooling in injection molding using a three-dimensional numerical simulation", 213-221.
[10] B. H. Lee, and B. H. Kim, (1995), "Optimization of Part Wall Thicknesses to Reduce Warpage of Injection-Molded Parts Based on The Modified Complex Method", Polymer-Plastics Technology and Engineering, 34(5), 793-811.
[11] P. Tantakom, and N. R. Schott, (1998), "Processing strategies for thin wall injection molding", Technical papers of the annual technical conference-society of plastics engineers incorporated,Vol. 1, pp. 367-372.
[12] K. M. B. Jansen, D. J. Van Dijk, and M. H. Husselman, (1998), "Effect of processing conditions on shrinkage in injection molding", Polymer Engineering & Science, 38(5), 838–846.
[13] 黃東鴻, (2002), 薄殼射出件翹曲變形與殘留應力研究, 成功大學航空太空工程學系學位論文, 1-87.
[14] N. R. Subramanian, L. Tingyu, and Y. A. Seng, (2005), "Optimizing warpage analysis for an optical housing", Mechatronics, 15(1), 111-127.
[15] B. Bujanić, M. Šercer, and M. Rujnić-Sokele, (2006), "Comparison of Moldex3D and Moldfiow injection moulding simulations", In 10th International Research/Expert Conference «Trends in the Development of Machinery and Associated Technology» TMT.
[16] F. Liu, S. Zeng, H. Zhou, and J. Li, (2012), "A study on the distinguishing responses of shrinkage and warpage to processing conditions in injection molding", Journal of Applied Polymer Science, 125(1), 731-744.
[17] M. Amran, S. Salmah, R. Izamshah, M. Shahir, M. Amri, E. Mohamad, and M. K. Musa, (2015), "Warpage analysis of different number cooling channels for dumbbell plastic part in injection moulding", Applied Mechanics and Materials, Vol. 761, pp. 8-11.
[18] C. Huang, C.-J. Yeh, G.-G. Lin, and W.-R. Jong, (2017), "Optimizing the warpage of injection molding parts using 3D volume shrinkage compensation method", SPE Annual Technical Papers.
[19] M.-S. Huang, (2007), "Cavity pressure based grey prediction of the filling-to-packing switchover point for injection molding", Journal of Materials Processing Technology, 183(2-3), 419-424.
[20] M. Kurt, O. Saban Kamber, Y. Kaynak, G. Atakok, and O. Girit, (2009), "Experimental investigation of plastic injection molding: Assessment of the effects of cavity pressure and mold temperature on the quality of the final products". Materials & Design, 30(8), 3217-3224.
[21] H. Hassan, (2012), "An experimental work on the effect of injection molding parameters on the cavity pressure and product weight", The International Journal of Advanced Manufacturing Technology, 67(1-4), 675-686.
[22] T. Ageyeva, S. Horvath, and J. G. Kovacs, (2019), "In-Mold Sensors for Injection Molding: On the Way to Industry 4.0". Sensors (Basel) , 19(16).
[23] C. C. Chiu, C. T. Su, G. S. Yang, J. S. Huang, S. C. Chen, and N. T. Cheng, (1997), "Selection of optimal parameters in gas‐assisted injection moulding using a neural network model and the Taguchi method", International Journal of Quality Science, 2(2), 106-120.
[24] M.-C. Huang, andC.-C. Tai, (2001), "The effective factors in the warpage problem of an injection-molded part with a thin shell feature", Journal of Materials Processing Technology, 110(1), 1-9.
[25] 陳啟峰, (2001), 塑膠光學透鏡之射出成型製程探討,長庚大學.
[26] A. R. Jafarian, and M. Shakeri, (2005), "Investigating the Influence of Different Process Parameters on Shrinkage of Injection-Molded Parts", American Journal of Applied Sciences, 2 (3), 688-700.
[27] T. Erzurumlu, and B. Ozcelik, (2006), "Minimization of warpage and sink index in injection-molded thermoplastic parts using Taguchi optimization method", Materials & Design, 27(10), 853-861.
[28] K.-T. Chiang, and F.-P. Chang, (2006), "Analysis of shrinkage and warpage in an injection-molded part with a thin shell feature using the response surface methodology", The International Journal of Advanced Manufacturing Technology, 35(5-6), 468-479.
[29] 姜志鴻, (2009), TFT LCD 背光模組之薄型化平板導光板射出成形研究, 台南市國立交通大學碩士論文.
[30] 紀博竣, (2013), 結合田口實驗法與反應曲面法於射出成型參數最適化之研究, 彰化縣建國科技大學碩士論文.
[31] S. Nasir, K. A. Ismail, Z. Shayfull, and M. Fairuz, (2015), "Warpage Analysis of Single and Dual Gates Designed for Injection Moulding using Response Surface Methodology", Applied Mechanics and Materials, 2015. p. 775-783..
[32] M. Isafiq, Z. Shayfull, S. Nasir, M. Rashidi, M. Fathullah, and N. Noriman, (2016), "Shrinkage Analysis on Thick Plate Part using Response Surface Methodology (RSM)", MATEC Web of Conferences, Vol. 78.
[33] W. P. N. Nabila, S. M. Nasir, M. Fathullah, N. A. Shuaib, and A. R. Irfan, (2019), "Optimization of warpage on plastic part by using response surface methodology (RSM)", AIP Conference Proceedings, Vol. 2129.
[34] 陳炤彰, 李嘉誠, 李瑞陽, and游嘉瑋, (2017), 塑膠射出成形模具設計與分析 = Mold design and analysis for injection molding process of plastics materials (二版 ed.), 臺北市,五南圖書股份有限公司.
[35] 丞耀精密,塑膠射出模具網,塑膠射出流程.
[36] 蔡穎玫, 葉羽馨, and王茂齡, (2019), 科學發展-射出成型, 559期, p.42-51.
[37] 張永彥, (2016), 塑膠模具設計學 : 理論、實務、製圖、設計 = Plastics mold design (八版 ed.), 新北市,全華圖書股份有限公司出版.
[38] 財團法人塑膠工業技術發展中心, (2000), 射出成型模具與機構, 高雄科技應用大學模具設計講義.
[39] 俞芙芳, (2011), 塑料成型工藝與模具設計 (第1版 ed.), 北京清華大学出版社.
[40] 陳夏宗, 李海梅, 周文祥, and陳清祺, (2014), 射出成型原理與製程 = Principle and process of injection molding (初版 ed.), 臺北市, 五南圖書出版股份有限公司.
[41] 張榮語, (1998), 射出成型模具設計 : 操作實務 (初版. ed.), 臺北市, 高立圖書公司.
[42] 科盛科技股份有限公司, Moldex3D R16 Online Help.
[43] 張榮語, (1998), 射出成型模具設計 : 模具設計 (初版. ed.), 臺北市, 高立圖書公司.
[44] 林李旺, (2013), 突破品質水準 : 實驗設計與田口方法之實務應用 (初版 ed.), 新北市, 全華圖書股份有限公司.
[45] 李輝煌, (2011), 田口方法: 品質設計的原理與實務, 高立圖書有限公司.
[46] 太引資訊系統股份有限公司官網, Design of Experiment (http://www.tynesys.com/about_zh-tw.html).
[47] 謝維馨-有勁生物科技, (2018), 變異數分析ANOVA (https://yourgene.pixnet.net/blog/post/118650399)
[48] 魏應澤, (2000), 試驗設計與統計分析 (初版 ed.), 臺北市, 華泰文化事業公司.
[49] 陳順宇, and鄭碧娥, (2007), 實驗設計 (二版. ed.), 臺南市成大圖書部: 陳順宇.
[50] 蒙哥馬利, and黎正中, (2010), 實驗設計與分析 (三版 ed.), 臺北縣五股鄉, 高立圖書公司.
[51] 陳順宇, and鄭碧娥, (2004), 基礎統計學 (初版. ed.), 臺南市.
[52] 晨晰統計顧問有限公司, (2016), 迴歸分析之殘差基本假設-以SPSS為例 (https://dasanlin888.pixnet.net/blog/post/448805852).
[53] 陳正昌, 程炳林, 陳新豐, and劉子鍵, (2003), 多變量分析方法—統計軟體應用, 臺北市, 五南圖書出版.
[54] 科盛科技股份有限公司, Minitab 18 online help.
[55] 葉能哲, (1999), 統計學 (二版 ed.), 臺北縣淡水鎮, 華泰文化事業有限公司.
[56] 奇美股份有限公司, 奇美官網(http://www.chimeicorp.com/zh-tw/).
[57] C. M. Magazine, 丙烯腈-丁二烯-苯乙烯共聚物(ABS)塑料的基本性質簡介.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2023-07-27公開。
  • 同意授權瀏覽/列印電子全文服務,於2023-07-27起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信