一個零件的加工從製程順序、加工參數、路徑規劃等都深深影響著完工時間及成本，過去加工方式只憑著經驗及加工手冊，實在是不容易掌握加工品質。因此如果能事先掌握加工結果的預測模型，以及最佳化的加工參數，就能減少製程時間及成本。
本文主要發展出一套切削推論引擎系統，本系統主要應用群組技術（GT）將製造參數編碼，以加快切削推論引擎的演算時間，並且使用基因演算法(GA)在不超過交貨期的情況下，計算出各製程之最佳化加工參數、路徑規劃及時間成本。本文利用製程推論法則推論出所有合適的加工製程順序，且使用基因演算法將製程的加工參數做最佳化處理，並使用田口法來得到基因演算法所需的最佳參數組合，使本文所發展的系統更快速且精確的達到切削加工最佳化的目的。最後再以一個零件做為本系統實際應用的測試，結果顯示本系統能順利執行產品之製程規劃、最佳化加工參數及時間成本。

The sequence of manufacturing, the parameter of manufacturing, and the formulation of path for the processing in one part will deeply influence the time and cost. It was hard to control the processing quality in the past when the process was mainly depending on experiences and handbooks. However, if the divination model of the processing result and the optimization of the manufacturing parameter can be controlled previously, time and cost will be decreased efficiently.
In this study, a series of the Cutting Inference Engine system was developed. The main purposes of this system are to encode the manufacturing parameters by using group technology (GT), and to accelerate the inference time for the Cutting Inference Engine. Moreover, using genetic algorithm(GA), one can calculate the optimization for the manufacturing parameters, the path formulation, and the time and cost before the delivery. In the study, all of the proper manufacturing orders were inferred through the inference rules for manufacturing. In addition, manufacturing parameters can be optimized through GA, and the optimal arrangement needed by GA can be got through the Taguchi method. As a result, by using this system, one can get the optimization for process rapidly and exactly. Finally, to testify the actual use for this system, we take one part as an example, and the result shows that this system can conduct the processing formulation, optimization for the manufacturing parameter, and time and cost of one product successfully.

【1】宋文昌，模糊理論與群組技術應用於材料與製造推論引擎之研究，國立台灣科技大學碩士論文，民國95。
【2】John L. Burbidge，“The first step in planning group technology”，Int. J Production Economics 43 (1996) 261-266。
【3】王慶宗，應用群組技術減少生產調整時間之研究-以軟質膠布為例，國立東華大學碩士論文，民國93。
【4】李師伊，應用基因演算法於求解模糊環境下之單元製造系統問題，大葉大學碩士論文，民國90。
【5】吳杜邦，群組技術手冊，CS-1分類與編號系統，中興管理顧問公司，民國74。
【6】孫葆銓，孫學文編譯，群組技術與工程工業，徐氏基金會，民國77。
【7】J.H. Holland，“Outline for a Logical Theory of Adaptive Systems”，Journal of the ACM，Vol.9，No.3， pp.297-314 (1962)。
【8】蘇木春，張孝德，2000，機器學習：類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，台北。
【9】蔡崇煒，多重搜尋基因演算法：一個新的有效解決通訊網路及資料庫中複雜問題之方法，屏東科技大學碩士論文，民國90。
【10】郭秋泔 ，考慮旅行時間限制下之隨機旅行銷售員問題-以國際快遞業為例，國立高雄第一科技大學碩士論文，民國92。
【11】鄭蔚辰，應用遺傳演算法探討多目標水資源系統分析—以濁水溪流域為例，國立台灣大學碩士論文，民國89。
【12】賴世陽，車削加工之表面粗度與真圓度分析及最佳化研究，國立海洋大學碩士論文，民國90。
【13】陳永昌，應用類神經網路與遺傳演算法對端洗削加工參數之最佳化 ，國立高雄第一科技大學碩士論文，民國91。
【14】王治元，智慧型基因演算法於多目標排程之發展與應用-以PCB鑽孔作業為例，元智大學碩士論文，民國93。
【15】Goldberg, D. E., and Deb, K.， “A comparative analysis of selection schemes used in genetic algorithms”，Foundations of Genetic Algorithms，Morgan Kaufmann，Berlin，1991，pp.69-93。
【16】Miysuo Gen Runwei Cheng，“Genetic Algorithm ＆ Engineering Design”，New York：Wiley，c1997。
【17】Liepins G.，M. Hilliard，J.Richardson，and M. Pallmer，“Genetic Algorithm Application to Set Covering and Travel Salesman Problems”，in Brown，editor，OR/AI：The Integration of Problem Solvong Strategies，1990。
【18】Roger Fletcher，Sven Leyffer，“Nonlinear programming without a penalty function”，Math. Progran.，Ser. A 91：239-269 (2002)。
【19】Ting-Yu Chen and Chung-Jei Chen，“Improvements of Simple Genetic Algorithm in Structural Design” International Journal for Numerical Methods in Engineering，Vol.40，pp.1323-1334，1997。
【20】Hisao Ishibuchi，Tadahiko Murata，“Multi-Objective Genetic Local Search Algorithm”，Proceedings of IEEE International Conference on Evolutionary Computation，pp.119-124，1996。
【21】Murata T.，H. Ishibuchi and H. Tanaka，“Multi-objective genetic algorithm and its applications to flowshop scheduling”，International Journal of Computers and Industrial Engineering，30， 4，pp.957-968，1996。
【22】洪忠儀，結合基因演算法與局部搜尋法於結構動力系統識別，朝陽科技大學營建工程系碩士論文，2005。
【23】賈景軒，以一個新的效能佳方法解決行動通訊之動態頻到分配問題，國立屏東科技大學碩士論文，民國93。
【24】Fu Lin，Guiming He，“An Improved Genetic Algorithm For Multi-Objective Optimization”，Proceedings of the Sixth International Conference on Parallel and Distributed Computing Applications and Technologies，pp.938-940 (2005)。
【25】Franklin Y. Cheng，Fellow，ASCE，and Dan Li，“MULTIOBJECTIVE OPTIMIZATION DESIGN WITH PARETO GENETIC ALGORITHM”，J. Struct. Engrg.，Volume 123，Vol. 9，pp. 1252-1261 (September 1997)。
【26】Zichen Yang，Bo Meng，“A Multi-objective Genetic Algorithm Method For Generating Pareto Solutions in Bilateral Negotiations”Proceedings of 4th World Congress on Intelligent Control and Automation June 10-14，2002，Shanghai，P.R.China。
【27】Abdullah Konak，David W. Coit，Alice E. Smith，“Multi-objective optimization using genetic algorithms： A tutorial”，Reliability Engineering and System Safety 91 (2006) 992-1007。
【28】J.David Schaffer，“Multiple Objective Optimization with Vector Evaluated Genetic Algorithms”，Proceedings of the 1st International Conference on Genetic Algorithms，pp.93-100，1985。
【29】S. Satishkumar，P. Asokan，S. Kumanan，“Optimization of depth of cut in multi-pass turning using nontraditional optimization techniques”，Int J Adv Manuf Technol (2006) 29：230-238。
【30】Jeffrey Horn，Nicholas Nafpliotis，David E. Goldberg，“A Niched Pareto Genetic Algorithm for Multiobjective Optimization”，Proceedings of the First IEEE Conference on Evolutionary Computation，IEEE World Congress on Computational Intelligence，(1994) vol 1. pp82-87，Piscataway，New Jersey。
【31】Franklin Mendoza，Jose L.，Bernal-Agustin，“NSGA and SPEA Applied to Multiobjective Design of Power Distribution Systems”，IEEE TRANSACTIONS ON POWER SYSTEMS，VOL. 21，NO. 4 NOVEMBER 2006。
【32】Chandan Guria，Prashant K.，Bhattacharya，Santosh K. Gupta，“Multi-objective optimization of reverse osmosis desalination units using different adaptations of the non-dominated sorting genetic algorithm (NSGA)”，Computers and Chemical Engineering 29 (2005) 1997-1995。
【33】徐業良，工程最佳化設計，宏明書局，民國84。
【34】M.Arenas Parra，A. Bilbao Terol，B. Perez Gladish，M.V. Rodriguez Uria，“Solving a multiobjective possibilistic problem through compromise programming”，European Journal of Operational Research 164 (2005) 748-759。
【35】鄭燕琴，田口品質工程技術理論與實務，中華民國品質管制學會，民國82。
【36】Bor-Wen Cheng，Chun-Lang Chang，“A study on flowshop scheduling problem combining Taguchi experimental design and genetic algorithm”，Expert Systems with Applications 32 (2007) 415-421。
【37】劉偉遠，應用基因演算法於批次生產排程系統做為電力預估最佳化之研究，國立高雄第一科技大學碩士論文，民國92。
【38】呂建宏，不銹鋼切削之表面粗糙度預測及參數最佳化模式之探討，屏東科技大學碩士論文，民國90。
【39】Metcut Research Associates Inc.，“MACHINING DATA HANDBOOK”，3rd Edition，Vol.1、2，1980。
【40】黃新春，數控工具機，新科技書局，民國81。
【41】趙之眉，湯銘馨，金屬切削原理，科技圖書股份有限公司，民國78。
【42】徐明堅，最新切削加工技術，配合精密化.高速化.NC化.MC化技術實務，復漢出版社，民國81。
【43】張世於，車刀與車削，徐氏基金會，民國72。
【44】葉來發，林維新，孔加工技術，機械技術出版社，民國80。
【45】佐野清人，切削加工技術資料集，世一書局，民國74。
【46】Ramon Quiza Sardinas，Marcelino Rivas Santana，Eleno Alfonso Brindis，“Genetic algorithm-based multi-objective optimization of cutting parameters in turning processes”， Engineering Applications of Artificial Intelligence 19 (2006) 127-133。
【47】傅光華，切削工具學，高立圖書有限公司，民國74。
【48】S.V. Bhaskara Reddy，M.S.Shunmugam，T.T.Naredran，“Optimal sub-division of the depth of cut to achieve minimum production cost in multi-pass turning using a genetic algorithm”，Journal of Material Processing Technology 79 (1998) 101-108。
【49】X. WANG，Z. J. DA，A. K. BALAJI，I. S.JAWAHIR，“Performance-based optimal selection of cutting condition and cutting tools in multi-pass turning using genetic algorithm”，INT. J. PROD. RES.，2002，VOL.40，NO.9，2053-2065。
【50】A.Ihsan Sonmez，Adil Baykasoglu，Turkay Dereli，I. Huseyin Filiz，“Dynamic optimization of multi-pass milling operations via geometric programming”，Imternational Journal of Machine Tools & Manufactur 39 (1999) 297-320。
【51】J. Kaczmarek，“Principles of machining by cutting, abrasion and erosion”，Peter Peregrinus Limited，Stevenage，1976。
【52】Ramon Quiza Sardinas，Pedro Reis，J.Paulo Davim，“Multi-objective optimization of cutting parameters for drilling laminate composite materials by using genetic algorithms”，Composites Science and Technology 66 (2006) 3083-3088。