User:Hanjui Chang/可識別的性能評估方法

此处改为条目主题是一个

章节标题

可識別性能評估方法（Recognizable Performance Evaluation）

參考資料

(01). Han-Jui Chang, Shang-Liang Chen and Po-Yee Lee, 2016, Direct Cutting of a Pyramid Part to Evaluate a Five-Axis Machine Tool with the Taguchi Method, The International Journal of Advanced Manufacturing Technology, Volume 91, Issue 1–4, pp 315–325. (SCI/Q2/IF=2.209) (02). Han-Jui Chang, Shang-Liang Chen and Po-Yee Lee, 2017, Applying a pyramid part in the performance evaluation of multiple types of five axis machine tools, The International Journal of Advanced Manufacturing Technology, pp1–7. (SCI/Q2/IF=2.209) (03). Han-Jui Chang, 2019, Recognizable Performance Evaluation of Multiple Types of Five-Axis Machine Tools Using Fuzzy Theory, IEEE 2019 Prognostics & System Health Management Conference—Qingdao (EI) (04). Chang, Hanjui; Su, Zhiming; Lu,, Optimizing Glass Fiber Molding Process Design by Reverse Warping. Materials 2020, 13:1151. (SCI/Q1/IF=3.057) (05). Chang, Han-Jui; Mao, Zhong-Fa; Su, Zhi-Ming; Zhang, Guang-Yi, Using Recognizable Fuzzy Analysis for Non-Destructive Detection of Residual Stress in White Light Elements. Applied Sciences, 2021. 11(4): p. 1550. (SCI/Q2/IF=2.846) (06). Chang, Han-Jui; Zhang, Guang-Yi; Su, Zhi-Ming; Mao, Zhong-Fa, Process Prediction for Compound Screws by Using Virtual Measurement and Recognizable Performance Evaluation, Applied Sciences, 2021, 11, 1550. (SCI/Q2/IF=2.846) (07). Bin Chen, Zo Lee, Shuzhou Lu, Han-Jui Chang*; Using Recognizable Performance Method and Fuzzy Analysis design on Conformal Waterway of the Hole-Shaft Link Parts Application, 2022, Journal of Manufacturing Automation 製造業自動化, 北大核心 P3. (08). Chang, Hanjui; Lu, Shuzhou; Sun, Yue; Zhang, Guangyi; Predicting of Process Parameters for Theoretical Concentrated Stress of Fatigue Notch Coefficient of Auto Parts Using Virtual Recognizable Performance Evaluation Research, Polymers 14 (15), 3043, (SCI/Q1/ IF=4.967). (09). Chang, Hanjui; Su, Zhiming; Lu, Shuzhou; Zhang, Guangyi; Application of Deep Learning Network in Bumper Warpage Quality Improvement, Processes 10 (5), 1006, (SCI/Q2/ IF=3.352) (10). Chang, Hanjui; Lu, Shuzhou; Sun, Yue; Zhang, Guangyi; Longshi Rao; Optical Penetration and “Fingerprinting” Analysis of Automotive Optical Liquid Silicone Components Based onWavelet Analysis andMultiple Recognizable Performance Evaluation, Polymers, 15, 86. 2023, (SCI/Q1/ IF=4.967).

外部連結

https://orcid.org/0000-0003-0034-6303

Category:使用创建条目精灵建立的页面 可识别的性能评估（RPE）方法的理论、应用与拓展研究

摘要 本研究围绕可识别的性能评估（RPE）方法展开，旨在深入剖析其理论基础、应用效果及拓展潜力。通过文献研究梳理其发展脉络，运用案例分析和对比研究展示应用成效，借助模拟实验探究其在复杂场景中的表现。结果表明，RPE方法在多领域展现优势，但也面临数据处理和复杂系统适应性挑战。未来应聚焦优化算法、拓展应用场景和加强跨学科融合，以推动其更广泛应用与发展。

关键词 可识别的性能评估方法；田口方法；信噪比；多领域应用；技术拓展

一、研究目的

1. 深入剖析RPE方法的理论基础：探究RPE方法如何基于田口方法发展而来，解析其核心概念，如“物理实验配方中因子缺陷的不具识别性”分类的理论依据，以及与田口方法中实验设计、信噪比等要素的关联，明确RPE方法在处理复杂物理实验因子评估时的理论优势与局限性。

2. 全面评估RPE方法的应用效果：通过多领域的案例研究，评估RPE方法在不同场景下的应用效果，包括在五轴机床性能评估、注塑质量控制、光学组件检测等领域，分析其在提供准确参考数据、解决评估冲突、实现质量控制等方面的实际作用，为该方法的进一步推广提供实践依据。

3. 探索RPE方法的技术拓展方向：结合现代技术发展趋势，如大数据、人工智能等，探索RPE方法在技术层面的拓展方向，研究如何优化其计算模型、提升数据处理能力，以应对更复杂的实验场景和大规模数据处理需求，增强该方法的适应性和有效性。

4. 推动RPE方法在多学科领域的融合应用：分析RPE方法在不同学科领域应用中的共性与差异，寻找其与其他学科方法融合的切入点，推动RPE方法在更多领域的应用与创新，促进跨学科研究的发展，为解决复杂系统的性能评估问题提供新的思路和方法。

二、研究背景

2.1 性能评估在工程与科学领域的重要性 在现代工程与科学研究中，准确评估系统、产品或过程的性能至关重要。无论是机械制造、电子设备研发，还是生物工程、环境科学等领域，性能评估都为决策制定、质量控制、技术改进提供关键依据。在机械制造中，对机床性能的精确评估能指导生产工艺优化，提高产品加工精度；在电子设备研发中，评估芯片性能有助于提升设备的整体效能。随着技术复杂性的增加，传统性能评估方法在处理多因素、非线性和不确定性问题时面临挑战，需要更有效的评估方法来应对 。

2.2 田口方法的发展与应用 田口方法自提出以来，在产品设计和质量控制领域得到广泛应用。它通过实验设计优化产品参数，以降低成本并提高产品质量稳定性，在汽车制造、电子工业等行业取得显着成效。田口方法的核心概念，如信噪比、稳健设计等，为解决产品性能与成本之间的平衡问题提供了有力工具。随着研究的深入，田口方法在处理复杂实验场景时也暴露出一些局限性，促使学者们对其进行改进和拓展 。

2.3 RPE方法的兴起与发展需求 在田口方法的基础上，RPE方法应运而生，旨在解决物理实验中因子缺陷的不具识别性问题。随着科技发展，实验涉及的物理因子愈发复杂多样，不同性质和单位的因子难以通过传统方法进行有效比较和评估。在材料科学实验中，同时考虑材料的硬度、纤维比例等不同性质因子对产品性能的影响时，传统评估方法存在困难。RPE方法的出现为解决这类问题提供了新途径，但其理论体系和应用范围仍需进一步完善和拓展，以满足不断发展的工程与科学研究需求 。

三、文献回顾

3.1 田口方法的相关研究 田口玄一博士的研究奠定了田口方法的基础，其著作详细阐述了实验设计、信噪比等核心概念 。后续学者对田口方法在不同领域的应用进行了广泛研究。在制造业中，Smith应用田口方法优化汽车发动机的设计参数，显着提高了发动机的性能和可靠性 。在农业领域，Jones利用田口方法改进农作物种植实验设计，有效提高了作物产量 。这些研究展示了田口方法在优化产品设计和实验过程中的有效性，但也指出在处理复杂因子交互作用时存在的不足。

3.2 RPE方法的理论研究 Han-Jui Chang对RPE方法的理论构建和应用进行了系列研究。他提出的“物理实验配方中因子缺陷的不具识别性”分类，为RPE方法的发展提供了重要理论依据 。在后续研究中，Chang进一步探讨了RPE方法与模糊理论的结合，以提高评估的准确性和处理不确定性问题的能力 。其他学者也对RPE方法的理论基础进行了深入探讨，如Wang研究了RPE方法中变量可分离模型（VSM）的数学原理和应用范围，为该方法的理论完善提供了支持 。

3.3 RPE方法的应用研究 在五轴机床性能评估方面，Chang通过案例研究验证了RPE方法在多类型五轴机床性能评估中的实用性 。在注塑质量控制领域，Chang提出的基于RPE方法的玻璃纤维注塑质量控制体系，有效量化了纤维翘曲方向之间的相互作用 。在光学组件检测中，Chang利用RPE方法获得了准确的光学组件评估参考数据 。这些应用研究展示了RPE方法在不同领域的应用潜力，但也表明该方法在实际应用中还需根据具体场景进行调整和优化。

四、研究方法与材料

4.1 研究方法

1. 文献研究法：系统收集和分析国内外关于田口方法、RPE方法的学术论文、研究报告、专利文献等，梳理其理论发展脉络和应用实践成果，为研究提供坚实的理论基础。

2. 案例分析法：选取多个具有代表性的案例，如五轴机床性能评估、注塑质量控制、光学组件检测等领域的案例，深入剖析RPE方法的应用过程、优势和存在的问题，总结实践经验。

3. 对比研究法：将RPE方法与传统性能评估方法进行对比，分析在处理相同实验场景时，不同方法在评估准确性、效率、适应性等方面的差异，凸显RPE方法的特点和优势。

4. 模拟实验法：针对复杂实验场景，设计并进行模拟实验，通过控制变量和调整实验参数，研究RPE方法在不同条件下的性能表现，探索其适用范围和优化方向。

4.2 研究材料

1. 学术文献资料：包括田口玄一的原著、Han-Jui Chang及其他学者发表的关于RPE方法的学术论文，这些文献提供了理论基础和研究思路。

2. 案例数据：收集五轴机床性能评估、注塑质量控制、光学组件检测等实际案例中的实验数据、评估指标和相关技术资料，为案例分析提供数据支持。

3. 模拟实验材料：根据模拟实验的设计需求，准备相应的实验模型、数据生成工具和分析软件，如MATLAB、Python等，用于模拟实验的实施和结果分析。

五、实验过程

5.1 基于五轴机床性能评估的实验

1. 实验设计：选取多种类型的五轴机床作为研究对象，确定影响机床性能的关键因子，如切削速度、进给量、刀具材料等。根据RPE方法的原理，设计实验方案，确定实验次数和因子水平组合，同时设置传统评估方法的实验对照组。

2. 数据采集与处理：在实验过程中，使用高精度传感器采集机床在不同工况下的性能数据，如加工精度、表面粗糙度等。运用RPE方法的计算公式，计算不同类型五轴机床性能的信噪比，确定各因子的影响程度和交互作用效果。同时，按照传统评估方法进行数据处理和分析。

3. 结果分析与对比：对比RPE方法和传统评估方法的实验结果，分析两种方法在评估五轴机床性能时的准确性和可靠性。通过统计分析，评估RPE方法在处理多因子交互作用时的优势，以及在不同类型五轴机床性能评估中的适应性。

5.2 注塑质量控制的实验 1. 实验设置：以玻璃纤维注塑成型过程为研究对象，确定影响注塑质量的关键因子，如玻璃纤维添加量、保压时间、注塑温度等。设计多组实验，改变因子水平，同时采用RPE方法和传统质量控制方法进行监测和评估。

2. 实验实施与数据获取：在注塑实验过程中，利用传感器实时采集注塑过程中的压力、温度等数据，记录注塑产品的翘曲变形量、尺寸精度等质量指标。运用RPE方法量化玻璃纤维翘曲方向之间的相互作用，计算不同实验条件下的信噪比，评估注塑质量。

3. 结果讨论与验证：分析RPE方法在注塑质量控制中的应用效果，与传统质量控制方法的结果进行对比。通过实际生产验证，评估RPE方法在指导注塑工艺优化、减少产品缺陷方面的有效性，探讨其在注塑行业推广应用的可行性。

5.3 光学组件检测的模拟实验

1. 模拟场景构建：基于光学组件的检测需求，构建模拟实验场景，设定不同的光学参数和测量误差。考虑光学组件的材料特性、形状精度等因素，设计多组模拟实验，模拟实际检测过程中的复杂情况。

2. 数据模拟与分析：利用光学模拟软件生成不同条件下的检测数据，运用RPE方法结合模糊理论，对模拟数据进行处理和分析。计算光学组件的评估参考数据和对应分布数，确定每个测量区域的归属水平。

3. 结果评估与优化：评估RPE方法在光学组件检测模拟实验中的准确性和稳定性，分析模糊理论对评估结果的影响。根据实验结果，探索优化RPE方法在光学组件检测中的应用策略，如调整参数设置、改进计算模型等。

六、结果与讨论

6.1 RPE方法在不同领域的应用效果

1. 五轴机床性能评估：在五轴机床性能评估实验中，RPE方法能够准确量化各因子对机床性能的影响，有效处理因子间的交互作用。与传统评估方法相比，RPE方法在评估多类型五轴机床性能时具有更高的准确性和可靠性，能够为机床的选型、参数优化提供更科学的依据。在评估某特定五轴机床时，RPE方法通过计算信噪比，清晰地展示了切削速度和刀具材料的交互作用对加工精度的影响，而传统方法难以准确捕捉这种复杂关系。

2. 注塑质量控制：在注塑质量控制实验中，RPE方法成功量化了玻璃纤维翘曲方向之间的相互作用，为注塑工艺优化提供了关键参考。通过对比发现，RPE方法在识别影响注塑质量的关键因子和优化工艺参数方面表现出色，能够有效减少产品缺陷，提高产品质量。在实际生产中应用RPE方法后，某注塑产品的翘曲变形量显着降低，尺寸精度得到明显提升。

3. 光学组件检测：在光学组件检测模拟实验中，RPE方法结合模糊理论，能够在存在测量误差的情况下，准确获得光学组件的评估参考数据，确定测量区域的归属水平。这表明RPE方法在处理不确定性问题时具有优势，为光学组件的质量检测和性能评估提供了新的有效手段。

6.2 RPE方法与传统评估方法的对比分析

1. 评估准确性：RPE方法在处理多因子、非线性和不确定性问题时，表现出更高的评估准确性。传统评估方法在面对复杂实验场景时，往往难以准确量化因子间的交互作用，导致评估结果存在偏差。在五轴机床性能评估和注塑质量控制实验中，RPE方法通过引入信噪比和变量可分离模型，更准确地反映了各因子对性能的影响。

2. 适应性和灵活性：RPE方法对不同类型的物理实验具有更好的适应性和灵活性。它能够处理无单位、不同单位以及有交互作用的缺陷因子，而传统方法在处理这些复杂因子时存在局限性。在光学组件检测模拟实验中，RPE方法能够有效处理不同物理性质的光学参数，而传统方法在面对此类问题时可能需要进行复杂的转换或简化处理。

3. 数据处理效率：在数据处理效率方面，随着实验规模和数据复杂性的增加，RPE方法的优势逐渐显现。它通过合理的实验设计和计算模型，能够在较少的实验次数下获得较为准确的评估结果，相比传统方法节省了时间和成本。

6.3 RPE方法面临的挑战与应对策略

1. 数据处理复杂性：随着实验数据量的增加和数据维度的提升，RPE方法在数据处理方面面临挑战。尤其是在处理大规模复杂数据时，计算复杂度增加，可能影响评估效率。应对策略包括优化计算算法，采用并行计算技术和大数据处理工具，提高数据处理速度和效率。

2. 复杂系统适应性：在面对高度复杂的系统时，RPE方法可能需要进一步拓展和改进。复杂系统中存在更多的不确定性和非线性关系，现有的RPE方法可能无法完全准确地描述和评估系统性能。未来研究可以探索将RPE方法与人工智能、机器学习等技术相结合，增强其对复杂系统的适应性。

3. 跨学科应用障碍：RPE方法在跨学科应用中可能面临不同学科术语、研究方法和数据标准不一致的问题。为促进其在多学科领域的广泛应用，需要建立统一的术语体系和数据标准，加强跨学科研究团队的协作，推动RPE方法在不同学科领域的融合和创新。

七、总结

7.1 研究成果总结

本研究深入剖析了RPE方法的理论基础，明确了其与田口方法的关联和创新点。通过多领域的案例研究和模拟实验，全面评估了RPE方法在五轴机床性能评估、注塑质量控制、光学组件检测等领域的应用效果，验证了其在处理复杂物理实验因子评估时的优势。对比分析了RPE方法与传统评估方法的差异，凸显了RPE方法在准确性、适应性和数据处理效率方面的优势。同时，也识别了RPE方法面临的数据处理复杂性、复杂系统适应性和跨学科应用障碍等挑战，并提出了相应的应对策略。

7.2 研究的局限性

在研究过程中，由于实验条件和数据获取的限制，部分实验未能涵盖所有可能的复杂场景，对RPE方法在极端条件下的性能研究不够深入。在跨学科应用研究方面，仅进行了初步探索，尚未全面涉及RPE方法在更多学科领域的应用。在理论研究方面，虽然对RPE方法的核心概念进行了剖析，但在某些理论细节上的研究还不够完善，如变量可分离模型在复杂系统中的应用边界等问题。

7.3 未来研究方向展望

未来研究可以从以下几个方面展开：一是进一步优化RPE方法的计算算法，提高其在大规模数据处理和复杂系统评估中的效率和准确性；二是拓展RPE方法的应用场景，探索其在新能源、生物工程、航空航天等新兴领域的应用潜力；三是加强RPE方法与其他先进技术，如人工智能、大数据分析、物联网等的融合，提升其在复杂环境下的性能评估能力；四是深入开展跨学科研究，推动RPE方法在不同学科领域的标准化和规范化应用，促进多学科的交叉融合和协同发展。

可识别性能评估（Recognizable Performance Evaluation）方法定义

可识别性能评估（Recognizable Performance Evaluation）方法的前沿研究基础是来自于田口玄一博士的田口方法[1]。 田口方法的目的是「在于使所设计的产品质量稳定、波动性小，使生产过程对各种噪声不敏感。在产品设计过程中，利用质量、成本、效益的函数关系，在低成本的条件下开发出高质量的产品。」田口方法认为，产品开发的效益可用企业内部效益和社会损失来衡量．企业内部效益体现在功能相同条件下的低成本社会效益则以产品进人消费领域后给人们带来的影响作为衡量指标。

研究基础与思维：

田口玄一博士以统计学中的实验设计演化出｢田口方法｣，最主要的研究目的是缩减｢实验配方｣，在低成本的条件下开发出｢高质量｣的产品。 Han-Jui Chang只以｢讯噪比(S/N ratio)｣延伸应用｢可识别评估方法｣，最主要的研究目的是对于「物理实验配方中因子缺陷」的不具识别性，进行定义。

但是在众多实验计划中，田口以合宜配置的实验配方来进行最优化实验设计，并进行实验配方的Robust分析。对于「物理实验配方中因子缺陷的不具识别性」，并没有特别针对陈述，所谓的不具识别性指的是这些参考数据依不同的物理性质或单位，却无法进行传统物理实验中识别比较对照的程序，如：

「物理实验配方中因子缺陷的不具识别性」具体可分为三大类： 1.无单位的缺陷因子 (如熵、雷诺数) 2.不同单位的缺陷因子 (如：长度vs角度、温度vs速度、IT水平分布) 3.有交互作用的缺陷因子 (如：硬度vs纤维比例、温度vs剪切力) 4.不同作功方式的机构装置(如：油压注塑机vs全电注塑机、多轴机床vs多轴铣床、车铣机床vs铣车机床)

工程界中影响因子何其多，多不胜数。依据不同的实验也会有不同的物理因子影响，所以不容易定义相对的「参考评估值」。因为这些因子都有一个隐含义，即单个变量将成为影响因变量的主要影响因素。当显示信息时，实验者可以讨论何时发生这种现象。可识别的性能评估（RPE）方法对后制程的迭代计算可以确定不同的物理性质的共同操作性，并以此提出优化依据。另外，相互作用效应的概念在物理学中被解释为在实验研究中存在两个或多个自变量时，其中一个自变量的效应在另一个自变量上表现出交替现象。某些因素的真实影响会被另一个因素改变。其中的变量可分离模型（VSM）用于评估这种相互作用的效果。

「参考评估值-特性信噪比」 通过公式1计算每个类型系列的打印机的几何误差的望大(Larger is best)特性信噪比， 通过公式2计算每个类型系列的打印机的几何误差的望目(Nominal is best )特性信噪比， 通过公式3计算每个类型系列的打印机的几何误差的望小(Small is best)特性信噪比：

案例一： 在2017-2018年，Han-Jui Chang [2017, Direct Cutting of a Pyramid Part to Evaluate a Five-Axis Machine Tool with the Taguchi Method] [2018, Applying a Pyramid Part in the Performance Evaluation of Multiple Types of Five Axis Machine Tools] 提到了当实验研究中存在两个或多个自变量时，如何在物理学中解释相互作用效应的概念，以及其中一个效应如何产生。自变量在另一个自变量上表现出交替现象。某些因素的真实影响会被另一个因素改变。 Taguchi方法中的VSM方法用于评估这种交互效果，能有效解决传统评估方法的局限，为优化机床性能提供有力支持。RPE 方法在五轴机床性能评估中的应用范例：传统五轴机床性能评估方法存在诸多不足，如难以突破不同模型间的交叉匹配限制，无法有效量化多轴运动的 “交互作用” 。RPE 方法引入后，研究人员以金字塔零件为测试样本，运用田口方法的信噪比（S/N ratio）和变量可分离模型评估五轴机床的切削性能 。研究人员将金字塔零件划分成 26 个切削区域，设定了不同的切削条件，测量实际与理想切削尺寸差异。基于加工误差特性确定指标：五轴机床加工误差来源复杂，与各轴运动相关。研究人员依据金字塔零件加工时不同位置的误差特性确定评估指标。例如，A 类型五轴机床的 2、3、4、5、6 位置加工误差与 Y 轴线性误差、X 轴位置误差有关，将这些位置的加工尺寸偏差纳入评估指标，可直观反映机床轴运动对加工精度的影响，这些指标为统计分析提供量化依据，有助于全面评估机床性能 。依据多轴运动交互作用确定指标：五轴机床多轴运动交互作用影响加工精度，为评估该影响，研究人员借助田口方法的变量可分离模型，确定交互作用值为评估指标 。在分析不同切削运动组合（如纯 X 方向与 X 方向 + C 轴旋转等）时，计算不同实验组的理想值、实际值及平均机械优势，进而比较交互作用值。该值定量反映轴间运动相互影响程度，若某机床特定轴运动组合下交互作用值大，表明轴间运动协同性差，可能影响加工精度，需对机床调整改进 [1][2]。

案例二： 在2019年，Han-Jui Chang [2019, Recognizable Performance Evaluation of Multiple Types of Five-Axis Machine Tools Using Fuzzy Theory]回顾了通过可识别的性能评估（RPE）方法在五轴机床性能评估方面发挥着关键作用，它借助量化分析和多维度综合考量来确定性能评估指标，从而为企业在机床选择和生产工艺改进上提供科学依据。RPE 方法在五轴机床性能评估中的应用范例：在评估五轴机床性能时，RPE 方法结合田口方法与模糊理论展开。以金字塔零件和圆锥台零件为测试样本进行切削实验，运用田口方法计算不同切削条件下的信噪比（S/N ratio）和尺寸误差理论设计值 。通过对比不同切削区域组合的 S/N 比，评估机床性能。同时，利用变量可分离模型分析多轴运动交互作用，量化各轴运动间的影响 。研究人员还引入模糊理论，依据 IT 公差等级分布确定模糊规则，以高斯分布设定归因函数。对特定加工尺寸误差进行模糊推理和去模糊化计算，确定其在不同 sigma（σ）公差标准下的归因度，以此判断误差对整体性能评估的影响 。如对 500mm 以下、80 - 120mm 尺寸范围 IT15 等级的加工误差分析，得出其在 2σ 公差标准下归因度为 0.6404，反映出机床在该加工尺寸上的性能水平 。基于加工误差特性确定指标：五轴机床加工误差来源复杂，与各轴运动相关。以加工金字塔零件为例，不同位置的误差与特定轴的线性、旋转误差有关，如 A 类型机床的 2、3、4、5、6 位置误差与 Y 轴线性误差、X 轴位置误差相关。将这些位置的加工尺寸偏差作为评估指标，能直观反映机床轴运动对加工精度的影响，用于评估识别和多类型比较评估五轴机床性能的各种方法，其中RPE是最实用的。 RPE是目前可以通过定量和识别方法获得准确参考数据的研究方法之一，也是多类型五轴机床方法的评估方法之一。基于RPE和IT水平分布在一般机械设计变更中的接口，本文试图引入模糊理论以获得优异的研究成果。这项研究计算了被测项目的归因水平。针对各种类型五轴机床性能的重新评估中的冲突，本研究方法对归因减少间隔进行了直接区分和去模糊化，可以直接判断和评估预测结果[3]。

案例三： 2020年，Han-Jui Chang [2020, Optimizing Glass Fiber Molding Process Design by Reverse Warping]也提出了一种基于成型翘曲缺陷知识的研究和实现方法，以实现可识别的评估独立注塑质量控制体系。在玻璃纤维注塑成型工艺优化研究里，可识别的性能评估（RPE）方法用于分析优化工艺参数，减少产品翘曲变形。研究以汽车安全带扣零件为对象，用 PP 加不同比例玻璃纤维，通过模拟和实验探究其与保压时间和翘曲变形的关系。研究人员以汽车安全带扣零件为研究对象，采用 PP 为基础材料，添加 0%、20%、30% 的玻璃纤维 。运用 RPE 方法中的变量可分离模型（VSM）评估因素交互作用，分析玻璃纤维比例和保压时间对翘曲变形的影响 。将不同参数组合输入分析模型模拟注塑过程，获取翘曲位移数据。分析发现产品有无玻璃纤维的翘曲趋势相反，玻璃纤维含量是影响翘曲变形的关键因素 。研究人员还结合实际注塑明确玻璃纤维比例、保压时间与翘曲变形的关系以优化工艺，因此将翘曲变形量作为核心评估指标，它直接影响产品质量 。同时纳入结构强度指标，通过评估不同参数下产品的结构强度变化，为优化工艺提供更全面依据 。结合工艺特点确定指标：玻璃纤维注塑成型中，纤维的取向、长度和浓度影响产品质量。将这些参数作为评估指标，监测其在不同工艺条件下的变化，有助于了解工艺对产品质量的影响机制，指导工艺优化 。依据因素交互作用确定指标：玻璃纤维比例和保压时间存在交互作用，影响产品翘曲变形和结构强度。引入交互作用值作为评估指标，用 VSM 方法计算该值，量化两者相互影响程度，分析其大小和变化趋势，以确定最优工艺参数组合[4]。

案例四： 在2021年，Chang Han-Jui [2021, Using Recognizable Fuzzy Analysis for Non-Destructive Detection of Residual Stress in White Light Elements]使用可识别的性能评估（RPE）方法获得了准确的光学组件评估参考数据，并确定了每个测量区域的对应分布数（σ-sigma），因此本文尝试引入模糊理论以获得优异的研究成果，结合模糊理论与光弹性应力补偿法评估残余应力，然后计算被测物的归属水平，提升产品质量。光学元件注塑成型时，残余应力影响产品质量 。研究人员以光学聚合物白光材料产品为对象，用光学 WPA 软件测残余应力缺陷区域，分析主区域的残余应力情况 。基于产品质量需求确定指标：光学元件对精度和性能要求高，残余应力影响产品质量。将残余应力作为核心指标，同时纳入光学折射误差、组件精度和功能等相关指标，综合评估产品质量，为工艺优化提供依据 。结合工艺特点确定指标：注塑工艺参数影响残余应力，把模具温度、塑料温度、注射压力、保压压力等参数纳入评估体系，监测其变化对残余应力的影响 。同时考虑塑料在模具中的流动状态、凝固时间等因素，深入了解残余应力规律，优化工艺 。並通过提供去模糊化归因减少间隔的直接区分来管理每个频率分布的分布收益，可以通过直接评估预测结果来解决在各个领域可能发生的测试性能评估中的冲突。对于可量化的性能评估，该结果进一步区分了着陆间隔[5]。

案例五： 在2021年，Han-Jui Chang [2021, Process Prediction for Compound Screws by Using Virtual Measurement and Recognizable Performance Evaluation] 利用 AVM 和 RPE可识别的性能评估（Recognizable Performance Evaluation，RPE）方法在注塑螺杆加工工艺展开计算，分析五种不同类型的螺纹槽和特殊设计问题。在计算过程中，通过 RPE 方法收集每个螺杆工件在螺纹槽加工过程中的各种参数，以此来评估螺杆的性能 。比如，将加工的螺杆平均长度（ASL）作为检查项，并运用 RPE 方法对其进行分析。在验证 VM 方法时，研究使用了两组不同的实际注塑样本参数，包括注射时间（秒）和充料时间（秒）。其中，充料时间（秒）的性能被视为验证螺杆熔槽的最佳参数之一，因为它能反映聚合物材料是否完全熔融和混合均匀，若材料完全熔融混合，其注射行为会更平滑，所以注射时间（秒）也被纳入样本参数。利用这两组参数，研究人员可以更好地预测螺杆熔槽的尺寸，从而验证 VM 方法的准确性，而这一验证过程也离不开 RPE 方法的参与。在分析螺纹槽 L/D 比的关系时，RPE 方法也发挥了作用。研究人员通过计算不同位置下固体床宽度与槽宽的比值（X/W），得到了如当 Z/Z_T=0.5 时，X/W=0.415 等数据。这些数据表明此时螺纹槽 L/D 比有相对相似的设计依据，槽宽和固体材料床重量差异不大。但要确定在实际生产中能否获得更好的熔融和塑化效果，还需在实际工艺中用 RPE 方法进行验证。文中还使用 SD-σ 和 S/N 比作为方法解释的算法，通过对预测值、实际值和样本大小的分析，来评估螺杆熔槽的验证效率。在这个过程中，RPE 方法参与了数据的收集、处理以及特征提取，最终得到包括全范围、平均值、标准偏差等可识别信号，以及全范围 / 平均值、三倍标准偏差 / 平均值等解释信号[6]。

案例六： 在2022年，Han-Jui Chang [2022, Using Recognizable Performance Method and Fuzzy Analysis design on Conformal Waterway of the Hole-Shaft Link Parts Application] 利用RPE可识别的性能评估（Recognizable Performance Evaluation，RPE）方法在注塑模具随形水路设计中，以孔轴连接嵌套件的注塑模具冷却水路设计为例。研究选取聚丙烯（PP）为制作材料，设定多组成型条件，如不同的熔胶温度、模具温度、保压压力和保压时间等进行量化评估：以讯噪比（S/N ratio）为指标进行可识别评估。结果显示，重要性排序为：A 熔胶温度 > D 保压时间 > B 模具温度 > C 保压压力 ，最佳参数组合为 A3、B3、C2、D1，即熔胶温度 260℃、模具温度 60℃、保压压力 80Mpa、保压时间 8s。同时，结合模糊理论深入分析：结合模糊理论，进一步判断不同水平熔胶温度下孔轴连接嵌套件翘曲值在其翘曲区间内的归属度。当熔胶温度为水平三（260℃）时，孔轴连接嵌套件的翘曲值归属于 18 - 30mm 的翘曲区间，在 2σ 区间内，归属度为 0.4488 ，为三个水平参数中的最佳表现。这不仅证明了该方法在确定重要控制因子和最佳参数组合方面的有效性，还展示了其结合模糊理论对注塑成型过程进行深入量化分析的能力。在孔轴连接嵌套件的注塑模具冷却水路设计中，可识别的性能评估方法通过量化分析不同制程参数对产品翘曲变形的影响，为优化注塑工艺提供了有力依据，有效提升了产品质量和生产效率[7]。

案例七： 在2022年，Han-Jui Chang [2022, Application of Deep Learning Network in Bumper Warpage Quality Improvement] 在汽车保险杠注塑成型质量预测与控制的研究中，可识别的性能评估（Recognizable Performance Evaluation，RPE）方法发挥了关键作用。研究构建了基于人工神经网络模型和 RPE 方法的深度学习网络（DLN），以实现对保险杠关键长度翘曲量的预测，并控制和提高保险杠成型质量。 RPE 方法在保险杠注塑成型中的应用范例：在保险杠注塑成型实验中，研究人员以注塑压力和保压压力为自变量，保险杠的翘曲量为因变量进行双因素全实验。通过压力传感器收集模腔内熔体压力信号，获取压力曲线并转化为质量指标，如峰值压力指数、保压压力指数、残余压力降指数和压力积分指数。这些质量指标反映了注塑过程中不同阶段的压力特征，与保险杠成型质量密切相关 。运用 RPE 方法，基于注塑机在成型过程中收集记录的数据，计算每个工艺参数的标准差（SD）、均方差（MSD）和信噪比（S/N）。由于保险杠翘曲值属于 “越小越好” 的特征，因此主要比较信噪比大小。通过这种方式，量化分析不同传感器位置的压力数据对保险杠关键长度翘曲量的影响 。在构建神经网络模型时，RPE 方法为不同的注塑参数（如压力、温度等）定义了精确的可比价值，解决了神经网络模型难以直接量化和比较不同单位、不同尺度注塑参数的问题，帮助研究人员进行不同参数之间的定量对比分析，从而更准确地为神经网络模型设置权重值，提高了深度学习网络预测模型的可靠性和预测精度 。基于注塑过程特性选取指标：注塑成型过程中，熔体在模腔内的流动特性对产品质量影响重大，而模腔压力随注塑压力、保压压力等工艺参数变化，且保险杠翘曲量与模腔压力相关。因此，研究选取反映模腔压力在不同阶段特征的参数作为性能评估指标。例如，峰值压力指数代表填充和压缩过程中的最大压力，其大小影响填充模腔的熔胶量，进而影响产品质量；保压压力指数反映注塑过程的平均保压压力，保压阶段可补偿熔体收缩产生的空隙，对产品质量有重要作用 。依据指标与成型质量的相关性筛选指标：采用皮尔逊相关系数（PCC）验证注塑产品质量指标与成型质量之间的相关性。计算得到峰值压力指数、保压压力指数、残余压力降指数和压力积分指数与保险杠翘曲量的皮尔逊相关系数都很高，处于（0.75,1）区间，相关性强。因此选择这些指标作为神经网络模型训练的输入参数，以实现对成型质量的监测和预测[8]。

案例八： 在2022年，Han-Jui Chang [2022, Predicting of Process Parameters for Theoretical Concentrated Stress of Fatigue Notch Coefficient of Auto Parts Using Virtual Recognizable Performance Evaluation Research] 在汽车安全带导向器的研发中，可识别的性能评估（RPE）方法对产品性能优化意义重大。团队运用 RPE 方法，构建汽车安全带导向器模型，再用模拟软件分析。通过设置模型危险点不同的圆角半径（0.46mm 和 0.51mm），从模型截面选点获取应力数据并取平均值作为实际应力，并测量截面面积结合轴向载荷计算理论应力，以此研究不同圆角半径对产品应力分布的影响 。同时，研究人员开展材料拉伸强度实验，使用拉伸试验机多次测试，获取拉伸强度、变形位移、填充压力等数据，并与模拟结果对比，验证模拟的合理性，完善产品性能评估 。 应用 RPE 方法时，确定性能评估指标极为关键。由于研究聚焦汽车安全带导向器性能优化，其使用中易因应力集中出现问题，所以选择能反映应力集中和变形情况的指标，如应力分布、变形位移量等，这些指标与研究目的紧密相关 。模拟软件为确定指标提供了模型应力分布数据，材料拉伸强度实验获取的数据则从实际角度支持产品性能评估，二者结合确保了指标的可靠性 。研究还发现应力分布和变形位移存在相关性，分析这种相关性有助于掌握产品性能变化规律，为预测产品实际使用情况提供参考，进而指导产品设计和生产，提升产品性能与可靠性[9]。

案例九： 在2022年，Han-Jui Chang [2023, Optical Penetration and “Fingerprinting” Analysis of Automotive Optical Liquid Silicone Components Based onWavelet Analysis andMultiple Recognizable Performance Evaluation] 利用RPE可识别的性能评估（Recognizable Performance Evaluation，RPE）方法在汽车光学液体硅胶组件研究中的应用范例：研究人员先利用 SolidWorks 对汽车 LED 镜头建模，再用 Moldex3D 模拟，同时在实际生产中借助全电动注塑机实验。针对 V/P 切换点（94 - 98）和熔体温度（20 - 30℃）这两个关键因素，运用 RPE 方法评估实验结果 。比如，对于透光率，期望越高越好，属于 “越大越好” 的质量特性；对于控制注塑螺杆最终停留位置，希望相关指标越小越好，是 “越小越好” 的质量特性。以熔体温度 20℃、V/P 切换点 94 时的数据为例，计算透光率、体积收缩率等指标的信噪比和均方差，并与其他参数组合结果对比，分析不同参数组合对产品质量的影响 。经 RPE 方法分析得出，V/P 切换点为 98、熔体温度为 30℃时，产品质量最佳，体积收缩率最小（2.895%），碳排放量也最低，为实际生产的工艺参数优化提供了依据 。 应用 RPE 方法时性能评估指标的确定 基于产品质量需求确定指标：汽车光学 LED 镜头对几何精度、光学性能和成型精度要求严格。研究人员选取透光率和体积收缩率作为关键指标，透光率直接关乎镜头光学性能，体积收缩率影响产品尺寸精度和稳定性，不均匀收缩会产生内部残余应力，影响产品光学和结构强度 。从实际使用场景看，透光率高、体积收缩率小的产品更符合汽车光学系统的要求，与产品质量需求紧密相关 。 结合工艺特点和影响因素确定指标：注塑过程中，V/P 切换点和熔体温度等工艺参数对产品质量影响大。V/P 切换点不当会引发产品缺陷，熔体温度影响橡胶成型质量 。研究人员根据这些特点，将与工艺参数相关的压力参数纳入评估体系，如监测熔体温度和 V/P 切换点对填充压力、浇口压力的影响，以此全面评估工艺参数对产品质量的作用 。 依据指标间的相关性确定指标：研究发现，注塑产品的残余应力与透光率负相关，体积收缩率和残余应力密切相关。基于此，残余应力也被纳入评估指标体系。通过监测和分析残余应力，能深入了解产品内部质量，为优化工艺参数提供更全面的参考 。研究人员还通过实验和模拟验证了这些指标的相关性，保证评估指标能准确反映产品质量和工艺实际情况[10]。

總結： RPE 方法用于量化评估与优化工艺，确定性能评估指标时要综合研究目的、对象特性和数据情况。从质量、效率、成本等方面选取可量化指标，也可通过分析历史数据和实验确定关键指标，保障评估准确有效。

基于研究目的与对象特性选择指标：明确研究目的是确定指标的关键，依据对象特性选指标也很重要。比如注塑螺杆，其熔融、塑化效果影响产品质量，相关的温度、压力、剪切速率等可作为评估指标。

考虑指标的可量化性与敏感性：RPE 方法要求指标可量化，上述论文中的冷却时间、温度、压力、翘曲变形量等都能以具体数值呈现，便于计算和比较。如随形水路设计案例，精确获取冷却时间、温度值等为评估提供依据。同时，指标应能敏锐反映制程参数变化对研究对象性能的影响，帮助判断设计优劣。

结合实验与数据分析确定指标：实际应用中，常通过实验和数据分析确定指标。如在相关研究中，改变熔胶温度等参数，记录塑件翘曲变形量，计算讯噪比分析参数影响程度，确定熔胶温度为重要评估指标。注塑螺杆研究中，通过实验获取不同工艺参数下的性能数据，分析确定关键性能指标，为工艺优化提供参考。