已經跟呼吸一樣重要的網路和手機論文書籍站
中華科技大學 機電光工程研究所碩士班 吳正鵬所指導 林恆宇的 最佳刀具路徑行程下多軸加工機分析之研究 （2021），提出Overcut F1關鍵因素是什麼，來自於五軸加工、漸變型渦輪葉片、刀尖跟隨。
而第二篇論文南臺科技大學 機械工程系 戴子堯所指導 托森則的 圓錐紅銅電極之放電加工火花與加工特性之智能析 （2021），提出因為有 神經網絡、火花型態、電極角度、電極補償的重點而找出了 Overcut F1的解答。
最佳刀具路徑行程下多軸加工機分析之研究
為了解決Overcut F1 的問題，作者林恆宇 這樣論述：
本研究使用五軸同動加工機與四軸同動3+2軸加工機進行工法比較與探討，選用漸變型渦輪葉片做為測試模型，找出3+2軸加工機進行五軸工法時的限制與缺失。本研究採用沿面工法銑削葉片曲面，加以角度限制，並以3+2軸定軸工法工精修圓角，找出3+2軸工具機存在路徑運動軌跡、過切、未達尺寸等狀況，經過實際加工量測數據並探討分析，推論出加工狀況皆指向3+2軸工具機未擁有刀尖跟隨以及正刀長系統導致而成，且五軸工具機在執行多軸加工時比3+2軸加工機加工時間加快了29分鐘，多軸工法加工效率提升2倍，整體加工時間提升1.2倍，對比3+2軸加工機有明顯優勢，五軸加工機依靠刀尖跟隨系統及正刀長系統兩者優勢上，可替廠商節省
許多成本增加效益，不需要特殊夾具即可一次執行多面加工，提高刀具壽命及切削效能，加工複雜曲面保有最佳精密度。
圓錐紅銅電極之放電加工火花與加工特性之智能析
為了解決Overcut F1 的問題，作者托森則 這樣論述：
隨著智能製造與自動化的世代的出現與到來，將人工智能應用在減少錯誤和結果預測中也逐漸受到重視。而放電加工的工業領域也不例外，自動化和不段進步的機器學習方法最終將取代人工計算與參數選擇。此實驗將分為兩階段進行，將 SKD11 工具鋼作為工件，並搭配不同角度、直徑的圓錐形黃銅電極進行加工實驗。第一階段，是使用田口品質分析法中L25直交表進行實驗設計。並使用變異數分析（ANOVA）分析參數對品質加工指標的影響。電流對材料移除率(MRR)、電極消耗率(EWR)、表面粗糙度(SR)和再鑄層厚度(RL)的影響分別為68.70%、83.240%、72.870%和69.910%。角度對材料移除率(MRR)貢獻
了 24.7%，對電極消耗率(EWR)貢獻了12.6%，對表面粗糙度(SR)貢獻了 12.59%，對再鑄層厚度(RL)貢獻了 10.19%。其他參數對於加工指標的貢獻可以小至忽略不計。此外表面粗糙度(SR)，放電持續時間和放電休止時間分別貢獻 5.91% 和 4.62%。 再鑄層厚度(RL)還觀察到高的伺服間隙電壓為6.17%。放電持續時間與放電休止時間對於RL也有直接的影響，在貢獻率實驗中被證明佔有分別6.54%、 3.9%的貢獻率。於在第 2 階段的實驗，使用從第一階段實驗中選取實驗因子，將其作為全因素實驗16組之參數組合。由於角度和電流其巨大的影響因而保留為實驗因子，而其於參數而被固定。
可得知加工指標的數值與電流和角度成正比增長。並且可以觀察到當使用角度為90o的電極時，MRR、EWR 和 RL 具有實驗範圍內的最大值。隨後將分析放電加工中的火花數據，去證實先前的實驗結果。將田口法和全因素的實驗數據做為數據庫應用於訓練類神經網絡(NN)的模型預測。 MRR、EWR、SR 和 RL 模型經過訓練，誤差百分比為 1.3%、1%、4.5% 和 3.6%。最終的電極補償模型可控制收斂在0~0.7% 的誤差範圍內，並可以說是取得了巨大的成功。隨著行業朝著智慧化工廠與降低成本的方向發展，微小的錯誤百分比顯示了實際應用和效率的可能性。