走在汽車革命的路上論文書籍站
國立臺灣師範大學 工業教育學系 呂有豐所指導 羅煌傑的 石墨烯奈米冷卻液應用於熱交換模擬平台與機車引擎性能之研究 （2021），提出機油 齒輪油 對照關鍵因素是什麼，來自於石墨烯、奈米流體、冷卻液、車輛性能、粒狀污染物(PM)排放、熱交換模擬平台。
而第二篇論文佛光大學 資訊應用學系 賴政良所指導 鄧光廷的 運用倒傳遞類神經網路對最小存貨成本需求預測研究—以零售商（機車保養）為例 （2015），提出因為有 類神經網路、供應鏈管理、存貨管理的重點而找出了 機油 齒輪油 對照的解答。
石墨烯奈米冷卻液應用於熱交換模擬平台與機車引擎性能之研究
為了解決機油 齒輪油 對照 的問題，作者羅煌傑 這樣論述：
使用市售用改質親水性石墨烯添加到機車原廠冷卻液製備成不同重量百分濃度之石墨烯奈米冷卻液(GrNC)，並加入羧甲基纖維素(CMC)作為流體分散劑增加穩定性。分別進行沉降、黏度、比熱、導熱與磨潤等基礎性質實驗，依據實驗數據進行綜合性能分析評比並選出最佳濃度之GrNC後續進行熱交換模擬平台與實車性能之實驗。以原廠冷卻液為對照組與GrNC進行比較，沉降試驗為0.01 wt.%與0.07 wt.% GrNC表現較佳，可穩定至10天；黏度試驗0.09 wt.% GrNC改善了20.93 %；比熱試驗0.01 wt.% 與0.07 wt.% GrNC增加1.2 %與3.1 %；導熱試驗GrNC導熱值優於原
廠冷卻液，0.01 wt.% 和0.09 wt.% GrNC導熱係數增加28.22 %和36.18 %；磨潤試驗結果GrNC可以減少磨耗量，0.01 wt.%和0.07 wt.% GrNC為最佳，分別改善6.89 %和7.34 %。由前述基礎實驗數據結果進行綜合分數評比，最終選定0.01 wt.%和0.07 wt.% GrNC作為後續熱交換模擬平台與實車性能實驗流體。使用GrNC為熱交換模擬平台工作流體來試驗水箱散熱性能與引擎暖車試驗中，與原廠冷卻液進行比較。得到在60 ℃時0.01 wt.%與0.07 wt.% GrNC散熱量提升5.19 %和8.01 %；80 ℃時散熱量分別改善8.42
%與19.51 %。且GrNC能加速流體加熱時間，0.01 wt.%與0.07 wt.% GrNC在60 ℃分別改善6.12 % 和8.74 %；80 ℃時改善7.56 %與8.68 %。而在實車性能ECE-40、定速、平路與爬坡試驗中，GrNC與原廠冷卻液比較，在溫度、扭矩、廢氣與PM排放各方面均有改善趨勢。0.01 wt.%與0.07 wt.% GrNC在散熱水溫差平均改善7 % 和16.18 %；機油溫度平均提升5.35 % 和3.52 %；齒輪油溫度平均提升7.8 % 和17 %；平路與爬坡瞬間扭矩GrNC平均提升87 % 和122 %。廢氣排放實驗，與原廠冷卻液比較0.01 wt.%
與0.07 wt.% GrNC在HC排放中分別減少15.64 % 和14.46 %；CO減少53.9 % 與50.6 %；CO2增加23.59 % 與34.8 %。在PM總量排放方面，定速時分別減少31.45 % 和8.22 %；平路時分別減少29.76 % 和49.37 %；爬坡時分別減少38.57 % 和45.96 %。
運用倒傳遞類神經網路對最小存貨成本需求預測研究—以零售商（機車保養）為例
為了解決機油 齒輪油 對照 的問題，作者鄧光廷 這樣論述：
類神經網路被廣泛的應用在各種領域，而在供應鏈管理中各方面也常出現類神經網路的身影，供應鏈涵蓋範圍可以從物料的取得，經過設計、生產、庫存管理、行銷與售後服務等，而其中的存貨管理更是常被人提出討論，尤以零售商直接面對顧客的需求，因其變化快速的緣故，為使其不致於有過多的存貨，造成資金的積壓或浪費，這就使得貨品的需求預測，更顯得重要。本研究是架構一配銷商及一零售商的供應鏈模式，採以類神經網路在預測上的能力，建構一倒傳遞類神經網路來探討短期訂單需求預測，所採用的樣本為2個不同地區的零售商（機車保養行）具近質性的2種油料（機油及齒輪油）的訂單／消耗數據，分為實驗組及對照組來做預測數值的比較，並進行探討。
實驗發現，對零售商而言，以倒傳遞類神經網路來作為對訂貨商品需求的預測是可行的，雖受限實驗的設定及數據的範圍，僅探討單層隱藏層的倒傳遞類神經網路架構所運算的結果；若產品的訂貨／消耗情況具有週期性的特性，且不考慮臨時突發的大量增加需求的情況下，在合適的網路及一定數量的樣本作為訓練，則以此種方式來作為產品的預測需求的方法，可獲得較佳的預測值。