走在汽車革命的路上論文書籍站
元智大學 機械工程學系 翁芳柏所指導 曾智鴻的 浸沒式冷卻技術於1kW伺服器設備之應用 （2021），提出cdu設備關鍵因素是什麼，來自於冷卻液分配單元、冷卻、浸沒式。
而第二篇論文明志科技大學 化學工程系碩士班 蔡榮進所指導 姚宜均的 開發機器學習模組預測原油蒸餾裝置（CDU） 塔頂系統之鹽酸腐蝕 （2020），提出因為有 管線腐蝕、人工智慧、Aspen Plus、腐蝕率的重點而找出了 cdu設備的解答。
浸沒式冷卻技術於1kW伺服器設備之應用
為了解決cdu設備 的問題，作者曾智鴻 這樣論述：
目前市面上資料中心伺服器散熱大多使用冷卻液分配單元(Coolant Distribution Unit)方式冷卻，冷卻方式主要有氣冷及液冷，現在主要的冷卻技術大多是氣冷式，然而隨著資訊設備的能源使用量逐漸升高以及各國普遍對電力使用效率(Power Usage Effectiveness)的要求，氣冷式的散熱方式已漸漸不敷需求，取而代之的是液冷技術的運用，而液冷技術中的浸沒式冷卻(Immersion cooling)更是在噪音、能源效率、可靠度方面的改善與氣冷式比皆有提升，根據測試結果顯示，相較於直接使用氣冷，浸沒式液體冷卻系統約可減少10 %能源用量。 本研究將進行浸沒式冷卻系統的設計
及相關測試，並將測試數據進行分析，由於該冷卻系統在國內外尚屬剛起步階段，相關測試報告及數據仍待求證，因此未來在商業化的應用及尋求參數的最佳化是大家努力的目標。
開發機器學習模組預測原油蒸餾裝置（CDU） 塔頂系統之鹽酸腐蝕
為了解決cdu設備 的問題，作者姚宜均 這樣論述：
近年來煉油廠及石化廠會發生爆炸、火災、缺氧和中毒等事故，主要是因為氣體外洩、腐蝕等問題，這些事故會影響周圍環境汙染、勞工作業安全，故如何有效預防腐蝕乃是重要議題。本研究主要是針對製程管線中的腐蝕現象使用人工智慧結合應用，透過Aspen Plus模擬系統建立一個模擬工廠，並模擬在三種不同API比重的原油下，改變其設備操作條件參數產生數據，根據經濟部能源局2019年所發布的法規，當作數據篩選目標以便符合現實工廠狀況，之後再藉由美國石油協會所發布的API 581進而取得各筆模擬數據的腐蝕率，建立數據庫，並導入MATLAB編譯器進行整理分析進行機器學習模組訓練使用，透過試誤法得到一層64個神經元的隱
藏層搭配Tansig激活函數使用李文柏格－馬夸特演算法為本研究最佳神經網路模型架構。最終該模型經過513次的訓練、驗證及測試，得MSE值為4.296e-10、4.335e-10、5.269e-10，而訓練樣本的誤差曲線、驗證樣本的誤差曲線以及測試樣本的誤差曲線呈現很好相關性的，由此可得在此系統利用人工神經網路來預測腐蝕率是具有一定之準確性，具有實質參考之指標。