結合反應曲面法、類神經網路與基因演算法於觸控面板雷射切割製程參數最佳化

Combining Response Surface Method, Neural Networks and Genetic Algorithms for Optimizing the Parameter Design of Touch Panel Laser Cutting Process

張家勤(Chia-Chin Chang)

指導教授 ： 蘇朝墩

國立清華大學/工學院/工業工程與工程管理學系/碩士(2009年)

https://doi.org/10.6843/NTHU.2009.00093

摘要

在競爭激烈的觸控面板(Touch Panel)產業中，各面板廠紛紛投入更高世代技術生產，以符合市場需求及降低生產成本。由於生產設備投入的資金非常龐大，必須有效的控制生產成本、增加生產效率、提高生產品質，才能在競爭激烈的環境中生存下來。雷射切割技術為觸控面板製程中一項關鍵製程，若是因為切割製程的品質不良而造成產品報廢，前段製程耗時又高成本的生產投入將會付諸流水。為了獲得高良率和維持應有的生產效益，雷射切割製程的控制能力實為各家廠商極欲提昇的生產技術之一。
　　在極具複雜的雷射切割製程中，影響其產出的製程參數眾多，如果僅依據工程師經驗來判斷其設定值，可能導致製程不穩定而造成不良率提高。本研究針對雷射切割製程參數最佳化提出一系統性的求解程序，首先以迴歸分析與工程知識判斷重要因子，再以反應曲面法(Response Surface Method，RSM)進行實驗設計，最後結合倒傳遞類神經網路(Backpropagation Neural Network，BPN)和基因演算法(Genetic Algorithms，GAs)找尋出雷射切割製程最佳參數組合。透過實際個案研究發現本研究提出之方法可大幅降低雷射切割製程的不良率，由原始的33 % 降至0.3 %。此外，相較於其他參數最佳化之方法，本研究提出之方法有較佳的改善效果。

關鍵字

雷射切割 ； 反應曲面法 ； 倒傳遞類神經網路 ； 基因演算法

並列摘要

無資料

並列關鍵字

Laser cutting ； Response Surface Method ； Backpropagation Neural Network ； Genetic Algorithms

參考文獻

[8] 戴金琪，2003，以反應曲面方法改善銅導線晶圓封裝之銲線製程問題，元智大學工業工程與管理學系碩士論文。

[9] 陳夢倫，2003，積層陶瓷電容印刷製程機器參數最佳化之研究，成功大學製造工程研究所碩士論文。

[10] Myers, R. H., Montgomery, D. C., 2002, Response Surface Methodology: Process and Product Optimization Using Designed Experiments, 2nd edition, John Wiley and Sons, New York .

[11] Goldberg, D. E., 1989, Genetic Algorithm in Search, Optimization and Machine Learing, Addison-Wesley, New York.

[12] Dubey, A. K. and Yadava, V., 2008, “Multi-objective Optimisation of Laser Beam Cutting Process, ” Optics and Laser Technology, Vol. 40, Issue.3, pp. 562-570.