元智大學工業工程與管理學系學位論文
元智大學,正常發行
選擇卷期
已選擇0筆
- 學位論文
自從「效率衡量」的觀念由學者Farell (1975)提出後，學者Charnes et al. (1978)與Deprin et al. (1984)將此觀念應用線性規劃技術，分別假定凸性與非凸性之前提下，各自發展出衡量決策單位(decision making unit, DMU)生產效率的線性規劃模型，前者稱Charnes, Cooper, Rhodes(CCR)模型，後者稱自由配置階層(Free Disposal Hul, FDH)模型。這兩種模型均採用「技術比例」計算被觀察DMU相對於全體DMU的生產效率，效率1為判定DMU是「有效率」的基準，所有有效率DMU會構成前緣線，包絡所有無效率DMU，因此發展「資料包絡分析」(data envelopment analysis, DEA)方法論。 後續為增強DEA方法論區隔有效率DMU的能力，清楚地排列它們的優先順序，雖然已發展出凸性Andersen & Petersen (A&P)及Mehrabian, Alirezaee, Jahanshloo (MAJ)超效率模型，以及非凸性A&P FDH與MAJ FDH超效率模型，然而這些模型存在「求解不穩定」及「區隔能力不足」的兩大缺點，限縮DEA方法論的應用性。本論文分別以凸性MAJ模型與非凸性MAJ FDH效率區隔模型為基礎，發展了Bounded MAJ與Modified MAJ FDH兩個效率區隔模型，預期改善現有模型的問題。研究發現，第一：當被評估DMU數大於投入與產出項數和時，使用Bounded MAJ模型是可行的作法。第二、當面對部分投入0時，Modified MAJ FDH模型的求解穩定性較Cross Efficiency Measure (CEM)、A&P、MAJ及Bounded MAJ等模型為佳。第三、Bounded MAJ模型及Modified MAJ FDH模型已能改善A&P模型及MAJ模型的缺點，使DEA方法論的應用範圍更廣泛。
- 學位論文
人臉識別之困難，除了表情、光照、遮擋和姿態等因素，所引起的影像多樣性外，另一是來自訓練樣本的獲得。當對每個人只能得到一幅影像時，由於訓練樣本不足，所提取的特徵向量不足以支撐整個人臉樣本子空間，識別效能因而大幅下降。這類問題稱之為單訓練樣本人臉識別問題。 為解決此一問題，近年來多位學者已提出許多方法，諸如樣本增強法、樣本擴充法和通用學習框架法等。大多利用各種技術合成多個虛擬影像，擴張訓練樣本數，使得變成一般的人臉識別問題。這樣子的解決方案，帶來更大的計算量以及儲存空間，且當有新的人員加入識別時，則需重新訓練，不利大範圍推廣。 有鑒於此，本研究首先提出不需訓練樣本，先經尺度和平移正規化後，再經小波轉換降低維度以減少不變矩計算量，直接萃取正交傅立葉梅林矩不變量，具有平移、旋轉和尺度不變性，可以消除人臉的表情、姿態少許變化等，對於人臉識別精確度有效提升。另為可以有效減少光照、遮掩條件變化所帶來的識別誤差，提出混合解析泰勒梅林頻譜臉不變量，經投影至小波子空間降低維度，以最近距離分類，可取得很好的效果。由於傅立葉梅林頻譜臉與正交傅立葉梅林矩具有互補性，且垂直梯度向量頻譜臉對光照變化也具有更穩定之特性。鑒於多特徵融合可提升分類識別效果。因此，將貝葉斯融合理論運用於上述三個特徵，經分別應用於YALE和ORL人臉資料庫上，實驗顯示分別具有74%及70%的識別率，較之一系列之PCA方法等有更好的成效。
- 學位論文
隨著科學的進步，人類所面臨的問題更加複雜，因此需要更強而有力的方法來解決，近年來啟發式演算法(Meta-Heuristic)已不斷的被提出與改良，並廣泛的應用到多種領域，綜觀其中，群體粒子最佳化演算法(Particle Swarm Optimization, PSO)為一新穎且高效率的方法，迄今已有許多學者以提升求解品質與收斂速度為其目標，提出改良型或是整合型PSO。本研究首先以提升群體粒子最佳化演算法的收斂效率為目的，因而對於演算法中的自我認知與社會化參數設定加以調整，並且提出”選擇性重新產生機制(Selective Particle Regeneration Mechanism)”，以改善求解品質。為了驗證其演算法效果，選擇性重新產生群體粒子最佳化演算法(Selective Regenerated Particle Swarm Optimization, SRPSO)應用於處理Multimodal Function問題，並與PSO以及其他改良型PSO相比較。 本研究的第二個部分為方法的實際應用，首先將SRPSO應用於處理分割式資料分群(Partition Data Clustering)問題，並且與K-mean整合為KSRPSO以提升分群效率。在本研究的第三個部分，探討以存貨分類(Inventory Classification)的方法來降低企業在供應鏈中的相關總成本(Total Relevant Cost, TRC)，在此，SRPSO將被發展為一高效率之存貨分類方法，並能自動決定最佳存貨分類數目，且以實際案例來驗證其存貨分類效果，並且討論在不同的成本結構下之供應聯合作模式。經過一系列的連續型問題之測試與應用，SRPSO除了能夠達到本研究之預期效果外，與其他傳統方法和改良型最佳化演算法相比，其結果亦證明SRPSO為一穩定且高效率之最佳化演算法。
- 學位論文
產品品質的優劣和製造過程息息相關，從最初採購原料時的供應商選擇到製程參數設定，皆面臨到同時評鑑多個製程的選擇問題，其中，良率為衡量品質差異的主要條件之一。然而現今技術精進，諸多製程的良率極高，並且不同製程的良率僅有微幅差異，這些現況皆造成決策者難以挑選最佳的供應商或生產線。在高品質製程中，製程良率指標Spk為有效衡量製程良率的工具之一，然而先前的研究尚無發展適用於Spk指標之多重比較技術，一般比較母體平均值大小的多重比較檢定技術並不適用於衡量多組製程良率指標，無法解決篩選最佳製程的問題。因此本研究針對Spk指標，提出與最佳組的多重比較方法，達到有效評選最高品質製程的目標，並建立各製程良率指標與最高良率指標差異的信賴區間。研究結果顯示，相較於一般兩兩比較方法，本研究方法更容易判斷何組製程具備最高良率，解決製程評選問題。
- 學位論文
本研究主要探討空氣污染中的移動性污染源之車輛廢氣排放，利用市區行車型態測試計算汽車廢氣排放校正濃度，並依據「交通工具空氣污染排放標準」，觀察引擎汽車排氣管排放一氧化碳（CO）、非甲烷碳氫化合物（NMHC）以及氮氧化合物（NOx）之標準。 本研究以過去之汽油車廢氣排放檢驗濃度值為資訊，將影響汽車廢氣排放之車齡與行駛里程作為分析依據，並利用蒙地卡羅模擬法（Monte Carlo Simulation）之隨機取樣特性來抽樣模擬大量樣本，希望藉由研究結果顯示觀察主要影響車輛排放不合格之車齡範圍與行駛里程範圍，並找出影響不合格之主要目標氣體，將可有效改善汽車排放廢棄之問題。 由研究結果顯示，各項目標氣體濃度與車齡及行駛里程之低、中、高呈現正向關係。當車輛年齡達到15年以上及累積行駛里程達到10萬公里以上之合格車輛比例為最低。另外影響目標變數CO變異程度最大之輸入參數為行車型態一之CO值、影響目標變數NMHC變異程度最大之輸入參數為行車型態二之THC值、影響目標變數NOx變異程度最大之輸入參數為行車型態二之NOx值。也影響各分類群組不合格車輛之主要基準物氣體為 。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
- 學位論文
自從2002年，台灣汽車產業加入世界貿易組織(World Trade Organization, WTO)後，使得汽車零組件業者面臨內需市場萎縮、高存貨風險及中衛體系運作出現成本與獲利失衡的現象，造成汽車零組件業難以永續經營的生存危機；因此，個案公司有鑑於整體產業供應鏈環境的變遷、消費型態的改變、產品的多元化及技術的日新月異等衝擊，積極導入「供應商看板系統」，藉此達到降低成本、減少浪費以增加公司的獲利空間，進而達到整合及管理應鏈的目的，使供應商交貨趨於平準化。 企業導入「看板系統」主旨在朝向成本降低、品質提升、交期縮短、多樣少量的及時(Just-in-time, JIT)交貨方式的目標前進，除了滿足客戶的交期、縮短交貨前置時間外，也能間接提升企業整體競爭力。基於此動機，以個案公司為實證案例，配合客戶的產品多樣化、交貨即時化的需求，透過數學模式及個案公司以不同週期為計算基準，比較分析兩者之間看板張數產生之差異性，並提供適當之建議方案做為個案公司改善的評估與參考。因此，為瞭解導入「供應商看板系統」的實質效益，個案公司訂定7項績效指標(Key Performance Indicators, KPI)：供應商月平均請購數量、庫存週轉天、倉儲空間面積、客戶交貨達成率、供應商交貨達成率、廠內停工待料次數、及存貨金額等，做為評估「供應商看板系統」導入前後的效益結果實證分析。 透過7項評估性指標在導入前及導入後的比較，經由導入「供應商看板系統」，各KPI均有明顯的改善，尤其在供應商的達交率可以提升至99.5%、倉儲空間面積節省25.5%，顯見其成效良好。未來將規劃工廠內部製程間的「領料看板」導入，希望能貫徹「JIT的理念」及徹底發揮「看板系統」的功能。
- 學位論文
本研究主要為應用萬用啟發式演算法(Metaheuristic)中的和弦演算法(Harmony Search；HS)來求解Chang等學者(2000)透過權重的設計，改良Markowitz(1952)的平均-變異數模型，所發展之同時考量報酬最大化與風險最小化的多目標投資組合問題。針對此問題之特性，本研究設計ㄧ混合式編碼之架構，且利用和弦演算法的和弦記憶空間、調音及隨機產生等三種機制產生新解，以達到平衡探索(Exploitation)與開發(Exploration)的作用，及有效率地產生高品質的解。根據各機制的調整，本研究共計提出十一種不同的和弦演算法架構，並利用OR-Library提供的五種全球性股市，介於1992年3月與1997年9月之間的實際數據進行測試，並與文獻中之模擬退火法(Simulated Annealing；SA)、禁忌搜尋法(Tabu Search；TS)與變動鄰域搜尋法(Variable Neighborhood Search；VNS)進行比較；和弦演算法於各例題中的表現皆優於文獻中的方法，為多目標投資組合最佳化問題提供一優異之求解方案。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
- 學位論文
有鑑於服務創新的議題日益重要，因此須如何發展服務創新成為一個非常重要之課題。本研究之主要目的係從服務創新的觀點，建構一個服務創新績效衡量模式，探討企業如何執行與應用創新主體暨組織管理的觀點，以此兩觀點透過不同的關鍵因素加以探究，創新主體之關鍵因素分別為顧客導向、競爭者導向、成本導向、技術導向。另外，組織管理之關鍵因素分別為管理者的支持、跨功能的合作機制、組織多樣化、企業聲譽、組織的溝通協調、組織學習、員工參與。 有鑑於此，本研究以服務創新的實際案例來運用該研究架構，而此研究架構為創新主體的觀點與組織管理的觀點，讓企業運用服務創新績效衡量模式，進而提升企業服務創新的績效。另外，本研究以命題來進行此研究架構的更進一步討論，並以實際案例來加以驗證。上述有關整合模式之運用及案例與命題，在本文中有詳細之說明。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
- 學位論文
隨著網路科技與Web 2.0的影響之下，電子商務環境的競爭愈來愈激烈，因此也造就了消費者更多的需求。消費者在尋找商品及服務時，必須瀏覽成千上萬的商品及服務才能夠符合他們的需求。而製造商與供應商為了要吸引所有的消費者，必須提供全面性的分類商品來滿足消費者。因此造成了製造商與供應商無法專注於該公司具有競爭力的商品上，並且在商場上失去了競爭優勢。 Service-oriented architecture (SOA)提供一個良好的異質平台間溝通的設計架構，讓異質系統整合變得容易，程式再用度也提高，且不受限於特定廠商的產品功能或是平台，達到真正的開放性。對於複雜度較低的系統平台，Representational State Transfer (REST)則是一個比較容易的方式來實現SOA。雲端運算使用無所不在、便利、隨需求而應變的網路，共享廣大的運算資，可透過最少的管理工作及服務供應者互動，快速提供各項服務。在本論文中，將利用RESTful的架構風格與SOA建立系統平台於雲端運算環境當中，提供有效力的方式，建造一個具備成本效益的協同商務平台。 為了在異質性的電子商務平台之間增進語意以及互通性，在本論文中，將建立一個以United Nations Standard Products and Services Code (UNSPSC)為基礎的商品Ontology，以整合供應商所提供之商品資訊。並根據本體論之推論特性以及消費者個人資料，建構一個商品購買建議系統，提供個人化的服務。 因此，在本研究中建立一個以服務導向架構與本體論為基礎之協同商務平台- SOCP。SOCP將可提供一個有效率的環境，讓消費者及供應商能夠透過整合性的消費資訊進行網路交易；並使供應商能夠專注於核心競爭力的商品上，而消費者能夠得到更加個人化的網路購買經驗。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
- 學位論文
本研究主要目的係以組織結構與企業流程的觀點，來探討企業對於組織再造與流程再造及ERP資訊系統三種管理技術方式之整合運用。在全球化商業競爭激烈及資訊技術發展快速下，企業面對國際化的競爭、市場需求快速變化、產品生命週期的縮短及面對客戶不同型態的需求，如何利用資訊技術以維持企業本身的優勢與增加競爭力，乃現今企業應重視之議題。本研究將嘗試以模擬的方式，於企業正式導入企業資源規劃系統之前，針對企業現行作業流程進行資訊流與實體流分析，再考量組織再造及被動式流程再造與主動式流程再造等方法，重新制訂新的資訊流與實體流作業流程，進行模擬分析，使企業主能得以實施決策，並提出五種模式。此五模式分別為：（1）現況分析（2）標準ERP系統導入與被動式流程再造模式、(3)組織再造與部份客製化ERP系統導入模式（4）主動式流程再造與組織結構再造模式、(5) 主動式流程再造與組織結構再造並導入客製化ERP系統模式，經由組織結構與內部流程展開進行模擬分析。透過該個案分析發現，無論組織經過企業流程再造、組織結構整併或導入資訊化系統，都會有不同程度的改善成效，本文中有詳細說明。