• 學位論文

整合分析網路程序法與資料包絡法於綠色供應商評選之研究

近年來，隨著環保意識抬頭與企業追求永續發展，供應鏈體系要因應歐盟相關法規(WEEE/RoHS/Eup)要求，使得環保議題在供應鏈中備受重視，因而將環保議題納入傳統供應鏈中，稱之為綠色供應鏈。本研究將考量傳統供應鏈之供應商選擇評估準則與環保相關議題，發展出一套綠色供應商評選準則架構。 本研究方法整合了分析網路程序法(Analytic Network Process)和資料包絡分析法(Data Envelopment Analysis)，參照分析網路程序法的概念，考量評估準則間之相依性，制定評估準則權重並建立其限制範圍，導入資料包絡分析法之CCR模式，發展出一套改良式的績效評估模式。利用ANP制定評估準則權重，並建立權重範圍限制，彌補了傳統DEA對於各投入及產出項視為同等重要的缺失。此模式更能夠有效率地評估各受評單位(DMU)的績效值，有效地評選出最佳供應商，並且突破舊有DEA對DMU個數的限制，使之也適用於供應商數目較少之中小型企業。同時，也針對績效不佳之供應商，提出有效率之改善建議。另外，也發現評估準則在ANP架構下，相較於在AHP架構下比較不容易發生排序倒置(Rank reversal)的情形。

• 學位論文

供應鏈中品質不可靠環境下考慮現值且趕工成本為多項式函數之整合存貨模型

在今日全球供應鏈環境的高度競爭及需求快速變化下，縮短前置時間以及相關存貨成本是最重要的課題之一。在過去大部分的研究中，計算成本或利潤時皆未考量到其時間成本，然而在現實生活中快速的通貨膨脹，對於企業已造成不小的影響。因此在本研究中，我們考量了時間成本，發展出一套適用於不可靠環境下的整合存貨模型，並假設可控前置時間的趕工成本為一多項式，利用縮短前置時間而達到最低現值之期望總成本，同時推導出最佳零售商訂購量、最佳前置時間、最佳生產良率以及產品從供應商至零售商的最佳運送次數，以發展出最佳存貨策略演算法，尋求買賣雙方之最低成本。本論文將搭配數值範例以說明此存貨模型的結果。範例結果顯示，不良品的發生會導致此存貨模型之總成本增加。因此，在考慮諸多現實因素下，本論文所提出之整合存貨模型，是非常符合現實環境的新存貨模式，並可供企業作為存貨策略的參考依據。

• 學位論文

企業併購、品牌權益、通路策略整合對品牌績效影響之研究–網際網路服務業實證

隨著市場的開放和貿易的自由化，企業所面臨的競爭越來越激烈，為了維持生存甚至成長，導致全球併購(Acquisitions)盛行，經濟部商業司新聞稿指出，目前國際以美國、歐洲、日本等先進國家的企業併購最多。美國證劵資料公司指出從1990年到2007年併購金額，從4,464億美元成長到36,300億美元，在16年間併購金額成長了8.13倍。 對於企業的成長，併購無疑是最快速的策略工具，然而，併購的決策將會為組織帶來重大的變革，企業進行併購的主要理由是想藉由兩個企業的整合來達到综效(synergy)。因此，本研究特別加強研究方法，進而瞭解併購對品牌的影響。 本研究將經由相關文獻探討，整合過去學者著作及相關研究，發展一行銷通路關係的理論架構，以台灣地區曾經使用過由企業利用併購方式而來的網際網路服務之顧客為研究對象，透過問卷調查法，並以LISREL線性結構模式探討該產業在不同的併購方式下，管理者擁有之品牌權益與通路策略對品牌績效所產生之影響。 研究發現：企業併購對品牌權益均有正向影響；企業併購對通路策略有正向關係，而品牌權益對通路策略之影響不顯著；品牌權益與通路策略皆對品牌績效有正向影響。 本研究以網際網路服務業為實證產業，探討各變數之關係，並研擬行銷策略提供業界做為參考，期能對企業進行併購之綜效促進有所貢獻。

• 學位論文

應用快速視覺定位技術於TFT-LCD覆晶薄膜自動化檢測

本論文研究對象為TFT-LCD覆晶薄膜（Chip on Film；COF），由於COF印刷電路精細與微小之特性，COF上的瑕疵肉眼不易察覺。目前工廠以人工目視檢測方式找出瑕疵，但成本過高，且員工容易因長時間工作使眼睛疲勞而導致人為檢測疏失，降低檢測之可靠度，使出貨的品質降低，進而影響公司信譽。 本研究目的以自動化光學檢測方式，取代現行人工目視檢測，以改善人工目視檢測缺點。由於生產線待檢測的COF有旋轉、平移的現象，所以為達自動化檢測方式，影像定位環節相當重要，若沒有良好的定位機制，將造成系統瑕疵誤判率大大提升。本論文提出一種快速區域特徵定位技術，利用物件標記演算法，將影像上的物件區出來，接著利用區域描述子計算物件特徵，再利用最小距離分類器進行物件比對，最後計算物件偏移縮放旋轉角度。本研究之定位技術精確度優於傳統的定位方式，且經標準化影像後，可成功改善環境照度影響定位功能的缺點，定位執行時間與精確度優於套裝軟體eVision的定位技術。 本系統檢測一張COF的平均時間為3.24秒，工廠管理者希望將此AOI系統架設於生產線的電路檢測站，而電路檢測站檢測電路的時間約為4秒，所以，本AOI系統仍然可應付COF全數檢驗之效果。經實驗測試，本研究之TFT-LCD覆晶薄膜自動化檢測系統，正確率達96.5%。

• 學位論文

應用蜜蜂與粒子群演算法於智慧型市場區隔系統之建構

隨著資訊科技的發展，面對著各種類型龐大的資料，像是金融資料、市場行銷資料、人口統計資料等等，如何有效的運用分析這些資料，找出隱含其中的重要資訊，是近年來頗受重視的研究方向。而最被廣為討論的分析技術，即為資料探勘。集群分析是資料探勘過程中不可或缺的方法之一，資料分群的目的是在於將資料集切割為數個群集，使得這些群集內的各筆資料的相似度為最高，而位於不同群集的資料的相似度為最低。 目前許多市場調查與行銷企畫公司對於如何將所蒐集到的資料進行集群分析，得到精準的市場區隔，提供進一步的行銷策略與決策參考，有著迫切的需求。因此各企業紛紛導入資料分群系統以協助其市場區隔，然而目前市售的資料分群系統，其分析內容或近似於黑箱過程無從瞭解其推理依據，或僅提供粗略的分群方法，致使分群結果，大多無法滿足業者或顧客的要求與期待。基於此，本研究擬採用資料探勘的技術，結合粒子群最佳化方法與蜜蜂演算法，融合於決策支援系統的架構，針對產業所蒐集到龐大的顧客資料，做有效的探勘與分析程序，找出潛藏的資訊，以期能建立一有效且精準的市場區隔系統，以提供行銷策略與決策參考，同時也希望能針對此系統作進一步的驗證，以利未來更廣泛的應用。

• 學位論文

整合模糊查詢與群集分析建構顧客資訊系統

本篇研究目的在於提出一個整合方法，來提昇資料查詢在時間與實用性上的效能，其中模糊查詢已被研究多年，利用模糊項語意變數的方法，可強化查詢的彈性與友善度，然而在處理多元與模糊的需求上，仍有不足之處。本研究將提出一個整合群集分析與模糊查詢的方法，以期望除了在縮短執行時間外，亦可利用各群集間的不同特性改善資料查詢的實用性。 　　建立顧客關係管理是當前各企業所積極推動的重要策略，其中顧客行為的分析更是受到重視。而本研究將實作一個顧客資訊系統，提供企業面對顧客群的分析時，能透過模糊資料查詢，提供群集資訊並找出類似的顧客經驗，希望藉此協助企業在決策和資源分配時有更好的成效。

• 學位論文

建構多期跨階逆向供應鏈網路規劃模式

近年來逆物流逐漸受到企業的重視，因透過逆向物流的活動將可使瑕疵品、回收品、廢棄物等可有系統的運回至企業內進行處理，以有效的降低有害物對環境造成的傷害及提高顧客的服務水準。本研究將針對瑕疵品規劃跨階逆向物流之途程，使下游所產生之瑕疵品可依照損壞程度，分別予以直接送回上游供應鏈夥伴進行維修或重製，在進行產品配置計畫時，則考量各個供應鏈夥伴的產能上下限、運輸成本、製造成本等，並考慮製程瑕疵、運送損失等兩個參數建構缺損型供應鏈網路型態，以更符合實際的作業，並將上述所考量之因素建立最佳化數學模式，及應用基因演算法進行問題的求解，以滿足終端供應鏈的需求及成本最小化之目的。最後本研究將以{2-3-3}之供應鏈架構為例規劃單一產品及三期之跨階逆向物流模式，其分析結果顯示系統可於短時間內在滿足需求量及最少成本下獲得最佳之產品配送計畫。

• 學位論文

半導體測試廠應用派工法則之模擬研究

本研究以北台灣某半導體廠的溫度測試部門為研究對象，利用模擬方式建構模型。在溫度測試製程中，機台設置時間相當冗長，對於物料的上機測試的順序是影響生產週期時間的關鍵因素，所以本研究考量設置時間的因素發展一派工法則。針對案例公司派工法則(FIFO)及本研究發展之派工法則設計4種派工方法。並針對機台數設計兩種情境，分別為案例公司實際機台數及產能規劃分配機台數。實驗在不同情境下，以IC device子批平均生產週期時間、設置次數及設置時間為績效指標，將各派工方法與案例公司採用之派工方法1進行比較。實驗結果發現，以IC device子批平均生產週期時間績效衡量，在情境1與情境2的生產環境下，皆以派工方法3得較佳解，其改善率分別介於18.31%~45.10%及20.59%~49.97%。以設置時間為績效衡量，在情境1與情境2之生產環境下，派工方法3在各機台群組之設置時間改善比率分別介於26.18%~43.77%及34.49%~42.56%。以設置次數為績效衡量，在情境1與情境2之生產環境下，派工方法3在各機台群組之設置次數，其改善比率分別介於25.00%~41.49%及33.20%~41.26%。進一步發現應用產能規劃配置機台數也有助於改善IC device平均生產週期時間、設置次數及設置時間。

• 學位論文

整合遺傳演算法和粒子群最佳化演算法於分群分析之研究

本研究主要提出一種新的群集分析方法－Hybrid particle swarm optimization(Hybrid PSO)演算法，其主要整合粒子群演算法、遺傳演算法和K-means，並透過IRIS、Glass、Vowel 以及Wine等基準資料集與genetic algorithm (GA)、genetic K-means algorithm (GKA)、PSO clustering、particle swarm K-means optimization (PSKO)、genetic algorithm- particle swarm optimization (GA-PSO) 和genetic algorithm- particle swarm K-means optimization (GA-PSKO)演算法比較群集效益。Hybrid PSO為本研究評估出最佳的群集分析方法。 在個案研究中，本研究以研華科技新店單板廠為例。由於少量多樣的產品需求型態，使得SMT生產系統在換線時，備料作業時常未完成，導致昂貴的機台發生閒置的情形。因此本研究應用群集分析方法，將所有機種的BOM表根據其特徵進行兩階段分群，在第一階段中先以自適應共振理論2神經網路（ART2）自動找出群數，接著第二階段中再以GA、GKA、PSO clustering、PSKO、GA-PSO、GA-PSKO和Hybrid PSO各演算法找出最佳的分群結果，結果顯示ART2+Hybrid PSO為最佳兩階段分群法。得知分群結果後，生管工程師可將同一群集的機種排在一起生產，便能簡化備料作業，達到縮短SMT換線時間之目的。因此本研究以FCFS和SPT兩種生產排程之方法進行換線效益之評估，結果顯示確實能夠縮短綁料時間、生產時間以及有效的降低機台閒置時間，達到本研究縮短換線作業時間之目的。

• 學位論文

應用粒子群最佳化於考量重工在運送前置時間不確定之序列式多階整合即時化存貨模型

生產過程中諸多的不可靠因素、運送前置時間與顧客需求不穩定等不確定性因素，皆使整體供應鏈環境充滿不確定性。因此，如何在考量不確定環境下制定能以最小成本滿足顧客需求的存貨策略，已成為企業管理的關鍵問題。然而由於供應鏈體系包含多階之存貨模式，使其決策模式極為複雜難解。本研究提出建構考量不確定之供應鏈環境下的存貨模型，並提出啟發式演算法以於合理之電腦運算時間內，求解最佳或近似最佳存貨補充策略。本研究擬建構「應用粒子群最佳化於考量重工在運送前置時間不確定之序列式多階整合即時化存貨模型」並推導出簡單有效之允許製程不可靠及運送前置時間不確定性情況下的最佳存貨策略，並採用慣性權重遞減之粒子群最佳化演算法求解。