• 學位論文

應用灰階共變異矩陣之多重指標於瑕疵檢測

現階段工業檢測的趨勢，已由傳統人工檢測進入應用機器視覺於自動化檢測，傳統人工檢測有訓練不良、素質不一的缺點，為解決人工檢測的缺失，以自動化檢測技術來取代傳統人工檢測方式，並廣泛應用於醫學、電子產業、航空工業領域，皆應用自動檢測技術。傳統圖形比對技術為使用相關係數(Correlation coefficient)來作為相似度之衡量指標，此方法已廣泛用於圖形比對或瑕疵檢測中，然而相關係數應用在圖形比對上只提供單一指標作為評估依據，且對兩比對影像中異常區域的凸顯效果有不穩定的現象。 本研究方法概念主要利用標準影像與待測影像每一相同座標點的灰階值形成一個灰階對應圖，由此2D灰階圖形之分布形狀，能清楚觀察出標準影像與待測影像之差異。灰階對應圖中傳達了兩張影像對應關係資訊，可透過共變異矩(Covariance matrix)來描述其關係，並進一步利用共變異矩陣產生之多重指標，作為瑕疵檢測或圖形比對之相似度(Similarity)衡量標準。由於共變異矩陣所提供關於兩張比對影像相似程度之資訊較相關係數豐富且對瑕疵區域有較佳之凸顯效果，故應用於圖形比對時可達到穩定之比對效果。實驗中針對印刷電路板、液晶顯示器面板、晶圓、印刷字元等樣本進行測試，結果發現本研究方法應用於瑕疵檢測具有極佳的效果，故本研究提供一個穩定之瑕疵檢測方法。

• 學位論文

圓錐曲線為基礎之機器視覺技術發展虛擬場景攝影機操控介面

圓錐曲線理論為基礎之3D反推是利用圓盤之重要特性【Ma,1993】：空間中一已知半徑之平面圓的3D旋轉與位移資訊可由平面上的2D橢圓投影求得。利用此特性我們可利用攝影機拍攝空間中圓盤，利用影像處理方法來獲取圓盤投影之橢圓參數，再以圓錐曲線理論來反推出圓盤之3D空間座標，以作為相關應用之基礎【張朝舜,1999】、【韋立明,2000】。 過去數年中，本實驗室一直從事圓錐曲線理論為基礎之機器視覺應用於3D反推，但過去系統所遭遇到最大的限制為無法於自然燈光與複雜背景條件下追蹤圓盤橢圓投影，本研究利用整合多重影像資訊（EPIC）與結合隨機抽樣方法來估計橢圓參數（RANSAC）之橢圓追蹤技術來克服環境與燈光的限制【Vincze, 2001】，並針對整合多重影像資訊演算法之缺失進行改善，以提高於複雜背景條件下橢圓追蹤之準確度。最後以圓錐曲線理論為基礎之機器視覺技術發展出一套低成本、無線與直覺化之虛擬場景攝影機操控技術，提供使用者自然與直覺的虛擬場景攝影機操控方式，開啟未來虛擬場景操控介面另一發展方向。

• 學位論文

應用CART決策樹與資料視覺技術於低良率晶圓成因探討

由於半導體晶圓良率高低影響產品的成本以及競爭力，因此良率的改善成為各家廠商競爭的重要課題之一。在半導體製造過程中，都會蒐集晶圓通過機台時自動紀錄的參數資料來進行產品的監控或是製程分析，從這些資料中，工程師往往根據經驗選擇可能影響低良率的因子，利用實驗設計方法及實驗批來驗證，但是在半導體製程往往包含了數百個，甚至上千個互相影響的製程參數，要從中選擇出影響良率的因子非常困難，因此本研究應用決策樹演算法來輔助工程師找出影響製程變異的因子。半導體製程資料種類很多，其中晶圓批量製程管制(Lot in-process control, LPC)資料為晶圓在製程中經過每一道製程加工後記錄量測的資料，可以用來直接找出製程中造成低良率的成因，本研究使用具有處理大量連續型資料屬性之CART(classification and regression tree)決策樹演算法來分析LPC資料，除了Gini 指標外，我們也設計了兩種新的指標做為決策樹選擇分割條件的依據，利用此三種指標導出之LPC資料的決策樹，提供了製程工程師在一些參數條件組合下所產生的晶圓良率，可輔助製程工程師選擇影響製程良率的因子。

• 學位論文

變異數不確定下計量型戴明抽樣檢驗模式之貝氏分析

由於產品的品質會直接影響企業獲得利潤及市場佔有率，實施檢驗計畫不僅可降低產品的不良率及減少損失成本；另一方面可提高產品的品質，建立商譽與增加產品在市場上的競爭力。 本論文提出一個計量型抽樣檢驗模式，適用於品質規格為一區間連續值的情況，以貝式決策分析方法為工具，最小損失成本為目標，來求得最佳抽樣檢驗計劃。研究模式假設情況是依據資料的分析，可以接受組件品質之測量值為常態分配，此分配之期望值是確定，但變異數是不確定，而對於檢驗資訊獲得組件品質變異數之驗前分配則採inverted gamma。研究模式考量組件之品質、檢驗成本以及組件裝配後可能發生產品失效成本，以辛普森3/8法則來計算數學模式中之積分值，並以Borland c++語言撰寫程式來執行模式之數學運算。最後，本研究對模式之相關參數做敏感度分析。並且在相同之條件下與計數型模式作比較。

• 學位論文

多廠製造監控系統資料整合模式之研究

在過去單一廠區的自動化環境之下，廠內的生產進度的追蹤與控制，一般是由製造監控系統(manufacturing execution system; MES)來實現。近年來，隨著產業的快速擴張，在訂單不斷增加的情況之下，大部份的企業往往為了擴充自身產能而不斷地進行廠際間的合併與新廠的擴建，產成所謂的多廠製造環境。由於大多數的製造監控系統皆以單一廠區為設計時的主要考量，因此在面對多廠環境時，受限於各廠的成立時間、技術認知、成本限制、以及系統汰換上的差異，使得各廠因廠間資料的差異而無法有效地共享與交換彼此的生產資訊，發生多廠資料的整合問題。為了能在多廠環境之下監控在製品在不同廠的加工進度，使資料具備整體企業的觀點，製造監控系統必需具有資料收集以及整合的機制。 　　本研究的目的即針對MES在多廠之下因不同系統資料儲存裝置以及資料定義人員的不同所形成的差異化現象（稱之為資料異質化現象），提出一個有彈性、可適應異質環境的多廠資料整合架構（Multi-plant based data integration framework; MPDIF）。本研究在資料整合的過程裡使用了資料整合代理人、廠區代理人、以及資料擷取代理人這三個代理人模組來解決資料的異質化問題並整合各廠區MES之資料，同時達成多廠生產活動監視與追蹤的特性。 　　本研究所發展MPDIF整合模式，由於資料的擷取以及資料的提供皆為獨立的軟體代理人在運作，因此模式具備了整合複雜度低、術語名稱標準化、以及可應用在其它系統整合的優勢。本研究的貢獻不僅改良了傳統的資料整合架構，由於代理人獨立分層執行，因此可整合廠區間不同層次之異質資料，模式中也使用排程演算法進行代理人的派工，提升資料擷取代理人之執行效率。

• 學位論文

應用類神經網路於半導體製程即時控制之研究

本研究之主要目的是針對半導體產業常見的製程變異狀況，研究發展一個以倒傳遞網路為基礎之製程即時控制系統。我們將考慮SISO (single input, single output) 系統，藉由倒傳遞網路非線性的函數對應能力，建構半導體製程之預測與控制模式，來有效控制製程發生雜訊 (noise)、偏移 (shift) 及飄移 (drift) 三種異常情形。另外，我們也將會比較倒傳遞網路與傳統EWMA運算式控制器之效益，模擬結果顯示倒傳遞網路控制器之控制效益優於傳統EWMA運算式控制器。 本研究最後利用半導體中化學機械研磨 (CMP) 製程之實驗資料進行實證研究，驗證倒傳遞網路控制器在實務製程控制上的可行性。且本研究亦驗證出倒傳遞網路控制器具有不需在控制前預知干擾種類，即可有效控制製程干擾之獨特特徵。 關鍵詞：倒傳遞網路控制器、EWMA運算式控制器、雜訊、偏移、飄移

• 學位論文

運用關聯法則技術於產品開發設計之研究

隨著資訊科技的日新月異，產品的生命週期不斷地縮短，企業唯有快速地推出新產品，才能保有競爭優勢。同步工程(Concurrent Engineering)即是針對傳統的序列式工程在開發上的缺失而衍生出的新產品開發程序管理，亦即在產品設計階段，就提前思考產品生命週期（product life cycle）中作業流程可能遇到的問題如製造、裝配、成本和可靠度等因素，進而達到縮短設計時程與減少開發成本之目的；如此一來，不但開發成本能夠降低，上市時間縮短，同時也增加了新產品的競爭力。 然而同步工程在以「客戶需求為導向」之設計整合上則著墨不多，企業若以顧客導向來發展新產品，不但可以充分瞭解顧客需求、市場競爭情形，更可以成為新產品成功的關鍵因素。基於此一原因，本研究利用關聯法則(Association Rule)的技術，分析市場中顧客之喜好產品組合資料，萃取不同的產品組合相對於客戶的影響。然而隨著新的喜好資料的不斷地產生，資料挖掘技術並無自動學習的機制，本研究將運用類神經網路(Neural Networks)，將舊的關聯規則與新的關聯規則作整合，也就是以動態的市場訊息回饋給設計人員參考，達到同步工程產品開發的運作，使得企業能對短暫的產品生命週期做一快速的反應(Quick Response)，真正掌握顧客之需求。

• 學位論文

應用霍普菲爾-坦克神經網路於單機排程上之研究

近年來國際間的生產導向以顧客需求為主要目標，所以企業生產模式轉為多樣少量的模式，導致生產者必須經常性的更換製程方法與機器模組，因此探討整備時間（set-up time）納入生產排程問題之研究也日益增加。故本論文主要解決的目標是，單機生產排程之延遲時間最小化與整備時間最小化雙目標之問題研究。希望藉由霍普菲爾-坦克神經網路來解決此雙目標之排程性的問題，在小工件模擬排程實驗時使用整數線型規劃做為最佳解之驗證，經由模擬後發現小工件時神經網路與整數線型規劃所獲得最佳解之誤差並不大，最大誤差約為2.6％，但解題時間卻比LINGO少很多倍。大工件則採神經網路與Apparent Tardiness Cost and Setup(ATCS)啟發式法則作解題品質的比較，發現神經網路所獲得的解的品質比ATCS啟發解來的更好。

• 學位論文

具有自我相關之二維管制圖正確選用之探討

當數據之間存在著兩個品質特性的相關性，與各個品質特性本身的自我相關性，使用不正確的多變量管制圖將導致管制圖的錯誤訊號明顯的增加，也就是說，兩個品質特性之間的相關性與本身自我相關性將會干擾到管制圖偵測製程發生異常變動的能力，使其發生錯誤判斷之機率隨之提高，若依然採用不正確的管制圖來對具有自我相關性之數據進行管制並不恰當。 過去研究學者針對多變量自我相關問題，提出多種多變量管制圖，但因多變量管制圖種類繁多缺乏有效的整合，並且每一種多變量管制圖均有其缺點，因而造成線上工程師不易於選擇。 本文的研究重點針對多變量管制圖的選取做一深入研究，究竟在何種情況下應採用何種管制圖。文中針對資料具有多變量自我相關時，模擬兩個品質特性，且品質特性本身存在AR（1）與MA（1）模型的製程資料，針對不同平均數偏移量、相關係數、自我迴歸參數與移動平均參數，藉由不同方式組合，分別比較五種多變量管制圖的平均連串長度（Average Run Length，簡稱ARL），最後依照本研究提出的流程圖選取適當的多變量管制圖，做為未來研究學者的參考依據，另一方面也可以提供業界採用多變量管制圖的建議。

• 學位論文

多物項共同採購管控模式之探討--以醫院藥品為例

全民健康保險的實施，對我國醫療環境造成極大的衝擊，由於醫療服務的同質性高，使得醫療市場競爭更加激烈，過去研究發現醫療資材成本平均約佔整體營運成本之30%~40%，因此，各大公私立醫院、診所，無不加強醫院管理的功能及經營成本的掌控，希望藉由建立成本會計制度、加強物品採購效益、提高醫事人員生產力、強調投資效益分析等方式，使醫院的營運成本降低、獲利增加。 由於醫院中藥品物項數往往有數百種甚至上千種之多，傳統單物項管理之經濟訂購量模式(economic order quantity, EOQ)，無法提供醫院多物項資材有效率的存貨管理。多物項存貨管理(multi-item inventory control)模式之探討，已有文獻證實，多物項採購策略確實可比單物項單獨採購模式節省成本。因此，本研究嘗試以多物項管理模式應用於醫院藥品存貨管理，探討其對醫院藥品採購與管理之影響，第一步驟將藥品分群，共採用三種不同分群法：1. Chakravarty分群、2.藥理屬性分群、3.供應商分群法，進一步再藉由可訂購點策略(( , , )policy)，找出各藥品之相關管理變數，以期能降低藥品採購、存貨持有成本，以提供較佳之服務水準。 由本研究個案醫院實例驗證，可得以下結論：1.由Chakravarty分群、藥理屬性分群、供應商分群三模式輔以可訂購點策略，其採購成本均會比醫院現行方式高，但存貨持有成本卻可大幅降低，且其總成本均較醫院實際總成本為低，分別可降低$487,957(15.20%)、$505,460(15.75%)、$814,377(25.38%)，其中以供應商分群並輔以可訂購點策略，其採購及管理成本降低幅度為最多。2.分配之需求量平均數( )、標準差( )、存貨持有成本比率( )、配送前置時間( )與總成本成正比，主要採購成本( )與總成本則無較明顯的正比關係存在。3.供應商分群法所求解之( )變數值較小，可以有效控制藥品存量，並降低藥品存貨持有成本，使其總成本相對較低，隨著需求量倍增，供應商分群法其總成本增加幅度明顯較Chakravarty分群、藥理屬性分群法小，亦即當需求量持續增加，供應商分群輔以可訂購點策略之存貨管控模式會比Chakravarty分群、藥理屬性分群模式為佳。