• 學位論文

以HL7健康資料為基透過本體論技術建構一提升體適能之網路服務

健康體適能的檢測結果評估了一個人身體的5個體適能要素，分別為1)心肺耐力，2)肌肉耐力，3)柔軟度，4)肌力和5)身體組成。此5個要素的檢測結果視為評斷一個人身體健康狀況很重要的指標。一般來說，體適能的提升可以使得健康體適能也相對提升，而且也可以使人們的身體不容易產生常見的疾病。一個個人化的運動計畫可以使得5個健康體適能要素分別達到平衡的狀態，並且進一步地使人們維持身體的健康。除此之外，不適合的運動型態可能會使得健康體適能導致反向效果，亦即可能造成運動傷害。 本論文目的為發展一個ontology driven的knowledge-based system (UFIT)，以產生一個根據使用者profile、健康檢查結果和體適能檢測結果特別設計的運動計畫。此由系統產生的運動計畫可以經由任何有網路設備的裝置，透過Representational State Transfer (REST) web service技術加以獲得。為了使得此運動計畫具有實質效益，在系統中，用於推論的知識將與專業運動管理師諮詢過後所取得。此系統不僅可以視為一個透過產生運動計畫加以輔助人們提升體適能之智慧型系統，而且也可以作為一個UFIT service，以避免人們選擇不適當運動造成運動傷害。

• 學位論文

結晶矽太陽能電池片替代關係之決策分析

隨著全球能源短缺，潔淨再生的能源成為大家關切的研究主題，其中太陽能已逐漸成為重要替代能源之一。但在太陽能電池模組的製造過程中，存在電池片光學的復合損失（recombination loss），以及在封裝過程中所產生電學的不匹配損失（mismatch loss），這兩種損失除了讓太陽能模組產品的轉換效率低落外，對模組封裝廠而言，亦會直接造成銷售利潤下降。本論文研究以模組輸出功率為績效值，分析結晶矽太陽能電池片的最佳供應商及其料件品項，建立電池片供應商遴選替代關係之決策準則。本論文目的為分析多家電池片供應商其材料於模組封裝後輸出功率的異同，研究方法先以變異數分析（ANOVA）檢定輸出功率是否有顯著差異。在拒絕一致性後，接續以Tukey檢定進行材料輸出功率的兩兩比較。在復合損失及不匹配損失的干擾之下，模組投入和產出的功率瓦數並不平衡，造成模組封裝後有不同程度的效率損失。本論文藉由多重比較方法找出輸出功率不具顯著差異的料件品項，做為電池片材料替換的決策準則。研究分析顯示採用本論文所提出之供應商遴選替代準則將有助於減少成本損失並提高利潤，可協助太陽能模組封裝廠提升產業競爭力。

• 學位論文

AHP應用於面板業之綠色包裝設計評估

隨著環保意識高漲及國際環保公約/規範，企業與產品環保性訴求，已經是未來產品市場的行銷與推廣的要素之一。對產業而言，推動綠色包裝、包裝減量已是決定市場的重要因素。本研究目的主要是運用層級程序分析手法建構面板業者導入綠色包裝設計之評估準則。首先藉由文獻探討及專家訪談，找出合適構面及準則，再以層級程序分析法(AHP)來決定準則之相對權重並排序之。研究結果顯示，面板業在進行推導綠色包裝評估，主要構面重要性排序為成本考量(0.357)，環境保護設計(0.322)、生命週期評估(0.201)、附加價值(0.120)，在次準則前五項分別為原料成本(0.1132)、原料選擇與管理(0.1092)、結構設計(0.1072)、運輸成本(0.1067)、製造費用(0.0782)。整體而言，在評估綠色包裝設計時，最重視成本考量及環境保護設計。可於將來作為TFT-LCD業者導入時參考依據。

• 學位論文

結合萃思以及IPC分類來分析專利的研究架構-以鋰電池專利為例

專利文獻包含了重要的資訊，例如市場研究和產品開發。但閱讀大量的專利文獻，總是會耗費了過多的時間及人力。在這項研究中，將藉由結合萃思以及IPC分類針對專利文獻進行分析。讓使用者可以不用閱讀冗長的專利文獻便可從中接收到關鍵的資訊。 透過萃思分析專利文獻中對發明物本身特性的闡述，得出的資訊剛好可以補足IPC分類只注重應用領域的分類方式。有別於傳統的專利地圖分析，本研究架構可以帶出更清晰的視野以及專利應用領域和發明物本身之間的關係。

• 學位論文

變動鄰域搜尋法於考慮備用策略於複置配置問題之應用

系統可靠度不僅是工業系統設計參數之一，更是產品的重要品質特性。隨著系統結構日趨複雜化，高可靠度的產品往往須經過精密的系統設計，因此許多產品在進行可靠度設計之時，常採用串並聯系統以提高系統之可靠度，但是串並聯系統的設計往往受到研發成本與重量限制因素影響，導致備用元件配置的數量與品質都會有所限制，故經常無法符合實務的要求。過去相關之可靠度研究，多專注於串並聯系統複置元件配置上，鮮少討論針對個別獨立的子系統中容許搭配不同複置策略類型，其中將包含主動式複置元件、冷備用式複置元件或者是不搭配任何備用元件的不同複置策略類型，故本研究針對串並聯系統，加入複置策略類型選擇之條件，建構系統整體複置最佳設計配置組合。 本研究以系統可靠度最佳化和成本最小化為前提，符合限制條件的要求，使用一啟發式演算法－變動鄰域搜尋法，並且依照不同問題之條件，提出兩種不同編碼模式。此演算法藉由系統化區域搜尋的方式，尋找在滿足系統限制條件下系統目標最佳化之複置配置狀態，並利用兩組測試例題，與其他文獻之方法進行比較，結果顯示變動鄰域搜尋法在串並聯系統複置配置問題上，能夠有效的提供最佳的元件組合以及複置策略，以提供系統設計者參考。

• 學位論文

人工蜂群演算法於投資組合最佳化問題之應用

由於現今全球經濟成長趨緩，微薄的薪資與定期存款之利息無法因應通貨膨脹所造成的影響，因此投資理財已成為大眾關注之重要焦點。人工蜂群演算法（Artificial Bee Colony；ABC）為近年來於最佳化領域中受到關注的萬用啟發式演算法之一，其為模擬自然界中蜜蜂覓食行為之原理所發展的一種群體智慧演算法（Swarm Intelligence）。因此，本研究使用人工蜂群演算法求解投資組合最佳化問題（Portfolio Optimization Problem），為投資者提供有效之投資組合，作為投資參考之依據。本研究以Markowitz之平均數-變異數模型（Mean-Variance Portfolio Model；M-V模型）為基礎，針對不同屬性之投資者分別考慮下方標準差（Downside Standard Deviation；DSD）與上方標準差（Upside Standard Deviation；USD）適當修正投資組合模型，以人工蜂群演算法以不同資料期間及不同規模大小之例題求解各不同模型，並與變動鄰域搜尋法（Variable Neighborhood Search；VNS）、模擬退火演算法（Simulated Annealing；SA）及禁忌搜尋演算法（Tabu Search；TS）進行比較。結果顯示人工蜂群演算法具有較佳之績效，尤其以考慮柏拉圖選取策略之ABC II表現最佳，也成功驗證本研究提出之人工蜂群演算法適用於求解投資組合最佳化問題，並提供不同屬性之投資者作為投資參考之依據。

• 學位論文

自適應絕對收斂粒子群最佳化演算法之發展

本研究提出一不需要花費時間於試誤並試圖求得最佳參數組合之粒子群最佳化演算法(Particle Swarm Optimization; PSO)的變化型。粒子群最佳化演算法被提出後，就因為其架構簡單且求解品質與效率皆不錯的多項優點，廣受學者討論，並提出多種粒子群最佳化演算法之變化型，使其求解品質更佳；但是這些演算法共同的難處是，須耗費相當多的時間與成本，調整最適於該演算法於該問題的參數組合。本研究利用自適應(Self-adaptive)之調整參數的概念，將絕對收斂粒子群最佳化演算法(Guarantee Convergence Particle Swarm Optimization; GCPSO)之策略參數，併入粒子之解編碼當中，令GCPSO之慣性權重、自我認之參數、社交參數與比例因子等四個策略參數，於演算過程中自我調整。本研究所提出之自適應絕對收斂粒子群最佳化演算法測試於低中高三種不同維度的各基準函數(Benchmark Function)，並與其他文獻比較後，結果顯示，本研究所提出之演算法，省去了大量的實驗設計與試誤最佳參數組合的時間，即可達到部分同等，甚至優於文獻之結果，故本研究提出的並非純粹犧牲求解品質以成就求解效率之演算法，而是可大幅縮短整體研究之時間與成本的演算法。

• 學位論文

結合配對理論與萬用啟發式演算法於多目標非相關平行機台排程問題求解之研究

非相關平行機台排程問題(unrelated parallel machine scheduling problems)常見於現實環境中，諸如: 玻璃裁切業，木材裁切業，偏光板裁切等，且生產管理者所考量的生產目標往往是多重的。但過去幾年，學者針對非相關平行機台排程問題大部分僅考慮單一個目標目問題，較少探討多目標且具不確定性之非相關平行型機台排程問題。本論文之主旨在於開發新的啟發式演算法與依照不同目標特質設計相對應之配對解碼模式(matching-based decoding)，以求解多目標與具不確定性之非相關平行型機台排程問題。本論文依照機台稼動率、即時化生產(JIT)、顧客交期滿意度與在製品持有成本等目標特質，將問題目標組合分為四個類型研究。 針對第一與第二類型研究，本論文提出 (1) 演化式演算法 : PCGA、NSGAII、SPEA2與CEMA；(2) 多目標模擬退火法 : UMOSA與SMOSA，求解最小化(minimizing) 兩目標特質均為和 (sum-type) 之非相關平行機台排程問題，諸如:權重式總流程時間(在製品持有成本)與權重式總延遲時間(顧客交期滿意度)，並探討Weighted bipartite matching (WBM) 配對解碼模式於演算法效果之表現。實驗結果顯示，演化式演算法優於多目標模擬退火法，另外CEMA為本研究所發展之重點演算法，其使用配對解碼模式表現優於此案例其他演算法。 第三類型研究為求解最小化三目標之非相關平行機台排程問題，其目標型特質分為兩種： (1) 最大化特質(max-type)，目標式包括最大完工時間(機台稼動率)、最大延遲時間與提前完工時間 (即時化生產)；(2) 混合型特質 (mixed- type)：目標式，其一為最大化特質 - 最大完工時間，另兩個為和之特質 – 此為第一、二類型研究之兩目標式。本論文在類型研究提出SPEA2、CEMA與CRASP演算法，結合min-max matching (MMM) 配對解碼模式求解最大化特質目標；另外結合MMM-WBM求解混合型特質目標。實驗結果顯示， CEMA使用配對解碼模式表現最佳。 第四類型研究主旨為探討模糊雙目標(fuzzy bi-objective)之非相關平行機台排程問題，提出以GRAS、F-MOSA以及D-MOSA演算法，求解目標式為：最大化決策者生產滿意度與顧客平均延遲滿意度問題，並探討配對解碼模式Max-Min matching與WBM使用於演算法之影響與效果表現。實驗結果顯示，演算法使用配對解碼模式表現較佳，其中F-MOSA表現最佳，GRASP表現次佳。 整體而言，本論文所提出之配對解碼模式可提升演算法之效果表現，但當求解機台數增加時則必須花費較多的求解時間。

• 學位論文

應用粒子群演算法考量綠色設計中原物料選擇及製程規劃

隨著科技產品推陳出新的速度加快、產品壽命短暫及全球電子廢棄物數量也因而大幅增長，且隨著全球對於環保意識的重視，供應鏈管理的主軸由原本的生產管理轉變以綠色為主的供應鏈，因此綠色產品設計是不可或缺的；從綠色設計中試著評估多種原物料及多種製程技術進行規畫並考量相關環境議題，達到對環境影響最小之成本。 由於目前綠色問題之研究大多以環境評估因素選擇供應商，或是針對產品拆解及回收較多著重，鮮少研究探討如何評估及選擇在設計時可替代之原物料及相關替代製程技術。因此本研究針對綠色產品設計階段，在製程產能限制、能源供應使用量與危害物質限制使用量條件下，將每個產品零件進行綠色原物料選擇及綠色製程規劃，建立一個數學模式考慮原物料成本、有毒物質成本、回收效益成本、生產成本、環境成本、能源消耗成本，並加入碳權交易制度的碳權成本項目，透過粒子群演算法快速求得總成本最小。最後，透過實例驗證本研究提出之綠色設計中原物料選擇及製程規劃之數學模式，並探討產品零件所選擇的原物料與製程，提供未來對於綠色產品設計進行評估的依據。

• 學位論文

應用虛擬實境探討客戶體驗於escapist和esthetic體驗方式之差異性

今日客戶體驗對於服務業是重要的，目前大部分的客戶體驗都是運用實際環境讓客戶體驗服務及評估，然而，少部分的服務如餐廳廚房、高鐵駕駛室與核能電廠控制室，是無法達到客戶體驗，因為安全或成本的考量，客戶不能進入服務環境和親自體驗服務。隨著3D數位技術的發展，虛擬實境能以低成本和安全的方式，提供虛擬的服務環境，讓客戶能夠融入於場景中進行體驗，並與虛擬環境互動。Pine 2nd and Gilmore (1998) 提出依客戶參與和與環境間的關係之兩種構面，定義四種體驗的型式，發現其中escapist體驗與esthetic體驗，在實際環境中不容易達成。因此，本研究將以龍門核能電廠控制室為例，發展讓客戶以escapist體驗與esthetic體驗兩種體驗方式，體驗控制室的操控流程之系統，建構虛擬的核能電廠控制室及加入虛擬的人模，並利用桌上型電腦呈現，而esthetic體驗是以動畫的方式呈現操作員的操作情況；escapist體驗同樣是以動畫方式呈現操作狀況，還加入使客戶親自跟著操作，再以存在感和客戶體驗問卷衡量，瞭解客戶融入於虛擬環境的程度與體驗的成效。實驗結果，發現escapist體驗與esthetic體驗的虛擬環境對於存在感和客戶體驗有些微的差異。所以本研究建議後續將可運用大規模的虛擬實境進行相同的客戶體驗，並進一步探討客戶體驗的成效能否有助於客戶滿意度與預測忠誠度。