• 學位論文

彩色濾光片與微透鏡製程之自動化缺陷分類系統

缺陷樣型是提供產品發生異常原因的關鍵線索，由分析缺陷樣型可以找到缺陷發生的原因。目前檢測方式已逐漸由人工目視轉換為自動化檢驗的方式，然而對於缺陷樣型的判斷仍以人工目視的方式來決定，但由於人工方式進行會因為經驗和分類習慣的不同造成判斷上的不一致，因此無法及時排除異常的情形。本研究發展一個自動缺陷分類系統，其中利用缺陷偵測的手法偵測自動化光學檢測機台檢測出來的缺陷影像，再萃取10個相關的缺陷特徵值，以分類與迴歸樹建立分類規則以增進分類的一致性及減少相關人力資源的投入，並且搭配特徵值相似度比對的結果，區分其他類型的缺陷，以改善分類樹與迴歸樹無法分類其他類的缺點。 為驗證效度，本研究與新竹科學園區一家半導體廠商為例進行實證，蒐集大宗缺陷樣型影像進行分析及驗證。實證結果顯示本研究所提出之方法能夠將缺陷樣型有效地分類，整體正確率達94%。

• 學位論文

整合產品設計與供應鏈決策之多目標與不確定性模式

綠色產品設計與開發逐漸受到重視，產品從設計到出售必需限制產品對環境造成的衝擊，以減少產品對環境的負面影響。本研究提出多目標確定性與單一目標不確定性兩種模型。為了尋找符合環保法規限制的最佳產品設計與供應鏈決策，並考量經濟因素，本研究的多目標確定性模型，利用基因演算法(Genetic Algorithm, GA)搜尋可能的設計選項，使用網路數學模型建立相對應的供應鏈網路，並將此網路模型轉化為前K條最短路徑問題（K-Shortest Paths, KSP），最後使用Yen’s algorithm求解。基於生命週期（Life Cycle Assessment, LCA）評估原料、製造、與運輸過程的碳排放量，配合成本參數，計算不同決策組合的成本和碳排放量，藉此找到滿足碳排放量限制同時最小化成本的最佳解。此外為了考量產品開發過程中LCA對環境衝擊評估的不確定性，本研究提出單一目標不確定性模型，假設碳排放量服從統計機率分配，以基因演算法搜尋產品設計選項，使用網路數學模型建立相對應的供應鏈網路，基於Yen’s algorithm發展演算法最大化不同設計選項與不同供應鏈的決策組合中符合碳排放量限制之機率。

• 學位論文

利用序列統計漸進抽樣法求解隨機環境下的資料包絡分析模型

資料包絡分析法 (Data Envelopment Analysis; DEA) 為一項被廣泛地用來衡量各決策方案(Decision Making Units; DMU) 相對績效的有效工具。而在傳統的DEA方法中限制資料為已知，因此無法有效地被應用在衡量方案的未來績效上，導致使用者無法保證利用傳統DEA 預測出的績效之準確性。在此研究中，我們發展一序列統計漸進抽樣法 (Sequential Statistical Approximation)，以有效地抽樣方式來估計隨機DEA 模型中的未知數，並保證方案的真實績效會落於一信賴區間內。數值實驗中，證明了提出的新方法優於傳統的抽樣方式，在相同的樣本數下，能更準確地預估方案的相對績效。而在實證研究中，我們以一無人搬運車系統 ( Automated Guided Vehicle System; AGVS) 為例子，衡量由不同水準的車數與車載量兩因子組成的方案績效，判斷出相對有效的設計方案以提供給決策者參考。

• 學位論文

建構在不確定環境下混合再生能源系統之最佳電力供給與傳輸模式

混合再生能源系統 (hybrid renewable energy system, HRES)為一個使用多種能源的供電系統，其中能源包含再生能源和備用能源，如太陽能發電、風力發電和傳統柴油發電等等...，但由於在真實世界中，再生能源發電與用電需求皆具不確定性，每天每小時皆會改變，想要利用再生能源來滿足需求顯得有一定的困難度。本論文目的為針對用電需求與再生能源供給皆為不確定的情況下，以分散式發電系統 (Distributed Generation, DG)所構成的微電網為架構，建立一個混合再生能源管理模型，包含管理電力供給與傳輸，並發展一套有效率的最佳化演算法來達到以最小化的發電成本來供給多個區域下的需求，最後將模型與演算法建構成一個決策支援系統，以方便使用者使用此系統，做為能源決策的參考。

• 學位論文

半導體晶圓廠製造執行系統之介面改善

製造執行系統(簡稱MES) 是半導體產業提升競爭力的重要關鍵，然而目前的系統仍需人為作業操作。在現今很多半導體晶圓製造公司，是有很大的空間可以改善製造執行系統介面之處；目前存在的系統介面多為不規則的顯示內容、複雜的程序，不一致的設計，和不完整的資訊回饋，讓操作者容易操作錯誤、增加記憶負擔，增長作業時間，加大心理壓力等等負面因素。有鑒於此，透過本研究探討製造執行系統介面改善之重要性及其效益。 本研究藉由人機介面設計之觀點，探討半導體MES操作介面改善，研究中除蒐集目前業界之MES操作介面樣本外，並整理介面設計之相關文獻，同時從理論與實務兩方面著手進行開發改良後之MES操作介面；並付諸實行於個案公司。本研究之實驗共分為五個階段進行，第一階段分析問題，列出目前個案公司之MES介面工作流程、並記錄每項動作操作時間及正確率，以作為改善前後介面設計其績效之比較。第二階段系統規畫，針對個案公司MES介面進行缺點及優點分析及介面資訊呈現方式，以求在規劃新的介面時能改善其缺點並保留其優點。第三階段則依相關文獻；介面設計八大原則設計使用者介面，並利用Visual Basic 軟體達成。第四階段及第五階段為撰寫程式碼及驗證評估系統，驗證本研究實驗結果改善前後改善之操作時間與正確率其幅度均有顯著性之差異，獲得大幅改善。 本研究結果顯示，重新設計操作介面並運用黃金八大原則改善後，確實會對現場操作人員無論於操作時間與正確率上，均有明顯之助益。

• 學位論文

利用轉置權重馬氏距離改善類神經網路分類效果

在資料探勘中，分類與預測為主要的議題之一。現今的研究當中，已有許多分類方法被應用於資料的分類問題中，如: 類神經網路(Artificial Neural Network, ANN)、向量支援器(Support Vector Machine, SVM)、馬氏距離(Mahalanobis Distance)、決策樹(Decision Tree)等。由於類神經網路強大的模式辨認與高度的容錯能力，使得類神經網路最常被用來進行分類的工作。 在利用類神經網路進行分類之前，資料的前處理對於類神經網路分類結果的好壞會有相當程度的影響，除了在使用類神經網路進行分類之前的正規化與標準化之外，並沒有對資料進行額外的處理，也就是說資料屬性的權重被當作是一模一樣，因此當有不恰當的資料屬性被拿來進行分類工作時，類神經網路可能會被此不恰當的屬性所誤導，進而讓分類結果不佳。所以在原始資料的前處理當中，資料屬性應該依其對分類結果的影響區分其權重，這樣才能讓對結果有顯著影響的因子被顯現出來，分類結果才會有所提升。 馬氏距離的計算主要是用來衡量樣本點之間的距離，而鮮少有利用馬氏距離計算屬性變數間的距離，利用屬性間馬氏距離的計算，可以看出哪些屬性對於分類的結果佔有較大的比重，哪些屬性對於分類結果的影響較小。本研究提出以轉置權重馬氏距離為基礎之類神經網路分類模型(TWMD-based Neural Network)來解決分類問題，藉由馬氏距離越大相似程度越小之概念來給予屬性權重，並使用權重處理過後之資料來訓練類神經網路。研究結果顯示，經屬性權重處理過後的資料來訓練類神經網路會比未經屬性權重處理的資料來訓練類神經網路的分類結果要來的好。 關鍵字：馬氏距離、類神經網路、屬性權重

• 學位論文

以變壓器油中氣體數據為基之工程資產故障診斷模型設計與平台發展

目前電力輸配系統現有維修保養模式，多屬於事故後維修，故無法即時反應電力變壓器之設備狀態給維修保養人員並採取適合的對應措施。由於事故後維修為採用被動的方式監控變壓器狀態，因此容易造成不可挽回的設備毀壞或龐大的財務損失。本研究則針對電力輸配系統中之核心設備─電力變壓器，利用即時監控設備收集實際於台灣與澳洲兩國運轉中的電力變壓器資訊，以探討電力變壓器整體健康狀況所帶來的影響。在所收集的資訊中有許多訊息，包含油品、油溫、油中溶解氣體含量、糠醛含量、電器與設備位置等關於變壓器的訊息，而本研究以探討電應力與熱應力所造成之故障為研究目的，故從所收集的眾多資訊中擷取九種油中溶解氣體含量為故障診斷因子，並先透過主成份分析法找出影響電力變壓器設備健康狀態的關鍵因子。另外，本研究將開發故障診斷平台並將倒傳遞類神經網路演算法導入其中，而將透過主成份分析法所擷取出的關鍵因子則作為倒傳遞類神經網路之輸入因子，以建立即時故障診斷模型，設備管理者或維修保養人員則可透過故障診斷平台即時獲取電力變壓器之健康狀況。依據故障診斷平台所提供之電力變壓器之健康資訊，則能夠提供足夠且彈性的時間制定最合適的維修保養活動，並降低設備損壞之機率或因為嚴重故障而產生的額外成本。

• 學位論文

電動車路徑規劃問題

暖化問題日益嚴重使電動車產業快速發展。電動車的普及化能減緩溫室效應並更有效率地利用能源。本研究主要探討電動車路徑規劃問題，考量電動車需要充電的議題，針對電動車規劃出對其而言最佳的行駛路徑。目標為對一台給定電池電力容量上限的電動車，找出其在道路網路中從一點到另一點的最短時間路徑，稱為電動車最短路徑問題(the EV shortest path problem)，或找出其訪問數個指定地點所需要的最短時間路徑，稱為電動車巡迴路徑問題 (the EV touring problem)。而這些路徑都必須涵蓋電動車因電力需求而前往電池交換站更換電池的路徑與時間。本研究對電動車最短路徑問題和固定巡迴電動車巡迴路徑問題(the fixed tour EV touring problem)－電動車需依固定順序訪問所有指定地點－分別提出多項式時間的演算法。根據這些結果，我們進一步對電動車巡迴路徑問題(其為更複雜化的旅行者銷售問題)，提出可理論證明的常數倍數近似演算法。

• 學位論文

即時路徑規劃：從演算法角度探討加拿大旅行者問題

本研究探討即時路徑規劃的加拿大旅行者問題，其可實際應用在動態導航系統等，可用以避免交通阻塞的發生。對於一個有固定起點 s 與終點 t 的道路網路圖 G=(V,E) 中，每個路段 e 都有兩種可能的距離，分別是原本距離 d(e) 與阻塞距離 d^+ (e)，旅行者只有在到達一個路段的其中一個端點才能得知此路段的真正距離，本問題的目的是要發展一個合適的策略使旅行者從起點 s 到終點 t 的行走距離與在預先了解所有路段的實際距離之情況下的最短行走距離的競爭比率為最小。本問題已被Papadimitriou與 Yannakakis提出並證明要找出一個有界限的競爭比率的演算法是PSPACE-complete的難度。在本論文中，我們提出一個當交通阻塞的次數是常數的問題的下界值，並且介紹一個競爭比率為min{ r,2k+1} 的確定性演算法來達到此下界，其中 r 是代表最壞情況下的比率；我們也考慮在均等的阻塞成本之模型(d^+ (e)=d(e)+c)，其中 c 是常數。此外，我們將旅行推銷員問題放入本問題的假設來進一步探討，並提出一個競爭比率為 O(√k) 的旅行策略。最後，我們以隨機演算法的策略嘗試改良目前最好的競爭比率。

• 學位論文

一個系統性的服務家族設計與最佳化方法─以居家服務開發為例

近年來，由於市場競爭越趨激烈，企業勢必得發展其獨特的優勢才能生存於市場中。服務創新是一種能增添額外附加價值於既有或是新產品和服務上以維持高顧客滿意度的分析技術。然而，在過去文獻中，很少有文獻同時包含服務創新、服務績效評估、服務家族設計以及服務最佳化；為此，本研究提出一個系統性的方法來達成上述過去文獻未能達成之領域。本研究以一居家服務開發為案例，並探討而得多項優點；首先，本研究可以系統性地完成服務創新，於實務中，服務開發人員可藉由此系統性的方法完成創新服務開發；第二，資料包絡分析法可以篩選經服務創新開發後的新服務概念，在考量多個投入及產出下，挑選出有效率的服務概念；最後，親合圖法與粒子群演算法被用於開發並最佳化服務家族，一個對顧客及公司皆有利的雙贏局面就此產生，公司可以運用少量的成本以追求更高的顧客滿意度，而顧客可以花費少量的金錢來買到大量的服務。本研究所提出之方法可提供予服務開發人員用於進行服務創新、服務績效評估以及服務家族開發，可使得最終的服務家族在維持一定的經濟規模下，提高不同市場類別的顧客滿意度。