• 學位論文

結合專利與臨床研究之整合分析 探討植牙領域之發展趨勢

科技的進步提高了人類生活的水準，並使人類的生命不斷增長，許多先進國家已進入高齡化的社會環境，因此醫療器材產業不斷的發展，根據相關機構的調查報告顯示，全球的醫療市場將會由2012年的3,000億美金成長至2017年的4,344億美金(Global Information, Inc., 2012)，在市場需求的因素驅動下，醫療器材的專利申請數量也不斷上升，根據世界智財組織的資料顯示，在1995年至2008年間，藥學以及醫療科技領域的專利申請成長量相當可觀，僅次於電腦科技、電機與通訊科技類別 (World Intellectual Property Organization, 2011)。專利蘊含了豐富的專業知識與創新價值，但龐大的專利數量與專利文件內的艱深術語，使得專利分析需耗費大量資源，且醫療器材產品的開發過程還須透過臨床試驗才能了解其效用，因此本研究提出結合專利分析與臨床文獻分析的方法，了解未來醫療器材發展的之方向。本研究以專利與臨床文獻的角度分析醫療技術的發展，以知識探勘、本體論、整合分析等方法分析醫療器材專利文件與臨床試驗文獻，本研究首先以文字探勘技術擷取專利文件的重要關鍵字，並建構領域本體論表達專利技術內涵與領域知識，接著分析臨床試驗文獻的關鍵字擴充領域本體論，並進行整合分析了解醫療器材於臨床試驗的效用。本研究以植牙領域為分析案例，希望能了解市場現行發展的趨勢並分析未來可能的市場機會。

• 學位論文

再生能源階層成本學習曲線-以台灣風力與太陽光電為例

在人類文明的快速發展下，人類大量使用石化能源和排放二氧化碳等溫室氣體，使得石油含量即將耗盡、臭氧層破洞及氣候暖化，而近年全球因為氣候異常，災害頻傳。世界各國為解決這些問題，便開始規畫並推動相關政策，其中，再生能源的發展是各國政府所推動的重點。再生能源是利用大自然的資源發電，例如：風力、太陽能、潮汐、地熱等，不但不會排碳，也有用之不竭的特性，因此若能以再生能源替代傳統石化能源，不但能減少對於石油的需求、降低二氧化碳的排放，更能達到永續的效果。台灣也跟著國際的減碳潮流，陸續推動再生能源發展條例、永續能源政策綱領等政策，期望可以增加再生能源的使用。而躉購費率制度是台灣政府透過較高的固定電價，保證收購再生能源的發電量，以鼓勵民間投入再生能源的方式。每年政府會依照再生能源的建置成本、年運轉維護費、年售電量等因子做躉購費率的計算，若是費率訂得太低，便無法吸引民間投資再生能源；訂得太高，則會對於政府財政造成龐大的負擔。因此，若能對於再生能源之建置成本有較完善的了解，便可以進一步研究躉購費率的變化，故本研究即透過再生能源建置成本學習曲線的建立，以分析其建置成本的未來發展趨勢，然而一般學習曲線僅能夠描繪裝置容量與建置成本的關係，本研究提出一階層學習曲線之模式，除裝置容量和建置成本外，還考慮其他變數，並將此模型應用於台灣風力發電和太陽能發電。研究結果顯示，階層學習曲線較一般學習曲線有更佳的預測值，故期望後續研究可將此階層模型應用於其他領域中。

• 學位論文

KIM檢核表納入靜態姿勢評級點數調整之試探

本研究之目的為試圖將KIM檢核表加入靜態姿勢評級點數調整參數，使KIM檢核表更準確。KIM檢核表是一個很簡潔、準確的工作負荷評估工具，在北歐經過縝密的評估與使用測試，在台灣也廣泛推廣，是目前最具潛力的肌肉骨骼危害評估工具。然而KIM有待改進之處在於無法反應靜態作業的疲勞效應:只要是相同的工作總時間，KIM檢核表評估的靜態作業風險值與動態作業風險值是相同的。然而學理上靜態作業會比動態作業勞累:動態作業的作業週期(動作+休息)較短，動作所產生的氧債較少，能夠完全在休息期間償還，乳酸不會堆積；而靜態作業的作業週期較長，氧債累積較多，無法在休息期間完全償還，乳酸逐漸堆積，導致疲勞。因此本研究試圖在KIM檢核表加入靜態作業評級點數調整參數，以改進這個缺失。 本研究的方法承襲李諭勳(2012)所提出的KIM LHCver.2修正檢核表，加以擴充，試探在彎腰30°和45°的靜態作業姿勢評級點數之調整參數。本研究設計疲勞感受實驗比較5組靜態作業（實驗組）和1組動態作業（對照組），以改良式Borg-CR10主觀疲勞感受來修正KIM的風險值，經由與對照組相同疲勞感受之持續時間來做靜態評級點數的調整。作業形式設定為以手握持1公斤的管子鉗進行接頭螺拴的組裝。動作與休息的時間比例為2:1，5組靜態實驗組分別為:0.5分:0.25分、2分:1分、5分:2.5分、10分:5分和15分:7.5分；動態對照組為0.2分:0.1分。動態對照組的最大可持續時間設定為2小時。在付費與獎勵的激勵下，10名年輕男子應邀擔任受測者。這五組實驗結果再以連續型指數曲線加以平滑。 研究結果顯示:在靜態姿勢動作時間小於1分鐘、3分鐘、6分鐘、12分鐘以及大於12分鐘時，彎腰30°的調整點數分別為0分、1分、1分、2分以及3分；而彎腰45°的調整點數分別為1分、1分、2分、3分以及3分。最後再以這個結果來檢驗4個實際的靜態彎腰作業案例。檢驗結果顯示，KIM LHC在納入靜態姿勢評級點數調整後，其評估全身性靜態作業的敏感度與準確性明顯提升。

• 學位論文

藉由最佳化實驗設計提高及改善STRONG之計算效率

隨機信賴區域反應曲面法 (STRONG)是一具有收斂及自動特性的反應曲面法。STRONG一個很重要的假設是，它的反應曲面與模型是具有同樣型式的；換句話說，是一個一階模型或二階模型。在許多的真實問題中，反應曲面往往是非常不具有線性特性以及難以預測的。在本篇論文中，我們調查最佳化實驗設計運用在一階模型以及二階模型的方法，以用來解釋模型誤解問題。我們也提出了漸進式的實驗設計架構使其與最佳化實驗設計結合，用來改進STRONG在計算上的效率。數值實驗驗證了我們所提出來的新的實驗設計架構確實能有效改善STRONG在計算上的效率。

• 學位論文

以顧客價值觀點發展APP服務工程架構-以墾丁旅遊為例

摘要 本研究以服務科學角度來設計APP開發架構，更能貼近消費者需求，現階段APP在開發時未考量服務和顧客導向的概念，然而APP特性注重情境使用且配合使用行為呈現階層化的架構，需要貼近顧客使用情境或行為，才能設計出完善、好使用的APP。因此若僅從技術層面去做開發而沒考量APP需被視為服務的提供，容易開發出不貼近顧客使用情境和需求的APP。而服務科學主要以透過科學方法，幫助使用者透過一整套服務發展架構能有系統性的開發出服務導向的商品、服務。然而在服務科學的服務發展架構上，無論是學術或實務皆缺乏適合APP特性的服務發展的架構。因此本研究主要貢獻為考量學術上和實務上皆沒有針對APP特性設計合適的服務發展架構和工具的不足，提供一套適用且方便使用的APP開發流程協助APP開發人員能開發出符合顧客價值的APP。 本研究整理服務工程相關模型常用步驟作為本研究的APP服務發展架構，並以開發出適合APP發展架構及以使用者方便使用APP架構，以及考量所有階段的連貫性此三個面向，去選擇適合APP特性並便於使用，且較有關聯性、目標較一致的工具，並將工具做改良或再設計，讓此架構流暢；此外設計適合APP開發特性的服務設計工具，補足文獻上和實務上缺少適合APP服務設計工具的不足，進而設計出完善、流暢並便於使用的APP開發架構。從而協助開發人員開發以降低開發出不符合顧客需求的APP之風險。 關鍵詞：服務科學、APP、顧客價值。

• 學位論文

建構彩色濾光膜及微透鏡缺陷樣型分析之資料挖礦架構

彩色濾光膜及微透鏡製程為製造CMOS影像感測器的一環，利用於相機、手機鏡頭。影像感測元件彩色濾光膜廠進行製造時可能會在感測區或非感測區造成缺陷樣型導致缺陷率提升，為了提升產品良率，希望於製造過程找出造成缺陷樣型的機台等原因，即時進行修復並減少重工情形。 目前多半是憑藉工程師的經驗來做故障排除的問題，錯誤及試驗法不夠快速且準確度不高，很容易造成人為對照的失誤及因為經驗不足而誤判，故本研究目的為發展一套彩色濾光膜及微透鏡資料挖礦架構模式，以協助工程師診斷造成缺陷樣型的原因。透過蒐集影像感測元件彩色濾光膜廠的缺陷樣型相關資料，結合列聯表分析的卡方獨立性檢定與Cramer’s V相關係數，利用關聯規則切割訓練集資料建立模型，測試集資料計算正確率篩選合適模型，配合演算法的支持度、信賴度與增益三個指標，定義篩選規則門檻值整理造成缺陷樣型的潛藏規則以進行規則評估。

• 學位論文

半導體封裝廠之產能組態規劃問題探討

本研究針對半導體封裝廠進行一產能組態規劃問題探討，案例公司所面臨之問題，主要分為兩個部分，其一為機台與模具配置，主要為針對不同產線間之機台數量配置規劃，其二為多產品之產量分配問題，在這問題中所追求之目標為淨利潤最大。此產能組態規劃問題主要探討半導體封裝廠中三站瓶頸站別，分別為黏晶站、銲線站以及封膜站，此問題存在高度的複雜性包含產品可加工機群之限制與機台配置的限制、機台類型存在非等效平行機台之特性、及產品種類眾多，且封膜站機台與模具必須搭配才能進行生產等限制。目前案例公司所進行的方式為先逐站規劃各站別之產品產量分配，接著規劃機台與模具配置，然而產品產量分配、機台配置及模具配置三者將互相影響，這樣的規劃方法分階段順序求解未必為整體的最佳，且會產生許多規劃的誤差。因此本研究提出方法來同步考量此產能組態規劃問題。 本研究用兩個架構來求解此問題，分別為混合整數規劃與兩階段架構之基因演算法結合線性規劃模式來進行規劃求解。混合整數規劃方法是進行同步之產品產量分配及機台配置與模具配置規劃，以改善公司分開求解之情況，而基因演算法結合線性規劃則為了解決混合整數規劃在產品種類變多時求解耗時的問題，將其整數變數之機台與模具配置使用基因演算法考量並修正產品分配之數學模式為線性規劃模式，最後用兩個方法驗證出，少於160種的產品數量時用混合整數規劃所求解可以有好的效率，但超過160種時則是用基因演算法結合線性規劃模式有一個較好的求解時間和不錯的求解績效，此兩種方法均可以在實務上給案例公司當作參考基準。

• 學位論文

結合訂單分配與船舶途程規劃問題之探討

在實務上，許多跨國企業同時擁有位於不同區域的生產工廠以及運輸船隊進行貨物配送，此類型企業的短期營運問題主要在於客戶訂單的處理與船舶途程規劃，由於此問題直接反應到是否可以快速的滿足客戶需求，因此該如何當各工廠位於不同區域的情況下，再加上船舶屬性、港口限制和訂單內容互相影響的環境下，把客戶訂單分配在合適的生產工廠，並且有效率的規劃船隊的航行路徑進行配送，是個非常重要的決策工作，目前有些企業仍然依靠人工的方式進行訂單的處理與船舶排程，但隨著訂單業務成長的情況下，傳統的人工已無法應付此工作，因此如何使用電腦系統同時進行訂單分配與船舶途程規劃，減少規劃人員經驗的差異及安排更符合全域最佳的規劃以最小化單位運輸成本，即為本研究的目的。 本研究將著重在實務上產業專用船運的短期營運問題進行探討，在多產品及多廠區的情境下，問題區分成多廠區訂單分配問題(Multi-Plant Order Allocation Problem, MPOAP)與船舶途程規劃問題(Ship Routing Problem, SRP)。在實務上兩個問題是互相影響的問題，文獻上並無探討在兩種問題同時考量的情況下做一個最佳化的求解決策，故本研究將使用回饋式（Inner-outer iterative）搜尋架構將兩個子問題MPOAP與SRP進行整合性求解，在MPOAP中使用門檻值接受法並搭配噪音擾動法求解SRP，以單位運輸成本最小化為目標下，求得最佳多廠區訂單分配及船舶路徑組合，且實驗中將利用其與多種演算法在不同情境下進行比較以說明此方法組合的優勢。另本研究將考慮兩大隨機性部分，其一為問題隨機性，海上船運時常受到天氣不定因素影響航行時間的不確定性，導致運輸成本有變異性，其二為使用隨機演算法所求解SRP每次最佳解答案不一，在回饋於MPOAP顯著影響求解品質，綜合以上，需進行多次重複抽樣的方式縮小隨機產生的變異，故本研究進一步利用回饋式搜尋演算法結合OCBA(Optimal Computing Budget Allocation)，欲透過OCBA有效率地分配抽樣次數達到減少運算時間並且更貼切符合實務狀況。

• 學位論文

混合式粒子群演算法應用於混合流程型生產排程問題 -以半導體封裝廠為例

研究針對半導體封裝廠之特殊混合流程型生產環境進行訂單指派規劃，其規劃主要分為兩個部分：一為將訂單指派至適當之生產產線；二為將訂單指派至各站適當之加工機群。主要探討該產業三個瓶頸製程，上片、銲線以及模壓，加工過程中有一載具轉換機制而造就其拆批與集批特性；且各站皆有許多不同型號/等級的機型，每個機型有許多機台，因此各站皆有非等效平行機群及完全相同的平行機台之特性。各產品依照其高低階程度或規格的不同，在各站並非所有的機群都能進行加工。由於該產業特殊的生產特性，其指派問題相當困難且複雜，若是指派不當，容易造成後續許多問題。舉例來說，若是指派到的產線沒有可以生產該訂單的機型，便須換線生產或是移動機台，換線生產容易有混料或混批的情況，而移動機台造成移動成本以及延伸後續其它問題。 　　本研究運用模擬最佳化的手法來解決三產線、三站別、多機型、多產品以及多訂單的指派規劃，考量其拆批、集批、非等效平行機台與完全相同平行機台共存之特性，並考慮各訂單允入產線與允入機群之限制，以最小化平均一張訂單之流程時間為目標，找到適合且較好之各訂單生產產線與加工機群指派方案。在面臨求解方案數過多時，本研究利用粒子群最佳化演算法進行解空間之搜尋，並加入鄰域搜尋法改善該演算法在面臨求解空間過大時可能會陷入區域最佳解的情況，同時利用OCBA有效地分配模擬資源及節省模擬時間，最後，本研究比較不同的方法，證明粒子群最佳化演算法結合OCBA及鄰域搜尋方法，能更快的搜尋到最佳解及有更好的效率，也提供實務上一種方法的參考依據。

• 學位論文

應用模擬最佳化於FMS之機台與車輛同步排程

摘要 傳統上之排程問題只考慮機台資源，但是在彈性製造系統(Flexible Manufacturing System, FMS)中除了機台資源外還包含搬運系統如自動物料搬運車輛(Automatic guided vehicles, AGV)，而搬運工件的時間會導致機台的閒置，因此在本研究的目標是要同步(Simultaneous)處理作業排程與車輛排程，使總完工時間(Makespan)最小化。同時考量作業排程與車輛排程是一個複雜的NP-Hard問題，因此需要一個有效的搜尋方法。根據文獻指出演化式演算法在處理最佳化排程問題是較好的選擇，因此本研究利用基因演算法(Genetic Algorithm ,GA)產生作業排程，並利用車輛排程演算法對每一個作業去選擇車輛。將兩個方法結合以處理同時排程問題。在面臨多目標問題時則使用多目標基因演算法(Multi-Objective Genetic Algorithm, MOGA)。 在FMS當中，由於機台都為多功能機台，工件的同一作業可以選擇替代機台進行加工，這個特性更增加排程的複雜性；而替代機台會影響到總完工時間以及機台與車輛的利用率，因此除了利用機台選擇演算法使總完工時間最小化之外，機台的利用率平衡也是重要的指標。在文獻中以數學規劃求解同時排程問題，車輛搬運工件的時間都是以搬運時間除以車輛移動速度，並未考慮到車輛在途中可能因為壅塞而延遲搬運時間或是車輛鎖死(deadlock)的實際上會面臨到問題，因此本研究在FMS同步排程系統之建構以離散事件模擬來達到考量實務情況，以區域控制(zone-control)處理車輛鎖死的問題，並以模擬最佳化架構在基因演算法結合模擬模式來增快求解效率。 FMS當中的機台都為CNC機台，作業的加工時間幾乎都是確定的，但是作業的整備時間是具有變異性的，這個因素使整個模型具有隨機性，若只以模擬一次的數據便對其下定論，可能因為隨機造成的誤差導致決策錯誤，若模擬太多次則會導致模擬時間過長。因此利用OCBA(Optimal Computing Budget Allocation)分配較多模擬資源給無法明確分辨好壞與變異太大的方案，在滿足特定的P{CS}下，能利用最少的模擬資源找出準確的方案。在面臨多目標問題時則使用MOCBA((Multi-Objective Optimal Computing Budget)。