• 學位論文

應用層級分析法於新產品開發人員績效評估

在競爭日趨激烈的市場環境中，新產品開發不但是企業重要的核心價值，且在現今瞬息萬變產業界競爭環境中，開發人員在新產品開發專案不謹扮演重要的關鍵角色，更是保持公司永續經營之重要資產。本研究之目的旨在建立一套新產品開發人員績效評估的完整架構，以提供高科技生產企業從事新產品開發人員之績效評估模式。本研究以台灣地區某電源供應器廠商為例，建立一套合理的評估模式，此評估模式將彙整國內外學者專家文獻，並進行專家訪談，再運用層級分析法設計問卷及進行問卷分析，期望能建立新產品開發人員績效評估的重要指標，進而發展績效評估準則，藉此彙集出新產品開發人員績效評估指標及各類指標所佔之權重，以提供給電源供應器產業之研發人員績效評估之參考。

• 學位論文

頸動脈中層膜厚度與血管直徑變化對動脈硬化前期影響之研究

台灣地區歷年來十大死因以惡性腫瘤居於首位，而其次為心臟疾病以及腦血管疾病，在過去對於動脈硬化之研究侷限於頸動脈中層膜厚度(carotid artery intima–media thickness, CCA-IMT)對動脈粥狀硬化現象的影響程度，對於頸動脈血管直徑(diameter of the common carotid artery, CC-AD)是否會增加罹患心腦血管疾病之探討較少。由於動脈前期具有可逆性反應，因此建構一套輔助診斷系統，協助醫師的臨床診斷及預防愈顯其重要性。 本研究主要在探討血管內膜以及血管直徑相關變異之因子對動脈硬化前期影響程度，針對未發病之健康人的血管頸動脈血管直徑以及頸動脈中層膜厚度進行分析，透過醫院資料庫藉由資料探勘技術中的類神經網路以及決策樹進行客觀的資料分析，對動脈粥狀硬化有效臨床診斷指標CCA-IMT及CC-AD變化加以評估。 研究顯示類神經網路於CCA-IMT分類預測準確率為82.19%；CC-AD分類預測準確率為82.36%；在類神經網路結合決策樹演算法之分類預測準確率為82.51%；而決策樹方面分類準確率為97.28%；在類神經方面的分類結果顯示影響程度最大的主要因子是年齡，其他影響因子包含收縮壓、抽菸習慣、喝酒習慣、運動習慣以及低密度膽固醇等共同部分：而在決策樹方面分類結果顯示，第一層分類節點為腰臀比以及運動習慣，其次第二層為膽固醇、身高、喝酒習慣為主；本研究成果可提供醫師進行醫療服務時，作為全方位的早期評估與判斷的參考，同時可擬定早期防範的對策，降低發生的可能性，對於醫師之臨床診斷將有實質之助益。

• 學位論文

混合資料探勘技術於資料分析之研究

支援向量機(Support Vector Machines, SVM)是近幾年來最被廣泛應用的分類方法之一，其主要的理論是來自統計學習理論中結構化風險最小誤差法(Structural Risk Minimization, SRM)為新一代的學習演算法，此演算法已廣泛的使用在各種不同領域，例如生物資訊、影像分析、手寫識別、日常生活中的異常現象判斷，信用卡盜刷、監視影像偵測等。而支援向量機的分類準確度優於最大概似法，精準度值較高也較穩定，不會像最大概似法有高低震盪的情形發生。而且就影像個別類別的區塊化能力來說，也是以支援向量機的成果較佳。因此本文利用資料探勘(Data Mining, DM)的方法使用貝氏網路(Bayesian Network, BN)、支援向量機(Support Vector Machines, SVM)與決策樹(Decision Tree, DT)做屬性篩選，再分別結合支援向量機(Support Vector Machines, SVM)，進行分類，進而分析UCI(University of California – Irvine)的四個資料庫，並和先前學者所寫的論文結果做比較。研究結果發現決策樹結合支援向量機後更能提升分類的正確率。

• 學位論文

Voronoi Diagram 之新模式

Voronoi Diagram是幾何空間分析上非常有用的工具，常應用於空間區域問題與解決最近相鄰點的問題，其應用領域包含資訊工程、機械工程、建築、藝術、生物學、藥理學、化學、材料科學等。過去有許多學者提出建構Voronoi Diagram的演算法，也運用divide and conquer解決小區域的Voronoi Diagram之運算。但是divide and conquer只是將運算區域分割與縮小，並未對點的增減提出討論。此外，大部份學者所提出的演算法都是O(n log n)的複雜度。因此，本文提出一個新的演算法建構Voronoi Diagram，並將其複雜度從O(n log n)縮小到趨於線性的複雜度。除此之外，在已建構的二維平面Voronoi Diagram的圖形中，若增減點數至此圖形時，也能明確的找出那些點才是真正影響此點區域的關鍵點，並針對影響的點數重新建構，以減少不必要的計算及降低複雜度，使二維平面Voronoi Diagram的圖形能在最少的步驟下完成，而省略了又要重新針對全部的點做建構。由此可知，使用本研究所提出的方法建構Voronoi Diagram，不僅能降低複雜度，還能快速的重新建構。

• 學位論文

西螺農產品市場面臨之經營問題探討

果菜市場是為提供農民、承銷商、販運商及消費者對蔬菜果交易採購、 販賣的最主要交易場所， 因此市場的經營形態與管理效率都影響整個市場營運績效。在市場的經營形態中，產地批發果菜市場是有別於一般農產運銷公司之批發市場或果菜市場，經營方面還是以傳統交易方式為主，比較沒有制度化及資訊化，當然所面臨經營上的問題就比較多。因此，本研究的動機即是探討產地批發果菜市場所面臨經營上的問題。 在所有產地批發果菜市場中，最具代表性的為西螺農產品市場。由於西螺農產品市場內各類蔬菜貨色齊全、交易成本低與交通之方便性，因此成為全省蔬菜最大集散市場。有鑑於此，本研究之目的即針對西螺農產品市場所面臨經營上的問題進行探討，利用實地訪談及觀察來分析其現況並據以提出改善建議，希望研究結果可供市場經營者作為有效提升經營效率的參考。

• 學位論文

應用德爾菲法及分析網路程序法於半導體分析晶片缺點因子改善製程良率之研究

台灣為全球半導體產業的生產重鎮，晶圓代工產業市佔率更是居世界第一之要角，為了持續維持晶圓代工產業之優勢，晶片的生產良率一直是半導體製造業的重要指標，然而減少晶片缺點為增加晶片良率的最佳解決方案。因此，本研究針對半導體製造過程中造成化學氣相沉積晶片缺點之因子，進行篩選及評估，然後從中找出影響產品缺點的關鍵因子，以利於提升產品良率，增加產出並創造公司利潤。本研究回顧過去相關文獻，以及與半導體相關專業人員進行因子篩選與評估，利用特性要因圖分析，經由人力、設備、材料與方法等四大構面，找出各影響缺點之重要因子，並且使用德爾菲(Delphi)法以及分析網路程序(Analytical network process, ANP)法來決定各因子之重要性權重，以探討造成化學氣相沉積晶片缺點的重要關鍵因子，研究結果找出影響權重最重要之項目為零件異常之因子，以利半導體製造業解決缺點之參考。

• 學位論文

應用CONWIP於供應鏈存貨政策之探討

在傳統供應鏈系統中，顧客需求量有所變動時，會對供應鏈中各個階層之存貨造成變動。對應此變動，各階層將會訂定適當的存貨政策來降低存貨成本。如何制定供應鏈系統之存貨政策，達到降低存貨成本，已成為管理供應鏈之首要任務。本研究藉由eM-Plant動態模擬方法，來研究供應鏈存貨政策改變，對各階層單位所造成的影響，並針對(s,Q)及CONWIP存貨政策建構模擬模型，而此模型由供應商、製造商、配銷中心及零售商構成供應鏈系統，藉由各階層下游需求變異之變動，探討供應鏈各階層之存貨變動情況。研究結果顯示當供應鏈下游成員之需求改變時，會使供應鏈上游之存貨產生缺貨或者存貨堆積，進而造成供應鏈上下游間存貨的波動，導致影響各階層之存貨成本，以致於整體供應鏈總成本增加。本論文將對此情況進行分析探討，並提出改善之方向，以有效管理供應鏈存貨政策。

• 學位論文

應用人工智慧判斷新生兒患病理性黃疸輔助鑑別診斷之研究

黃疸(jaundice)在新生兒當中是很常見的症狀。一般出生一週內的新生兒有黃疸症狀大多屬於生理性黃疸，是因為間接型膽紅素過高，在這種狀態下是屬正常現象；若發現超過生理性的範圍，必須留意是否有其他的病變，並注意嬰兒離院後膚色變化。多數人將新生兒的黃疸症狀歸咎於母乳，而忽略潛在問題的原因。通常在醫院時，嬰兒的黃疸指數維持在生理性黃疸的範圍，不用複檢，即可出院。且新生兒的體重原本就會有生理性的下降，一般情況只要七至十天後就會恢復到正常的體重範圍，但若發現嬰兒體重持續下降，身體膚色有變黃的趨勢，即應就醫觀察。 本研究以判斷是否罹患黃疸症狀以及病理性黃疸新生兒是否加強照光兩種研究為目標，期望運用人工智慧的研究方法，以雲林地區某醫療機構罹患病理性黃疸之新生兒資料庫為對象，透過倒傳遞類神經網路模式、C5.0決策樹分析與類神經網路結合決策樹，決定各項變數因子的最佳權重與規則，建構準確診斷預測新生兒罹患病理性黃疸的輔助系統，能提早發現並找出其病因，接受醫護治療。研究結果顯示，類神經網路結合決策樹在判斷罹患病理性黃疸症狀有較佳的分析成效，平均測試準確率為94.72%；而在判斷病理性黃疸新生兒是否加強照光研究上，類神經網路結合決策樹的測試平均準確率為96%，顯示類神經網路結合決策樹分析模型對新生兒病理性黃疸症狀的危險因子有較佳的規則解釋能力，根據所建構之模型，以最佳的病症規則做為未來醫護人員在臨床上診斷之輔助參考依據。而及時知道有黃疸症狀的新生兒，是否為病理性黃疸，可以早期發現治療而改善。本研究能有效的解決縮短黃疸的判斷時間，對於往後醫護人員以及新生兒家屬皆能有所助益。

• 學位論文

應用基因及免疫演算法於自動化倉儲系統之物料存取動線規劃

隨著科技的進步與市場型態的改變，企業為了提升服務水準與顧客滿意度，導致商品轉變成多樣化與客製化，因此倉儲的作業與管理上變得比以往來得更加複雜。為了因應倉儲作業的改變與改善其效率，自動化倉儲系統目前已逐漸地被應用在倉儲作業上。存取物料之動線規劃會影響到自動化倉儲系統之運作效率，因此本研究主要在探討存取動線規劃之問題。物料存取之動線規劃屬於NP-hard問題，基因與免疫演算法於此類型問題中具有優越的求解能力，因此本研究利用此兩種演算法作為求解的方法。由於自動化倉儲系統的複雜程度受到存取機載量、存貨架數量、出入庫位置此三項基本設備之影響，本研究藉由此三項變因不同的組合以代表不同複雜度之自動化倉儲系統，利用基因與免疫演算法的求解能力進行系統中物料存取動線的規劃。本研究根據學者李智信(2000)所提出的測試實驗問題，藉由不同的問題類型，透過基因與免疫演算法求解後，並將測試結果與過去文獻(陳世泓，2006)作比較，數據結果顯示，對於全部測試問題免疫演算法可獲得優於文獻的目前最佳解，而基因演算法亦有不錯的結果。另外為更符合實際業者需求，改變演算法之限制條件以限定程式運作需花費時間，結果發現在問題複雜度較低時，基因與免疫演算法其求解的結果，仍優於過去文獻(陳世泓，2006)之蟻群最佳化演算法。

• 學位論文

cDNA微陣列影像模糊濾波器之設計

本論文提出cDNA微陣列影像模糊濾波器之設計，使用於cDNA微陣列影像復原，以模糊推論系統設計雜訊偵測器，以不同濾波器之復原結果設計模糊推論規則，判斷是輸入像素向量否受雜訊污染，並以粒子族群最佳化雜訊偵測器，提高雜訊判斷效能。首先以影像預處理器將斑點前景與背景區域分離，以前景區域輸入所提出之雜訊偵測器，判斷輸入像素向量是否遭受汙染，基於選擇性濾波器，若判斷為乾淨像素向量，以輸入像素向量不變輸出；反之以濾波器復原輸出，並以斑點顏色比特性加強濾除結果。最後實驗證明本論文所提出之影像濾波器之復原效能勝過已存在之著名方法，且可應用於cDNA微陣列影像復原。