应用ccd和bbd试验设计的研究方法.doc

南台科技大學 工業管理研究所 碩士學位論文計劃書 應用實驗設計與專家系統於區域管制圖參數最佳化之研究 Application of Experimental Design and Expert System in the Parameter Optimization of Zone Control Chart 研 究 生：李宗民 指導教授：方正中 中華民國九十九年四月摘要 在競爭，對品質求更加嚴苛在的環境，品質是企業維持競爭力品質管制統計製程管制 ( Statistical Process Control, SPC )是不可的重要工具，應用最廣泛的管制工具管制圖 (ontrol Charts )。傳統Shewhart管制圖偵測能力不是很好且連串法則(Runs Rules)檢定錯誤警訊過高，所以使用區域管制圖 (Zone Control Chart，ZCC)取代之。區域管制圖將管制圖分為四大區域，每一區域均賦予一參數，如0、2、4、8研究應用CCDBox-Behnken Design)方法，來找出區域管制圖最佳參數值。 應用CCD方法分為兩大部分探討。第一部份是以Uncoded因子參數與其SAS模擬的ARL值，輸入類神經網路並找出平均連串長度( Average Run Length, ARL )化區域管制圖參數ARL各組重要性不同，去修正各組ARL預測值。將最佳化區域管制圖參數的資料輸入SAS模擬出ARL值SAS模擬的ARL值，應用反應曲面法(Response Surface Methodology，RSM)中的望想函數(Desirability Function)求得最佳化區域管制圖參數。並考慮ARL各組重要性不同，找出最佳化區域管制圖參數預測值，[0,2,4,8]參數的資料輸入SAS模擬出ARL值預測值ARL模擬值關鍵字：CCD、BBD類神經網路、基因演算法、望想函數摘要 ……………………………………………………………………………………..i 目錄 …………………………………………………………………………………….ii 表目錄 iii 圖目錄 iv 第一章 緒論 1 1.1 研究動機與背景 1 1.2 研究目的 1 1.3 研究方法 2 1.4 研究架構 4 第二章 相關文獻回顧與探討 6 2.1 傳統Shewhart管制圖介紹 6 2.2 區域管制圖介紹 8 2.3 中央合成設計介紹 10 2.4 Box-Behnken Design介紹 12 2.5 類神經網路與基因演算法介紹 13 2.6 反應曲面法介紹 19 2.7 望想函數(Desirability Function)介紹 21 第三章 應用CCD和BBD實驗設計的研究方法 23 3.1 CCD和BBD下區域管制圖參數輸入類神經網路 24 3.2 CCD和BBD下應用倒傳遞類神經網路模式 31 3.3 應用基因演算法修正類神經連結權重 34 3.4 考慮ARL的重要性下並驗證其結果 35 3.5 在CCD和BBD下應用反應曲面法 36 3.6 未來研究方向與預測 39 參考文獻 40 附錄A SAS程式 44 表2-1 區域管制圖分數給定 9 表3-1 四因子CCD實驗設計配置表 25 表3-2 四因子Box-Behnken 實驗設計配置表 26 表3-3 CCD下倒傳遞類神經網路輸入模式 27 表3-4 BBD下倒傳遞類神經網路輸入模式 28 表3-5 CCD下類神經網路輸入與輸出資料表 30 表3-6 BBD下類神經網路輸入與輸出資料表 31 表3-7 CCD下倒傳遞類神經網路交叉驗證 32 表3-8 BBD下倒傳遞類神經網路交叉驗證 32 表3-9 類神經網路訓練次數 32 表3-10 區域管制圖之ARL重要性的不同 35 表3-11 CCD下考慮ARL的重要性下的望想函數設定值 38 表3-12 BBD下考慮ARL的重要性下的望想函數設定值 38 圖1-1 研究流程架構圖 5 圖2-1 傳統Shewhart管制圖 6 圖2-2 區域管制圖 9 圖2-3 k = 2及k = 3之中央合成設計圖 10 圖2-4 雙因子中央合成設計圖 11 圖2-5 人工神經元模型 14 圖2-6 倒傳遞類神經網路模式 15 圖2-7 基因演算法之演化流程圖 17 圖2-8 類神經網路之權重於基因演算法的編碼圖 18 圖3-1 類神經網路結合基因演算法之研究流程圖 23 圖3-2 反應曲面法中望想函數之研究流程圖 24 圖3-3 區域管制圖各區間的參數 29 圖3-4 類神經網路參數輸入介面模式 33 圖3-5 類神經網路的網路架構 33 圖3-6 在CCD下應用反應曲面法參數輸入minitab 15的操作介面 36