臺灣博碩士論文加值系統

為了因應各類消費性電子產品日新月異之外觀設計需求，透光色系油墨印刷在工業設計上近年來被大量運用，例如手機背蓋具有透明感的顏色設計，電競筆記型電腦各種炫麗的發光效果，均是透過此類透光色系油墨印刷來達成。但透光色系油墨由於本身油墨組成與傳統油墨不同，不論在印刷平整性，油墨均勻度，以及整體透光效果上均不易掌控，生產製程上缺乏有系統性的參數控制。加上電子產品對於外觀的標準嚴格，印刷產品在透光後甚至要求零缺點零瑕疵，往往造成印刷廠商生產良率低落，成本居高不下。

本研究使用六標準差DMAIC品質改善手法，針對個案公司使用透光色系油墨於網版印刷之製程進行改善，首先找出關鍵品質特性之印刷點狀缺陷，接著透過製程能力分析了解生產現況，以特性要因圖歸納出可能影響之製程參數因子。透過田口直交表設計實驗因子水準組合並執行實驗，在取得數據後分別利用田口方法與計算智能方法進行製程參數最佳化，同時確認沒有遺漏掉重要因子。最後以確認實驗確認所獲得最佳化參數之改善成效，最終改善結果可將製程中發生的之印刷缺陷不良數量減少71%，協助公司大幅度提升生產良率，預期可為公司每年增加約台幣1000萬之營收。

To fulfill electronic device’s fast-change and innovative fancy design requirement, transparent series color ink with LED backlit design is massively applied in the industry. Because the composition of transparent color ink is quite different from traditional ink, it is difficult to control the printing flatness, quality consistency and backlit performance. The manufacture process is lack of systematic control. According to the high inspection standard of electronic device, the manufacture showed low yield and high quality cost.

This study followed the framework of Six Sigma DMAIC methodology for improving the screen printing process of transparent color ink for a case company. The Taguchi’s design of experiment and the computational intelligence method were individually employed to determine the optimal settings of the critical-to-quality factors of the printing process. The results showed that the factor settings generated by the computational intelligence method can provide better printing performance. The average number of printing defects reduced by 71%, bring huge saving of quality cost for the case company.

第一章　緒論 1
第一節　研究背景與動機 1
第二節　研究目的 2
第三節　研究架構與流程 3
第二章　文獻探討 5
第一節　六標準差 5
第二節　田口方法 7
一、田口直交表 8
二、信號雜音比 9
第三節　計算智能方法 11
一、類神經網路 11
二、基因演算法 15
三、結合類神經網路與基因演算法 17
第四節　網版印刷技術介紹 18
一、網版印刷 18
二、網版製作 20
三、油墨 21
四、印刷生產流程 22
第三章　研究方法 23
第一節　定義Define 23
第二節　衡量Measure 24
第三節　分析Analyze 25
第四節　改善Improve 26
第五節　控制Control 27
第四章　個案研究 28
第一節　個案公司簡介 28
第二節　定義Define 29
第三節　衡量Measure 31
一、定義關鍵品質特性 31
二、量測系統確認 34
三、衡量製程現況 35
第四節　分析Analyze 38
第五節　改善Improve 40
一、田口方法實驗設計 40
二、田口方法最佳化結果 41
三、計算智能方法最佳化結果 45
四、確認實驗 49
第六節　控制Control 51
第五章　結論與建議 53
第一節　結論 53
第二節　未來研究方向 54
參考文獻 55
著作權聲明 59

一、中文參考文獻
王進德 (2007)。類神經網路與模糊控制理論入門與應用。新北市：全華圖書。

方登進 (2006)。以六標準差改善框膠製程最佳化 (碩士論文)。國立成功大學，台南市。

立林和夫 (2000)。入門田口方法: 風靡日本工程學的TQM手法。台北市：財團法人中衛發展中心。

江商銘 (2007)。應用基因演算法與類神經網路在自動取置機參數調校設定之研究 (碩士論文)，南台科技大學，台南市。

李輝煌 (2011)。田口方法: 品質設計的原理與實務。新北市：高立圖書。

周鵬程 (2012)。遺傳演算法原理與應用：活用MATLAB。新北市：全華圖書。

洪莉雯 (2010)。六標準差應用於網版業製程改善之品質研究—以M公司為例 (碩士論文)。國立大葉大學，彰化縣。

郭信宏 (2011)。運用類神經網路結合基因演算法於雙面微結構導光板設計 (碩士論文)。國立高雄應用大學，高雄市。

陳林宏 (2014)。應用六標準差於導航模組產品之開發設計 (碩士論文)。明新科技大學，新竹縣。

張樹棟、龐多益、鄭如斯 (1998)。中國印刷通史。台北市：財團法人印刷文教基金會。

張家勤 (2009)。結合反應曲面法類神經網路與基因演算法於觸控面板雷射切割製程參數最佳化 (碩士論文)。國立清華大學，新竹市。

張靜怡 (2009)。以基因演算法結合類神經網路最佳化射出成形之翹曲與收縮值 (碩士論文)。東海大學，台中市。

陽東翰 (2003)。整合基因演算法及類神經網路於印刷電路板生產預測之研究 (碩士論文)。國立元智大學，桃園市。

曾英富 (2004)。應用六標準差專案手法改善塗裝製程不良率 (碩士論文)。朝陽科技大學，台中市。

葉怡成 (2003)。類神經網路模式應用與實做。台北市：儒林圖書。

葉秋林 (2006)。六標準差應用於導光版印刷製程最佳化 (碩士論文)。國立元智大學，桃園市。

廖荻萓 (2008)。運用六標準差手法提升製程良率—以手機OEM公司為例 (碩士論文)。國立大葉大學，彰化縣。

鄭松斌 (2005)。影響網印品質因素之探討。中央印製廠 – 印刷科技，21(2)。

歐陽立武 (1986)。網版印刷。中央印製廠 – 印刷科技，3(2)。

羅華強 (2006)。類神經網路 – Matlab的應用。新北市：高立圖書。

羅芬芳 (2016)。運用六標準差改善觸控玻璃印刷品質 (碩士論文)。國立元智大學，桃園市。

二、英文參考文獻
Adrian, P., Romeo N., & Serban M. (2016). Using Six Sigma Methodology to Improve the Assembly Process in an Automotive Company, Procedia - Social and Behavioral Sciences 221, 308-316.

Alina B. P., Mihail A. T., Constantin O., & Stefan T. (2018). Applying experimental research management to a technological process using Taguchi’s Method. Procedia - Social and Behavioral Sciences 238, 355-363.

Anirban C. M., Mukul J., Tanushri S., & Kiranchand G. R. (2017). Implementation of Taguchi Method for Robust Suspension Design. Procedia Engineering 144, 77-84.

Bezdek, J. C. (1994). What is computational intelligence? United States
Costa, T. (2017). Improve the extrusion process in tire production using six sigma methodology, Manufacturing Engineering Society International Conference 2017, Vigo, Spain.

David E. G. (1989). Genetic Algorithms in Search, Optimization and
Machine Learning. Boston, MA: Addison-Wesley.

De F., Joseph A., & Barnard, W. (2005). JURAN Institute's Six Sigma Breakthrough and Beyond - Quality Performance Breakthrough Methods. New York, NY: McGraw-Hill.

Deming, W. E. (1950). Deming's 1950 Lecture to Japanese Management Translation by Teruhide Haga. Tokyo, Japan.

Faucett, L. V. (1993). Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. London: Pearson.

Frecska, T. F. (1996). Problem & Ideas, Screen Printing, vol.74, 285-286.

Geoff T. (2001). Six Sigma: SPC and TQM in Manufacturing and Services, United Kingdom: Gower Publishing.

Girish, K., & Kuldip, S. S. (2015). Predictive Modelling and Optimization of Machining Parameters to Minimize Surface Roughness using Artificial Neural Network Coupled with Genetic Algorithm. Procedia CIRP, 31, 453-458.

Harry, M., & Schroeder, R. (2000). Six Sigma – Prozesse optimieren, Null-Fehler-Qualität schaffen, Rendite radikal steigern. Frankfurt am Main: Campus Verlag.

Holand, J. H., (1975). Adaptation in Natural and Artificial Systems, Cambridge, Massachusetts: MIT Press.

Kuldip, S. S., Sachin, S., & Girish, K. (2015). Optimization of Machining Parameters to Minimize Surface Roughness using Integrated ANN-GA Approach. Procedia CIRP 29, 305-310.

Mitchell, M. (1998). An Introduction to Genetic Algorithms. Cambridge, Massachusetts: MIT Press.

Monika, S., & Beata, M. (2018). Using Six Sigma DMAIC to improve the quality of the production process: a case study, Procedia - Social and Behavioral Sciences 238, 590-596.

Montri, I., Veera, B. & Sarun, I. (2016). Artificial Neural Network and Genetic Algorithm Hybrid Intelligence for Predicting Thai Stock Price Index Trend. Computational Intelligence and Neuroscience. Volume 2016.

Motorola University Six Sigma Dictionary (2006).

Nabendu, G., Pradip, K. P., & Goutam, N. (2016). Parametric Optimization of MIG Welding on 316L Austenitic Stainless Steel by Grey-Based Taguchi Method. Procedia Technology, 25, 1038-1048.

Nagnevitsky, M. (2004). Artificial Intelligence: A Guide to intelligent systems, Second Edition, Boston, CA: Addison Wesley.

Seyed, M. Z., Jafri M. R., Alireza, F., & Ataollah, S. (2015). Efficiency improvement of blood supply chain system using Taguchi method and dynamic simulation. Procedia Manufacturing, 2, 1-5.

Srinivasan, K., Muthu, S., Prasad, N. K., & Satheesh, G. (2014). Reduction of paint line defects in shock absorber through Six Sigma DMAIC phases, Procedia Engineering, 97, 1755-1764.

Young, M. (1988). Proper Techniques and Process Control for Printing Overlay Front Panels, SPAI：Technical Guidebook of the Screen Printing Industry, 4.

三、網路參考資料
CTA (Consumer Technology Association) 2017 annual report. http://www.cea.fr/english/Documents/corporate-publications/cea-annual-report2017.pdf