臺灣博碩士論文加值系統

產品品質的好壞是影響企業發展的主要原因之一。良好的品質不僅能夠降低客戶抱怨且能使企業永續發展。而在提升產品品質方面，工業界常使用實驗設計(Design of Experiments, D.O.E) 來規劃實驗，以獲得最佳因子水準組合配方。但某些領域(如化工、材料等)的實驗屬於混合實驗(Mixture Experiments)的範圍，其反應變數與各因子所佔各實驗的總含量之比例有關，故在研究此類實驗之最佳配方時會受到比例總和為1的限制，使其可行解範圍較一般實驗設計最佳配方可行解的範圍來得小。而國內、外文獻對於混合實驗的研究相當少。因此，本論文提出一套結合灰關聯分析與VIKOR程序(此法稱為灰色多屬性決策法)的演算流程來建構一個反應曲面預測模型，以找出最佳配方。本論文最後以一個煞車專用橡膠皮碗實例，驗證本論文所提的演算法確實有效，可幫助企業提高產品品質水準並滿足顧客需求。

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
圖目錄 vi
表目錄 vii
第一章 緒論 1
1.1研究背景和動機 1
1.2研究目的 2
1.3研究方法 2
1.4研究架構 3
第二章 文獻探討 4
2.1混合實驗設計 4
2.2電腦產生設計 8
2.3灰色系統理論簡介 10
2.3.1灰色生成 11
2.3.2灰色關聯分析 12
2.4 VIKOR程序 15
2.5多品質特性實驗之相關文獻 19
2.6混合實驗設計之相關文獻 20
第三章 研究方法 22
第四章 實例驗證 28
4.1實例介紹 28
4.2實驗數據分析 30
4.2.1規劃多品質特性混合實驗 30
4.2.2進行灰色多屬性決策分析演算流程 31
4.2.3建構整體績效指標的反應曲面模式並找出最佳配方 35
4.2.4檢定模型正確性 38
4.2.5確認實驗是否具有再現性 40
第五章 結論 41
5.1結論 41
5.2後續研究 41
參考文獻 43

[1] 王春和，「應用灰關聯分析法於多品質特性與等級類別品質特性之最佳化」，國立交通大學工業工程管理學系，博士論文，2001。
[2] 王柏齡，「反應六標準差之多品質特性混合實驗最佳化演算法」，國立交通大學工業工程管理學系，碩士論文，2005。
[3] 李百川，「應用雙反應曲面分析法於混合實驗多品質特性最佳化之研究」，國立交通大學工業工程管理學系，碩士論文，2005。
[4] 林修吉，「含有混合因子之直交表實驗設計問題研究」，義守大學工業工程與管理學系，碩士論文，2003。
[5] 林俊宏、曾國雄、任維廉，「利用VIKOR方法解決企業資源規劃系統評選問題」，台大農業經濟學系出版，2005。
[6] 溫坤禮、黃宜農、張偉哲、張廷政、游美利、賴家瑞，「灰關聯模型方法與應用」，高立圖書有限公司，2003。
[7] 夏郭賢、吳漢雄，「灰關聯分析之線性數序前處理」，灰色系統學刊，第一卷,第一期. pp. 47-53，1998。
[8] 鄧聚龍，「灰色系統理論與應用」，高立圖書有限公司，1999。
[9] 賴昱甫，「脂肪替代品甲基葡萄糖多酯的最優化合成條件探討及物理特性之研究」，大業大學食品工程研究所，碩士論文，2000。
[10] Cornell, J. A., Experiments with Mixtures: Designs, Models, and the Analysis of Mixture Data, 2002.
[11] Dabbas, R. M., Fowler, J. W., Rollier, D. A., and Mccarville, D., “Multiple Response Optimization Using Mixture-Designed Experiments and Desirability Functions in Semiconductor Scheduling,” International Journal of Production Research, Vol. 41, No. 5, pp. 939-961, 2003.
[12] Derringer, G. and Suich, R., “Simultaneous Optimization of Several Response Variables,” Journal of Quality Technology, Vol. 12, No. 4, pp. 214-219, 1980.
[13] Scheffé, H., “Experiments with Mixtures,” Journal of the Royal Statistical Society Series, pp. 344-360, 1958.
[14] Hsu, C. M., “Solving Multi-Response Problems through Neural Networks and Principal Component Analysis,” Journal of the Chinese Institute of Industrial Engineers, Vol. 18, No. 5, pp. 47-54, 2001.
[15] Kiefer, J., and Wolfowitz, J., “Optimum Designs in Regression Problems.” Annals of Mathematical Statistics, Vol. 30, pp. 271-294, 1959.
[16] Lee, W. M. and Liao, Y. S., “Neural-Based WEDM Optimization via Grey Analysis,” The Journal of Grey System, Vol. 2, pp. 135-146, 2001.
[17] Liao, H. C. and Chen, Y. K., “Optimizing multi-response problem in the Taguchi method by DEA based ranking method,” The International Journal of Quality & Reliability Management, Vol. 19, No. 7, pp. 825-837, 2002.
[18] Douglas, C. M., Design and Analysis of Experiments, pp439, 2005.
[19] Douglas, C. M. and Rollier, D. A., “Design of Mixture Experiments Using Bayesian D-optimality,” Journal of Quality Technology, Vol. 29, No. 4, pp. 451-463, 1997.
[20] Opricovic, S. and Tzeng, G. H., “Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS.” European Journal of Operational Research, Vol. 156, No. 2, pp. 445-455, 2004.
[21] Su, C. T. and Tong, L. I., “Multi-Response Robust Design by Principal Component Analysis,” Total Quality Management, Vol. 8, No. 6, pp. 409-416, 1997.
[22] Tong, L. I. and Su, C. T., “Optimizing Multi-Response Problems in the Taguchi Method by Fuzzy Multiple Attribute Decision Making,” Quality and Reliability Engineering International, Vol.13, No.6, pp.25-34, 1997.
[23] Zeleny, Milan, Multiple Criteria Decision Making, New York, 1982.