由於製造系統複雜化與企業間的競爭壓力提高,製造業對製造系統穩 定性的要求相對提高,使得製造系統錯誤原因之診斷變成相當重要的課題 。 根據過去的經驗,類神經網路解決此類問題,皆有 不錯的成效。但當製造系統複雜性增加,將使得類神經網路的規模擴大, 傳統類神經網路的成效將大大降低。 模糊推論可使輸出的結果具連續 性、健全性,相近的輸入不會推論出差異甚大的結果,但模糊歸屬函數設 定過於主觀,不同的設定將使推論出的結果成效差異甚大。 階層式架構利用問題分解的概念,降低問題的複雜性,此種模式的好處是 將問題分解,使求解更容易,此外,若有局部模式要進行調整,只須對該 部份修正,不必對整個模式進行修正。 本研究結合階層式架構、類神經網路與模糊化處理,建立一階層式模糊類 神經網診斷模式,具有三者的優點。此診斷模式應用於較大且各子系統間 運作獨立性較高的製造程序中,一方面降低診斷的時間,又可增加診斷成 效,降低企業診斷的成本,改善製造系統中異常作業的發生,進而提高產 品的良率,增加企業競爭力。 本研究將以一大型化學製造系統的範 例進行驗證,預期得到一套製造系統錯誤原因之診斷模式,比較此模式與 傳統類神經網路模式之優劣,一旦製造系統發生錯誤,利用此模式找出可 能的錯誤原因,提供系統修正之參考。
|