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。