臺灣博碩士論文加值系統

在知識管理之應用中，案例式推理系統(Case-Base Reasoning System，CBRS) 經常被使用於產品開發設計的知識管理。可是大部分應用於工程設計的案例式推理系統都無法提供案例修正機制，因為案例修正的複雜性，案例修正僅止於人工修正。本研究主要目標是提出案例修正機制以協助工程師加速完成產品設計。
本研究以TFT-LCD顯示器中的背光模組光學設計為例來展示案例修正技術。首先，運用最小鄰近演算法於案例式推理系統中的取出最佳參考案例的設計因子與權重值必需先找到以找出設計問題之可能最佳參考解。在運用最佳參考案例設計出的工程樣品無法達到客戶的規格時，本研究中提出一修正公式，可以利用前兩份設計推演出能符合客戶規格的最佳設計值。
此一具有案例修正機制的案例式推理系統將可協助公司縮短產品開發時程，提高產品的競爭性與公司的競爭力。

In Knowledge Management applications, case-based reasoning system (CBRS) is one of the most frequently used technologies in the management of knowledge of product development. However, there are very few applications of the CBRS could provide the case adaptation due to the complication of engineering design. Most of the CBRS can only adapt the retrieved case manually. The objective of this research is to develop a case adaptation technology to assist product engineers in developing the new product after retrieval of existing case from CBRS.
The optical subsystem design in the development of back light module for TFT-LCD display was used as example for the case adaptation technology. The first phase of the case-adaption technology development is to search for the most important attributes and weights of these attributes in order to retrieve the best reference design case by the nearest neighbor method. The adaptation rule is applied after the first revised design does not meet the specification. This rule will suggest the new design according to the previous two unsuccessful designs. Through this technology, engineers only need in only two engineering prototype constructions to produce a successful design.
The CBRS with this case adaptation technology can provide the company with short product development cycle. This would result in product competitive in the market and the competitiveness of the company.

摘 要
Abstract
誌 謝
目 錄
表 目 錄
圖 目 錄
一、緒論 1
1.1研究目的 1
1.2研究背景 2
1.3研究方法與步驟 2
1.4論文架構 5
二、文獻背景與技術探討 7
2.1產品資料庫管理 7
2.2案例式推理 11
2.2.1案例式推理知識庫之架構 13
2.2.2案例式推理知識庫之應用技術 19
2.3案例式推理之修正技術 22
2.4修正系統之架構與流程 23
2.5個案簡介-背光模組之光學開發 27
三、需求分析與模式建構—以背光模組為例 39
3.1企業需求分析 39
3.2模式建構概述 42
3.3樹型結構 48
3.4案例式推理之應用 51
3.4.1光學設計樣版管理系統 51
3.4.2案例內容與特徵屬性表示 59
3.4.3初版光學主趨勢設計……………………………………………………….61
3.5 修正系統架構 67
3.5.1案例相似度之驗證 67
3.5.2正規化問題…………………………………………………………………81
3.5.3修正演算……………………………………………………………………84
四、實例結果與分析 87
4.1問題描述 87
4.2參考樣版選定與套用 88
4.3案例修正 94
4.4結果與驗證 101
五、結論與建議 102
5.1結論 102
5.2建議 102
六、參考文獻 105
附錄 109












表 目 錄
表2-1案例式推理法各領域之應用…………………………………………………19
表2-2各光學元件功能表……………………………………………………………28
表3-1背光模組常見問題整理………………………………………………………62
表3-2主趨勢函數設計之參數……………………………………………………….64
表3-3對應於導光板之設計………………………………………………………….65
表3-4背光模組常見的產品型態…………………………………………………….67
表3-5Notebook規格書參考………………………………………………………….70
表3-6 Notebook規格書參考…………………………………………………………71
表3-7 TV規格書參考………………………………………………………………...72
表3-8工業機種規格書參考………………………………………………………….72
表3-9 LED小尺寸規格書參考………………………………………………………73
表3-10 韓系廠商Notebook規格書參考…………………………………………....74
表3-11背光模組輝度管控…………………………………………………………...75
表3-12金屬基材特性………………………………………………………………...79
表3-13正規化處理過程……………………………………………………………..83
表4-1客戶規格參考…………………………………………………………………88
表4-2參考樣版與目標樣版之設計參表……………………………………………95












圖 目 錄
圖1-1研究步驟 3
圖2-1案例式推理之週期過程 14
圖2-2 Watson之案例推理過程 16
圖2-3 CBRS架構圖 17
圖2-4產生案例之三種型態 18
圖2-5案例式推理系統修正過程 23
圖2-6修正模組系統流程 26
圖2-7背光模組部品組成圖 28
圖2-8導光板製程光路分析圖 29
圖2-9各類製程之導光板微結構示意圖 33
圖2-10背光模組光路分析圖 35
圖2-11期望輝度表現曲線 36
圖2-12楔形板之光能量分佈 36
圖2-13平板之光能量分佈 37
圖2-14雙邊入光之能量分佈與光學設計趨勢 38
圖3-1系統模式建構 41
圖3-2案例式推理系統架構圖 43
圖3-3修正模組系統架構圖 47
圖3-4樹型結構 49
圖3-5產品特徵屬性樹型介面與索引資料圖 50
圖3-6背光模組光學設計流程 52
圖3-7光學設計樣版管理系統環境圖 53
圖3-8光學設計樣版管理系統架構圖 54
圖3-9光學設計樣版管理系統流程圖 55
圖3-10光學設計樣版管理主查詢頁面 56
圖3-11光學設計樣版管理查詢結果顯示 57
圖3-12光學設計樣版管理系統光源及導光板資料 58
圖3-13光學設計樣版管理系統部品規格欄位 58
圖3-14光學設計樣版管理系統下載頁面 58
圖3-15背光模組開發問題架構圖 62
圖3-16光學設計之關鍵影響參數 63
圖3-17背光膜組之主趨勢設計示意圖 64
圖3-18 X趨勢示意圖 …………………………………………………………….65
圖3-19 Y趨勢示意圖 …66
圖3-20 等高線輝度分佈對應導光板設計………………………………………67
圖3-21 電視81點量測位置圖說明……………………………………………..68
圖3-22 13點量測位置圖說明……………………………………………………69
圖3-23 輝度分析示意圖…………………………………………………………75
圖3-24 色度分析示意圖…………………………………………………………76
圖3-25 冷陰極管其工作溫度vs輝度相關趨勢圖……………………………..79
圖3-26模組光學量測set up說明圖…………………………………………….80
圖3-27光學設計與驗證流程圖………………………………………………….81
圖3-28 光學設計流程圖…………………………………………………………82
圖3-29 修正後之改版輝度示意圖………………………………………………83
圖3-30 修正技術之STEP1………………………………………………………84
圖3-31 修正技術之STEP2………………………………………………………85
圖3-32 修正技術之STEP3………………………………………………………86
圖4-1 參考樣版選擇之影響參數………………………………………………..89
圖4-2 轉換樹型結構示意圖……………………………………………………..90
圖4-3 光學樣版套用之步驟一…………………………………………………..91
圖4-4 光學樣版套用之步驟二…………………………………………………..91
圖4-5 光學樣版套用之步驟三 …………………………………………………92
圖4-6 光學樣版套用之步驟四…………………………………………………..92
圖4-7 導光板有效發光區量測示意圖…………………………………………..93
圖4-8 導光板有效發光區量測結果示意圖……………………………………..94
圖4-9 目標函數示意圖 …………………………………………………………95
圖4-10 期望輝度、與參考樣版、目標案例之輝度效益表示…………………97
圖4-11 修正後之合理參數設計表………………………………………………98
圖4-12 目標期望輝度表現與修正後之誤差……………………………………99
圖4-13 改版之設計趨勢示意圖………………………………………………..100
圖4-14 管制圖管控……………………………………………………………. 101

1..http://www.ixon.com.tw/Products/pdm/pdm.htm , accessed on 2006.04.21.
2. Schank, R., 1982, Dynamic Memory: A Theory of Learning in Computers and People, Cambridge University Press, New York.
3.Bradley, P.A., 1994, “Case-based reasoning: business applications,” Knowledge Engineering Systems, Vol. 37, No. 3, pp.40-42.
4.Leake, D.B., 1996, “Case-based reasoning: experience, lessons, future directions,” AAAI Press, Menlo Park, CA.
5.Hua, K., Schmitt, G. and Faltings, B., 1992, “Adaptation of spatial design cases, ” Artificial Intelligence in Design, Vol. 92, pp.559-575.
6.Aamodt, A. and Plaza, E., 1994, “Case-based reasoning: foundational issues, methodological variations, and system approaches,” Artificial Intelligence Communications, Vol. 7, pp.39-59.
7.Watson, I. and Marir, F., 1994, “Case-based reasoning: a review,” Knowledge Engineering Review, Vol. 9, No. 4, pp.355-381.
8.Sun, Shu-Huang and Chen, Jahau-Lewis, 1996, “A fixture design system using case-based reasoning,” Engineering Applications of Artificial intelligence, Vol. 9, No.5, pp.533-504.
9.Yau, Nie-Jia and Yang, Jyh-Bin., 1998,“Applying case-based reasoning technique to retaining wall selection, ” Automation in Construction, Vol. 7, pp.271-283.
10.Suh, Min-Soo, Jhee, Won-Chul, Ko, Young-Kwan and Lee, Albert, 1998, “A case-based expert system approach for quality design,” Expert Systems With Applications, Vol. 15, pp.181-190.
11.Chan, Felix T.S., 2005,“Application of a hybrid case-based reasoning approach in electroplating industry,” Expert Systems with Applications, Vol. 29, pp.121-130.
12.Amjad, Waheed and Hojjat, Adelib., 2005, “Case-based reasoning in steel bridge engineering,” Knowledge-Based Systems, Vol. 18, pp.37-46.
13.Ceccaroni, L., 2000, “Integration of a rule-based expert system, a case-based reasoner and an ontological knowledge-base in the wastewater domain,” 2nd ECAI Workshop on Binding Environmental Sciences and Artificial Intelligence, pp.8:1-8:10, Berlin, Germany.
14.林志明，1998，「應用案例推理與灰色關聯分析法發展產品設計評估決策支援系統」，中央大學工業管理學系碩士班碩士論文。
15.潘立偉，「以歸納樹解決案例式推理中的案例改編問題」， 碩士論文， 國立台灣科技大學電子工程系研究所，台北(2000) 。
16.黃弘毅，2001，「設計概念階段之產品知識建構與應用-以案例式推理法為例」，東海大學工業設計學系碩士班。
18.李德昌，2005，「案例式推理(CBR)對新產品開發與設計作業流程改善之研究」，元智大學工業工程與管理研究所碩士論文。
19. S. Passone a,2002, “Incorporating domain-specific knowledge into a genetic algorithm to implement case-based reasoning adaptation” Knowledge-Based Systems 192-201.
20 C.M. Vonga,2002, “Case-based reasoning and adaptation in hydraulic production
machine design”,Engineering Applications of Arti.cial Intelligence 15 (2002) 567-585
21 Wilson David,2004, “Learning to improve case adaptation by introspective reasoning and CBR”,LATEX macto package with lincs style
23. http://wordpedia.eb.com/tbol/article?i=010416&db=big5
24.林宏達，2004，「從兩台機械木馬玩出六百億娛樂帝國」，商業周刊電子報，第885期，2006年4月25日，取自http://www.businessweekly.com.tw/article.php?id=19232
25.曾寶璐，2004，「燈泡富翁」，商業周刊電子報，第885期，2006年4月25日，取自http://www.businessweekly.com.tw/article.php?id=19248
26.Veryzer, R. W., 1998, “Discontinuous innovation and the new product development process, ” Journal of Product Innovation Management, Vol. 6, No. 2, pp.304-321.
27.Song, X. M. and Montoya Weiss, M. M., 1998, “Critical development activities for really new versus incremental products, ” Journal of Product Innovation Management 15, pp.124-135.
28.Cooper, R.G.., 1994, “Perspective: third-generation new product processes,” Journal of Product Innovation Management, Vol.11, pp.3-14.
29.http://www.ixon.com.tw/Products/pdm/pdm.htm , accessed on 2006.04.21.
30.Liu, D. Tony and Xu, X. William, 2001, “A review of web-based product management system, ” Computer in Industry, Vol. 44, pp. 251-262.
31.Fakasa, G.. and Karakostasb, B., 1999, “A workflow management system based on intelligent collaborative objects,” Information and Software Technology, Vol. 41, pp. 907–915.
32.Xu, X. William and Liu, Tony, 2003, “A web-enabled PDM system in a collaborative design environment,” Robotics and Computer Integrated Manufacturing, Vol. 19, pp. 315–328.
33.Sampson, P., 1970, “Can consumer create new products?, ” Journal of the Market Research Society, Vol. 12, No. 1, pp.40-52.
34.Handfield, Robert B., Ragatz, Gary L., Petersen, Kenneth J. and Monczka, Robert M., 1999, “Involving suppliers in new product development, ” California Management Review, Vol. 42 No. 1 Fall, pp.59-82.
35.鄧世剛，1998，「產品資料管理系統在同步工程之應用」，電腦繪圖與設計雜誌， 第121 期，，第42~48頁。
36. http://content.edu.tw/senior/computer/ks_ks/book/algodata/tree1.htm , accessed on 2006.04.27.
37. CHUN-GUANG CHANG'S, 2004, “RESEARCH ON CASE ADAPTATION TECHNIQUES Research on case adaptation techniqes in case-based reasoning, ” achine Leaning and Cybernetics, Shanghai, 26-29 August 2004.
38.劉儒俊，「行銷資源最適配置模式-Fuzzy AHP之應用」， 碩士論文， 國立中正大學企業管理研究所，嘉義(2001) 。
39.林明琴，「行銷計畫案例式推理系統之設計與建置」，碩士論文，私立朝陽科技大學資訊管理系碩士班，(2003) 。
40.黃郁仁，2004，整合案例式推理與類神經網路於新產品銷售預測—以圖書產品為例，元智大學工業工程與管理學系研究所碩士論文。
41.葉怡成，應用類神經網路，儒林圖書公司，1997。
42.蘇木春、張孝德，機械學習：類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，2004。
43.張斐章、張麗秋，類神經網路，東華書局，2005。
44.梁定澎，決策支援系統與企業智慧，智勝文化，2005。
45.Montazemi， A. R. and Gupta， K.M.， “An adaptive agent for case description in diagnostic CBR systems， ” Computers in Industry， Vol:29， pp.209-224 (1996).
46.Li，H.，“Case-based reasoning for intelligent support of construction negotiation Information & Management， Vol:30， pp.231-238 (1996) .
47.Kolodner， J.， “Case-based Reasoning， “ San Mateo， CA:Morgan Kaufmann ， (1993).
48.Gupta， K.M. and Montazemi， A. R.， “A connectionist approach for similarity assessment in case-based reasoning systems， ” Decision Support Systems ， Vol:19， pp.237-253 (1997)
49.Virkki-Hatakka，T.， Kraslawski， A.， Koiranen， T. and NystromL.， ”Adaptationphase in case-based reasoning system for process equipment selection， ” Computers & Chemical Engineering， Vol:21， pp.S643-S648 (1997).
50.Koiranen， T.， Virkki-Hatakka， T.， Kraslawski， A. And Nystrom， L.， ”Hybrid，fuzzy and neural adaptation in case-based reasoning system for process equipment selection， ” Computers chem.Engeng， Vol:22， pp.S997-S1000 (1998).
51.Park， M.-K.， Lee， I. and Shon， K.-M.， “Using case based reasoning for problem solving in a complex production process， ” Expert Systems with Applications， Vol: 15， pp.69-75 (1998).
52.Watson， I.， “Case-based reasoning is a methodology not a technology， “ Knowledge-based systems， Vol:12， pp.303-308 (1999).
53.Burke， E. K.， MacCarthy， B.， Petrovic， S. and Qu， R.， ”Structured cases in case-based reasoning-re-using and adapting cases for time-tabling problems， ” Knowledge-Based Systems， Vol:13， pp.159-165(2000).
54.Schmidt， R.， Montani ， S.， Bellazzi， R.， Portinale， L. and Gierl， L.， ”Cased-Based Reasoning for medical knowledge-based systems， ” International Journal of Medical Informatics， Vol:64， pp.355-367 (2001).
55.Shin， K.-s. and Han， I.， “A case-based approach using inductive indexing for corporate bond rating， ” Decision Support Systems， Vol:32， pp.41-52 (2001).