(18.206.177.17) 您好!臺灣時間:2021/04/16 23:50
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳彥呈
研究生(外文):Chen,Yen-Cheng
論文名稱:結合模糊理論、類神經網路與基因演算法於製程參數最佳化─以半導體封裝銲線製程為例
論文名稱(外文):Combining Fuzzy Theory, Neural Networks and Genetic Algorithms to Find the Optimal Parameter – Take the Process of Wire Bonding in Semiconductor Packaging as Example.
指導教授:侯東旭侯東旭引用關係
指導教授(外文):Hou,Tung-Hsu
口試委員:侯東旭駱景堯劉書助
口試委員(外文):Hou,Tung-HsuLow,Chin-YaoLiu,Shu-Chu
口試日期:2016-06-29
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:工業工程與管理系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:97
中文關鍵詞:田口方法模糊理論渴望函數多重品質特性衡量指標類神經網路基因演算法
外文關鍵詞:Taguchi MethodFuzzy TheoryDesirability FunctionMultiple Performance Characteristics IndexArtificial Neural NetworksGenetic Algorithm
相關次數:
  • 被引用被引用:0
  • 點閱點閱:365
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
身處在工業技術水準發達的時代,各企業為提升競爭力開始追求高品質,但是高品質伴隨著的是高成本的支出,如何以較少的製程成本支出並追求較高的產品品質,成為業界和學界間熱門的議題。參數設計最常提出應用的方法為田口方法,被廣泛應用在參數設計階段,其目的為以較低的成本決定產品與製程的參數值,以求得品質機能穩定,使其在高水準下運作,受到的干擾影響程度為最低。但田口方法並非適用於各種參數設計問題,因為所找到的最佳參數受限於實驗最初所訂定的水準組合,故實驗水準外的組合無法被考慮導致尋求最佳解的範圍也因此被受限;而且大部分的田口方法只能針對單一品質特性來求製程參數最佳化,但是實務上,所面臨的品質特性多為多品質特性問題,導致田口方法無法順利求得的最佳解。如何解決上述所面臨的問題成為本研究需探討的議題。

有鑑於此,本研究擬設計出新的方法應用於尋找製程參數最佳化的相關案例,研究因子與品質特性間的關係,藉此找到最佳參數之組合。首先透過模糊理論將田口直交表的實驗數據模糊化並且分別使用渴望函數及模糊理論將多品質特性轉為多重品質特性衡量指標,接著使用倒傳遞類神經網路訓練模組,最後分別透過傳統基因演算法及本研究提出之製程參數模糊化基因演算法求最佳製程參數並分析比較四種求解結果,最後由實驗中發現製程參數模糊化基因演算法搭配MPCI指標值的求解能力較佳。

Taguchi method is most frequently used in Parameter Design. However Taguchi method is not be able to apply in the variety of parameters design problem.
Based on the above issue, this research proposes a new method to find the optimal process parameters for the relevant cases. First fuzzy theory is applied to transform the Taguchi orthogonal array experimental data. Second the back propagation neural network is used for training the model. Finally the Genetic Algorithm and the Fuzzy Genetic Algorithm were applied to find the Optimal Parameter. We compare the results of different methods at the end.

摘要 i
ABSTRACT ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 ix
第一章 緒論 1
1.1研究背景與動機 1
1.2研究目的 2
1.3研究範圍 3
1.4研究流程 3
第二章 文獻探討 5
2.1田口方法 5
2.1.1直交表 6
2.1.2田口品質特性 7
2.1.3訊號雜音比 8
2.2多重品質特性衡量指標 8
2.2.1模糊田口法 9
2.2.2渴望函數 10
2.3類神經網路 11
2.3.1類神經網路的基本結構 12
2.3.2倒傳遞類神經網路 15
2.4模糊理論 17
2.4.1歸屬函數 17
2.4.2語意變數 19
2.4.3解模糊化 19
2.5基因演算法 20
2.5.1基因演算法步驟 20
2.5.2基因演算法的優點 25
2.6半導體封裝製程 25
2.6.1銲線製程 26
2.6.2銲接製程品質 27
2.7結合類神經網路與基因演算法於參數最佳化相關文獻 28
第三章 研究方法 29
3.1實驗數據 30
3.2製程參數模糊化 33
3.3多重品質特性衡量指標 35
3.4倒傳遞類神經網路模型之建構 36
3.4.1倒傳遞類神經網路參數設定 37
3.5基因演算法 38
3.5.1基因演算法參數設定 39
3.5.2停止條件 39
3.6製程參數模糊化基因演算法 40
3.6.1編碼方式 40
3.6.2適合度計算 41
3.6.3交配規則 42
3.6.4適應性突變機制 46
3.6.5族群淘汰機制 47
3.6.6參數設定 47
3.6.7停止條件 47
3.7結果驗證 49
第四章 結果與分析 50
4.1數據前處理 50
4.1.1製程因子前處理 50
4.1.2多品質特性轉換 56
4.2倒傳遞類神經網路架構 62
4.3基因演算法求解最佳製程參數組合 66
4.4製程參數模糊化基因演算法求解最佳製程參數組合 71
4.5結果比較 76
第五章 結論與建議 81
5.1結論 81
5.2建議 82
參考文獻 83


中文文獻
1.方國富(2000)。多品質特性產品之穩健參數設計。國立成功大學,工業管理科研究所碩士論文。
2.王嘉興、鍾青原、古東源(2012)。多品質目標製程最佳化演算法。品質學報,19(5), 423-443。
3.江季哲(2008)。模糊田口法於多重品質特性製程上之研究-以液晶顯示器製程為例。高雄大學亞太工商管理學系,碩士論文。
4.江瑞利、周孝龍、郭瑞哲、江瑞安(2011)。運用多重品質目標模糊田口法於永磁式同步發電機之最佳設計。技術學刊,26(2),123-132。
5.吳祥輝(2003)。應用模糊田口方法於架空式起重機桁架穩健多目標最佳化設計。國立高雄第一科技大學機械與自動化工程研究所,碩士論文。
6.林信成、彭啟峰 (1994)。Oh! Fuzzy 模糊理論剖析。第三波發行。
7.林業超(1999)。銲線機製程參數研究分析。國立中興大學,機械工程學系所碩士論文。
8.林資育(2003)。運用柔性運算於半導體封裝銲線製程最佳參數之研究。國立雲林科技大學工業工程與管理研究所,碩士論文。
9.柯瑞芬(1995)。多重品質特性之產品穩健設計決策模式。國立成功大學,工業管理科研究所碩士論文。
10.馬心怡、朱志凱、郭宗源(2013)。新產品表面黏著技術製程最佳化設計。明新學報,39(2),245-258。
11.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。國立清華大學工業工程與工程管理學系研究所,碩士論文。
12.張德隆、洪兆慶(1995)。Fuzzy 產品基礎與實例(初版)。全華科技圖書股份有限公司。
13.陳桂嫻(2003)。應用類神經網路與禁忌搜尋法於半導體封裝銲線製程操作參數最佳化之研究。國立雲林科技大學工業工程與管理研究所,碩士論文。
14.陳嘉偉(2005)。應用基因演算法於模糊控制器設計之研究。國立中央大學機械工程研究所,碩士論文。
15.陳夢倫(2003)。積層陶瓷電容印刷製程機器參數最佳化之研究。國立成功大學製造工程研究所,碩士論文。
16.黃惠芳(1999)。積體電路( IC ) 封裝業。產業調查與技術,130,14-23。
17.黃焜銘(2002)。應用田口方法探討半導體封裝之銲線製程 50μm 銲墊微細間距最佳參數之研究。國立雲林科技大學工業工程與管理研究所,碩士論文。
18.楊政煌(2006)。運用啟發式演算法於多目標製程參數最佳化之研究─以半導體封裝之銲線製程為例。國立雲林科技大學工業工程與管理研究所,碩士論文。
19.簡禎富、許嘉裕(2014)。資料挖礦與大數據分析(初版)。新北市:前程文化。
英文文獻
1.Chou, C. J., Yu, F. J., & Su, C. T. (2008, October). Combining neural networks and genetic algorithms for optimizing the parameter design of inter-metal dielectric layer. In Wireless Communications, Networking and Mobile Computing, 2008. WiCOM'08. 4th International Conference on (pp. 1-4). IEEE.
2.Kurtaran, H., Ozcelik, B., & Erzurumlu, T. (2005). Warpage optimization of a bus ceiling lamp base using neural network model and genetic algorithm.Journal of materials processing technology, 169(2), 314-319.
3.Lin, J. L., Wang, K. S., Yan, B. H., & Tarng, Y. S. (2000). Optimization of the electrical discharge machining process based on the Taguchi method with fuzzy logics. Journal of Materials Processing Technology, 102(1), 48-55.
4.Lu, D., & Antony, J. (2002). Optimization of multiple responses using a fuzzy-rule based inference system. International Journal of Production Research,40(7), 1613-1625.
5.Shi, F., Lou, Z. L., Zhang, Y. Q., & Lu, J. G. (2003). Optimisation of plastic injection moulding process with soft computing. The International Journal of Advanced Manufacturing Technology, 21(9), 656-661.
6.Su, C. T., & Chiang, T. L. (2002). Optimal design for a ball grid array wire bonding process using a neuro-genetic approach. Electronics Packaging Manufacturing, IEEE Transactions on, 25(1), 13-18.


電子全文 電子全文(網際網路公開日期:20211231)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關點閱論文
 
系統版面圖檔 系統版面圖檔