臺灣博碩士論文加值系統

近年來，科技的進步，許多高科技產品像是平板、智慧型手機等等，皆為消費者喜愛，而消費者對產品的品質要求則更加嚴格，因此提升產品製程的能力是品管上很重要的工作。在實務上，已經發展了很多方法來評估產品的品質能力，製程能力指標(process capability indices, PCIs)就是其中一種方法。
本研究假設產品的壽命服從指數分配時，在逐步型I區間設限下，計算出壽命績效指標 之最大概似估計量並求得其漸近分配。在規格下限L已知的情形下，使用此估計量及兩種拔靴法發展出三個假設檢定程序以判定壽命績效是否達到預定的能力水準。最後，我們用兩個數值實例和一個模擬例子去說明如何使用本研究所提出的檢定程序。

In recent years, consumers are in the pursuit of more stringent product quality requirements for many high-tech products such as tablet, smart mobile phones, etc. In practice, many researchers have developed a variety of methods to assess the quality of the product and the method of process capability indices (PCIs) is one of them.
This research is focusing on the lifetime of products following the Exponential distribution. The maximum likelihood estimator is used to estimate the lifetime performance index (CL) based on the progressive type I interval censored sample. The asymptotic distribution of this estimator is also investigated. We use this estimator and two kinds of bootstrap methods to develop three kinds of hypothesis testing algorithmic procedure in the condition of known lower specification limit L. Finally, two practical examples and a simulation example are given to illustrate the use of this testing algorithmic procedure to determine whether the process is capable.

目錄
目錄 I
表目錄 III
圖目錄 VII
第一章 緒論 1
1.1 研究動機與目的 1
1.2 文獻探討 2
1.2.1 檢定程序之發展 2
1.2.2 製程能力指標之發展 3
1.2.3 設限形式 6
1.3 本文架構 7
第二章 壽命績效指標與其估計 9
2.1 產品的壽命績效指標CL 10
2.2 壽命績效指標的估計量 13
第三章 壽命績效指標的檢定演算程序與檢定力 18
3.1 壽命績效指標的檢定演算程序 18
3.2檢定力之模擬分析 25
3.3 點估計 31
第四章 模擬與數值實例分析 32
4.1 數值範例一 32
4.2 數值範例二 36
4.3 模擬範例 39
第五章 結論與未來研究 43
5.1 結論 43
5.2 未來研究 44
參考文獻 45


表目錄
表2.1 壽命績效指標值CL對應之製程良率Pr 12
表4.1 四種藥的緩解白血病的時間(單位：週) 32
表4.2 60個電器的壽命周期(單位：週) 36
附表1 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60、80、100，設限樣本數m=5、6及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.01下，檢定力函數h(c1)在c1=0.7,0.75(0.025),0.85,0.86,0.875,0.9,0.95的數值 47
附表2 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60、80、100，設限樣本數m=7、8及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.01下，檢定力函數h(c1)在c1=0.7,0.75(0.025),0.85,0.86,0.875,0.9,0.95的數值 48
附表3 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60、80、100，設限樣本數m=5、6及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.01下，檢定力函數h(c1)在c1=0.7,0.75(0.025),0.85,0.86,0.875,0.9,0.95的數值 49
附表4 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60、80、100，設限樣本數m=7、8及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.05下，檢定力函數h(c1)在c1=0.7,0.75(0.025),0.85,0.86,0.875,0.9,0.95的數值 50
附表5 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60、80、100，設限樣本數m=5、6及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.11下，檢定力函數h(c1)在c1=0.7,0.75(0.025),0.85,0.86,0.875,0.9,0.95的數值 51
附表6 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60、80、100，設限樣本數m=7、8及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.1下，檢定力函數h(c1)在c1=0.7,0.75(0.025),0.85,0.86,0.875,0.9,0.95的數值 52
附表7 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30、60，設限樣本數m=10、20、30及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.01下，檢定力函數h(c1)在c1=0.8(0.02),0.92,0.95的數值 53
附表8 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30、60，設限樣本數m=10、20、30及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.05下，檢定力函數h(c1)在c1=0.8(0.02),0.92,0.95的數值 54
附表9 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30、60，設限樣本數m=10、20、30及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.1下，檢定力函數h(c1)在c1=0.8(0.02),0.92,0.95的數值 55
附表10 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30，設限樣本數m=10、20及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.01下，在c1=0.8(0.02),0.92,0.95的數值下三種方法的模擬檢定力 56
附表11 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60，設限樣本數m=20、30及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.01下，在c1=0.8(0.02),0.92,0.95的數值下三種方法的模擬檢定力 57

附表12 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30，設限樣本數m=10、20及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.05下，在c1=0.8(0.02),0.92,0.95的數值下三種方法的模擬檢定力 58
附表13 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60，設限樣本數m=20、30及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.05下，在c1=0.8(0.02),0.92,0.95的數值下三種方法的模擬檢定力 59

附表14 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30，設限樣本數m=10、20及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.1下，在c1=0.8(0.02),0.92,0.95的數值下三種方法的模擬檢定力 60
附表15 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60，設限樣本數m=20、30及逐步移除率p=0.05、0.075、0.1時，在目標值c0=0.8和顯著水準α=0.1下，在c1=0.8(0.02),0.92,0.95的數值下三種方法的模擬檢定力 61
附表16 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30，設限樣本數m=10、20及逐步移除率p=0.05、0.075、0.1時，目標值為c0=0.8，Bias在c1=0.8(0.02),0.92,0.95的數值 62
附表17 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30，設限樣本數m=10、20及逐步移除率p=0.05、0.075、0.1時，目標值為c0=0.8，Bias在c1=0.8(0.02),0.92,0.95的數值 63
附表18 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=30，設限樣本數m=10、20及逐步移除率p=0.05、0.075、0.1時，目標值為c0=0.8，MSE在c1=0.8(0.02),0.92,0.95的數值 64
附表19 當規格下限L=0.05，總觀測時間T=0.5，觀測樣本數n=60，設限樣本數m=20、30及逐步移除率p=0.05、0.075、0.1時，目標值為c0=0.8，MSE在c1=0.8(0.02),0.92,0.95的數值 65


圖目錄
圖1.2.1 逐步型I區間設限 7
圖2.0.1 指數分配機率密度函數 9
圖2.0.2 指數分配的故障率函數 9
圖3.1.1 當α=0.01、m=5及p=0.05下，不同樣本n=60,80,100時的正確檢定力 23
圖3.1.2 當α=0.01，n=60及p=0.05下，不同區間個數m=5,6,7,8時的正確檢定力 24
圖3.1.3 當α=0.01，m=5及n=60下，不同的逐步設限移除率p=0.05,0.075,0.1時的正確檢定力 24
圖3.1.4 當m=5，n=60及p=0.05下，不同的顯著水準α=0.01,0.05,0.1時的正確檢定力 25
圖3.2.1 當α=0.01，m=20及p=0.05下，考慮不同的樣本數n=30,60時，三種方法的檢定力 29
圖3.2.2 當α=0.01，n=30及p=0.05下，考慮不同的觀察區間m=10、
20時，三種方法的檢定力 29
圖3.2.3 當α=0.01，m=10及n=30下，考慮不同的預定逐步設限移除率p=0.05,0.075,0.1時，三種方法的檢定力 30
圖3.2.4 當m=10，n=30及p=0.05下，考慮不同的顯著水準α=0.01,0.05,0.1時，三種方法的檢定力 30

[1] Boyles, R. A. (1991), The Taguchi capability index, Journal of Quality Technology, 23(1), pp. 17–26.

[2] Chan, L. K., Cheng, S. W. and Spiring, F. A. (1988), A new measure of process capability: Cpm, Journal of Quality Technology, 20(3), pp. 162-175.

[3] Efron, B. (1982), The Jackknife, the Bootstrap and Other Re-sampling Plans, CBMS-NSF Regional Conference Series in Applied Mathematics, 38, SIAM, Philadelphia, PA.

[4] Hall, P. (1988), Theoretical comparison of bootstrap confidence intervals, Annals of Statistics, 16, pp. 927–953.

[5] Hong, C. W., Wu, J. W., and Cheng, C. H. (2008), Computational procedure of performance assessment of lifetime index of Pareto lifetime businesses based on confidence interval, Applied Soft Computing , 8(1), pp. 698–705.

[6] Juran, J. M. (1974), Journal Quality Control Handbook, 3rd Edition, McGraw-Hill, New York.

[7] Kane, V. E. (1986), Process capability indices, Journal of Quality Technology, 18, pp. 41–52.

[8] Lee, H. M., Wu, J. W., and Lei, C. L. (2013), Assessing the lifetime performance index of exponential products with step-stress accelerated life-testing data, IEEE Transactions on Reliability, 62(1), pp. 296–304.

[9] Lee, W. C., Wu, J. W., and Lei, C. L. (2010), Evaluating the lifetime performance index for the exponential lifetime products, Applied Mathematical Modelling, 34(5), pp. 1217–1224.

[10] Montgomery, D. C. (1985), Introduction to statistical quality control, John Wiley and Sons, New York.

[11] Pearn, W. L., Kotz, S. and Johnson, N. L. (1992), Distributional and inferential properties of process capability indices, Journal of Quality Technology, 24(4), pp. 216–231.

[12] Tong, L. I., Chen, K. S. and Chen, H. T. (2002), Statistical testing for assessing the performance of lifetime index of electronic components with exponential distribution, International Journal of Quality Reliability Management, 19(7), pp. 812–824.

[13] Wu, J. W., Lee, W. C. and Hou, H. C. (2007a), Assessing the performance for the products with Rayleigh lifetime, Journal of Quantitative Management, 4, pp.147-160.

[14] Wu, J. W., Lee, H. M. and Lei, C. L. (2007b), Computational testing algorithmic procedure of assessment for lifetime performance index of products with two-parameter exponential distribution, Applied Mathematics and Computation, 190, pp. 116–125.

[15] Wu, S. F. (2017), Multiple comparisons of exponential location parameters with a control based on doubly censored sample under heteroscedasticity, Communications in Statistics - Simulation and Computation, 46, pp. 1858-1870.

[16] Wu, S. F., and Lin, Y. P. (2016), Computational testing algorithmic procedure of assessment for lifetime performance index of products with one-parameter exponential distribution under progressive type I interval censoring, Mathematics and Computers in Simulation, 120, pp. 79–90.