Abstract
本研究嚐試透過人工智慧的機器學習(machine learning)方法，利用其快速運算的特性，將大量的日常數據(routine data)其背後隱藏的製程知識給擷取出來，用以協助工程人員進一步了解系統，而能進一步改良製程或對系統進行錯誤診斷的工作。在穩態操作方面，針對中油石油公司的二甲苯蒸餾程序進行穩態方面的模擬，以驗証歸納學習(inductive learning)演算法ID3結合模糊運算與雙重模式（dual model），實際運用於化學工業程序的可行性。在動態系統方面，將三成份蒸餾塔的模擬操作數據，運用歸納學習法結合變數刪除的方式（variable elimination approach - VEA），使原本僅能歸納出系統變異與主要變數關係的歸納學習法，更進一步歸納出變異與其他系統變數之間的關係，並將系統的動態模式呈現出來，歸納出系統變數的操作法則，使其能運用於動態系統的錯誤診斷，最後並與軸向基底類神經網路（radial basis function networks - RBFN）方法做比較。