Abstract
近年來，全球性的經濟不景氣使得各國的產業界都面臨了極大的壓力，與日俱增的市場競爭迫使業者莫不使出渾身解數來謀求生存的途徑，其中以提高品質與降低成本來增加市場競爭力為最根本之道。為提高產量或降低成本，新製程的開發將會是一個解決之道；但是一個新製程的研發總要投入大量的金錢與人力，且嫌曠日費時；對於既存的製造程序，如能求得較佳之操作條件，往往是降低成本的最便捷途徑。但是隨著環保法規逐年修訂，對產品之規範越來越嚴格，由於限制條件的增加，使得整體最佳操作條件之求取更顯困難！本研究提出一種新的適用於最適化的經驗模式建立程序；它是以類神經網路作為製程輸入/ 輸出的複雜關係經驗模式，而以模擬退火為實驗設計法規劃建立模式所需之資訊的蒐集。 ANN+SA 演算法在應用於具有多個局部最佳值的變形的 Himmelblau 函數時，可以成功地求得整體最小值；在應用於 Rosenbrock 函數時在陡峭峽谷的區域能夠如梯度法般很快地找到谷底，而在目標函數為平坦之谷底區又能比梯度法更有效率地找到最佳值。在二串聯CSTR系統中，ANN+SA 演算法藉著對隱限制條件之辨識能力，儘可能地避開違反隱限制區域找到最佳操作點。在應用於高純度蒸餾塔的多環路控制器的調諧時，利用類神經網路建立 ITAE與最適化變數及事態變數關係的模式，設計出具有韌性的控制參數。本研究初步探討的成果可以表明以模擬退火與類神經網路結合之實驗規劃法在製程最適化應用是極有潛力。