Abstract
在高度競爭及顧客導向的市場,由於產品生命週期相當短暫,因此以最短時 間與最少的成本 損失來加速產品的改進及新產品的開發,甚至製程的發展,將是未來工業界 成功的關鍵.假使新產品的開發不能即時符合市場的需求,則將為市場所淘 汰.在許多工業中,像是特用化學品,陶瓷,複合材料及鋼鐵工業等等,常需 藉由過去操作的經驗,來開發及改進製程.即使取得操作的實驗數據不困 難,但時間與金錢的損失以佔據相當大的成本.此外,當製程保存過去豐富 的歷史數據,一個有經驗的工程師欲找出其中改進的機會也變得相當困難. 在傳統上,我們習慣採用統計分西及 decision making 的實驗設計法(Mac Gregor, 1988;Box and Draptr, 1987;Taguchi, 1989;Lochner and Matar, 1990).主要因為統計模式簡單而易懂,但礙於傳統的統計模式通常 採用線性分析,使得複雜的工業程序對操作人員而言,僅可作為約略的參 考,而大部份卻仍仰賴過去不具科學的操作經驗.尤其一但人員交替時,經 驗的斷層,更造成嚴重的問題.近年來利用學習經驗從事產品及製程的改進 已到了需多人工智慧研究人員的重視.例如Fukunaga(1990)提出分類設計( classifier design)或統計模式認知(statistical pattern recognition)的程序.此概念與實驗設計沒有不同除了所採用的方法更適 合於高困難度與高非線性的問題.Saraiva 及 Stephanopola(1992)利用 top down inductionof decision trees 的機器學習的方法與工廠存在的 歷史數據,來探討製程改進的條件.在這研究中,我們提出一套應用類神經 網路(artificial neural network,ANN)的實驗設計與統計程序控制的策 略.ANN 為一個相當新的研究領域,ANN 為模仿生物神經網路的運作,現已 被應用到各個領域上.如財務信用証估,化學品及太空梭引擎的診斷( Hecht-Nielsen,1988)等等.此外 ANN 也被應用到控制及最適化的研究上( IEEE, 1990).在本篇研究報告中,我們將發展一有系統的方式,利用 ANN 做實驗設計法.接著提出相關的理論基礎與應用工具,包括類神經網路的模 式理論,隨機搜尋的最佳化策略,模糊分類,及訊息理論的應用.最後應用此 策略於複合材料圓管纏繞條件控制.複合材料纏繞為將纖維含浸複合材料 的樹脂依一定方式連續繞於 mandrel 上,此 mandrel可以為圓柱,圓球或 任何形狀,本實驗 mandrel 是採用一圓管.對於設計者而言,複合材料提供 了物體補強的能力.由於複合材料質輕而強度大,並有極佳的抗腐蝕性,適 當地選擇樹脂的組合,並依循纏繞的軌跡堆疊,將會呈不同的強度特性.本 實驗將依類神經網路的實驗設計法,以求得實驗的最佳參數.