應用資料探勘建構品質保證矩陣-以PCB產業為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：52

、訪客IP：3.137.218.230

姓名

葉晏豪(Yan-Hao Ye) 查詢紙本館藏

畢業系所

工業管理研究所在職專班

論文名稱

應用資料探勘建構品質保證矩陣-以PCB產業為例

相關論文

★ 二階段作業研究模式於立體化設施規劃應用之探討–以半導體製造廠X及Y公司為例	★ 推行TPM活動以改善設備總合效率並提昇企業競爭力...以U公司桃園工廠為例
★ 資訊系統整合業者行銷通路策略之研究	★ 以決策樹法歸納關鍵製程暨以群集法識別關鍵路徑
★ 關鍵績效指標(KPI)之建立與推行 - 在造紙業	★ 應用實驗計劃法- 提昇IC載板錫球斷面品質最佳化之研究
★ 如何從歷史鑽孔Cp值導出新設計規則進而達到兼顧品質與降低生產成本目標	★ 產品資料管理系統建立及導入-以半導體IC封裝廠C公司為例
★ 企業由設計代工轉型為自有品牌之營運管理	★ 運用六標準差步驟與FMEA於塑膠射出成型之冷料改善研究(以S公司為例)
★ 台灣地區輪胎產業經營績效之研究	★ 以方法時間衡量法訂定OLED面板蒸鍍有機材料更換作業之時間標準
★ 利用六標準差管理提升生產效率－以Ａ公司塗料充填流程改善為例	★ 依流程相似度對目標群組做群集分析- 以航空發動機維修廠之自修工件為例
★ 設計鏈績效衡量指標建立 —以電動巴士產業A公司為例	★ 應用資料探勘尋找影響太陽能模組製程良率之因子研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

製造業正面臨人口老化、人力不足、工資成本提高、生產產品多樣性、產品週期縮短、全球市場需求劇烈變動等等問題浮現，因此誰能靈敏反應市場變化、快速生產多樣性的商品，誰就是市場的贏家。為了克服此問題製造業積極導入工業4.0逐步往智慧(智能)工廠發展，工廠物(機)聯網、虛實整合、智慧(智能)設備與機器人的應用，將多類設備都能夠互相連網互相溝通，使生產流程更加靈活，以協助製造業解決經營困境並提昇競爭力。智慧工廠已成為現代製造工業趨勢，但在製造生產過程中大量數據的蒐集，這會導致製造管理方式與現況不同，已難以再透過人工方式，在短時間進行處理、分析並整理成為有效資訊，其難以管理之主因有資料量、多樣性、資料輸入輸出的速度以及真實性，管理者已難以即時下達有效對策。因此智慧工廠中擁有巨量數據建構多類資料庫，管理者如何應用資料探勘（Data Mining），快速獲得有價值資訊進行判斷下達對策，或是設備透過機器學習(Machine Learning)方式，快速找出最佳方法快速調整，已經是現代管理者必學課程。

本研究針對印刷電路板（Printed Circuit Board，PCB）產業以U公司為例，探討如何透過機聯網建置智慧工廠，利用所收集的大量數據於資料庫中，透過巨量資料應用資料探勘技術，提供現場操作人員快速獲得有效資訊進行調整最佳生產參數，提高生產力與效率。

摘要(英)

The manufacturing industry is facing the problems of aging population, insufficient manpower, rising wage costs, diversity of production products, shortening of product cycles, drastic changes in global market demand, etc., so who can sensitively respond to market changes and quickly produce diverse commodities, who is The winner of the market. In order to overcome this problem, the manufacturing industry actively introduces Industry 4.0 and gradually develops into smart factories. The factory′s physical networking, virtual and real integration, and the application of smart devices and robots will enable multiple types of devices to be connected to each other and communicate with each other. To make the production process more flexible, to assist the manufacturing industry to solve business difficulties and enhance competitiveness. Smart factories have become a modern manufacturing industry trend, but the collection of large amounts of data in the manufacturing process will cause the manufacturing management method to be different from the current situation. It is no longer possible to manually process, analyze and organize it into effective information in a short time. The main reason for the difficulty in managing is the amount of data, diversity, speed and authenticity of data input and output, and it is difficult for managers to issue effective countermeasures in real time. Therefore, there are huge amounts of data in smart factories to construct multiple types of databases. How can managers use Data Mining to quickly obtain valuable information to judge and issue countermeasures, or the equipment can quickly find the best method and quickly adjust through Machine Learning. Modern management must learn courses.

This study is directed to Printed Circuit Board and PCB industry. Take U company as an example to discuss how to build a smart factory through machine networking, use the large amount of data collected in the database, and apply data exploration technology through huge amounts of data to provide on-site operators with rapid Obtain effective information to adjust the best production parameters and improve productivity and efficiency.

關鍵字(中)

★ 工業 4.0
★ 智慧工廠
★ 資料探勘
★ 品質保證矩陣

關鍵字(英)

★ QFD

論文目次

中文提要 …………………………………………………………… I
英文提要 …………………………………………………………… II
誌謝 ……………………………………………………………… III
目錄 ………………………………………………………………… IV
圖目錄 ………………………………………………………………… V
表目錄 …………………………………………………………………… VI
一、緒論 …………………………………………………………… 1
二、文獻探討 ……………………………………………… 4
2-1 工業革命以及相關技術發展介紹………………………… 4
2-2 資料探勘技術介紹…………………………………………… 7
2-3 品質機能展開法介紹…………………………………………………… 9
2-4 品質保證矩陣介紹…………………………………………………… 12
三、研究方法…………………………………………………… 15
3-1 問題定義…………………………………………………… 16
3-2 資料收集…………………………………………………… 17
3-3 探勘工具…………………………………………………… 20
3-4 資料前置處理與探勘模型建置……………………………………… 21
四、實證研究……………………………………………… 23
4-1 資料來源與資料探勘實…………………………… 23
4-2 以印刷電路板生產製程參數進行資料探勘分析…… 24
4-2-1 因子分析結果……………………………………… 24
4-2-2 決策樹分析結果……………………………………… 27
4-3 結果分析與評估………………………………………………… 29
五、結論與建議……………………………………………………… 32
5-1 研究結論………………………………………………………… 32
5-2 建議及未來研究方向……………………………………………… 33
參考文獻 ……………………………………………………………………… 34
附錄一 PCB生產流程介紹……………………………………………………… 36
附錄二 SAS資料探勘實作畫面……………………………………… 38
附錄三因子分析結果……………………………………………………… 40

參考文獻

1. 呂明澤(2007)，運用資料挖礦技術進行影響良率學習之因素分析-以某半導體廠製程為例，清華大學，碩士論文。
2. 周龍鴻(2002)，智慧型知識管理系統建構流程-以半導體產業為例，國立成功大學管理學院EMBA在職碩士專班，碩士論文。
3. 林宜君(2007) ，以QFD 與TRIZ 理論為基礎建構產品開發評估模型-以平面顯示器為例，私立逢甲大學工業工程與系統管理研究所，碩士論文。
4. 林緯翰（2011），航空站中外旅客服務品質重要表現分析-以臺灣桃園國際機場為例，中國文化大學觀光事業學系，碩士論文。
5. 洪紹鯤(1999)，半導體製程之資料探勘，台灣科技大學電機工程研究所，碩士論文。
6. 張采蘩(2011)，運用資料探勘技術於半導體製程異常機台分析，國立交通大學，碩士論文。
7. 郭章裕(2010)，工廠自動化對經營管理績效影響之實證研究－以製造業為例，國立中正大學高階主管碩士在職專班，碩士論文。
8. 黃嘉慶(2009)，數位家庭網路控制終端機產品應用整合QFD 與Kano 於研發產品定位之研究，國立勤益科技大學研發與科技管理研究所，碩士論文。
9. 曾照銘(2009)，應用關聯法則於半導體表面黏著技術異常診斷之研究，元智大學，碩士論文。
10. 劉中光(2001) ，以資料挖掘為基建構製程品質問題診斷系統—以印刷電路板業為例，元智大學工業工程與工程管理研究所，碩士論文。
11. 劉中光(2002)，以資料挖掘為基建構製程品質問題診斷系統─以印刷電路板為例，元智大學工業工程與工程管理研究所，碩士論文。
12. 蔡智政(2002)，應用CART決策樹與資料視覺技術於低良率晶圓成因探討，元智大學工業工程與管理研究所，碩士論文。
13. 陳永興(2004) ，資料探勘應用於IC設計業良率預測之探討銘傳大學，碩士論文。
14. 陳逸昕(2004)，印刷電路板之簡易生命週期評估研究，國立成功大學機械工程學系，碩士論文。
15. 陳慶文(2016)，智慧工廠的工業物聯網閘道器設計與實作，國立中央大學資訊工程學系在職專班，碩士論文。
16. 陳啟發(2010)，應用品質機能展開於臺北自來水事業處服務品質之研究，國立海洋大學航運管理學研究所，碩士論文。
17. 廖勝全(2016)，PCBA 製程不良數據探勘以建構智慧決規則，國立臺北科技大學工業工程與管理系，碩士論文。
18. 姚錫凡，劉敏，張劍銘，陶韜，藍宏宇，葛動元(2019)，人工智慧視角下的智慧製造前世今生與未來，電腦集成製造系統Vol.25
19. 王闖，江平宇，楊小寶(2019)，智慧車間RFID標籤有效識別及製造資訊自動關聯，中國機械工程Vol.30
20. 江琨，丁學明(2019)基於集成學習演算法的工業產品品質預測，上海理工大學光電資訊與電腦工程學院，Software Guide Vol.18
21. Accenture U.S.( https://www.accenture.com/us-en)
22. 美通社市場研究報告(https://www.prnewswire.co.uk/)

指導教授

曾富祥

審核日期

2020-7-20

推文