利用支援向量迴歸在偵測非線性輪廓資料製程變化之應用研究

Translated title of the thesis: Detecting the Process Changes for Nonlinear Profile Data using SVR
  • 廖 俊翰

Student thesis: Master's Thesis

Abstract

現今製造業的產品或製程的品質特性大多可用一個反應變數對多個解釋變數的函數關係式來表達,這種函數關係式所產生的資料類型稱為輪廓資料 (profile data)。而輪廓資料的函數關係式大致上可分為線性與非線性關係。但我們通常無法輕易地表達其關係式,且實際資料亦往往不服從常態分配。針對此一情況,在沒有任何分配的假設下,本研究利用無母數迴歸模型表達輪廓資料的函數關係,並發展出無母數的輪廓監控方法。 我們首先藉由支援向量迴歸 (support vector regression SVR) 對輪廓資料進行模型配適並透過 SVR 模型得到配適值,再求算其測度 (metrics)。以期結合測度與本研究所提出的無母數 EWMA 管制圖作為監控第 II 階段輪廓資料的依據。接著我們利用統計模擬的方式,針對製程產生偏移的各種狀況以平均連串長度 (average run length ARL) 作為無母數 EWMA 管制圖偵測能力的評估標準。最後,透過一組非線性輪廓資料進行數值實例的驗證與說明。
Date of Award2016 Jun 30
Original languageChinese
SupervisorJeh-Nan Pan (Supervisor)

Cite this

'