結合小波轉換及支援向量回歸之多變量模糊管制圖

Translated title of the thesis: Using Wavelet Transform and Support Vector Regression in Mean Shifts Detection and Classification in Multivariate Process
  • 王 伯文

Student thesis: Master's Thesis

Abstract

在工業界中,品質管制一直是一個重要的課題,目前管制圖(control chart)為最常被使用的品質管制手法之一。製程從過去的簡單製程轉變為愈趨多元化的製程,因此所使用的管制圖也逐漸從單變量管制圖(univariate control chart)轉變為多變量管制圖(multivariate control chart),其中最常被使用的多變量管制圖為Multivariate EWMA、Multivariate CUSUM和Hotelling’s T^2管制圖,雖然這些管制圖能夠在製程發生偏移時發出警訊,但卻無法直接獲得更多的資訊,通常需透過複雜的計算才能夠獲取如發生偏移的變量資訊,但仍然無法得知發生偏移的幅度大小。 因此有學者提出結合類神經網路的學習能力,以及小波轉換對訊號優異解析能力所建構出的多變量管制圖來監控製程的偏移。在類神經網路中,支援向量回歸基於邊際最小化(margin minimum)理論,找出最佳的預測值,且在預測類別值的效果上比其他回歸方法為佳。本研究利用小波轉換的訊號解析能力與支援向量回歸的預測能力,並結合多變量模糊管制圖,來辨識當製程產生偏移時,造成製程偏移的變量以及其平均值偏移的幅度大小。 本研究所建立的結合小波轉換及支援向量回歸之多變量模糊管制圖,透過實例驗證後,得到在平均值偏移型態之辨識正確率以及在製程偏移下之平均連串長度(out-of-control Average Run Length ARL )之結果,皆比Fuzzy-BPN方法及Hotelling’s T^2管制圖良好。
Date of Award2014 Jul 5
Original languageChinese
SupervisorTai-Yue Wang (Supervisor)

Cite this

結合小波轉換及支援向量回歸之多變量模糊管制圖
伯文, 王. (Author). 2014 Jul 5

Student thesis: Master's Thesis