i i
i
i
S S
C
S
0 C
i
1i 1 , 2 , ..., m
(2-31)當一組方案比另一組方案更接近理想解並不表示就為最佳方案組合；頇同時 考慮方案與正理想解和負理想解的距離，依此近似度來判斷，如此，。令C 表i 示方案
i距正理想解v
的相對近似度，若方案 i 為正理想解，則Ci
1；若方案 i 為負理想解，則Ci
0。故當C 值越接近 1 表示其方案越接近正理想值。 iStep7. 方案排序
評估方案的優先順序乃是依C 值大小來排序，i C 愈接近 1 時，表示第 i 組i 參數組合之方案的優先順序越高，反之，C 愈接近 0 時，表示第 i 組參數組合之i 方案的優先順序越低。
2.5 相關文獻比較
本節將各相關文獻中，應用各種多屬性決策方法來解決多重品質特性產品及 製程最佳化做一整理比較，並挑選部份較具代表性的方法彙整如下列各小節。
2.5.1 田口方法與模糊田口
魏振育(2010) 整合FMEA、DEMATEL及TRIZ理論等方法，建構「失效模式 與決策分析之算則」，該研究算則建構流程包含三個階段：(1)功能需求之瞭解與 失效分析、(2)關鍵失效模式分析及(3)改善與驗證，藉以歸納出產品/製程中的主、
次要失效問題，尋找關鍵失效模式，進而提出適當的改善措施[17]。
蔡宗倫(2009) 結合模糊理論、理想解類似度順序偏好法(TOPSIS)、灰關聯 分析(GRA)來整合多重品質特性的問題；先利用模糊理論處理經由田口實驗後所 得之 S/N 比值，以便於比較單位標準不同的品質特性，接著結合 TOPSIS 與 GRA 建構「模糊理想解」與「模糊灰關聯」兩套演算法則，分別運算處理得到顯著影 響參數與關聯度進行最佳參數組合的排序，透過所得之起始最佳參數解與整體最 佳參數解比較分析，如此，可取得客觀的綜合性判斷，也可了解到數據資料多寡
對兩套法則可靠性的影響。並利用顯示器製程案例來驗證演算法則的有效性與可 靠性，進一步幫助公司在產品設計初期就可兼顧品質管制，同時也可節省時間和 成本[14]。
徐瑞富(2005)針對BGA 208L(某種封裝製程)之封裝成型製程作研究，依據實 務經驗選出影響金線偏移的主要製程參數，接著依此主要製程參數給予適當的因 素水準去從事封裝成型，再由x-ray量測各個製程條件下的金線偏移量，最後利用 田口方法來尋求最佳的製程參數組合，以減低封裝時的金線偏移[9]。
廖文基(2008)在半導體封裝製程上考慮錫球之上、下墊片半徑、高度、材料，
印刷電路板之楊氏係數、質量密度、厚度，基板之楊氏係數、厚度、錫球配置、
構裝尺寸，晶片之尺寸、厚度，封膠之楊氏係數、厚度等因子，進行單一因子分 析，以評估各因子對構裝結構抗衝擊可靠度的影響，然後將上述各因子利用田口 品質設計，建立直交表進行實驗，並經誤差統合，找出最佳化的參數組合，以提 升TFBGA(半導體構裝製程) 構裝體之可靠度[13]。
陳明佑(2002)利用田口方法中處理單品質特性的方法，依照品質特性的特性 分別計算出SN 比，再運用滿意函數將SN 比轉為滿意值，並藉由多元線性迴歸 方程式來建構滿意函數與製程參數間的關係，最後結合目標規劃、模糊理論以及 偏好函數求出最佳解，在選取最適因子水準時，則假設因子水準間的變動是呈線 性關係，運用內差法來求得最佳因子水準，使在因子水準的選取上更具有彈性 [12]。
Jeyapaul et al. (2005)回顧近代對於應用田口方法在多重品質特性上所使用的
各種方法，其中包含迴歸分析、主成分分析、資料包絡法(DEA)、模糊多屬性決 策、模糊邏輯應用、灰關聯分析、類神經網絡…等；並說明使用者在選擇方法上 可以就使用者本身的偏好與熟悉度選擇方法，但應注意的是方法背後的假設與所 探討問題的適用性[28]。Lin 等，結合田口理論和模糊理論來解決多重品質特性的放電加工製程問 題，發展出一套可以處理具模糊性設計目標之多重品質特性的演算法[33]。
綜合以上文獻與其它本研究所涉獵之文章可知，相對於傳統的田口方法只能 處理單一品質特性問題，近期對於能夠解決多目標品質特性的田口方法更為重 視，各種算則更是百家爭鳴；自 1997 年 Tong and Su 透過模糊理論發展系統化的 程序來解決多目標決策問題[28]，往後許多學者便開始投入結合模糊理論和田口 方法的研究，然而最後也驗證了此方式在解決多重品質特性問題時，可避免因品 質特性的不同而造成的衝突以及不知如何判斷各品質特性間重要性大小的問題。
2.5.2 DEMATEL 相關文獻探討
關於決策實驗室分析法，無論在工業或服務業上的應用可說是不勝枚舉，也 有許多學者提出修正的 DEMATEL，使此方法在使用上更為合理與合適，以下列 舉近期應用此研究方法的文章做為參考。
李宗偉(2009)提出最大平均熵差法(Maximum Mean De-Entropy, MMDE)解決 DEMATEL 在設定門檻值時易發生的共識問題，並驗證此法對於 DEMATEL 的門 檻值設定是合適且有效的[3]。
胡雪琴(2003)利用 DEMATEL 方法將問題間的複雜度解構與量化，透過此方 法後可採用經驗累積的類似基模，作為主要及核心問題的處理模式以提供企業解 決問題的參考依據[7]。
Hiroyuki and Katsuhiro (2005)提出一個修正的 DEMATEL 方法，該方法加入 了 各 因 素 的 不 確 定 性 結 構 的 優 先 考 量 ， 稱 為― 隨 機 性 決 策 實 驗 室 分 析 法‖(stochastic DEMATEL)，此法既使當探討的系統結構中存在不確定性，也能正 確描述結構中的因子特性，此外，隨機的重要性組合能夠描述來自結構不確定性 的優序風險增加問題，並可將決策者的樂觀與悲觀態度納入決策優序中考量計算 [38]。
Seyed-Hosseini et al. (2006)認為 FMEA(失敗效用模式分析)在 RPN(風險優先 數)的排序上存在未考慮各元素間的間接相關性，以及所探討的系統中可能包含 更多其他元素或子系統的問題，因此作者先利用 DEMATEL 解決以上問題，並
經過實際案例驗證 DEMATEL 能夠有效且完整的補足 FMEA 的缺陷(DEMATEL 能處理間接相關問題並且能夠對龐大複雜的系統進行元素的分群與排序) [37]。
Lin and Wu(2004)認為日常生活案例中人們的偏好判斷通常是含糊不清的，
因此提出在 DEMATEL 方法中加入模糊化的概念，依此彌補傳統上使用片斷值 的不適用，也利用一個實證研究確定此方法的可用性與有效性[32]。
Yang and Tzeng(2010)指出大多重要性評估方法是藉由可加性與獨立性假設 下的權重設定來驗證指標間的重要性，但事實上加法模式的使用並不總是可行 的，因此作者提出先以 DEMATEL 使具複雜因果關係的系統結構化與可視化，
並 獲 得 指 標 間 的 影 響 關 聯 ， 再 透 過 超 級 矩 陣 的 正 規 化 來 計 算 網 絡 分 析 法 ANP(analytic network process)權重以獲得指標間的相對重要性，最後利用台灣知 名 3C 零售商的供應商選擇為例，證明該研究所提出之方法在重要性評估中更為 合理適用[47]。
Tseng(2009)學者說明 ANP 是一個相對較新的 MCDM 問題處理方法並能夠 處理所有類型的交互作用系統，而 DEMATEL 不僅能將指標間的因果關係轉換 為結構模型還能被用來解決指標群中的內部相依問題，因此該學者結合 ANP 與 DEMATEL 方法來協助馬尼拉的專家小組找出較重要的管理議題與關聯指標來 管理該城市的都市固體廢物[44]。
Lin et al. (2010)利用 DEMATEL、ANP、TOPSIS 探討車輛通訊系統(VTS)的 各種需求項目，並藉由 DEMATEL 來建立關係矩陣，ANP 衡量權重，TOPSIS 找 出最佳解的運算流程，找出下一個世代的 VTS 應該具備的項目，以此滿足消費 者之需求[31]。
綜合以上文獻與其它本研究所涉獵之文章，對於 DEMATEL 的應用可歸結 以下幾項特點：
1. DEMATEL 對於複雜龐大的系統，能達到資料縮減、關鍵指標選擇以及指標 間的關聯表達等成效。
2. 無論指標間是否具有交互作用 DEMATEL 方法皆可使用。
3. 對於多屬性決策問題(MADM)，DEMATEL 在此領域的應用上為合適且合理 的。
4. DEMATEL 在多屬性決策問題上之演算過程能使賦權過程更為合理化。
5. 經過模糊語意後的 DEMATEL 在實際案例中是較合理客觀的指標挑選方式。
2.5.3 TOPSIS 相關文獻探討
TOPSIS 為處理多屬性決策的方法之一，在多目標決策分析中已被認為是一 種有效的方法。該方法已經在土地利用規劃、物料選擇評估、項目投資、醫療衛 生等眾多領域得到成功的應用，且明顯提高了多目標決策分析的科學性、準確性 和可操作性。
Negi 引用模糊理論於傳統的 TOPSIS 法來加以延伸利用，在其研究中，每一 方案的評估值及權重皆以梯形模糊數表示，在方案與模糊正理想解和負理想解之 間距離的計算，採兩模糊數之隸屬函數交集的最高相似度來做運算，最後再以各 方案對正理想解之相對近似值的大小予以優劣排序[34]。
Tsaur 應用 TOPSIS 於航空業服務品質之評估，其研究中，航空公司的各項 評估值準則之評比以模糊數表示，透過去模糊化的方式將模糊數轉為明確值，再 以 TOPSIS 對航空的服務品質進行評估[43]。
魏巧晴利用簡易的 QFD 原則，以模糊運算求得顧客需求對工程或設計屬性 的重要度，最後以 TOPSIS 方法做概念設計選擇方案的排序，而排序結果將作為 選擇設計參數的重要參考[16]。
由以上文獻探討可知 TOPSIS 是決策分析中常見的工具，而模糊觀念的引入 將使此工具在應用上更具說服力，此外 TOPSIS 的無差異曲線與田口的品質損失 函數曲線十分類似，所以當在研究田口的多重品質組合最佳解時十分適合使用 TOPSIS 作為績效表現衡量的檢索[41]。
2.5.4 DEMATEL、TOPSIS 及田口方法之整合應用相關文獻
本節將介紹 DEMATEL 與 TOPSIS 的結合應用及 TOPSIS 與田口方法的結合 應用，故歸納分類如下：
一、 DEMATEL 與 TOPSIS 的結合應用
這兩種方法的結合由Doraid Dalalah於2009年提出作為解決多屬性決策問題 的新方法，該方法尚未被其他學者延續探討；Doraid Dalalah混合DEMATEL與 TOPSIS的原理是利用修正的模糊DEMATEL算則，以專家群的因果評估分類方式 衡量指標準則之權重，所產生的準則權重再被代入模糊TOPSIS中作權重使用，
這兩種方法的結合由Doraid Dalalah於2009年提出作為解決多屬性決策問題 的新方法，該方法尚未被其他學者延續探討；Doraid Dalalah混合DEMATEL與 TOPSIS的原理是利用修正的模糊DEMATEL算則，以專家群的因果評估分類方式 衡量指標準則之權重，所產生的準則權重再被代入模糊TOPSIS中作權重使用，