本研究方法主要為利用戴為寧等效定理中，使用電壓、電流與電阻關係，判斷出節 點阻值特徵，並利用其特徵值，經過類神經網路學習後，了解各類神經輸出特徵空間，
來檢試電路板是否良好，而利用電路板節點阻值分析，本研究稱為「節點分析法」。
戴維寧等效定理觀念中：一個含有獨立 電壓源、獨立 電流源及 電阻的 線性網絡的 兩端，就其外部型態而言，在電路上可以用一個獨立 電壓源和一個二端網絡的 串聯電 阻所組成作為等效。因此，可對未知電路的節點量測，並得到電壓與電流的關係，而電 路元件若損壞，其等效型態必定改變則可作為判斷依據。
相對於電子電路中，若需做精細的電阻性節點判斷，則可利用蒙地卡羅原理，作為 容差值的電路板件分析，並判斷元件容許誤差值。而本研究主要為敘述，類比電路元件 經由類神經網路作為自動化節點故障分析，減少先護人員的誤判及故障分析時間，及電 路板件故障分析成本，對於市售的電路板件故障分析儀器較為經濟，本研究則利用不同 電路，以PSPICE 模擬，經由類神經網路訓練後，在作為各節點特徵值，並做比較分析，
以下先針對於資料作業處理做詳細的說明。
3-1 資料探勘（Data mining）
Han and Kamber[24]表示資料探勘所要處理的問題，就是在龐大的資料庫中尋找出 有價值的隱藏事件並加以分析。而其主要的貢獻在於能從資料庫中獲取有意義的資訊並 針對資料進行結構化模式的歸納，以作為企業在進行決策時之參考依據。在相關的一些 文章出現許多的其它名詞，有著類似意義的名詞，例如：從資料庫中挖掘知識（Knowledge mining From Databases）、知識萃取（Knowledge Extraction）、資料考古學（Data Archaeology）、資料打撈（Data Dredging）、資料分析（Data Analysis）等。
Han and Kamber [24]指出資料探勘是一個跨學門的領域，受到多個學門影響，包括 資料庫系統、統計學、機器學習、視覺化和資訊科學，如3.1 所表示。而資料探勘的理 論基礎係由資料縮減（Data Reduction ）、資料壓縮（Data Compression）、資料形態發 現（Pattern Discovery）、機率理論（Probability Theory）、個體經濟觀點（Microeconomic View）、誘導的資料庫（Inductive Databases）並輔以人工智慧、機器學習與資訊視覺化 等技術，從複雜資料中萃取可用的知識。大致而言，乃從儲存在資料庫、資料倉儲或其
37
他資訊儲存體中的大量資料中，發現有意義與效益的特徵。圖3.1 影響資料挖掘的領域
（資料來源：Han and Kamber，2001）
圖3.1 影響資料挖掘的領域
（資料來源：Han and Kamber，2001）
Fayyad et al. [21]認為知識發現為一重要的、確認有效的、新奇的、潛在有用的程序，
最後的目地為了解資料的特徵、型態、趨勢與規則性。依Fayyad et al.之定義得知，資 料探勘只是資料庫知識發現（Knowledge Discovery in Databases）流程中的一個過程。
Berry and Linoff [19]則認為資料探勘就是使用自動或半自動的方式對大量的資料做 分析，以找出有意義的關係或法則。
由以上所知，資料探勘為從龐大的資料庫中，將資料作為因果關係，即在了解輸出 與輸入特徵值，並且確定其資料是有意義的，而資料探勘主要為找出資料的模式類型，
並利用自動或半自動法做大量性的資料分析，最後整理為該資料庫的特徵模式。而特徵 模式的建立，完全取決於特徵值，即是從儲存在資料庫、資料倉儲或其他資訊儲存體中 的大量資料中，並發現有意義與效益的特徵。
3-2 資料探勘的程序
一般而言，資料探勘有三個主要步驟：資料準備、資料簡化和尋找有價值的訊息。
而對資料探勘程序定義如下述：
一、Fayyad et al.[22]所定義的知識發現之流程（The KDD Process）：
（一）資料的選擇（Data Selection）
（二）資料的前置處理（Pre-processing）
（三）資料的簡化及轉換（Transforming）
（四）資料探勘（Data mining）：閱讀資料與建立模型。
（五）解釋及評估（Interpreting and Evaluating）：將資料探勘得出的資訊交由專家 作為判定，分析是否已經發現、找到了任何新的事物或任何有用的資訊，並 將結論分析是否為有用的資訊，故這是一個困難的工作。
二、Han and Kamber [24]提出有關知識發現為包含一系列資料或資訊轉為知識的互動流 程，知識發現過程主要是由以下的步驟組成：
（一）資料清理（Data Cleaning）：消除噪音及離群值等資料。
（二）資料整合（Data Integration）：將多種資料來源整合一起。
（三）資料選擇（Data Selection）：從資料庫中擷取分析與任務相關的資料。
（四）資料轉換（Data Transformation）：將資料轉換或統一成適合資料探勘形式。
（五）資料挖掘（Data Mining）：為資料特徵而採用智慧的方法的一個重要流程。
（六）特徵評估（Data Evaluation）：確認真實有趣，表現在知識基礎上的一些有趣 的衡量特徵。
（七）知識呈現（Knowledge Presentation）：可視覺化與知識表現技巧，通常對使 用者呈現出挖掘後的知識。
三、Roiger et al.提出[27]資料探勘的四個主要步驟：
（一）定義目標（Goal Identification）：清楚的描述所要解決的問題。
（二）準備資料（Data Preprocessing）：處理資料雜訊和遺漏資訊的清理。
（三）資料探勘（Data Mining）：建立監督式或非監督式學習模型。
（四）解釋及評估結果（Interpretation and evaluation）：決定學習模型可否被接受。
資料探勘的主要為做前置作業的資料特徵取得，而資料特徵的取得，則是靠連續及 大量的資料分析，因此許多人認為資料的探勘主要為前置作業的處理程度，並且關係到 一個資料模式的建立正確性與否，而電路板件檢視流程圖如圖3.2：分為節點電路分析、
正規化處理、類神經判斷及蒙地卡羅分析等，分述如下。
39
3-3 前置作業
（一）節點電路分析-判斷可用節點：
前置作業為對於印刷電路板中，首先分析可用的節點，一般來說，對於 電路板件最容易分辨的節點，為電源側及接地側，因此節點分析法，即是對 於有效節點端與電源側位準及接地側位準判斷阻值是否差異太大，一塊電路 板件中對於相同節點、電壓與電流無關係節點，及電源接地端節點，均不在 考慮範圍，本文以PSPICE 模擬為例，做為節點特徵值分析參考。
資料的選擇
資料的前置處理 資料的簡化及轉換
資料探勘
解釋及評估
圖 3.2 電路板件檢視流程圖
0
R2 10k Q2
40240 R4
10k
V2 0Vdc
0 DPWR
R10 10k 0 Q3 40240
Q4
40240
R1 1000000k R5
10k
DGND
R9 10k
DPWR
R8 10k
DPWR
R7 10k
圖3.3 基本電路 1
對於基本節點中，為利用戴維寧電阻性節點特徵，來判斷節點可能損壞與否（如圖 3.3）所示，其針對於相同接點中，因節點分析為相同，數值分析也相同，故以其中一點 作為判斷依據。
以不同電壓 ， 串聯三用電錶 ， 並 以電源端與接地端為位準做為 分析 假設電壓端與接 地端為開路狀態 電壓與電流無關係節 點，及電源接地端節 點，均不在考慮範圍。
41
0.5 1.16E-10 8.85E-09 5.00E-05 5.04E-10 5.00E-05 5.04E-10 1.44E-12 1.45E-12 5.00E-05 5.04E-10 5.00E-05 5.04E-10 5.00E-10 5.00E-05 1.16E-10 8.88E-09 1.44E-12 1.45E-12
1 5.74E-10 1.53E-05 1.30E-04 9.08E-08 1.00E-04 8.93E-08 4.48E-12 4.52E-12 1.30E-04 8.93E-08 1.00E-04 9.07E-08 1.00E-09 1.00E-04 5.74E-10 2.89E-05 4.48E-12 4.52E-12
1.5 1.06E-09 3.90E-05 2.28E-04 2.24E-05 1.50E-04 1.30E-05 8.34E-12 8.44E-12 2.28E-04 1.30E-05 1.50E-04 2.21E-05 1.50E-09 1.50E-04 1.06E-09 7.63E-05 8.34E-12 8.44E-12
2 1.55E-09 6.34E-05 3.27E-04 4.71E-05 2.00E-04 3.55E-05 1.26E-11 1.28E-11 3.27E-04 3.75E-05 2.00E-04 5.92E-05 2.00E-09 2.00E-04 1.55E-09 1.25E-04 1.26E-11 1.28E-11
-0.5 1.81E-08 1.30E-10 5.00E-05 5.00E-10 5.00E-05 5.00E-10 1.81E-08 1.30E-10 5.00E-05 5.00E-10 5.00E-05 5.00E-10 5.04E-10 5.00E-05 1.80E-08 1.30E-10 1.80E-08 1.30E-10
-1 1.22E-04 5.90E-10 1.00E-04 1.00E-09 1.30E-04 1.00E-09 1.22E-04 5.91E-10 1.00E-04 1.00E-09 1.30E-04 1.00E-09 9.25E-08 1.00E-04 3.02E-05 5.90E-10 3.02E-05 5.91E-10
-1.5 2.21E-04 1.08E-09 1.50E-04 1.50E-09 2.28E-04 1.50E-09 2.30E-04 1.08E-09 1.50E-04 1.50E-09 2.36E-04 1.50E-09 8.05E-05 1.50E-04 7.35E-05 1.08E-09 8.81E-05 1.08E-09
-2 3.20E-04 1.57E-09 2.00E-04 2.00E-09 3.27E-04 2.00E-09 3.51E-04 1.57E-09 2.00E-04 2.00E-09 3.56E-04 2.00E-09 1.59E-04 2.00E-04 1.07E-04 1.57E-09 1.64E-04 1.57E-09
(二)節點電路分析-各節點電壓與電阻關係：
以不同電壓±0.5V、±1V、±1.5V、±2V(為類神經輸入層)，對各節點作電壓與電阻關係，以 PSPICE 設定為暫態直流分析 做已知基本電路電路圖3.3 分析，如表 3.1。以 Q4-E 為例，可以分析出，以 DPWR 為位準時含有 N/P JUNCTION 特性，以 DGND 為位準時，則為純電阻特性。
3-4 正規化處理
將各節點資料作紀錄，經過正規化處理後，可以得到正規化資料，經由正確電路板 正規化資料比對，對於差異性過大的節點數值，即可判斷出節點損壞，再經由節點損壞 程度及範圍，判斷可能損壞元件，本研究以各節點作取樣資料後，在MATLAB 中將取 樣資料各除以50K，使其作為正規化處理，也將其數據轉換為接近 0 至 1 的數據資料，
方便類神經網路作為訓練收斂判斷。
3-5 類神經判斷
本研究以MATLAB 軟體中，類神經網路參數工具 newff 創造一個前饋型類神經網 路，以＂logsig＂為轉換函數，再由＂traingdm＂做為誤差分析，並以＂mse＂作為收斂 判斷，其類神經網路訓練，由PSPICE 軟體所模擬元件資料，本文模擬取五種訓練資料(為 類神經輸出層)，分別為 PN 接面型、NP 接面型、電阻無限大型（皆不導通）、電阻短 路型（直接連接電源側及接地側）及電阻型（皆導通）（如圖3.4），並經由類神經學 習分析後（圖3.5、圖 3.6），再由紀錄良好的電路板件各節點狀態（如圖 3.7），來分 析板件損壞與否，一般來說，特徵空間即代表此電路各點的資料模式，因此，特徵空間 改變，即可以判斷此電路板為損壞件，而經由損壞件可利用誤差分析判斷故障節點，分 述如下：
43
圖3.4 類神經結構圖
圖3.5 類神經學習收斂圖
圖3.6 MATLAB 執行學習收斂圖
45
P/N Junction 4.28E-05 0.98825 0.002959 0.14386 0.0028511 0.14386 4.28E-05 4.28E-05 0.002959 0.14386 0.0028436 0.14386 0.0020458 0.0029422 4.28E-05 0.98825 4.28E-05 4.28E-05
N/P Junction 0.98965 5.04E-05 0.0041417 0.00039424 0.0043098 0.00039424 0.98965 0.98965 0.0041417 0.00039424 0.0043251 0.00039424 0.25609 0.0041312 0.98965 5.04E-05 0.98965 0.98965
Resister=∞ 0.0081493 0.01078 0.0010812 0.079495 0.0010649 0.079495 0.0081493 0.0081493 0.0010812 0.079495 0.0010652 0.079495 0.29844 0.0010618 0.0081493 0.01078 0.0081493 0.0081493
Resister=0 0.0002824 7.06E-08 0.8708 8.26E-08 0.87442 8.26E-08 0.0002824 0.0002824 0.8708 8.26E-08 0.87559 8.26E-08 8.43E-06 0.85957 0.0002824 7.06E-08 0.0002824 0.0002824
Resister
Value 0.00037101 0.0065911 0.12306 0.092147 0.12136 0.092147 0.00037101 0.00037101 0.12306 0.092147 0.12041 0.092147 0.04592 0.13327 0.00037101 0.0065911 0.00037101 0.00037101
Q2-E (DPWR) Q2-E (DGND) Q2-B (DPWR) Q2-B (DGND) Q2-C (DPWR) Q2-C (DGND) Q3-E (DPWR) Q3-E (DGND) Q3-B (DPWR) Q3-B (DGND) Q3-C (DPWR) Q3-C (DGND) Q4-E (DPWR) Q4-E (DGND) Q4-B (DPWR) Q4-B (DGND) Q4-C (DPWR) Q4-C (DGND)
圖3.7 基本電路 1 各點特徵向量圖
DPWR
R1,R5 broken
-0.2
47 R2,R8 broken
-0.2
R4,R7 broken
-0.2
R7,R8 broken
49
做各點分析(Q1,Q2 broken)
-0.2
50
實作1：
以power source （PCB）電路板（基本電路 4 如圖 3.19），良好及損壞電路，做類神經分析如圖 3.17 及圖 3.18，表 3.3 及表 3.4：
表3.3 基本電路 4 各點類神經特徵值
OK Q2-E Q2-B Q2-C Q3-G Q1-B Q1-C
Q2-E(DPWR） Q2-E(DGND） Q2-B(DPWR） Q2-B(DGND） Q2-C(DPWR） Q2-C(DGND） Q3-G(DPWR） Q3-G(DGND） Q1-B(DPWR） Q1-B(DGND） Q1-C(DPWR） Q1-C(DGND）
PN 0.001119 0.000723 0.067962 0.077359 0.10308 0.005316 0.044137 0.023164 0.084318 0.000615 0.00514 0.16151 NP 0.012247 0.92239 0.000475 0.000549 0.02591 0.069354 0.012294 0.12019 0.00231 0.96974 0.002952 0.046414 OPEN 1.11E-03 3.02E-02 1.37E-02 1.72E-02 8.10E-02 6.12E-04 0.051844 0.40586 0.018698 0.026372 0.00238 0.13148
0 8.11E-01 3.51E-05 1.82E-05 7.52E-06 7.78E-08 1.24E-02 2.11E-07 3.61E-08 5.62E-07 7.57E-05 0.040842 6.83E-08 ALL 0.21637 0.013894 0.99044 0.98311 0.26849 0.9243 0.69415 0.1858 0.9636 0.003025 0.90017 0.12774
表3.4 基本電路 4 故障電路板各點類神經特徵值
BROKEN Q2-E Q2-B Q2-C Q3-G Q1-B Q1-C
Q2-E(DPWR） Q2-E(DGND） Q2-B(DPWR） Q2-B(DGND） Q2-C(DPWR） Q2-C(DGND） Q3-G(DPWR） Q3-G(DGND） Q1-B(DPWR） Q1-B(DGND） Q1-C(DPWR） Q1-C(DGND）
PN 0.00112 0.001119 0.065674 0.003308 0.005356 0.94421 0.047597 0.047597 0.018719 0.000125 0.002924 0.00288 NP 0.012255 0.012255 0.000465 0.004161 0.069031 0.023923 0.010318 0.010318 0.00876 0.99388 0.005171 0.005146 OPEN 0.001106 0.001106 0.013057 0.001968 0.000619 0.001305 0.044995 0.044995 0.006628 0.011336 0.001746 0.001751 0 0.81028 0.8103 2.17E-05 0.13564 0.011743 1.26E-07 2.30E-07 2.30E-07 1.22E-05 2.28E-05 0.18363 0.19067 ALL 0.21667 0.21665 0.99135 0.77568 0.92581 0.12079 0.73436 0.73436 0.99091 0.001168 0.72583 0.71878
51
power source circuit
-0.2
power source circuit broken
-0.2
上述各表（表3.2~表 3.4）以最接近 1 者，為該節點型態，則此數值與待測電路卡
（一）平均誤差判斷法：平均誤差（mean error，ME或稱為BIOS），以評估誤差與 零誤差的大小，分為正偏誤差及負偏誤差，若在整個樣本內正偏誤差和負偏 誤差的量和值差異性不大，則平均誤差近似於零。
；（Et=X-Y；X:樣本，Y:預測，見表 3.9）
（二）平均絕對誤差（mean absolute error，MAE）：不論正偏誤差或負偏誤差，取 其絕對值並做累計，再做平均，所得到的數值為平均的樣本與零誤差的差距
53
（三）均方差（mean square error，MSE）：與平均絕對誤差的意義相似，具有標準 化誤差的意義。
P/N Junction 2.44E-05 0.00064208
0.0030529
0.98326 2.44E-05 0.22991N/P Junction 0.98877 0.0030534
0.012483
0.00029266 0.98877 0.0011842Resister=∞ 0.0092831 0.0010122
0.016482
0.01396 0.0092831 0.20096Resister=0 0.00098699 0.3338
0.00010006
0.00035447 0.00098699 6.29E-05Resister
Value 0.0022762 0.59514
0.99922
0.009997 0.0022762 0.54761表3.6 電路 R2=20K 類神經分析
P/N Junction 2.44E-05 0.00064208
0.0021534
0.98326 2.44E-05 0.22991N/P Junction 0.98877 0.0030534
0.0044488
0.00029266 0.98877 0.0011842Resister=∞ 0.0092831 0.0010122
0.0083446
0.01396 0.0092831 0.20096Resister=0 0.00098699 0.3338
9.61E-05
0.00035447 0.00098699 6.29E-05Resister
Value 0.0022762 0.59514
0.99183
0.009997 0.0022762 0.54761表3.7 電路 R2=30K 類神經分析
P/N Junction 2.44E-05 0.00064208
0.0044076
0.98326 2.44E-05 0.22991N/P Junction 0.98877 0.0030534
0.0052849
0.00029266 0.98877 0.0011842Resister=∞ 0.0092831 0.0010122
0.007253
0.01396 0.0092831 0.20096Resister=0 0.00098699 0.3338
6.92E-05
0.00035447 0.00098699 6.29E-05Resister
Value 0.0022762 0.59514
0.98947
0.009997 0.0022762 0.54761表3.8 電路 R2=40K 類神經分析
表3.9 為 R2=10K~40K 類神經統計
預測誤差 樣本(X) 預測1(Y0) 預測2(Y1) 預測3(Y2)
特徵值 10K 20K 30K 40K
PN JUNCTION 0.0030529 0.0021534 0.0044076 0.011408 NP JUNCTION 0.012483 0.0044488 0.0052849 0.007518
RESISTER=∞ 0.016482 0.0083446 0.007253 0.0053494 RESISTER=0 0.00010006 9.61E-05 6.92E-05 5.44E-05 RESISTER VALUE
0.99922 0.99183 0.98947 0.98458
表3.10 故障點誤差分析20K 30K 40K
平均誤差 0.00489302 0.004970656 0.004485632 平均絕對誤差 0.00489302 0.005512536 0.007827672
均方差 0.0000372 0.0000468 0.0000865
Q1-B（DPWR）的電阻值特性，如表 3.9 及表 3.10 中，經類神經判斷後，由誤差值 分析得知，利用比值關係計算20K、30K 及 40K 中，以均方差誤差判斷法數據最佳，故 本研究取MSE>0.00004 為損壞點。並以另一基本電路 5 為損壞節點分析，分析如下（圖 3.21 及圖 3.22，表 3.11 及表 3.12），基本電路5 故障節點示意為圖 3.23 所示，MSE>0.00004 者判斷為損壞點，如表3.13 所示。
Q1-B（DPWR）的電阻值特性，如表 3.9 及表 3.10 中，經類神經判斷後，由誤差值 分析得知，利用比值關係計算20K、30K 及 40K 中，以均方差誤差判斷法數據最佳，故 本研究取MSE>0.00004 為損壞點。並以另一基本電路 5 為損壞節點分析，分析如下（圖 3.21 及圖 3.22，表 3.11 及表 3.12），基本電路5 故障節點示意為圖 3.23 所示，MSE>0.00004 者判斷為損壞點，如表3.13 所示。