研究背景與動機

隨著科技日漸的進步，用電量劇增，加上自然現象(如雷擊、地震、塵 害 等) ， 引 起 之 電 力 系 統 故 障 的 問 題 更 是 層 出 不 窮 (Ranasweera, 1994;

Oyama, 1993; Hsu, et al., 1990)。若供電發生異常或故障，容易造成系統之元 件或設備之損害、燒毀等；更嚴重可能造成區域性的大規模停電，所以電 力系統之供電品質對於用戶影響甚钜(Eleri, et al., 1988; Sekine et al., 1993;

Cho et al., 1997; Duncan, et al., 1987; Anderson, et al., 1977; Bergen, et al.,1999)。

在我國的產業結構中，半導體產業一直位居於舉足輕重的地位，不論 是在提升國家競爭力，或是對於國家經濟成長的貢獻，都有其實質的效用 及意義。因此，若能有效率、計畫性的實施節能工作，將有助於能源產業 的運作及相關單位整體能源的調度及分配作業。由於半導體產業，對於能 源需求量大，如何節約能源，一直是半導體產業相當棘手的問題。因此，

工業技術研究院研院能源與環境研究所，研發無塵空調節能、排氣系統、

整合型電力監控系統、高效率照明技術等方面，來協助半導體產業真正地 落實節能的工作。在整合型電力監控系統應用方面：所謂的電力監控系統，

具有可以改善用電的安全、降低用電的費用、減少超約罰款、提供統計數 據等效益。然而，完整的電力監控系統的功能應包括：合理需量的評估、

供電品質監視、監視受電與配電設備、各迴路用電資料的統計與分析、電 力需量控制與網路資訊的整合等方面。也就是經由合理需量的評估後，考 慮全年的負載型態，在基本電費與超約罰款間，尋求平衡點，將可減少超 約罰款及電費。另外，藉由整合式的自動讀表技術，可瞭解各用電迴路的 負載分佈及長時間的用電資料記錄，做為用電管理與實施節能策略及降低 溫室效應的依據。

林家宏(民93)提出電力品質是目前台灣電力公司與工業界共同重視的 課題，不良的電力品質包括：諧波、電壓驟降、電壓陡升及電力中斷等事 件。為能有效掌握電力品質的狀況，必須長期監控電壓與電流波形，藉由 分析結果辨識電力品質幹擾變數。近年來由於靈敏電子負載的增加及大量 的電腦設備與精密儀器的使用，可靠的電力供應對於工廠用戶變成一個相 當重要的問題，雖然電力公司改善系統供電品質與可靠度，但由於電力系 統固有性質、電力故障和電壓波動、電壓驟升、電壓驟降等因素，必須採 用多重品質之管制方法才能有效監控電力系統品質異常(Tsutomu, 1993;

Yang and Huang, 1995; Lee, 2000)。

在生產管理上常用之七大QC手法來管理製程品質，QC七大手法包括 如下：(1)管制圖，其特色為抽樣結果連續7個樣本點同時往上或往下代表流 程有問題，及代表製程已經出現問題、(2)柏拉圖又稱ABC管制圖，其特色 為大部分的問題(80%)來自少數的原因 (20%)，然後把有限的資源獲得最佳

的利用、(3)流程圖其特色為將系統中的各個不同組成，以具有邏輯性的關 係串聯在一起的圖形，可協助確認可能發生問題所在、(4)魚骨圖又稱要因 圖或石川圖，此管制圖主要目的是探索原因，缺點是探索出來的原因無法 串連起來、(5)直方圖其特色為由直立的條狀圖形構成，高度代表問題發生 的次數或頻率，可以找到發生最多次的產品或流問題、(6)散佈圖其特色為 用來找出兩個變數之間的關係，由資料點的散佈，可知道變數之間是否是 正、負相關或不相關，資料點越向45度線集中表示兩者越相關及(7)趨勢圖 其特色用來呈現資料隨著時間進展的變化圖，可以清楚看出生產產品的不 良是越來越多，還是越來越少，成本及進度績效指標是越來越多，還是越 來越少。以上QC七大手法，在生產線上若處理單一變數，檢測效果較為精 確；當面對微小製程變化時，仍無法有效診斷出異常變化。

在統計製程管制法主要的有：Shewhart (1924)提出的蕭華特管制圖，此 管制圖是利用基本的統計及機率原理，分別訂定出管制圖的中心線及管制 界線。此法並未考量歷史數據的變化情況，因此無法迅速有效的偵測到製 程的微量變異。Page(1954)提出累和管制圖 (Cumulative Sum, CUSUM)來改 善對於微量製程變異來偵測。Lucas (1982)合併蕭華特－累和 (Combined Shewhart－CUSUM) 管制法，此法對於製程大量變異以及累和管制法對於 製程微量變化之優良偵測能力，使管制法具有偵測不同程度之製程變 異能力。Robert (1959) 提出加權指數移動平均 (Exponentially Weighted

Moving Average, EWMA) 管制法對於製程微量變異，亦具有 CUSUM 管制法近似之偵測能力，此法可對異常製程特性的微小偏移可以很快的 偵測及警示出來，對單一品質特性之監控能有良好監測效果。以上單一品 質特性管制圖，主要的功能為檢測製程是否穩定，若有異常時可以幫助檢 測人員找出幹擾製程的可歸屬原因，以達到改善及維持製程品質的目的。

但是這些單變量管制圖只能對單一品質特性作個別監控，無法同時對多重 品質特性作監控，然而目前產品品質的特性越來越多，因此製程變數的複 雜度也日漸提升，為了確保有效監控電力品質，就必須考慮監控更多的變 數，因此多變量管制圖的使用就相當重要了。

Logothetis and Haigh (1988) 提出使用統計檢定的基本假設，運用了多 元分析、線性規劃和多目標決策分析等多種數理方法來解決多重品質特性 製程最佳化的問題，其演算過程較為繁雜，因而使得運用上有所限制。當 使用迴歸分析預測品質值特性時，若迴歸係數不顯著時，則結果之正確性 更值得商確。多重品質特性之製程最佳化的方法。蕭鋼衡(民 79)以個別品 質特性的 S/N 比之加權和取代多重品質特性之整體 S/N 比來作分析。此法 雖然簡單，但易發生各品質特性的權重值不易確定。況且，此方法視品質 特性總損失為個別品質損失的權重次方再相互乘積，由田口的損失觀點來 看，無法解釋其意義。陳啟斌等(民 89)及陳啟斌和林進財(民 91)運用灰色關

論大量樣本之最佳化問題。在電力品質之管制上，面對的是大量樣本與多 重品質的問題，檢測上仍有不足之處。

多變量管制圖能夠對多個品質特性和製程變數產生一個綜合統計量，

並對此統計量作監控以判別製程變數是否發生異常。由此可知，多變量統 計製程管制圖就是利用各種統計方法處理、計算、分析、圖示、列表找出 變異的原因，並立即採取修正行動，消除或抑制變異的原因，以達到預先 防止管制要求的方法(Kourti, et al., 1996)。

為了有效監控電力品質，本文應用統計製程管制法之多變量管制圖包 括：T2管制圖及及主成分分析法，來建構電力品質異常管理與偵測之評估 決策模式，透過所建構之決策分析模式，來偵測製程中非隨機原因發生之 異常圖形。統計製程管制法是一種統計的工具，經過產品特性數據的收集 來偵測出製程上有無非隨機之變動，在更多不良品被製造出來之前，就先 找出製程變異的原因，避免不必要的損失(Anderson, et al., 1977; Graninger, et al., 1998; Acha, et al., 2000)。如此，不但可以清楚地瞭解電力系統的運轉 情形，還可在第一時間內發現系統異常的現象。