5.1 結論與貢獻
在材料、化工、醫藥或食品等產業，有許多屬於混合實驗之問題常誤用傳統 實驗設計的手法來找出實驗因子水準之最佳設定，造成實驗結果無法達到預期之 成效，所以一開始規劃實驗的步驟就顯得相當重要。
由於「多品質最佳化之混合實驗問題」之議題在國內外文獻均相當少見，大 部分皆在探討單品質最佳化，然而隨著科技的進步、顧客需求的複雜化，產品之 設計必須朝向多品質特性之最佳化發展。
傳統之望想函數方法為一相對指標，無法直接給予業者品質改善之依據，且 無法同時考量到品質之平均和變異情形，而反應六標準差品質之望想函數能夠改 善此項缺點。當處理最佳化之實驗問題時，通常會採用反應曲面方法，而本論文 中有「品質」和「成本」兩項反應變數，若僅以反應曲面法進行最佳化，只能以 互償的方式求得最佳配方。然而，雙反應曲面方法能夠在成本限制條件下，最佳 化「品質」變數，所以得到之最佳配方較僅用反應曲面法佳。
本論文以新竹某公司汽車煞車用橡膠皮碗之實際案例，結合反應六標準差品 質之望想函數和雙反應曲面方法以建構一套完整可行之多品質特性混合實驗最 佳化演算法。由第四章實例驗證的結果發現，代表品質之望想值從 0.9474 提升 至 0.9704252，改善了 2.43%，配方成本由 107.7 元降至 106.612736 元，改善程 度約 1.01%，實驗結果充分驗證本論文所提之最佳化演算法之有效性與可行性。
本論文對學術界及工業界之貢獻可彙整如下：
1. 本論文整理出最早提出之望想函數、修正之望想函數到近年所提出之反應六 標準差品質之望想函數等文獻。並應用反應六標準差品質之望想函數結合雙 反應曲面方法，在目前之多品質混合實驗相關文獻中，均未見到，因此具學 術創新性。
2. 本論文採用反應六標準差品質之望想函數，能夠反應出六標準差品質水準，
即反應製程處於長期穩定下之生產良率。
3. 目前中外文獻中，尚未有將成本納入考量之實際案例，又由於工業界在研發 新配方需同時考慮到配方之實際成本，故本論文所提之最佳化演算法可使工 業界獲利較大。
5.2 未來研究方向
本論文所提出之最佳化多品質特性混合實驗問題之演算法仍有以下兩項可 改善之處：
1. 由於本論文之最佳化多品質特性混合實驗問題之演算法分為兩部份，第一部 分為反應六標準差品質之望想函數之應用，第二部份為雙反應曲面方法之應 用，而反應六標準差品質之望想函數之計算較為複雜，若能簡化此最佳化演 算法之計算步驟可使業界使用更加便利，所以建議未來研究可以寫一個計算 反應六標準差品質之望想值的程式，便於計算且更易推廣。
2. 使用反應六標準差品質望想函數來界定各反應變數之權重較為主觀，無法客 觀地計算出各個反應變數之重要程度。若能客觀的取得各變數之權重，所得 之研究結果可信度能夠更大幅的提昇。
本研究乃接受國科會 NSC 94-2213-E-009-079 支助之研究，特此致謝。
參考文獻
1. 王柏齡 (2005)，「反應六標準差之多品質特性混合實驗最佳化演算法」，國 立交通大工業工程與管理學系，碩士論文。
2. 李百川 (2005)，「應用雙反應曲面分析法於混合實驗多品質特性最佳化之研 究」，國立交通大工業工程與管理學系，碩士論文。
3. 楊忠倫 (2004)，「以反應曲面法探討脂解酵素催化抗壞血酸月桂酸酯之最優 化」，大葉大學生物產業科技學系，碩士論文。
4. 劉政勳 (2004)，「反應六標準差水準之多品質特性同時最佳化演算法」，國 立交通大學工業工程管理系，碩士論文。
5. 賴昱甫 (2000)，「脂肪替代甲基葡萄糖多酯的最優化合成條件探討及物理特 性之研究」，大葉大學食品工程研究所，碩士論文。
6. Ames, A. E., Mattucci, N., Macdonald, S., Szonyi, G., and Hawkins, D. M.
(1997), “Quality Loss Functions for Optimization Across Multiple Response Surfaces,”Journal of Quality Technology 29, 3, pp. 339-346.
7. Box, G. E. P. and Wilson, K. G. (1951), “On The Experimental Attainment of optimum Conditions,”Journal of the Royal Statistic Society B 13, 1, pp.1-45.
8. Castollo, E. D., Montgomery, D. C., and Mccarville, D. R. (1996), “Modified Desirability Functions for Multiple Response Optimization,”Journal of Quality Technology 28, 3, pp. 337-345.
9. Cornell, J. A. (2002), Experiments with Mixtures: Designs, Models, and the Analysis of Mixture Data, Prentice Hall, Upper Saddle River, New Jersey,.
10. Dabbas, R. M., Fowler, J. W., Rollier, D. A., and McCarville, D. (2003),
“Multiple Response Optimization Using Mixture-Designed Experiments and Desirability Functions in Semiconductor Scheduling,”International Journal of Production Research 41, 5, pp. 939-961.
Response Variables,”Journal of Quality Technology 12, 4, pp. 214-219.
12. Harrington, E. C. (1965), “The Desirability Function,”Industrial Quality Control 21, pp. 494-498.
13. Hill, W. G. and Hunter, W. G. (1966), “A review of response surface methodology:aliterature survey,”Technometrics 8, pp. 571-590.
14. Montgomery, D. C. (2005), Design and Analysis of Experiments, John Wiley, New York.
15. Myers, R. H. and Carter, W. H. (1973), “Response Surface Techniques for Dual Response Systems,”Technometrics 15, 2, pp. 301-317.
16. Khuri, A. I. and Conlon, M. (1981), “Simultaneous Optimization of Multiple Responses Represented by Polynomial Regression Functions,”Technometrics 23, 4, pp. 363-375.
17. Ko, Y. H., Kim, K. J. and Jun, C. H. (2005), “A New Loss Function-Based Method for Multiresponse Optimization,”Journal of Quality Technology 37, 1, pp.50-59.
18. Kros, J. F. and Mastrangelo, C. M. (2001), “Comparing Methods for The Multi-response Design Problem,” Quality and Reliability Engineering International 17, pp. 323-331.
19. Kros, J. F. and Mastrangelo, C. M. (2004), “Comparing Multi-response Design Methods with Mixed Response,” Quality and Reliability Engineering International 20, pp. 527-539.
20. Ribardo, C. and Allen, T. T. (2003), “An Alternative Desirability Function for Achieving ‘Six Sigma’ Quality,” Quality and Reliability Engineering International 19, pp. 227-240.
21. Scheffé, H. (1958), “Experiments with Mixtures,” Journal of the Royal
Statistical Society B 20, 2, pp. 344-360.
22. Scheffé, H. (1963),“Simplex-Centroid Design forExperimentswith Mixtures,” Journal of the Royal Statistical Society B 25, 2, pp. 235-263.
23. Tang, L. C. and Xu, K. (2002), “A Unified Approach for Dual Response Surface Optimization,”Journal of Quality Technology 34, 4, pp. 437-447.
24. Vining, G. G. and Myers, R. H. (1990), “Combining Taguchi and Response Surface Philosophies: a dual responseapproach,” Journal of Quality Technology 22, 1, 38-45.
25. Vining, G.. G. (1998), “A Compromise Approach to Multiresponse Optimization,”Journal of Quality Technology 30, 4, pp. 309-313.
26. Wurl, R. C. and Albin, S. L. (1999), “A Comparison of Multiresponse Optimization: Sensitivity to Parameter Selection,”Quality Engineering 11, 3, pp.
405-415.