5.1 結論
在材料、化學、食品等產業中的實驗大多屬於混合實驗，而非傳統的實驗設 計。若此類領域之實驗工程師誤用傳統因子實驗設計來規劃實驗並求出最佳因子 水準組合，便會無法獲得預期的成效。主要原因在於混合實驗之製程參數本質與 傳統因子實驗之製程參數設計不同。故在規劃實驗之初，需釐清因子的特性，才 能獲得預期的實驗成果。
近年來，隨著科技的精進與消費者意識的抬頭，產品之設計必須朝向多品質 特性之最佳化發展，製造商在規劃實驗時需考量到多個品質特性才能滿足顧客需 求。因此，本論文發展一套可同時適用於單品質及多品質特性的混合實驗最佳化 演算法，並利用三個案例來說明本論文的分析程序確實相當有效。
本論文之貢獻彙整如下：
1. 工業界許多混合實驗其成本均有限制，透過本論文所提之方法可用較少之實 驗次數，準確地找到較佳之參數值，可有效節省實驗成本及實驗時間。
2. 過去文獻在使用多品質特性混合實驗找尋最佳配方時，往往使用資料包絡 法，單只考慮到最理想解或最不理想解，評選方案時容易造成偏差，而本論文 所使用之TOPSIS 則同時考量最理想解與最不理想解，不會使總指標僅受最差 或最佳的品質特性所主導，且計算方便。
3. 本演算法利用自組性演算法擁有適配模型效果佳之特性，建構出適當之模 型，且不需進行假設檢定，使用方便。
4. 基因演算法經由長時間發展，具備完整的理論基礎及架構，且經前人不斷改 進，擁有強大搜尋最佳解之功能。本研究利用基因演算法此特性，找尋混合 實驗之最佳配方，準確度高。
5. 本研究以 TOPSIS 結合自組性演算法以及基因演算法求取最佳配方，因自組性 演算法及基因演算法已有套裝軟體可供使用，因此使用者只需輸入參數即可
得到最佳解。與過去使用資料包絡法結合反應曲法等方法相比，本研究方法 提供了較簡便的方法，無需撰寫程式且軟體操作方式簡易，實用性甚高可提 供業界使用較現有方法方便。
5.2 建議
本研究提出結合類神經網路與基因演算法之研究，除了可用於混合實驗求 解最適配方，亦可用於其他非實驗設計之範疇。因此建議未來研究者可寫出一 套結合類神經往路與基因演算法的程式，便於計算且更易推廣。
參考文獻
[1] 王英銘，「自組非線性系統應用於濁度預測」，國立成功大學水利及海洋工 程學系，碩士論文，2005。
[2] 王柏齡，「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 學工業工程管理學系，碩士論文，2005。
[3] 江盈杰，「應用資料包絡法於最適化多品質特性混合實驗」，國立交通大工 業工程與管理學系，碩士論文，2006。
[4] 李百川，「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 立交通大學工業工程管理學系，碩士論文，2005。
[5] 周柏宏，「多目標超模式法解參數設計問題之研究—以半導體封裝印字製程 為例」，國立成功大學製造工程研究所碩博士班，碩士論文，2003。
[6] 范揚志，「應用類神經網路與基因演算法於射出成形製程參數最佳化之研 究」，中華大學科技管理研究所，碩士論文，2006。
[7] 靳孟學，「混合實驗最佳化之研究」，國立交通大工業工程與管理學系，碩 士論文，2007。
[8] 壽正琪，「成本受限下混合實驗之最佳化演算法」，國立交通大學工業工程 與管理學系，碩士論文，2006。
[9] 賴昱甫，「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，2000。
[10] 蘇木春、張孝德，機器學習:類神經網路、模糊系統以及基因演算法，全華 書局，1999。
[11] 蘇俊榮，「應用灰色多屬性決策演算法於混合實驗最佳化之研究」，國立交 通大工業工程與管理學系，碩士論文，2006。
[12] Cornell J. A., Experiments with Mixtures: Designs, Models, and the Analysis of Mixture Data, Prentice Hall, Upper Saddle River, New Jersey, 2002.
[13] Dabbas R. M., Fowler J. W., Rollier D. A., and McCarville D., “Multiple Response Optimization Using Mixture-Designed Experiments and Desirability Functions in Semiconductor Scheduling,” International Journal of Production Research, Vol. 41, No. 5, pp. 939-961, 2003.
[14] Hwang, C. L. and Yoon. K., Multiple Attribute Decision Making Methods and Applications. Springer, Berlin Heidelberg, New York, pp.1-7, 1981.
[15] Kiefer, J., and Wolfowitz, J., “Optimum Designs in Regression Problems.”
Annals of Mathematical Statistics, Vol. 30, pp. 271-294, 1959.
[16] Muller, J. A., Ivachnenko, A. G.. and Lemke, F., “GMDH Algorithms for
Dynamical Systems, Vol.4, No.4, 1998.
[17] Montgomery, D. C., Design and Analysis of Experiments, John Wiley, New York, 2005.
[18] Myers, R. H., and Montgomery, D. C., Response Surface Methodology: Process and Product Optimization Using Designed Experiments. 2nd edition. Wiley, New York, 2002.
[19] Tingzong, G., Geapgan, J., and Rusch, K. A., ”Determination of Optimum Ingredients for Phosphogypsum Composite Stability under Marine Condition-Response Surface Analysis with Process Variables,” Journal of Environmental Engineering, Vol.129, Vo.4, pp.358-366, 2003.
[20] Scheffé, H., “Experiments with Mixtures,” Journal of the Royal Statistical Society, B, Vol. 20, No. 2, pp. 344-360, 1958.
[21] Scheffé, H., “Simplex-Centroid Design for Experiments with Mixtures,” Journal of the Royal Statistical Society, B, Vol. 25, No. 2, pp. 235-263, 1963.
[22] Smith, W. F. and Cornell J. A., “Biplot Display for Looking at Multiple Response Data in Mixture Experiments,” Technometrics, Vol. 35, No. 4, pp. 337-350, 1993.