製程參數挑選之OLAP系統設計

全文

(1)屏東商業技術學院資訊管理系(所) 碩士學位論文製程參數挑選之 OLAP 系統設計. A System Design of OLAP for Manufacturing Parameter Selection. 指導教授：李來錫葉惠忠. 研究生：戴宏仁. 中華民國九十三年六月二十八日.

(2) 摘要. 在產品的生產過程中，實驗計劃法是有效找尋製程參數的適當方法，但實務上仍可能有時間過長與成本太高的問題，且專業人力對於一般製造業而言也是一大考驗。利用以往的生產資料，找出原有生產該系列產品的製程資料，再進行品質資料比較後，挑選最適當的製程參數，將可以大量節省時間與成本。針對以上的問題，本研究將利用商業智慧的特性，將過往知識中製程的重要資訊(如：產品、製程與樣本測定值等)建置於資料市集中，並利用線上分析處理的特點做為日後查詢相關參數挑選資料。本研究提出一個合理且簡便的參數挑選程序，並以一實例進行相關的系統展示說明，最後經評估比較後挑選出最適當的參數，在資料完備的情況下，此方法可以快速的挑選出適當的製程參數。關鍵詞：商業智慧、製程參數、資料市集、線上分析處理. -I-.

(3) Abstract. The design of experiment (DOE) is a wild accepted method for proper parameter selection on manufacturing processes. However, under the consideration of experiment costs and difficulties for understanding the use of DOE becomes challenges for general engineers. In the other way, the experience for manufacturing can be used to decide proper parameter levels instead of DOE. The experience can be found or searched from different production databases or databases of control charts, and it can be recognized as business intelligence for selecting proper parameter levels. Therefore, this paper is aim to propose a process for parameter selection using business intelligence. The process is expected can achieve time saving and cost reduction comparing with the DOE method under the condition of well conservation of used manufacturing data. Key words: Business Intelligence, Manufacturing Parameter, Data Mart, OLAP. - II -.

(4) 誌謝本文承蒙恩師李來錫、葉惠忠老師的殷切指導與悉心斧正，得以順利完成，謹此致以最誠摯的謝意。論文期間，承蒙我大學同學同時也是福記壓鑄工業公司行銷經理葉俊熙先生在資料取得上給與大力的支持和贊助，才有本文的誕生，實是本研究的最大功臣；同時也要感謝顏大鈞和劉家銓同學在系統程式上的指正；最後，謝謝所有研究所同學和學弟帶給我研究所兩年美好回憶，特此誌謝。論文端賴本系吳雪馥老師、張玲星老師及商管系王志雄老師，對本文之指正，使本文更完備，特此誌謝。以此論文獻給我執愛的雙親，感謝他們兩年來對我的支持和鼓勵，使我擁有持續前進的動力，順利完成學業，特此致謝。. - III -.

(5) 目錄摘要…………………………………………………………… Ⅰ 英文摘要……………………………………………………… Ⅱ 誌謝…………………………………………………………… Ⅲ 目錄…………………………………………………………… Ⅳ 圖表索引……………………………………………………… Ⅶ 第一章緒論………………………………………………….. 1 第一節研究背景與動機………………………………………… 1 第二節研究目的………………………………………………… 2 第三節研究限制………………………………………………… 3 第四節研究架構………………………………………………… 3. 第二章文獻探討…………………………………………….. 6 第一節商業智慧定義…………………………………………… 6 第二節商業智慧的應用………………………………………… 7 (一)、資料倉儲……………………………………………... 7 (二)、資料市集……………………………………………... 10 (三)、資料探勘……………………………………………... 11 (四)、線上分析處理………………………………………... 13. - IV -.

(6) (五)、決策支援系統………………………………………... 13 第三節商業智慧的建置………………………………………… 15 (一)、資料倉儲的建構……………………………………... 16 (二)、資料倉儲綱要………………………………………... 17 (三)、資料方體……………………………………………... 19 (四)、線上分析處理………………………………………... 20 第四節品質工程……………………………………………….... 21 (一)、品質特性……………………………………………... 21 (二)、信號－雜訊(S/N)比………………………………….. 22 (三)、製程能力指數………………………………………... 23 (四)、製程參數挑選………………………………………... 25. 第三章研究方法…………………………………………….. 27 第一節研究架構流程…………………………………………… 27 第二節系統架構………………………………………………… 34 第三節資料市集………………………………………………… 35 第四節線上分析處理…………………………………………… 38 第五節製程能力檢核…………………………………………… 38 第六節參數挑選………………………………………………… 39. -V-.

(7) (一)、針對相同產品的參數挑選…………………………... 40 (二)、針對相似產品的參數挑選…………………………... 41. 第四章系統展示…………………………………………….. 43 第一節範例說明………………………………………………… 43 第二節資料市集規劃…………………………………………… 45 (一)、建立資料來源與目的地……………………………... 47 (二)、資料轉入製程事實資料表…………………………... 50 (三)、資料轉入產品、類別、參數維度資料表…………... 54 (四)、執行封裝……………………………………………... 59 第三節建立線上分析處理(OLAP)……………………………... 60 第四節品質特性比較…………………………………………… 61 (一)、針對相同產品的品質特性比較……………………... 62 (二)、針對相似產品的品質特性比較……………………... 63. 第五章結論與建議………………………………………….. 65 第一節結論……………………………………………………… 65 第二節建議……………………………………………………… 66. 參考文獻……………………………………………………… 67. - VI -.

(8) 圖表索引圖 1-1 論文架構圖……………………………………………………… 5 圖 2-1 商業智慧的建置………………………………………………… 15 圖 2-2 資料倉儲的程序流程…………………………………………… 17 圖 2-3 資料倉儲綱要架構……………………………………………… 18 圖 2-4 資料方體………………………………………………………… 19 圖 3-1 研究架構流程圖………………………………………………… 28 圖 3-2 事實資料表 / 維度資料表的關聯性………………………….. 31 圖 3-3 星狀綱要………………………………………………………… 32 圖 3-4 系統架構圖……………………………………………………… 35 圖 3-5 資料關係圖……………………………………………………… 36 圖 3-6 資料層次圖……………………………………………………… 37 圖 3-7 相同產品製程參數挑選程序圖………………………………… 41 圖 3-8 相似產品製程參數挑選程序圖………………………………… 42 圖 4-1 汽缸蓋…………………………………………………………… 43 圖 4-2 產品製造流程圖………………………………………………… 44 圖 4-3 資料關聯圖……………………………………………………… 45 圖 4-4 事實資料表 / 維度資料表的關聯性…………………………... 46. - VII -.

(9) 圖 4-5 新增資料………………………………………………………… 47 圖 4-6 輸入資料庫名稱………………………………………………… 47 圖 4-7 DTS 設計師主畫面……………………………………………… 48 圖 4-8 輸入來源資料庫的相關資訊…………………………………… 48 圖 4-9 輸入目的地資料庫的相關資訊………………………………… 49 圖 4-10 新增來源與目的地資料至封裝畫面………………………….. 49 圖 4-11 建立「資料轉換工作」成功畫面……………………………….. 50 圖 4-12 轉換資料工作屬性之「來源」頁籤…………………………….. 51 圖 4-13 建立目的資料表……………………………………………….. 51 圖 4-14 轉換資料工作屬性之「轉換」頁籤…………………………… 52 圖 4-15 指定套用之轉換畫…………………………………………….. 52 圖 4-16 轉換選項之「一般」頁籤……………………………………….. 53 圖 4-17 ActiveX Script 轉換屬性……………………………………….. 53 圖 4-18 測試執行轉換畫面…………………………………………….. 54 圖 4-19 產品資料轉換工作…………………………………………….. 54 圖 4-20 轉換資料工作屬性之「來源」頁籤…………………………….. 55 圖 4-21 建立目的資料表……………………………………………….. 56 圖 4-22 轉換產品資料表工之「轉換」頁籤…………………………….. 56. - VIII -.

(10) 圖 4-23 轉換類別資料表「來源」頁籤………………………………….. 57 圖 4-24 轉換參數資料表之「來源」頁籤……………………………….. 57 圖 4-25 資料轉換工作完成畫面……………………………………….. 58 圖 4-26 製程資料封裝儲存…………………………………………….. 59 圖 4-27 啟動執行封裝畫面…………………………………………….. 59 圖 4-28 封裝執行……………………………………………………….. 60 圖 4-29 產品-製程分析圖……………………………………………… 61 圖 4-30 相同產品製程參數挑選……………………………………….. 63 圖 4-31 相似產品製程參數挑選……………………………………….. 64 表 2-1 資料倉儲的優、缺點比較……………………………………… 9 表 2-2 資料倉儲與資料市集的比較…………………………………… 11 表 2-3 資料探勘在各行業的應用……………………………………… 12 表 2-4 Cpk 值等級判定………………………………………………… 25 表 3-1 軟體規格………………………………………………………… 35 表 3-2 硬體規格………………………………………………………… 35. - IX -.

(11) 第一章緒論本章內容主要分為研究動機與目的、研究限制以及研究架構等三節。在產品的生產製造過程中，為了有效找尋產品的最適製程參數，目前常使用的是實驗計劃法，但實驗計劃法仍需花費時間與成本進行實驗才能獲得分析的資料且在實驗過程中常需具有專業實驗操作人員及資料技術分析，這對一般製造業而言仍相當缺乏。利用以往的生產資料，找出原有生產該系列產品的製程資料，再進行品質資料比較後，挑選最適當的製程參數，將可以大量節省時間與成本。因此本研究將利用商業智慧的概念，使用結構性知識的特點經品質資料比較後，找出生產該產品的最適當之製程參數。. 第一節研究背景與動機當有顧客希望訂購以前(多年前)公司製造過的產品，為滿足該顧客品質的要求，該公司可以再重新進行實驗設計，重新找到製造該產品的製程參數，但此法可能花費相當的時間與成本。若公司已經營多年並曾製造出多種型式的產品，另一個方法則是利用過往的生產資料，找出原有生產該系列產品的製程資料，再進行品質資料比較後，挑選最適當的製程參數，此法將可以大量節省時間與成本。在產品的生產製造過程中，為了要有效找尋產品的最適製程參數，目前常使用的是實驗計劃法，儘管實驗計劃法可以獲得適當的製程參數挑選結果，但實務的操作上仍可發現下列問題：一、時間與成本的考量：由於實驗計劃法需要進行反覆實驗來獲得適當的製程參數，儘管可以運用直交表等設計來降低實驗的次數，但在實驗時間與成本上仍面臨實務的考驗。二、實驗操作的問題：為了能有效找出生產製程條件，在實驗計劃 -1-.

(12) 法中常需要具有實驗操作的人力，以便操控實驗過程，並以統計方法加以有效分析，然而此專業人力對於一般製造業而言仍相當缺乏，這問題同時也形成了實驗法的推廣障礙。因此，要在有限的時間、成本和人員問題的考量下，如何找出生產過程中產品的最適製程參數，是產品品質控制的一個重要課題。針對以上的問題，本文將以商業智慧的概念進行製程參數的挑選工作。商業智慧(business intelligence，BI)乃是指可以協助企業統計、挖掘與分析隱含在數據資料背後的知識，將相關數據資料轉化為有助於企業決策的有用知識。其概念主要是將企業內的相關資料，包含內部 ERP、 SCM、CRM 或是其他的資訊系統所產生異質資料，經由擷取資料、轉換資料、傳送資料(extract transform load)轉化成有用的資訊，儲存於資料倉儲(data warehousing)，並透過線上分析處理(online analytical processing， OLAP)丶統計分析等工具來獲得可用的資訊，以應用於銷售、行銷、財務、人力資源、生產、研發等各個層面的決策支援(王偉如，2003)。鑑於以上的研究動機，本研究嘗試以企業過往的製程資料所形成的商業智慧來替代實驗計劃法，以協助業者快速並且低成本的挑選出適當的製程參數。. 第二節研究目的本研究是利用商業智慧的概念建構出一個整合性的參數挑選模式，由於製造業的資料所累積而成的知識可以提供重要的製程參數數據，因此本文將利用商業智慧的特性，將過往知識中製程的重要資訊(如：產品、製程參數與樣本測定值等)建置於資料市集中，並利用結構性知識的特點做為日後查詢相關參數挑選資料，最後經評估比較後挑選出最適當的製程參數。基於上述理由，本研究有以下二項主要目的： -2-.

(13) 一、在資料完備的情況下，我們可以利用商業智慧的特性，快速的挑選出適當的製程參數。二、若資料不完全或從未生產品過此產品時，我們可利用過往曾經生產過的相似產品之資料，找出這些相似產品之最適當的製程參數，做為該產品的建議實驗參數值(範圍)，然後我們再對此參數值做確認實驗，挑選出適當的製程參數。. 第三節研究限制一、由於產品製造的過程中，有多台生產機器，無法一一納入研究，故僅選擇製造流程中的部分機器做為製程參數挑選的對象。二、本研究的「製程參數挑選系統」是採單機板的型式做為探討主題，不討論多機型態的製造系統。三、在本研究中部分產品製程資料是依據廠商所提供的資料範圍，以模擬的方式取得。四、在本研究中挑選製程參數時，是以田口參數設計之信號雜音比 (S/N 比)進行產品品質的比較，但在典型的田口參數設計中，因子主要包含有控制因子及雜音因子兩種，在本文中因資料結構的關係僅考慮控制因子，故不考慮雜音因子問題。. 第四節研究架構本研究的內容共分為五個章節，其研究架構及流程如圖 1-1 所示，茲將部份內容說明如下：第一章緒論：旨在說明本文的研究背景、動機與目的及問題的研究範圍與限制。第二章文獻探討：相關的文獻主要是針對商業智慧的基本定義、商業智慧的應用及建置、田口品質工程等四個部分，做簡單的介紹與相關 -3-.

(14) 文獻的探討。第三章研究方法：主要說明如何運用商用智慧的概念，將歷史生產資料建置於資料市集中，並建構出一個多維度資料方體，找出原有生產該系列產品的製程資料，再進行品質資料比較後，挑選最適當的製程參數。第四章系統展示：主要是介紹應用商業智慧的概念來建構一個製程參數挑選系統，並建立資料市集、線上分析處理(OLAP)和 VB 程式來進行製程參數挑選。第五章結論：說明本研究的結果、貢獻及後續的發展方向。. -4-.

(15) 緒論. 第一章. 文獻探討. 第二章. 以商業智慧來建構製程參數的挑選系統. 第三章. 確立研究問題. 系統架構. 製程能力檢核. 參數挑選程序. 研究方法. 資料市集建置. 品質特性比較. 建立線上分析處理. 挑選最適當製程數. 第四章. 系統展示. 結論. 圖 1-1 論文架構圖 -5-. 第五章.

(16) 第二章文獻探討本章分別針對商業智慧的定義、商業智慧的應用、商業智慧的建置、田口品質工程等四大部分，做簡單的介紹與相關文獻的探討。. 第一節商業智慧定義有關商業智慧的定義，Hoelscher(2002)認為商業智慧結合了資料挖掘的技術與各種分析的方法，以提供商業各種及時且精確的資訊。Kamel and Samia(2002)則認為商業智慧是具系統追蹤、蒐尋、連繫並轉化各種微量訊息的一種策略性方法。Guin, Michael and Timothy(2001)認為商業智慧可以系統化的分析程序，以蒐尋並瞭解外在訊息所代表的意涵。另外， Kanzler(2002)認為為商業智慧的定義是因人而異，其內容包含了各種應用軟體、技術與分析方法，以協助進行資料分析的方法。根據以上各種定義，本文將商業智慧定義為利用資訊科技，將企業內、外部各種結構化資料彙整，並依據某些特定的需求進行分析與運算，以協助這些組織角色在管理組織績效或是決策判斷時的重要參考。商業智慧主要透過企業內部資料整合來進行各種層面的資料分析，其主要涵蓋範圍可以包括資料收集與儲存，以及資料分析兩大部份。在資料收集與儲存方面，主要包含有資料倉儲(data warehousing)或資料市集 (data mart)，以將企業所累積的龐大資料加以整理建檔，使決策者能夠快速獲得有效、即時的決策參考。在資料的分析方面，主要包含有資料探勘的技術，可利用人工智慧、統計、神經網路等多種技術，自動化分析企業原有的資料，做出歸納性的推理，從中挖掘出潛在的模式，預測並幫助企業的決策者調整市場策略。其中，線上分析處理(online analytical processing)為常見的一種資料分析方法，它可以讓使用者在大量的資料中邊瀏覽、邊查詢，並找出問題，進而追查問題且尋求可行的解決方式。 -6-.

(17) 其最大的特色便在於它對資料多維處理的能力，可以很快做各種維度的縱向或橫向的資料處理。OLAP 的應用相當廣泛，如 Chaudhuri and Dayal(1997)利用 OLAP 的多維度資料模型，來做為前端資料查詢和分析工具，並加強資料查詢效率、中繼資料(metadata)與資料倉儲的管理； Colliat(1996)指出 OLAP 可以提供分析人員，管理者和決策高層依據本身決策需求流覽資料，且即時的產生所需的資訊以提高分析效率。換句話說，OLAP 利用多維度的概念能讓使用者能更深入了解資料之間的關聯。. 第二節商業智慧的應用商業智慧本身的應用範圍非常廣泛，如 Raymond(2003)利用商業智慧框架(Framework)概念和操作，對中小型企業建置一個商業智慧系統，以提昇中小企業更具全球化的競爭能力； Cody, Kreulen, Krishna and Spangler(2002)將商業智慧和知識管理結合起來知識管理是屬於非結構化資料，蘊藏著大量的資訊，商業智慧是結構化資料，透過這兩者的結合，可以同時增加資訊的質與量，決策制定者能更快速來制定決策； Kolar(2001)在 1998 利用 IBM 所提供的商業慧解決方案導入佛羅里達醫院，幫助醫院的營運，提昇醫療品質，並降低了醫院的營運成本； Dannemiller and Fitzpatrick(2002)是以 Brio 為例，如何運用商業智慧為公司組織做一些策略規劃。商業智慧透過企業內部的資料整合可應用在各個不同的面向，像是資料倉儲、資料市集、資料探勘、線上分析與決策支援系統皆為其主要的應用，分別探討如下：. -7-.

(18) (一)、資料倉儲資料倉儲是一切商業智慧系統的基礎，Chaudhuri and Dayal(1997)認為資料倉儲可將企業所累積的龐大資料加以整理分析，使決策者能夠快速容易的去利用資料，進而獲得有效、即時的決策參考，能使企業降低經營風險，快速回應外在環境的挑戰。而資料倉儲本身是儲存大量資料之資料庫，其與資料庫最大的不同之處則在於，資料庫中所儲存之資料通常為與營運相關之資料，而這些資料在累積一段時間後，除了儲存備份外，亦可加以整理後移轉至另一資料系統供作資料分析之用，即成為資料倉儲。資料倉儲有二個主要目的(Sid, 2000)： 1.資料管理(data management)：從一個跨組織的角度去從事資料分析，及資料的整合(data integration)與清理(data cleaning)，以控制現存之資料混亂狀態。 2.資料展現(data manipulation)：專注在建立新種類的報告，像是策略性的趨勢分析，及提供隨機式(ad hoc)的快速擷取(data access)與資料展現，以提供直覺式的企業資訊存取方式。由於資料倉儲本身與企業其他資料庫是分開儲存的，所以不論多繁複的處理動作也不會影響到原先資料庫中的完整性。這些整合資料可以配合資料探勘(data mining)工具、線上分析引擎(OLAP engine)或是其他的分析模型(analysis model)，以便對資料做進一步的分析與查詢工作。資料倉儲系統具備以下幾個特色(Inmon, 1994)： 1.主題導向(subject-oriented)：資料倉儲是將企業中種類相同的資料以或主題聚集在一起，作為主要的處理對象，例如：顧客、廠商、產品和企業活動等等，有別於一般企業中以分類處理為導向的系統。 2.整合性(integration)：資料倉儲必須將不同來源的資料格式，例如：欄位名稱、測量變數、編碼方式和資料屬性等等，整合成相同格式. -8-.

(19) 的資料後儲存在一起。 3.時間變化性(time variation)：資料倉儲中的資料都是過去所發生的歷史性資料，但是並非儲存過去的所有資料，而是在某一時間範圍內的資料。 4.非揮發性(non volatilization)：當資料放到資料倉儲中後，便不再隨著時間的變化而有異動、修正或更新，但是可以以固定且週期性的方式定期加入新的歷史資料，因此具有唯讀的性質。相對於傳統系統的被動式查詢(當需要查詢時，才對資料重新計算處理)，資料倉儲採主動式查詢(當資料來源發生更動時，即作出相對應的反應)，由於資料倉儲能夠主動地從所有的分散式(distributed)、自主性 (autonomous)、異質性(heterogeneous)的資料來源中，搜集、擷取並維護相關的資訊，因此可即時地反應查詢及資料分析工作(高秀美，2002)。表 2-1 為資料倉儲的優、缺點。. -9-.

(20) 表 2-1 資料倉儲的優、缺點資料倉儲的優點. 資料倉儲的缺點. 1.減少對主機系統的依賴，有效. 1.龐大的資料倉儲建構成本。. 降低企業成本。 2.資料來源可從異質性與分散性. 2.複雜的開發過程。. 資料庫中取得。 3.整合各單位間文件，使規格趨. 3.開發前置作業較傳統異動式. 於一致。 4.提供即時有效的查詢與分析資. 資料庫久。 4.應用程式介面不足。. 訊。 5.簡單快速的操作介面。. 5.使用者需經過教育訓練。. 6.根據歷史資料，分析未來趨勢，以利決策的制定。 (資料來源：Furlow, 2001). (二)、資料市集有關資料市集的定義，Inmon(1994)認為資料市集是資料倉儲的一部分與資料倉儲同為企業的基礎架構，而且資料市集是屬於一具有種特定主題的儲存體，像是員工資料庫、產品資料庫、客戶資料庫等。Gray and Watson(1998)認為資料市集為資料倉儲的一個子集，一般僅提供部份資訊，給某一群使用者或某一部門使用，以符合企業內部的特殊需求。一般而言，資料市集是針對某一個部門或是某一個主題所建立的資料倉儲系統，例如：一個企業的業務部門、市場部門、銷售部門，都可以自行建立屬於自己的資料市集。其主要的好處在於節省成本、精確符合各部門需求、建置速度快，大大提高了決策支援的效率；不過資料市集也潛在一些缺點就是會造成決策制定品質不佳，因為資料被儲存在分散於企 - 10 -.

(21) 業組織內各自獨立的資料庫或資料市集中，一但企業面臨資料市集的數目不斷增加，資料的重複性會很嚴重，而且在管理上會變得複雜難以管理，因此必須花費更多的維護成本在資料市集上，且彼此間的資料無法互通便會造成資源的浪費，將來在整合上也較不易。由於資料市集可以是由獨立的資料庫所構成，也可以附屬在一個資料倉儲中，因此在決策制定上能夠呈現出區域性的決策。而在商業智慧中可擔任一位整合的中介角色，來整合各個資料市集做為企業決策用，而不是部門決策用途。表 2-2 為資料倉儲與資料市集的比較。. 表 2-2 資料倉儲與資料市集的比較資料倉儲. 資料市集. 範圍. 一般應用. 特定應用. 資料觀點. 歷史詳細資料. 精簡資料. 部分匯總. 完全匯總. 低度反正規化. 高度反正規化. 主題. 多主題區. 單一主題區. 資料來源. 多個運算和外部資料. 少許運算資料、資料倉儲和外部資料. 執行時間框架. 多階段執行. 單一階段執行. 特性. 生命週期長. 生命週期短. 資料導向. 專案導向. (資料來源： Sung and Sang, 1998). - 11 -.

(22) (三)、資料探勘 Jiawei(1996)認為資料探勘是從資料中挖掘有價值的資訊，以增加對客戶的了解，提供行銷決策的參考。Berry and Linoff(1997)則認為資料探勘是利用自動或半自動的方式對大量資料做分析，以發現出有意義的關係或法則。資料探勘是利用人工智慧、統計、神經網路等複雜的搜尋方式，找出樣式(pattern)、然後將資料用來做群集、分類和關聯性分析等，希望能從顧客行為中找出能被用來預測未來行為的未知模式。近年來資料探勘主要是應用在行銷方面，包括顧客特徵研究 (customer profiling) 、目標行銷 (targeted marketing) 及菜籃分析 (market-basket analysis)。在顧客特徵研究及目標行銷方面，資料探勘能從既有顧客資料中找出具價值的顧客特徵，再利用這些特徵將潛在的顧客資料篩選可能成為企業顧客的名單，作為行銷人員推銷的對象；在菜籃分析方面，主要是利用資料探勘協助零售業者瞭解消費者的購買行為，如此一來能夠有效地協助業者決定進貨、庫存量及店面陳列商品的方式 (黃貝玲 2002)。表 2-3 是資料探勘在各行業的應用。. - 12 -.

(23) 表 2-3 資料探勘在各行業的應用信用卡公司. 零售商. 利用資料探勘增加信用卡的應用，做購買授權決定、分析持卡人的購買行為、並偵測詐騙行為。資料探勘可以讓零售商更加瞭解顧客購買行為及喜好等資訊。. 金融服務機利用資料探勘以了解顧客的貸款活動、調整金融商品以合顧構. 客、尋找新的顧客及加強顧客服務。利用資料探勘依據顧客消費行為與交易紀錄的分析來區隔. 電話直銷. 顧客，進而達到差異化行銷的目的，以增加每通電話成功的機率。. 航空業. 當航空業者不斷增加，競爭也愈來愈激烈，瞭解顧客需求已經變得極為重要，航空業者取得顧客資料以制定因應策略。. 製造業. 廣泛地被利用在製造工業的控制及排程技術生產程序。. 電信公司. 利用資料探勘電信公司可以提供更符合顧客需求的新服務。資料探勘能協助保險業者從大型資料庫中取得有價值的資. 保險公司. 訊進行決策，讓保險業者更瞭解顧客、並有效的偵測保險詐欺。. (資料來源：黃貝玲，2002). (四)、線上分析處理 OLAP (online analytical processing)為線上分析處理系統，也是商業智慧的前端應用產品，主要可提供使用者依其所需的資料及其特定的角度加以分析，利用各種工具在使用者介面上呈現各種分析結果，並且在讀取上能提供快速且即時的查詢方式，同時確保資料的一致性及完整性。 OLAP 的系統架構主要可分成 ROLAP(relational OLAP) 及. - 13 -.

(24) MOLAP(multidimensional OLAP)兩種方式。ROLAP 透過標準或擴充式的關聯式資料庫(RDBMS)來建置資料倉儲，是比較普遍的方式，它將資料儲存在關連式資料庫中，透過 SQL 方式來讀取資料。OLAP 是要讓使用者在大量的資料中邊瀏覽、邊查詢，並找出問題，進而追查問題且尋求可行的解決方式(高秀美 2002)。 OLAP 的功能具有下列的特性(沈兆陽，2002)： 1.多維度結構 2.階層式分析觀點 3.可任意切割的資料(視資料倉儲的特性而定) Theodoratos and Tsois(2003)指出 OLAP 在多維度索引架構下，可快速查詢複雜且資料量龐大的資料。對 OLAP 而言，它可以讓管理者隨意依自己的決策需要來瀏覽資料。除此之外，OLAP 亦可執行資源配置及趨勢分析等複雜計算，其最大的特色便在於它對資料多維處理的能力，亦即它可以很快地做各種維度的縱向或橫向的資料處理。. (五)、決策支援系統決策支援系統(decision support system, DSS)一詞是 1971 年由 Scott Morton 所提出，其主要定義係為應用電腦技術來輔助或支援決策之制定，也就是一種「互動式電腦化系統」，利用資料(data)與模型(model)找出可能或最佳的解，解決非結構化 (unstructured) 與半結構化 (semi-structured)的問題(洪榮宏 2002)。決策支援系統應用的範圍相當廣泛，如 Aiken, Sheng and Vogel(1991)將專家系統和決策支援系統整合在一起，以提昇群體溝通、議價和團隊運作的品質與效率；Flynn, Curran and Lunney(2002)利用決策援系統來協助企業制定一些有關顧客和網路特性的重大決策；Lewis, Abramson 與 Simpson(1997)利用決策援系統以平行非線性最佳化的方式來做空氣品質管理。 - 14 -.

(25) 決策支援系統是以電腦為基礎，透過交談方式，使用模式及資料以協助決策者解決非結構化的決策問題。對企業而言，是讓日理萬機的決策者仍然可以從企業經營的各種觀點，搜集內外部的相關資料，透過詮釋和分析，幫助決策者得知目前營運狀況，挖掘造成營運產生瓶頸的問題，來輔助決策的制定。由於決策者所面臨的多為非結構化的問題，因此，在做決策的同時，很難有顯而易見或唯一的答案。決策者常需不斷的詢問「假如…‥如何」(if then)的問題，以確實的了解各項方案的可能，然後評估比較其利弊優劣，再做最後的決策。但並不見得所有企業主管習慣利用科技來輔助決策，兒傾向於報表或會議來進行決策制定。但重要的一點是，面對龐大的企業和外在環境的多變，決策的思考層面也必須更為詳細。此時必須要靠著決策支援系統來進行相關決策分析以免產生重大疏失。企業在應用資訊技術於決策分析支援上，經常面臨以下的問題(Nash, 1995)： 1.企業內部的使用者開發資訊系統(EUC)，是以各部門自行制定之目標為最終目的，依任務性質而有不同開發，部門色彩濃厚，對企業內部資料擁有某些處理上的自主權。 2.有資訊系統獨立性高，若無整合趨勢，將造成資料太多，資訊卻太少之結果。 3.傳統的決策支援方式，無法滿足決策部門或高階主管對資訊需求的倍數成長，與及時提供的要求。商業智慧本身的資料倉儲便可達到資料集中處理，可解決資料分散問題，對於主管所需即時資訊也可透過商業智慧達成。. - 15 -.

(26) 第三節商業智慧的建置商業智慧可以協助企業統計、挖掘與分析隱含在數據資料背後的知識，將相關數據資料轉化為有助於企業決策的有用知識。其概念主要是以建置資料倉儲為基礎，將企業內的不同來源、不同型態的相關資料，包含內部 ERP、SCM、CRM 或是其他的資訊系統所產生異質資料，經由擷取資料、轉換資料、傳送資料(extract transform load) 等程序後，以一致的格式經組織化地儲存於資料倉儲中轉化成有用的資訊，並透過線上分析處理(OLAP)丶統計分析等工具來獲得可用的資訊，作為決策支援的依據，甚至可預測未來的趨勢。圖 2-1 為商業智慧的建置。其建置方式說明如下：. ERP 資料探勘公司主管 SCM. 擷取、轉換、傳送. 資料倉儲. 建立CUBE. 線上分析處理. 企業資訊入口. CRM. 客戶業務員. 報表與查詢外部資料. 圖 2-1 商業智慧的建置 (資料來源：修改自謝金鳳，2002). (一)、資料倉儲的建構資料倉儲是商業智慧策略的心臟，建置一個足以支援商業智慧系統的資料倉儲架構是相當具挑戰性的，牽涉到企業的行政面、文化面與技術面。一個資料倉儲主要包含下列幾個處理程序(沈兆陽，2002)： - 16 -.

(27) 1.資料萃取與載入：資料萃取是將資料由來源系統中取出，如企業內部 ERP、SCM、CRM 或是其他的資訊系統所產生異質資料，並使得它們可以為資料倉儲所使用；資料載入是將資料萃取步驟所得到的資料實際載入資料倉儲。 2.資料整理與轉換：資料整理與轉換程序主要是將資料加以分割，整理並轉換成可加速查詢的資料結構，以增加查詢速度、最佳化硬體執行效能以及簡化資料倉儲的管理工作，進而降低營運的成本。 3.備份與備存資料：雖然資料倉儲的資料並不會經常的變更，但是還是要定期加以備份，以保證在系統發生異狀況後能夠還原至原來的狀態。除了備份資料倉儲之外，我們還需要定期將不再使用的舊資料存入備存(archive)媒體，以符合資料內容。 4.管理所有的查詢：查詢管理程序主要是在管控資料倉儲系統所有的查詢並且將它們導引至最有效的資料來源，以加速它們的處理，該程序會為所有的查詢執行工作加以排程，以保證系統的各項資源會以最效率的方式來使用。圖 2-2 為資料倉儲的程序流程。. - 17 -.

(28) 資料來源. 資料倉儲. 使用者. 資料轉換與資料搬移. 資料萃取資料載入. 資料查詢. 備存資料. 圖 2-2 資料倉儲的程序流程 (資料來源：沈兆陽，2002). (二)、資料倉儲綱要當我們將來源資料整理並檢驗完畢之後，資料倉儲系統會將資料轉換為一種適用於查詢管理決策資訊的資料結構。一個資料倉儲的資料是由事實資料(fact data)與維度資料(dimension data)所組成，事實資料是能夠反應過去事實的資料，而維度資料則是為了使查詢更加快速而建立的索引參考資料。就資料倉儲綱要而言，它是以事實資料表為中心，而各個維度資料表則是位於四周，而形成一個綱要架構，如圖 2-3 所示。一般而言，資料倉儲的綱要可分為下列三種(沈兆陽，2002)： 1.星狀綱要(star schema)：在星狀綱要中，是以事實資料表為中心，而各個維度資料表則是位於四周，且維度資料表只會與事實資料表產生關聯性，維度資料表與維度資料表之間並不會產生任何的關聯。 - 18 -.

(29) 2.雪花綱要(snowflake shema)：雪花綱要是星狀綱要的變形，它將星狀綱要下的資料維度表，經過正規化的處理，將所有類別分別以獨立的表單儲存資料。 3.星狀雪花綱要(starflake schema)：星狀雪花綱要是由星狀和雪花綱要所組成，它具有多重的事實資料表，並且分別共用特定的維度。. 維度資料表一. 維度資料表二. 維度資料表二. 事實資料表. 維度資料表三. 維度資料表四. 事實資料表. 維度資料表一. 維度資料表五. 維度資料表三. 雪花綱要. 星狀綱要. 維度資料表四. 維度資料表二. 事實資料表. 維度資料表一. 維度資料表五. 維度資料表三. 星狀雪花綱要. 圖 2-3 資料倉儲綱要架構 (資料來源：修改自沈兆陽，2002) - 19 -.

(30) (三)、資料方體資料方體(data cube)可視為一種多維度的資料檢視方式，其中包含兩個部分，一是分析的角度(維度)，另一則為分析的標的(量值)，而建立資料方體主要有三個步驟(朱剛正，2001)： 1.定義量值與維度：考慮使用者需求，選取量值的「事實資料表」(fact table)，並由一或多個資料表欄位組成維度。 2.儲存體設計與績效評估：由於需要龐大的儲存體來儲存多維度結構資料，因此使用複雜的演算法來設計有效率地彙總資訊，以減少儲存體需求並提昇處理效益。 3.產生彙總資料：在設計彙總資料後，進行最後的處理工作以產生實際的彙總資料。在線上分析處理多維度的分析中，資料方體、維度以及衡量值都是其必要的項目。藉由這樣的技術來表達資料的展現方式，讓使用者可以很簡單及以直覺化的方式來查詢他們所要的資訊，如圖 2-4 所示。. 產品. 門市. 時間. 門市. 年季. 地區別 (北部、中部南部及東部). 月. 縣(市). 日. 鄉(鎮、市、區). 時間. 圖 2-4 資料方體 (資料來源：Chaudhuri and Dayal, 1997) - 20 -.

(31) (四)、線上分析處理線上分析處理(OLAP)為商業智慧之前端介面，它可以幫助使用者能有效率地、方便地進行多角度的分析資料，而且它也提供企業組織在取得、查詢及分析商業資料有最大的彈性及效率，可說是親和的前端應用工具。一般而言，OLAP 工具提供以下兩大功能(高秀美，2002)： 1.快速的分析查詢能力：OLAP 提供使用者線上的即時資料分析模組，不同廠商提供的模組並不相同，不過基本上都包括了線性與非線性的多變量分析、法則分析與目標搜尋與模式模擬等功能。透過 OLAP 的線上分析模組，管理者透過其個人電腦便可以了解不同因素，如季節、年齡、教育等，與產品銷售之間的關係，進進行交叉分析後，以所得的結果規劃行銷方案。 2.多維度資料展示：多維度(multidimensional)一詞是指多項不同分析問題的變項。以銷售資料分析而言，OLAP 可依地區、部門、產品等要件形成如魔術方塊般的不同構面，以便檢視資料庫中的資訊並分析其彼此的關連性。管理者可詳細檢視資料在不同維度組合下的各種層面，系統並可據此動態且即時的產生所需的報表，如此可以節省需要由資訊部門來設計程式的不便，提高分析的效率。 OLAP 為了能有效且快速的分析資料，它提供了下列四種分析資料的方式(Chaudhuri and Dayal, 1997)： 1.上捲(Roll-up)：根據維度層級關係，縮小成摘要性資料。 2.下鑽(Drill-down)：根據維度維度成員的層級關係，放大更細部資料。 3.轉動(Dice)：對同樣查詢與分析資料，可以同時轉換各種不同觀點，或稱為”樞紐(pivot)”。 4.切割(Slice)：聚焦在某個維度或觀點查詢與分析。. - 21 -.

(32) 簡單地說，線上分析處理就是一種能讓用者依據本身決策需求來瀏覽資料、動態且即時的產生所需的報表，以提分析效率的技術。有鑑於 OLAP 在資料分析的便利性，本文將以 OLAP 做為獲取商業智慧的主要技術，並利用製造業過往的各種製程管制資料建構資料市集，以進行最適當的參數挑選。. 第四節品質工程日本品質工程專家田口玄一博士所創品質工的方法，由於成效良好，甚受國際品質界人士的重視，美國品管界稱其為「田口方法」。田口博士結合技術與統計方法，使產品設計和製造過程能達到最佳條件，而迅速改進成本與品質。田口博士之品質工程的基本概念就是將品質改善的階段，由生產製造階段提前到設計階段，並將成本的觀念導入品質之中，使得品管重點由達成產品的規格要求，提昇至符合產品的規格中心，且可持續改進以降低產品變異性，達到以最少成本滿足最高品質的目標(朱剛正，2001)。. (一)、品質特性田口博士將品質特性(quality characteristic)區分為下列三種(徐世輝， 1996)： 1、望小特性( smaller the better；STB)：若品質特性值(量測結果)具有一個規格上限( upper specification limit；USL)，且資料為非負數值，其值符合越小越好的特性，例如：表面粗糙度、噪音、熱能損失。. - 22 -.

(33) 2、望大特性( larger the better；LTB)：若品質特性值具有一個規格下限( lower specification limit；LSL)，且資料為非負數值，其值符合越大越好的特性，例如：壽命、強度、粘著力等。 3、望目特性(nominal the better；NTB)：若品質特性值有一特定之目標，越接近目標越好，例如：尺寸、電阻等。. (二)、信號－雜訊(S/N)比田口博士引用情報理論中信號－雜訊(S/N)比的概念作為判別產品穩定性的準則。信號是代表需要之部分，它是指品質特性之平均值，愈接近目標愈佳。雜音為不需要之部分，它是作為輸出品質特性變異之一種量測，它的值愈小愈佳。S/N 比之公式，依品質特性而異，一般而言，當 S/N 比最大化時，期望損失為最小。在望小特性時：. S / N = −10 log(. 1 y i2 ) , ∑ n. (2-1). 在望大特性時：. 1 1 ), S / N = −10 log ( n ∑ y i2. (2-2). 在望目特性時：. 1 ( S m − Ve ) n S / N = 10 log , Ve - 23 -. (2-3).

(34) 其中 S m =. (∑ y i ) 2 n. , Ve =. 1 (∑ y i2 − S m ) . n −1. 式中， n ：樣本大小 m ：目標值. y ：產品品質特性 Ve ：品質特性 y 的變異數. S/N 比的推算，是將損失函數直接取對數值轉換而得，依據不同的品質特性，有不同轉換公式。為得 S/N 比，每一個實驗組合，必須至少要重覆實驗兩次；在不同的環境條件(雜音)組合上重覆實驗，所得 S/N 比才能用來求得穩健性(robustness)的設計。. (三)、製程能力指數製程能力指數(process capability index)表示製程能力滿足產品品質標準(產品規格、公差)的程度，通常用 Cpk 來表示。一般而言，製程能力指數 Cpk 同時是衡量製程中的集中程度和變異量大小，也就是將製程準確度 (Ca)與製程精密度(Cp)合併評估。製程能力指數有下列幾種定義(張公緒等，1996)：一、雙側規格，無偏移情況：平均值與規格中心值相同。. C pk = C p =. Tu − Tl Tu − Tl ≈ , 6σ 6s. (2-4). 二、雙側規格，有偏移情況：平均值與規格中心值有一偏移量。. - 24 -.

(35) C pk = (1 − K ). 2M − µ Tu − Tl T − Tl K = ≈ (1 − K ) u , , T 6σ 6s. (2-5). 三、單側規格：只有上限要求。. C pk =. Tu − µ Tu − x ≈ , 3σ 3s. (2-6). 四、單側規格：只有下限要求。. C pk =. µ − Tl x − Tl ≈ . 3σ 3s. (2-7). 其中， T ： Tu − Tl Tu ：規格上限 Tl ：規格下限. σ ：品質特性值分配的標準差 s ：樣本標準差. M ：規格中心. µ ：品質特性值分配中心 K ： µ 與 M 的偏移度 x ：樣本平均數. 製程能力要達到規格的要求，必須要 Ca 值小而 Cp 值大才會有良好的製程能力。若 Ca 很小，準確度好，但 Cp 值太低，變異太大，則會有不良品出現。同樣地，Cp 值高，精確度良好，無太大變異，但 Ca 值高，製程. - 25 -.

(36) 中心不良，則不良率也會提高。由表 2-4 中，可清楚的瞭解到 Cpk 值愈大，代表製程能力愈佳。. 表 2-4 Cpk 值等級判定等級. Cpk 值. 改進措施. A. 1.67 ≤ Cpk. 繼續保持. B. 1.33 ≤ Cpk ≤ 1.67. 改進至 A 級. C. 1 ≤ Cpk ≤ 1.33. 立即改進. D. 0.67 ≤ Cpk ≤ 1. 必要時停止生產. E. 0 ≤ Cpk ≤ 0.67. 必要時停止生產. (資料來源：徐世輝，1996). (四)、製程參數挑選適當的製程參數挑選一直是學術與實務界共同努力追求的目標，有關參數挑選的研究，主要有最佳化數量模式與實驗計劃法兩大主流，最佳化數量模式以限制式運算方式可以求得最佳參數解，然而其數量模式的建構困難度與計算的煩雜，皆使其一直無法在實務操作有廣泛的應用。另一個方法即為實驗計劃法，其中又以田口方法為主要代表，田口方法設計的主要目的在使產品在任何的環境變異下，仍能保持一定的品質，亦即達到穩健性。其實驗的因子主要包含有控制因子及雜音因子兩種，由於雜音因子造成了產品功能特性和目標值間的差異，在品質管制上的目的就是要使其差異減少，使生產能經得起雜音的考驗。許多學者在統計的學理上對田口方法提出修正的意見 (Hunter, 1985 ； Kackar, 1985；Gunter, 1987；Box and Bisgaard, 1987；Nair, 1992)，在實務上也因其操作簡便而廣泛應用在各行各業，如施宜男(1989)利用田口方法將影響生產績效的生產因子 (包括可控制因子與雜音因子) 依其變動狀況，個別 - 26 -.

(37) 區分為若干生產區間，然後將各因子的生產區間依全因素設計法(Full Factorial Design) 排列配置，以便能夠得到對應各種因子生產區間的所有組合，然後評估比較各種生產組合的品質績效，尋找各因子的最適生產區間；張茂盛(2003)利用田口式參數實驗法來得到鎂合金薄件壓鑄之最佳製程參數，達到減少翹曲目的；劉康勇(2002)利用類神經網路優越的逼近能力、主成份分析法的變數壓縮特性和田口實驗計畫法的參數設計建立一套製程參數的分析方法應用於半導體中的氧化製程；郭耿東(2002)是應用田口方法，以 CNC 車床對 SKD11 及 SKD61 兩種不同硬度工具鋼材料，進行車削實驗，分別以橫截面積對橫截面積動態單一品質特性目標及總品質損失最小化多重品質特性目標兩種模式，進行製程最佳化參數設計。儘管如此，實驗計劃法仍需花費時間與成本進行實驗才能獲得分析的資料，本文則嘗試以商業智慧的觀點出發，希望以過往的製程管制資料找出適當的參數，如此在尚未進行實驗前即可獲的適當參數解，操作者只要在以此參數進行確認實驗即可，如此更可以節省實驗時間與成本。. - 27 -.

(38) 第參章研究方法本章是運用商用智慧的概念，將歷史生產資料建置於資料市集中，並建構出一個多維度資料方體，以利往後歷史生產資料的查詢與分析；然後根據品質特性計算 S/N 值，再將 S/N 值做比較，挑選出生產該產品之最適製程參數組合。. 第一節研究架構流程本研究是利用商用智慧的方法，來建構一個製程參數挑選系統。在本文的研究架構流程中，可分為資料市集建立、建立使用者分析與查詢工具和 S/N 值比較等三個階段，如圖 3-1 所示。其步驟詳述如下：. - 28 -.

(39) 資料蒐集. 步驟一. 資料庫建立第一階段. 步驟二. 建立資料市集. 步驟三. 建構資料方體. 第二階段步驟四. 使用者介面設計. 步驟五. Cpk 檢核第三階段. 步驟六. S/N值比較. 最適當的製程參數組合. 圖 3-1 研究架構流程圖 - 29 -.

(40) 第一階段：建立資料庫與資料市集。步驟一：建立資料庫。首先本研究使用資料庫軟體 MS-SQL Server，利用資料正規化的方式將產品規格、管制圖資料和其相對應的製程參數等資料轉換成產品、製程、類別以及參數等四個不同資料表並建立各表之間的關聯儲存於資料庫。其中產品資料表包含產品編號、產品名稱、產品數量四個欄位，主要是儲存產品的相關資訊；製程資料表包含識別編號、產品編號、類別編號、參數設定、製程機器編號、製程名稱、控制條件、抽樣組別、抽樣日期、x_bar 值十個欄位，主要是儲存管制圖資料和相關的製程資訊；類別資料表包含類別編號、產品類別二個欄位，主要是儲存產品所有類型的相關資訊；參數資料表包括參數設定、鑽孔尺寸、進給速度、進給深度四個欄位，主要是儲存各個製程參數的設定值。. 步驟二：建立資料市集。本研究利用資料反正規化方法，來設計資料市集。在一個資料市集中，資料可以區分為兩大類包括使用者所關心的事實資料和為了增加查詢速度建立的維度資料，如圖 3-2 所示，它顯示了一個事實資料表與維度資料表之間的關聯性。因此，首先必須要先確認何者為事實資料，何者為維度資料，經過分析本研從步驟一的四個檔案中，分別挑出識別編號、產品編號、類別編號、參數設定等四個目標欄位做為分析標的，而在製程檔中的其餘欄位也屬於事實資料，所以也把它納入事實資料表中，如此即可得到一個完整的製程事實資料表：然後，再將產品檔、類別檔、參數檔中的欄位做為分析角度即為維度資料表。. - 30 -.

(41) 維度資料表. 事實資料表. 維度資料表. 維度一外來鍵. 維度二主鍵. 維度二外來鍵. 維度二欄位一. 維度三外立鍵. 維度二欄位二. 事實資料一. 維度二欄位三. 維度一主鍵維度一欄位一維度一欄位二維度一欄位三事實資料二. 維度資料表. 事實資料三. 維度三主鍵事實資料四維度三欄位一維度三欄位二維度三欄位三. 圖 3-2 事實資料表 / 維度資料表的關聯性 (資料來源：沈兆陽，2002). 第二階段：建立使用者分析與查詢工具。步驟三：建構資料方體。本研究運用資料倉儲的觀念，將蒐集得來的資料分別依不同的需求來建構多維度資料方體；將製程事實資料表和產品、類別、參數三個維度資料表，利用星狀綱要(如圖 3-3 所示)建構出一個能夠讓使用者查詢的多維度資料方體結構。. - 31 -.

(42) 維度資料表一維度資. 事實. 料表三. 資料表維度資料表二. 圖 3-3 星狀綱要 (資料來源：沈兆陽，2002). 步驟四：使用者介面設計。在本研究中是以 Microsoft Visual Basic 程式語言來開發挑選製程參數的前端應用程式與製程參數系統，並以 Microsoft Analysis Services 所建構的多維度資料方體連結到前端應用程式，以利過往資料的查詢與分析。. 第三階段：進行 Cpk 檢核和 S/N 值比較，並挑選出最適當的製程參數組合。步驟五：Cpk 檢核。在本文中是採取 Cpk 值等於 1.33 做為評判標準。當 Cpk 值大於 1.33 時，做 S/N 值比較，比較完畢後即可得到一參數建議值，再進行確認實驗。當 Cpk 值小於 1.33 時，此時就不做 S/N 值比較，而是直接給與一參數值建議範圍，再進行確認實驗。. 步驟六：S/N 值比較。依據田口品質實驗之品質特性分析方法，將產品品質特性分為望大、望小與望目三類，分別計算各品質特性之 S/N 值。. - 32 -.

(43) S/N 比之公式，依品質特性而異，一般而言，當 S/N 比最大化時，期望損失為最小。. 在望小特性時：. 1 y i2 ) , ∑ n. (3-1). 1 1 ), S / N = −10 log ( n ∑ y i2. (3-2). S / N = −10 log(. 在望大特性時：. 在望目特性時：. 1 ( S m − Ve ) n S / N = 10 log , Ve 其中 S m =. (∑ y i ) 2 n. , Ve =. (3-3). 1 (∑ y i2 − S m ) . n −1. 式中， n :樣本大小；. m :目標值； y :產品品質特性； Ve :品質特性 y 的變異數。. 在本研究中以望目公式計算後，分別求得 S/N 值。在 S/N 值的比較. - 33 -.

(44) 中將產品製程資訊分成現有產品製程資訊和相似產品製程資訊兩部分，利用現有的產品製程資料，經由望目公式計算後，分別求得現有產品和相似產品之 S/N 值，再經過 S/N 值的比較，即可挑選出最適當的製程參數組合。. 第二節系統架構根據以上的流程說明，本研究將利用商用智慧的概念，來建構一個製程參數挑選系統，在本文中將以 MS SQL Server 2000 和 Visual Basic 6.0 做為系統的開發工具，其軟、硬體規格如表 3-1 如 3-2 所示。在本研究的系統架構中，可分為資料市集建立、建立線上分析處理(OLAP)和系統畫面設計等三個部分。在資料市集建立部分是採用 MS-SQL Server 進行系統開發，使用 SQL Server 2000 所提供的資料轉換服務(Data Transformation Service / DTS)，將資料庫的資料轉成資料市集的內容；在建立線上分析處理(OLAP)部分，則使用 MS-SQL Server 2000 中之 Analysis Server 的「分析管理員」功能來建立 OLAP 內容：系統畫面部分則以 VB 程式語言撰寫，撰寫的內容包含產品類別選擇、Cpk 檢核、S/N 值比較及製程參數值(建議範圍)，圖 3-4 為本系統之架構圖。如圖 3-4 所示，使用者欲進行資料探索時，可利用線上分析處理 (OLAP)的功能，針對目標產品的特質進行索引、將 OLAP 分析結果，進行 Cpk 檢核及各項 S/N 值的計算與比較，找出各生產階段最適當的製程參數值。. - 34 -.

(45) 表 3-1 軟體規格軟體名稱. 備註. Windows 2000 Advanced Server. 作業系統. SQL Server 2000. 資料庫系統. SQL Server 2000 Analysis Service. 線上分析工具. Visual Basic 6.0. 程式開發工具. 表 3-2 硬體規格配備. 系統主機. 中央處理器. Pentium IV 2.0GHz. 主機板. S88M G/GL main board. 記憶體. DDR 256M. 顯示卡. Intel(R) 82845G Graphics Controller. 硬碟. 80G. 光碟機. SONY DVD ROM. 網路卡. Intel(R) PRO/100 VE Network Connection. - 35 -.

(46) 資料市集資料回應. 資料要求 OLAP Cpk檢核和 S/N值比較資料索引. 資料運算. 系統介面. 參數建議值(範圍). 製程參數查詢使用者. 圖 3-4 系統架構圖. 第三節資料市集本文以商業智慧的概念進行製程參數的挑選工作，在商業智慧的應用上，首要的工作即在建立完整的資料倉儲或資料市集，由於本文所涉及的資料範圍只限於製程資料，因此在本文中僅將所收集的資料以資料市集稱之。有關所須要建立的資料市集可以包括各生產設備所收集到的. - 36 -.

(47) 製程資料，在本文中是取最常見的製程資料-管制圖資料做為最主要收集的資料，而各管制圖資料的產生主要是起因於各生產設備的參數設定，此兩種資料的關係可以示意圖圖 3-5 加以說明，圖 3-5 中各生產設備在進行生產前，必須先設定各生產的參數，才能進行生產，而管制圖資料則是各機器生產過程中所收集的製程資料，一般是用來監控製程的穩定性或做為事後製程檢討的依據，可以想見這些資料若能適當以電子資料來處理，將形成相當龐大且具分析價值的資料市集，此些資料是累積多次生產後所建立而成，是許多機器設定參數後的生產結果資料，亦可稱之為是製程的商業智慧。. 圖 3-5 資料關係圖. 若進一步分析各資料的結構關係，可如圖 3-6 所示，對於一個目標產品而言，其所包含的資料範圍包括產品規格、各生產的機器資料、各產品在每一台機器所產生的品質管制資料及所相關聯的各種製程參數的設定值，目標產品可有多種的產品規格，每一種產品規格則受到製程中各 - 37 -.

(48) 機器操作影響而有不同的品質允差，而品質的展現資料則在各機器操作時所收集的品質管制資料，而影響品質資料的主要為各製程的參數，由此層層類推，可以由目標產品類推其最適當的製程參數組合，即類推到各機器生產該目標產品最適當的製程參數。. 目標產品. 產品規格 1. 產品規格 2. 產品規格 n. 機器 1. 機器 2. 機器 n. 管制資料集 1. 管制資料集 2. 管制資料集 n. 製程參數 1. 製程參數 2. 製程參數 n. 圖 3-6 資料層次圖. 第四節線上分析處理假設過往的製程管制資料要完整保存做為日後查詢相關參數挑選，則此結構性資料可以藉由 OLAP 的分析方法尋找適當的製程參數。在資料建檔部分依正規化方式共規劃有四個資料表：產品、製程、參數和類 - 38 -.

(49) 別資料表，為建構所需要之資料市集，經過需求的分析與規納可從四個資料表中挑選出目標欄位做為分析標的之事實資料表；然後，將產品、參數和類別資料表的欄位做為分析角度之維度資料表，使用分析服務元件(Analysis Service)所提供的 Analysis Server，將資料市集中的資料利用星狀結構模式建立成可多維度查詢的資料方體(cube)，再利用 Analysis Service 中的「分析管理員」來檢視資料方體中的資料，即可達成線上分析處理的功能。. 第五節製程能力檢核一般而言，製程能力是用來評斷是否達到產品品質標準(產品規格、公差)的程度，通常用 Cpk 來表示。在此利用製程能力進行檢核工作的目的，主要是確保所挑選出的製程參數具有一定程度的產品品質水準，因此在挑選參數前，先進行製程能力檢核。製程能力可粗略分為雙側規格和單側規格兩種。在本研究中是將輸入的產品規格利用雙側規格的方式來進行計算，如(3-4)式所示，並判斷製程能力(Cpk 值)是否達到規格的要求。在製程能力的判斷上，由於所有產品的製程能力不盡相同，因此在本研究中是採一般通則的形式，即 Cpk 值等於 1.33 做為評判標準(張公緒等，1996)；當 Cpk 值大於 1.33 時，表示產品製程能力已達到規格要求，就將此參數值保留，做 S/N 值比較，比較完畢後即可得到一參數建議值，最後再進行確認實驗；否則，當 Cpk 值小於 1.33 時，表示產品製程能力不合乎規格要求，此時就不做 S/N 值比較，而是直接給與一參數值建議範圍，再進行確認實驗。. C pk = (1 − K ). 2M − µ Tu − Tl T − Tl ≈ (1 − K ) u ,K = . T 6σ 6s. - 39 -. (3-4).

(50) 上式中， T ： Tu − Tl ； Tu ：規格上限；. Tl ：規格下限；. σ ：品質特性值分配的標準差；. s ：樣本標準差； M ：規格中心；. µ ：品質特性值分配中心； K：µ. 與 M 的偏移度。. 第六節參數挑選在挑選製程參數上，當產品製程能力已達到規格要求時，本文是以田口參數設計之信號雜音比(S/N 比)進行產品品質的比較，S/N 比愈高表示品質損失愈少(Leon, Shoemaker and Kacker, 1987；Box, 1988)。典型的田口參數設計中，因子主要包含有控制因子及雜音因子兩種，在本文中因資料結構的關係僅考慮控制因子，即將各製程參數視為控制因子，而實驗的回應值(response data)則為各組製程參數下的管製圖資料( x )，因此本文將此 x 值視為 S/N 比計算時所使用的產品品質特性 ( y )。藉由 S/N 比的計算式(望目)，如(3-3)式所示，即可計算各組製程參數的 S/N 比，在依挑選特性，找出適當的製程參數。在本文的研究中，將利用歷史生產資料，進行製程參數的挑選工作，以部份取代實驗計劃法的功能，本研究有關製程參數的挑選分為相同產品和相似產品兩部分，茲將分段說明。. (一)、針對相同產品的參數挑選針對相同產品的參數挑選程序，如圖 3-7 所示，其挑選步驟說明如下： - 40 -.

(51) 1.搜集生產過程中產品的相關資料，如：產品規格、管制資料、制程資料等，並建立成不同的資料表，儲存於資料庫中。 2.利用資料反正規化方法，來設計資料市集。 3.線上分析處理查詢相關的製程歷史資料進行製程能力檢核。 4.將通過 Cpk 檢核者，再進行 S/N 值的比較，以挑選出相同產品之最適當製程參數組合。 5.未通過 Cpk 檢核者，則將資料捨棄。 6.進行製程參數值的確認實驗。. 產品規格. 管制資料. 製程資料. 建立資料市集. OLAP. Cpk檢核. No. Yes S/N值比較. 資料捨棄. 挑選最適當製程參數組合. 確認實驗. 圖 3-7 相同產品製程參數挑選程序圖 - 41 -.

(52) (二)、針對相似產品的參數挑選針對相似產品的參數挑選程序，如圖 3-8 所示，其挑選步驟說明如下： 1.蒐集資料並建立資料市集。 2.線上分析處理查詢相關的製程歷史資料。 3.進行製程能力檢核。 4.將通過 Cpk 檢核者，再進行 S/N 值的比較，並列出參數建議值，以做為生產該相似產品的參考依據。 5.未通過 Cpk 檢核者，則僅列出參數值建議範圍。 6.進行製程參數值(建議範圍)的確認實驗。. 產品規格. 管制資料. 製程資料. 建立資料市集. OLAP. Cpk檢核. No. Yes S/N值比較. 參數值建議範圍. 參數建議值. 確認實驗. 圖 3-8 相似產品製程參數挑選程序圖 - 42 -.

(53) 第四章系統展示本系統是應用商業智慧的概念來建構一個製程參數挑選系統，在系統展示部分先以某鋁合金專業壓鑄廠作為範例說明，並以資料市集、線上分析處理和 VB 程式來建立製程參數挑選系統，其說明分段如下。. 第一節範例說明本研究是以南部某鋁合金專業壓鑄廠做為研究案例，該公司主要是生產鋁合金壓鑄品，例如：汽機車零組件、筆記型電腦零組件、運動器材、電器零件、五金零件、汽車發電機馬達外殼、車用瓦斯轉換器…等等，圖 4-1 為本例中經機械加工後的成品(汽缸蓋)之照片，本文將以其孔徑加工過程做為參數挑選的範例。. 圖 4-1 汽缸蓋. 在鋁合金壓鑄的製造過程中，可大略分為熔解、壓鑄、機械加工、表面處理四個階段，其製造流程是利用客戶所提供的圖面或樣品，由該公司和專業模具製造廠配合，進行模具的開發，再進行壓鑄與加工動作，以確保生產壓鑄品及機械加工能符合客戶之要求，其主要的製造流程列 - 43 -.

(54) 如圖 4-2 所示。在製造流程中機械加工部分又可分為內徑加工、外徑加工、孔徑加工、攻牙等步驟，由於時間上的考量，本研究僅以機械加工部分之孔徑加工做為範例說明，其中在孔徑加工上又有鑽孔尺寸、進給速度、進給深度等三個參數，來做為製程參數的挑選。. 原料. 機械加工. 檢驗. 表面處理. 熔解. 包裝. 壓鑄. 出貨. 圖 4-2 產品製造流程圖. 對該公司而言，從事生產製造的機器會隨著產品訂單的不同，而更改機器上製造產品之參數，而參數的更改通常不會留下任何資料或記錄，完全憑藉著工作人員經驗和下單公司的樣本來對機器做參數調整，若未進行相關製程資料的保存，則現有的製程資料將因參數調整而遺失。若以後有顧客要求製造相同的產品，為求得原有高品質要求的規格，公司得重新進行試作或實驗，但這將花費相當多的成本與時間。本文首先為其資料進行資料市集的規劃。. - 44 -.

(55) 第二節資料市集規劃為符合上述的目標，本研究使用資料庫軟體 MS-SQL Server，利用資料正規化的方式將產品規格、管制圖資料和其相對應的製程參數等資料轉換成產品、製程、類別、參數等四個不同資料表並建立各表之間的關聯儲存於資料庫中，如圖 4-3 所示。. 圖 4-3 資料關聯圖. 接著再利用資料反正規化方法，來設計資料市集。在本研究中針對圖 4-3 的四個資料表之欄位加以分析，規劃出四個主要的資料表來形成資料市集，第一個資料表為製程資料表，欄位包括識別編號、產品編號、類別編號、參數設定、製程機器編號、製程名稱、控制條件、抽樣組別、抽樣日期、x_bar 值, 此資料表主要做為事實資料的分析；第二個資料表為產品資料，包括產品編號、產品名稱、產品數量三個欄位，此表將用於維度資料分析；第三個表為類別資料，包括類別編號、產品類別二個欄位，此表也是做維度分析用途：第四個表則為參數資料表，包括各個 - 45 -.