臺灣博碩士論文加值系統

偏光板為液晶螢幕不可或缺的一項原材料，昔日的偏光板切割之排程作業大多是利用人工經驗編排方式進行排程作業，而利用傳統經驗方式之排程難以傳承下去，且無法確保每次的人工排程計畫都可以達到最佳排程，更無法考慮到其他生產現場會有的變動因素，所以依靠人工排程通常耗用較多的時間與原物料浪費，公司也無法快速且有彈性的生產符合顧客所需的偏光板長度及數量。
為了解決偏光板原物料切割所產生廢料之問題，本研究提出了符合偏光板切割作業之新編碼方式，並且結合粒子群演算法(Particle Swarm Optimization, PSO)、基因演算法(GeneticAlgorithm, GA)與免疫演算法(Immune Algorithm, IA)來規劃偏光板切割排程作業，以減少偏光板切割作業所產生的裁切廢料，來提升業者競爭力。本研究以業者 20 組真實問題來測試新提出方法的效益，數值結果顯示，運用免疫演算法在求解測試問題之平均目標值，可以在 16 組測試問題上得到最佳解，而粒子群演算法在求解測試問題之目標平均值結果則為最差，但在求解目標值速度則粒子群演算法優於另外兩種演算法。

Polarizer is an indispensable raw material for LCD screen. In the past, the
cutting scheduling of polarizer raw material was mostly based on manual experience. However, the scheduling using traditional experience is difficult to
inherit and it can not ensure that each manual scheduling plan can achieve the best scheduling. Additionally, it cannot adjust quickly with the other changing factors at other production sites. Therefore, manual scheduling will also consume more time and labor cost, and the company can not quickly and flexibly produce the length and quantity of polarizing plates that meet the needs of customers. Therefore, this study aims to propose a new encoding scheme for polarizer raw materials cutting, and embed it to three artificial intelligence algorithms, including Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Immune Algorithm (IA) to solve polarizing cutting problem, such that the waste of raw materials can be minimized, and the competitiveness of the industry can be enhanced. According to the numerical results of 20 real examples, IA can obtain the best solution for 16 examples. PSOhas the worst result in solving the test problems, but it is faster than the other two algorithms.

摘要......................................i
Abstract.................................ii
誌謝......................................iv
目錄......................................v
表目錄....................................vii
圖目錄...................................viii
第一章 緒論...............................1
1.1研究背景與動機..........................1
1.2研究目的................................1
1.3研究方法與步驟..........................2
1.4論文架構...............................2
第二章 文獻探討............................3
2.1偏光板相關文獻..........................3
2.1.1偏光板應用............................3
2.1.2偏光板結構............................4
2.1.3偏光板製造方式.........................5
2.2切割問題相關文獻.........................6
2.2.1 切割問題.............................7
2.2.2 偏光板切割相關文獻....................8
第三章 研究問題與研究方法....................9
3.1 研究問題...............................9
3.1.1 問題描述.............................9
3.2研究方法................................10
3.3三種演算法..............................15
3.3.1粒子群演算法..........................15
3.3.2基因演算法............................18
3.3.3 免疫演算法...........................20
3.4 田口法.................................23
3.5參數設定................................27
3.5.1粒子群演算法之參數設定.................28
3.5.2基因演算法與免疫演算法之參數設定........30
第四章 測試問題與結果討論...................32
4.1環境設備及參數設定.......................32
4.2測試問題................................32
4.3測試結果與分析..........................33
4.4統計檢定................................40
第五章 結論................................46
5.1結論...................................46
5.2未來研究方向............................47
參考文獻..................................48
附錄A.....................................51
附錄B.....................................71
Extended Abstract.........................91

1. 李雅惠(2009)，縮短偏光板製造業新產品開發送樣時程之研究-以 X 公司為例，國立中央大學工業管理研究所，碩士論文。
2. 吳東儒(2012)，偏光板裁切計畫之編排研究，國立成功大學工程科學研究所，碩士論文。
3. 余鎮宇(2015)，以精實價值流圖改善偏光板原物料的分條作業，國立成功大學工業與資訊管理系碩士在職專班，碩士論文。
4. 陳田協(2015)，應用資料探勘改善偏光板翹曲問題-以 T 公司為例，國立成功大學工業與資訊管理系碩士在職專班，碩士論文。
5. 蘇明健(2009)，應用啟發式演算法求解多目標型鋼切割計畫之研究，國立中山大學資訊管理系研究所在職專班，碩士論文。
6. 游子宜(2011)，利用啟發式演算法設計不規則形狀物料的切割系統，國立暨南大學資訊管理研究所，碩士論文。
7. 宋源益(2014)，刀輪切割化學強化玻璃裂痕之研究，中華大學機械工程學系碩士班，碩士論文。
8. 吳金澤(2005)，二極體雷射切割 QFN 封裝之最適化參數研究，國立台灣科技大學自動化及控制研究所，碩士論文。
9. 黃道暐(2006)，TFT-LCD 母玻璃基板切割與裂片製程有限元素分析，中國文化大學材料科學與奈米科技研究所，碩士論文。
10. 邱慶璋(2006)，應用微放電加工技術於高滲透刀輪之研發，國立雲林科技大學機械工程系碩士班，碩士論文。
11. 林煥庭(2014)，刀壓出力穩定法提升面板玻璃切割良率之研究，國立高雄海洋科技大學微電子工程系碩士班，碩士論文。
12. 李威萱(2013)，平面顯示器薄化玻璃之切割良率改善研究，國立交通大學工學院精密與自動化工程學程，碩士論文。
13. 呂旺鑫(2014)，粒子群演算法在小細胞基地站佈建實務之應用與效能研究，國立中央大學通訊工程學系碩士班，碩士論文。
14. 陳證升 (2018)，應用人工智慧演算法於週期性桶裝瓦斯配送路線問題之研究，國立虎尾科技大學工業管理系工業工程與管理碩士班，碩士論文。
49
15. 盧又麟 (2018)，混合粒子群演算法於具有單一隨機限制之離散式模擬最佳化問題，國立清華大學工業工程與工程管理學系工業工程組碩士班，碩士論文。
16. 劉子鳳 (2021)，應用人工智慧演算法於多型態人力之多條平行裝配線平衡問題，國立虎尾科技大學工業管理系工業工程與管理碩士班，碩士論文。
17. 張育彰(2003)，應用基因演算法於台鐵列車駕駛員排班與輪班整合問題之研究，國立交通大學交通管理科學研究所，碩士論文。
18. 簡芸熙(2020)，基因演算法應用於含燒機之組裝線排程問題，國立清華大學工業工程與工程管理學系，碩士論文。
19. 黃意茹(2010)，自我調適智慧型電梯群控系統之研究，國立虎尾科技大學資訊管理系碩士班，碩士論文。
20. 夏倬彥(2008)，應用免疫演算法於輸電系統最佳化無效功率調度，國立臺北科技大學電機工程系碩士班，碩士論文。
21. 陳維德(2008)，應用免疫演算法最佳化火力機組調派，國立臺北科技大學電機工程系碩士班，碩士論文。
22. 陳建富(2009)，具權重特性偵測器配置問題之研究，國立虎尾科技大學資訊管理系碩士班，碩士論文。
23. 陳彥旗(2021)，應用田口法於杉林溪高山茶之輕焙火最佳化研究，國立雲林科技大學工業工程與管理碩士在職專班，碩士論文。
24. 林家銘(2010)，應用田口方法最佳化可撓式顯示器之光學白度特性，國立清華大學工業工程與工程管理研究所，碩士論文。
25. Ma, J. & Ye, X. & Jin, B. (2011). “Structure and application of polarizer film for thin-film-transistor liquid crystal displays”, International Journal of
Displays, Vol. 32, pp.49-57.
26. Kim, D. & Ho, W. & Suh, K. (2014) “Electrostatic damage by detachment of
protective film on polarizer”, International Journal of Electrostatics, Vol. 72,
pp.228-234.
27. Singh, G. & Singh, A. (2021) “Extension of particle swarm optimization
algorithm for solving transportation problem in fuzzy environment”,International Journal of Applied Soft Computing, Vol. 110, pp.107619.
28. Kuo, R.J. & Nugroho, Y. & Zulvia, F. E. (2019) “Application of particle
swarm optimization algorithm for adjusting project contingencies and 50
response strategies under budgetary constraints ”, International Journal of
Computers & Industrial Engineering, Vol. 135, pp.254-264.
29. Wang, X. & Wang, G. & Wang, Q. & Feng, K. (2021) “Local path optimization method for unmanned ship based on particle swarm acceleration calculation and dynamic optimal control”, International Journal of Applied Ocean Research, Vol. 110, pp.102588.
30. Esnaashari, M. & Damia, A. H. (2021) “Automation of software test data generation using genetic algorithm and reinforcement learning ”, International
Journal of Expert Systems With Applications, Vol. 183, pp.115446.
31. Kuo, R.J. & Zheng, Y. R. & Nguyen, T. P.Q. (2021) “Metaheuristic-based possibilistic fuzzy k-modes algorithms for categorical data clustering”,International Journal of Information Sciences, Vol. 557, pp.1-15.
32. Maleki, N. & Zeinali, Y. & Niaki, S. T. A. (2021) “A k-NN method for lung
cancer prognosis with the use of a genetic algorithm for feature selection”,
International Journal of Expert Systems With Applications, Vol. 164, pp.113981