Browsing by Author "TONG LEE-ING"

Now showing 1 - 20 of 33

動態系統中等級類別資料之參數最佳化
(2000)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系
半導體製造之資料探勘技術與知識網絡建立---子計畫III：以製程改善為目標之晶圓廠線上資料探勘與知識管理技術(I)
(2002)
唐麗英
;
TONG LEE-ING
;
交通大學工業工程與管理系
半導體製造之資料探勘技術與知識網絡建立---子計畫三：以製程改善為目標之晶圓廠線上資料探勘與知識管理技術(II)
(2003)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系
半導體製造之資料探勘技術與知識網絡建立---子計畫三：以製程改善為目標之晶圓廠線上資料探勘與知識管理技術(III)
(2004)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系
反應六標準差品質水準及最低成本之混合實驗多品質特性同時最佳化演算法(I)
(2005)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系(所)
工業界在研發新產品或改善產品品質時，常利用實驗設計(Design Experiments, D.O.E)技巧來規劃實驗及分析實驗數據，以在最短的實驗時間及最低之實驗成本下得到最佳配方(或最佳之因子水準組合)。然而，在某些領域（如化學或材料）的實驗中，影響反應變數(response)的是各因子在每一實驗組合中所佔之比例，而非各因子之含量多寡，這類特殊的實驗稱為混合實驗(Mixture Experiments)。由於混合實驗之各因子(又稱成份)的比例加總須等於100%，且反應變數為各成份之函數，利用反應曲面方法(Response Surface Method, RSM)求解混合實驗之最佳配方時，其最佳解區域的維度會較一般實驗設計之維度小，且其反應曲面模式也與一般實驗的反應曲面模式不同，因此用反應曲面方法所找出的混合實驗最佳配方，往往效果不佳。此外，隨著產品的設計愈來愈複雜，產品的品質已非最佳化單一品質特性就能解決，往往需要考慮到多品質特性(Multiple Response)同時最佳化才行。目前中外文獻已提出一些多品質特性同時最佳化的方法，但是這些方法只限於一般實驗。中外有關混合實驗的文獻，均只是應用單品質最佳化之案例，至於多品質混合實驗最佳化的問題，國外文獻僅建議先針對每個品質特性分別最佳化，然後再以互償(trade-off)的方式找出最佳配方，此種做法常無法找到最佳配方，因此，本計畫將針對多品質混合實驗，發展一套有效率之最佳配方演算法。在成本方面，目前有關多品質最佳化的中外文獻皆沒有討論到最佳配方之成本問題，為了能使新產品更具競爭力，本計畫所發展之多品質混合實驗最佳配方演算法，亦可將所有配方之成本納入考量，另發展一套成本最低之多品質混合實驗最佳配方演算法。由於六標準差(Six-Sigma)為目前工業界最熱門之品質改善管理哲學，為使本計畫所發展之多品質混合實驗最佳配方演算法，能讓產品達到六標準差的品質水準，本計畫將進一步發展一套能反映六標準差水準的多品質同時最佳化演算流程，以找出在長期依最佳配方生產產品後，能符合六標準差水準之多品質特性最佳配方。本計畫共分三年完成，第一年將利用灰關聯分析(Grey Relational Analysis)結合理想解類似度順序偏好法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)，將多個品質特性整合成TOPSIS 綜合指標，再利用反應曲面法找出最佳配方，此套適混合實驗多品質同時最佳化演算法略加修飾後，亦可用於混合實驗單一品質最佳化問題上；本計畫第二年的工作則是導入最佳配方之成本須為最低之概念，將實驗之各配方的成本當成另一個品質特性，利用雙反應曲面(double response surface)方法找出使製造成本最低之最佳配方；本計畫第三年的工作則是利用前兩年所發展之反應曲面模式來估計製程之平均值與變異數，然後再結合TOPSIS 綜合指標值與產品之良率資料，發展出TOPSIS 綜合指標值與產品達六標準差品質之對應關係表，藉由TOPSIS 綜合指標值即可反應出產品以最佳配方長期生產後製程偏移1.5 標準差的良率。此三年之研究計畫成果可視製造商或研發人員之需要分別應用或整合應用，研發成果應頗具學術創新性及實用性。
反應六標準差品質水準及最低成本之混合實驗多品質特性同時最佳化演算法(II)
(2006)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系(所)
反應六標準差品質水準及最低成本之混合實驗多品質特性同時最佳化演算法(III)
(2007)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系(所)
台灣筆記型電腦全面品質管理標竿---顧客滿意度和意見回饋
(2000)
唐麗英
;
TONG LEE-ING
;
交通大學工業工程與管理系
台灣筆記型電腦全面品質管理標竿建立及分析---子計畫IV：台灣筆記型電腦全面品質管理標竿---顧客滿意度和意見回饋
(1999)
唐麗英
;
TONG LEE-ING
;
交通大學工業工程與管理系
工程受限資料之實驗設計分析
(1995)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程研究所
在工業界,工程人員常常藉著人為安排的實驗,經由正確的資料分析,以解決製造問題及改進產品.雖然經由實驗的安排已使得問題的範圍縮小了很多,但是大部分的實驗仍須投入大量的人力及物力,因此,一般總希望實驗次數愈少、速度愈快愈好.為了使實驗更有效率,有時甚至刻意將已進行至一定程度的實驗停止,因為如果要完成全部的實驗,可能仍須再投入相當多的人力及物力,這對於整體資料分析的意義並不大.另一方面,有些實驗因為儀器或技術上的限制,或是突如其來、不可控制的因素,使得實驗無法再進行,常見的狀況如:實驗中所使用的測量儀器只能量測一定範圍內的數據或實驗快結束時突然斷電等;這些因人為或非人為因素所導至的不完整的資料統稱為"受限資料". 由於受限資料所提供的資料少於完整資料,其分析工作也較困難,因此應用時須特別小心,否則錯誤的分析結果,將會誤導決策的方向.本研究主要是探討實驗計畫中受限資料的分析,一般常見受限資料的例子很多,例如在作可靠度改善時,產品往往為了搶得上市先機,未等全部實驗結束就停止實驗,進行產品修正或上市.另一個例子是關於鋼鐵業方面,測試鐵塊和壓力的試驗中,在同一壓力水準下同時測試兩塊鐵塊,當其中一塊破裂時,就停止該水準的測試.以上所舉的例子是實驗者刻意提前結束實驗的情況,其他如前文所提到的,在某些突發狀況下,使得實驗無法如預期般完成,則屬於意外狀況發生的情形,這些情形均會產生受限資料.類似上述的狀況,如果我們能由這些不完整的資料(或受限資料)的分析中,得到一些重要的資訊,則所節省的成本將會非常可觀.這種資料分析稱之為"受限資料分析"(Censored data analysis).受限資料的分析,目前已經有許多相關的著作探討過,但是這些著作大多只探討常態分配、對數分配( Lognormal distribution)、韋伯分析(Weibull distribution) 等較常見的機率分配的受限分析.這些分析方式大多非常複雜,較不適合現場人員使用.田口玄一博士所倡導之田口方法是利用直交表,透過S/N比(Signal to noise ratio)的分析,選擇合於顧客要求,且使產品變異最小的因子水準組合,這是品質觀念的一大創新.田口博士也提出一套受限資料的分析方法,但是所用的分析方法不甚合理,仍有不少可議之處.本研究是以田口方法的分析為架構,利用非參數方法,針對受限資料的分析提出一套較具彈性,且具實用性的新方法,以期在應用上能得到較大的精確性,並且符合經濟效益.
建構積體電路之多特性多量測點資料之管制流程
(2000)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系
應用灰理論及遺傳規劃法建構改良及混合式能源需求及消耗之預測模型
(2010)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系（所）
由於高科技與經濟的發展均需要大量的能源，能源危機已成為全球的重要議題。從世界各國的統計年報可以發現各國對能源的需求都呈現穩定成長的現象;而地球溫室效應的問題使得氣溫漸趨酷熱或酷寒，造成有些國家水源短缺等問題，因此，對政府能源管理單位而言，極需建立一套國家能源管理系統，以準確地預測能源需求量及消耗量，進而制定出符合經濟效益之能源管理政策，減少不必要的成本。目前中外文獻大多是利用計量經濟模型(econometrics model)，灰預測模型(Grey forecasting model)，混合預測模型(hybrid forecasting model)來探討上述問題。在計量經濟模型中常用到自我廻歸整合移動平均(Autoregressive Integrated Moving Average, ARIMA)方法來預測時間序列資料。由於實際之能源資料是屬於非平穩型數列(non-stationary series)，需使用ARIMA 的差分方法將其轉換成平穩型數列(stationary series)才能建構預測模型。然而 ARIMA 方法需符合一些統計假設，如預測模型須為線性模型，資料須符合常態分配;此外,由於能源資料通常很少筆，能源管理決策者在此情況下利用ARIMA 所建構之能源預測模型無法準確地預測未來能源趨勢的走向，而無法制定出符合經濟效益的能源管理政策。在建構灰預測模型以及混合灰預測模型時不需任何統計假設;且只要四筆以上資料即可，故灰預測模型比 ARIMA 模型更能符合能源資料的實際情況。由於實際能源資料取得不易以及當實際資料量少於四筆時，利用灰預測模型建模時會有不穩定的殘差訊號 (residual sign)，雖已有文獻提出用類神經網路(Artificial Neural Network, ANN) 方法來估計殘差訊號，然而類神經網路必須要大量的資料才能建構良好的網路架構;而在混合灰預測模型中，過去文獻上有利用灰預測模型結合ARIMA 方法在殘差資料的改良來提升整體的預測準確度，然而ARIMA 方法有其統計上的假設問題;除此之外，影響能源需求以及消耗之因素眾多，傳統的灰預測模型(GM(1,1))僅能使用作單一預測變數來建模，當有多個預測變數，GM(1,1)不再適用。為了解決這些問題本計畫建立一套合理且精確的能源需求量或消耗量預測模型以供政府能源管理單位參考之用。本計畫共分三年完成，第一年的工作是先依據灰預測模型建構能源需求量或消耗量之預測模型，再利用遺傳規劃法(Genetic Programming, GP)來估計残差訊號，可避免使用類神經網路在少量資料預測殘差訊號能力的不足，來建立一套不限資料筆數且有效之能源管理預測模型。本計劃第二年的工作是利用混合灰預測模型來建構另一個能源預測模型，本計畫利用灰預測模型結合遺傳規劃法在少量資料以及非線性的特性提出一個新的混合灰預測模型，可以免除如:ARIMA 在其殘差資料的假設。本計畫第三年的工作則是利用灰色關聯在少量資料中找出影響國家能源的 N 個重要因子，再結合灰預測模型(GM(1,N)),以及遺傳規劃法來建立一個精簡有效的預測模型。本計畫最後將利用台灣或其它國家的能源消耗量作為實際案例，來說明本計畫所構建之能源預測模型之有效性。
應用灰理論及遺傳規劃法建構改良及混合式能源需求及消耗之預測模型
(2011)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系（所）
由於高科技與經濟的發展均需要大量的能源，能源危機已成為全球的重要議題。從世界各國的統計年報可以發現各國對能源的需求都呈現穩定成長的現象;而地球溫室效應的問題使得氣溫漸趨酷熱或酷寒，造成有些國家水源短缺等問題，因此，對政府能源管理單位而言，極需建立一套國家能源管理系統，以準確地預測能源需求量及消耗量，進而制定出符合經濟效益之能源管理政策，減少不必要的成本。目前中外文獻大多是利用計量經濟模型(econometrics model)，灰預測模型(Grey forecasting model)，混合預測模型(hybrid forecasting model)來探討上述問題。在計量經濟模型中常用到自我廻歸整合移動平均(Autoregressive Integrated Moving Average, ARIMA)方法來預測時間序列資料。由於實際之能源資料是屬於非平穩型數列(non-stationary series)，需使用ARIMA 的差分方法將其轉換成平穩型數列(stationary series)才能建構預測模型。然而 ARIMA 方法需符合一些統計假設，如預測模型須為線性模型，資料須符合常態分配;此外,由於能源資料通常很少筆，能源管理決策者在此情況下利用ARIMA 所建構之能源預測模型無法準確地預測未來能源趨勢的走向，而無法制定出符合經濟效益的能源管理政策。在建構灰預測模型以及混合灰預測模型時不需任何統計假設;且只要四筆以上資料即可，故灰預測模型比 ARIMA 模型更能符合能源資料的實際情況。由於實際能源資料取得不易以及當實際資料量少於四筆時，利用灰預測模型建模時會有不穩定的殘差訊號 (residual sign)，雖已有文獻提出用類神經網路(Artificial Neural Network, ANN) 方法來估計殘差訊號，然而類神經網路必須要大量的資料才能建構良好的網路架構;而在混合灰預測模型中，過去文獻上有利用灰預測模型結合ARIMA 方法在殘差資料的改良來提升整體的預測準確度，然而ARIMA 方法有其統計上的假設問題;除此之外，影響能源需求以及消耗之因素眾多，傳統的灰預測模型(GM(1,1))僅能使用作單一預測變數來建模，當有多個預測變數，GM(1,1)不再適用。為了解決這些問題本計畫建立一套合理且精確的能源需求量或消耗量預測模型以供政府能源管理單位參考之用。本計畫共分三年完成，第一年的工作是先依據灰預測模型建構能源需求量或消耗量之預測模型，再利用遺傳規劃法(Genetic Programming, GP)來估計残差訊號，可避免使用類神經網路在少量資料預測殘差訊號能力的不足，來建立一套不限資料筆數且有效之能源管理預測模型。本計劃第二年的工作是利用混合灰預測模型來建構另一個能源預測模型，本計畫利用灰預測模型結合遺傳規劃法在少量資料以及非線性的特性提出一個新的混合灰預測模型，可以免除如:ARIMA 在其殘差資料的假設。本計畫第三年的工作則是利用灰色關聯在少量資料中找出影響國家能源的 N 個重要因子，再結合灰預測模型(GM(1,N)),以及遺傳規劃法來建立一個精簡有效的預測模型。本計畫最後將利用台灣或其它國家的能源消耗量作為實際案例，來說明本計畫所構建之能源預測模型之有效性。
應用灰色系統理論於受限資料品質特性最佳化之研究
(2001)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系
應用無母數複式模擬法建構Burr分佈及新製程之管制界限(I)
(2015)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系（所）
應用統計理論與統計製程管制方法建構軟體產業CMMI Level-4量化管理流程績效基準及績效預測模型
(2008)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系(所)
從全球資訊業發展趨勢與各項統計數據報告中顯示，中國大陸與印度的軟體產業正蓬勃發展，究其成功的主要因素，除了該國政府長期培養優秀人才外，積極提升軟體產業之品質，也是成功的另一個主因。在軟體產業流程管理中代表軟體品質與開發管理能力的能力成熟度整合模型(Capability Maturity Model Integration, CMMI)認證，是各大軟體廠商專案承接與執行能力的國際級證明。我國政府有鑑於此，大力推動「提升資訊軟體品質(CMMI)計畫」，其目標係希望透此計畫於2008年促成70家廠商達到CMMI Level-3等級與3家廠商達到CMMI Level-5等級。然而檢視2007年11月的統計數據，發現國內通過CMMI評鑑的組織單位，Level-2等級有49家，Level-3僅有19家，對於達成CMMI 計畫目標仍有一段差距，尤其在CMMI Level-4量化管理級方面，台灣目前尚未有任何一組織單位通過評鑑。其問題在於無法正確的使用統計理論與方法達到CMMI Level-3與 Level-4量化專案管理的目標，究其最主要原因是這些軟體產業之組織單位在應用統計製程管制(SPC)方法時忽略了軟體產業與製造業有基本上的差異，軟體發展是個過程，每個過程的產出都牽涉到人而非機器，換言之，軟體發展是人員高度密集的生產過程，因此必須充分了解軟體發展之各個階段的背景資訊、所重視之度量(metric)與組織目標，才能有效且正確地將統計方法應用於軟體產業之流程管理中。由於中外文獻關於這方面之研究並不多見，但上述議題卻是軟體產業提升品質的重要研究，因此本計畫擬透過統計理論與方法，從軟體產業CMMI的量化專案管理的角度建立一套完整的流程與制度，供資訊軟體產業改善軟體流程，以提升其品質並強化成熟度等級。本計畫共分三年完成，第一年的工作是從探討軟體產業與製造業的異同著手，調查國內軟體產業在量化管理上的困難，深入了解在軟體專案管理中使用統計理論與統計製程管制與這些方法應用在製造業時不同之處。本計畫第二年的工作是，發展及檢討軟體發展中各個階段的績效度量指標，利用各種SPC手法建立各重要指標之流程績效基準(performance baseline)，以作為組織量化管理的基準，並應用此基準監控未來專案與流程的進行。本計畫第三年的工作是，利用發展之流程績效指標，透過穩定的歷史資料來建立軟體流程中績效指標之預測模型，此模型可預測在各個階段所關注的軟體發展績效值。最後，將本計畫成果撰寫成軟體程式，以利軟體產業組織或企業能快速提升其品質至CMMI Level-4成熟度。本計畫所使用之數據乃根據企業組織所提供的實務資料以及模擬數據，同時考量理論與實務上的限制，因此透過本計畫研究成果及所提出流程、步驟與模型，可作為企業組織流程量化管理之重要參考依據，在提升國內軟體產業之軟體品質、流程改善與組織成熟度上，兼具學術及應用價值。
應用統計理論與統計製程管制方法建構軟體產業CMMI Level-4量化管理流程績效基準及績效預測模型
(2010)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系（所）
從全球資訊業發展趨勢與各項統計數據報告中顯示，中國大陸與印度的軟體產業正蓬勃發展，究其成功的主要因素，除了該國政府長期培養優秀人才外，積極提升軟體產業之品質，也是成功的另一個主因。在軟體產業流程管理中代表軟體品質與開發管理能力的能力成熟度整合模型(Capability Maturity Model Integration, CMMI)認證，是各大軟體廠商專案承接與執行能力的國際級證明。我國政府有鑑於此，大力推動「提升資訊軟體品質(CMMI)計畫」，其目標係希望透此計畫於2008年促成70家廠商達到CMMI Level-3等級與3家廠商達到CMMI Level-5等級。然而檢視2007年11月的統計數據，發現國內通過CMMI評鑑的組織單位，Level-2等級有49家，Level-3僅有19家，對於達成CMMI 計畫目標仍有一段差距，尤其在CMMI Level-4量化管理級方面，台灣目前尚未有任何一組織單位通過評鑑。其問題在於無法正確的使用統計理論與方法達到CMMI Level-3與 Level-4量化專案管理的目標，究其最主要原因是這些軟體產業之組織單位在應用統計製程管制(SPC)方法時忽略了軟體產業與製造業有基本上的差異，軟體發展是個過程，每個過程的產出都牽涉到人而非機器，換言之，軟體發展是人員高度密集的生產過程，因此必須充分了解軟體發展之各個階段的背景資訊、所重視之度量(metric)與組織目標，才能有效且正確地將統計方法應用於軟體產業之流程管理中。由於中外文獻關於這方面之研究並不多見，但上述議題卻是軟體產業提升品質的重要研究，因此本計畫擬透過統計理論與方法，從軟體產業CMMI的量化專案管理的角度建立一套完整的流程與制度，供資訊軟體產業改善軟體流程，以提升其品質並強化成熟度等級。本計畫共分三年完成，第一年的工作是從探討軟體產業與製造業的異同著手，調查國內軟體產業在量化管理上的困難，深入了解在軟體專案管理中使用統計理論與統計製程管制與這些方法應用在製造業時不同之處。本計畫第二年的工作是，發展及檢討軟體發展中各個階段的績效度量指標，利用各種SPC手法建立各重要指標之流程績效基準(performance baseline)，以作為組織量化管理的基準，並應用此基準監控未來專案與流程的進行。本計畫第三年的工作是，利用發展之流程績效指標，透過穩定的歷史資料來建立軟體流程中績效指標之預測模型，此模型可預測在各個階段所關注的軟體發展績效值。最後，將本計畫成果撰寫成軟體程式，以利軟體產業組織或企業能快速提升其品質至CMMI Level-4成熟度。本計畫所使用之數據乃根據企業組織所提供的實務資料以及模擬數據，同時考量理論與實務上的限制，因此透過本計畫研究成果及所提出流程、步驟與模型，可作為企業組織流程量化管理之重要參考依據，在提升國內軟體產業之軟體品質、流程改善與組織成熟度上，兼具學術及應用價值。
應用統計理論與統計製程管制方法建構軟體產業CMMI Level-4量化管理流程績效基準及績效預測模型
(2009)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系(所)
從全球資訊業發展趨勢與各項統計數據報告中顯示，中國大陸與印度的軟體產業正蓬勃發展，究其成功的主要因素，除了該國政府長期培養優秀人才外，積極提升軟體產業之品質，也是成功的另一個主因。在軟體產業流程管理中代表軟體品質與開發管理能力的能力成熟度整合模型(Capability Maturity Model Integration, CMMI)認證，是各大軟體廠商專案承接與執行能力的國際級證明。我國政府有鑑於此，大力推動「提升資訊軟體品質(CMMI)計畫」，其目標係希望透此計畫於2008年促成70家廠商達到CMMI Level-3等級與3家廠商達到CMMI Level-5等級。然而檢視2007年11月的統計數據，發現國內通過CMMI評鑑的組織單位，Level-2等級有49家，Level-3僅有19家，對於達成CMMI 計畫目標仍有一段差距，尤其在CMMI Level-4量化管理級方面，台灣目前尚未有任何一組織單位通過評鑑。其問題在於無法正確的使用統計理論與方法達到CMMI Level-3與 Level-4量化專案管理的目標，究其最主要原因是這些軟體產業之組織單位在應用統計製程管制(SPC)方法時忽略了軟體產業與製造業有基本上的差異，軟體發展是個過程，每個過程的產出都牽涉到人而非機器，換言之，軟體發展是人員高度密集的生產過程，因此必須充分了解軟體發展之各個階段的背景資訊、所重視之度量(metric)與組織目標，才能有效且正確地將統計方法應用於軟體產業之流程管理中。由於中外文獻關於這方面之研究並不多見，但上述議題卻是軟體產業提升品質的重要研究，因此本計畫擬透過統計理論與方法，從軟體產業CMMI的量化專案管理的角度建立一套完整的流程與制度，供資訊軟體產業改善軟體流程，以提升其品質並強化成熟度等級。本計畫共分三年完成，第一年的工作是從探討軟體產業與製造業的異同著手，調查國內軟體產業在量化管理上的困難，深入了解在軟體專案管理中使用統計理論與統計製程管制與這些方法應用在製造業時不同之處。本計畫第二年的工作是，發展及檢討軟體發展中各個階段的績效度量指標，利用各種SPC手法建立各重要指標之流程績效基準(performance baseline)，以作為組織量化管理的基準，並應用此基準監控未來專案與流程的進行。本計畫第三年的工作是，利用發展之流程績效指標，透過穩定的歷史資料來建立軟體流程中績效指標之預測模型，此模型可預測在各個階段所關注的軟體發展績效值。最後，將本計畫成果撰寫成軟體程式，以利軟體產業組織或企業能快速提升其品質至CMMI Level-4成熟度。本計畫所使用之數據乃根據企業組織所提供的實務資料以及模擬數據，同時考量理論與實務上的限制，因此透過本計畫研究成果及所提出流程、步驟與模型，可作為企業組織流程量化管理之重要參考依據，在提升國內軟體產業之軟體品質、流程改善與組織成熟度上，兼具學術及應用價值。
應用良率分析於生產不同積體電路產品之生產線製造績效評估之研究
(1999)
唐麗英
;
TONG LEE-ING
;
交通大學工業工程與管理系
應用複式模擬法建構非常態及少量資料新製程之管制圖(I)
(2014)
唐麗英
;
TONG LEE-ING
;
國立交通大學工業工程與管理學系（所）