應用灰模糊邏輯及多屬性決策於多品質實驗之最佳化

Abstract

線外品質管制常用來找出製程參數之最佳水準組合以改善產品品質或降低研發成本，實驗設計(Design of Experiments, DOE)及田口方法(Taguchi Methods)為工業界常使用的兩種線外品質管制方法，然而，此二法皆只適用於最佳化單一品質特性，由於消費者對產品品質的要求日漸嚴格、製程也漸趨複雜，產品品質的良莠問題已非最佳化單一品質特性可以解決。因此，發展一套可同時最佳化多個品質特性之演算法，已成為現今工業界提昇品質的重要課題。本研究針對DOE及田口方法所產生之多品質實驗數據應用灰關聯分析結合模糊邏輯法(Grey-Fuzzy Logic)及多屬性決策(Multiple Attribute Decision Making, MADM)演算法中的理想解類似度順序偏好法(Technique for Order Performance by Similarity to Ideal Solution, TOPSIS)之正、負理想解概念，發展出一套可同時最佳化多品質特性之演算法。本論文最後應用新竹科學園區某半導體公司之蝕刻製程實際案例與文獻之案例，來說明本演算法確實能有效幫助提昇產品的品質。