Ontology A FMEA Automatic Feedback System Based on Ontology Scheme.
advertisement
南台科技大學 資訊管理研究所 碩士學位論文 基於 Ontology 架構之 FMEA 自動化 回饋檢索系統 A FMEA Automatic Feedback System Based on Ontology Scheme. 研 究 生：林格奇 指導教授：陳志達 中華民國一○○年一月 摘 要 品質向來是製造業在製造的過程中相當注重的議題。而如何在產品設計的階 段就能夠避免過往在設計經驗上常犯的錯誤並透過資訊技術有效的擷取與保留， 將會遠遠低於大量生產(Mass Production)時所遭遇到設計的失敗所產生的成本。本 研究著重於透過品管手法 FMEA(Failure Mode and Effects Analysis)的概念，以解決 在製造過程中一再重覆發生與預防可能發生的產品問題，並佐以 FCA(Formula Concept Analysis )方法，提高設計本體知識庫的概念架構時能夠提高檢索的正確 率，最後建立一套以背光模組知識領域為主的本體論知識庫(Ontology Knowledge Base)，讓使用者能透過此系統的索檢功能與語義推論，時能自動回饋訊息給使用 者，讓設計產品初期即能夠有效的預防設計時的失敗。 關鍵詞：量產(Mass Production)、失效模失與失效分析(FMEA)、本體知識庫 (Ontology Knowledge Base)、正規概念分析(FCA)。 i A FMEA automatic feedback system based on ontology scheme ABSTRACT Quality has always been paying a lot attention in the manufacturing process. However how to avoid the mistakes that designer used to make during the design stage， and how effective information technology can retrieve and retain information， will decrease the cost far less than the cost of failing design of mass production. In this research， we focus on quality management base on the idea of FMEA (Failure Mode and Effects Analysis). This idea can help us to reduce occurrence and prevent repeatedly problems of product during manufacturing. This system combined with FCA(Formula Concept Analysis ) to improve both the design concept of ontological knowledge framework and accuracy of retrieve. Finally we establish a set of Ontology knowledge-based backlight modules and enable automatically send feedback message to users by semantic reasoning when they go through this system. As a result of that can effectively prevent the failure in the initial design state. Keywords：Mass Production、FMEA、Ontology Knowledge Base、FCA. ii 致 謝 走過這段漫長的在職專班生活，一邊工作一邊求學的日子著實放棄了許 多假日的休息，進而拾起書本走入校園裡。求的是能夠對事理的邏輯更有條理的 分析，求的是能夠對於表達方式更有闡述的能力。 在這幾年的歲月裡由於工作地點的異動，每每到了假日就需從北到南的 奔波，體力與精神的耗費常是同窗的數倍，一度也曾經浮起放棄的念頭。感念志 達教授萬般的體諒與關懷，並再三的給予信心和鼓勵和指導。好幾個夜深寂靜的 夜裡，志達教授 skype 上線的左右銘-「堅持，成功常是伴隨而來!」，總是不停的 提醒我遇到任何的困難也要努力挑戰渡過難關，也是這樣的精神力量遂能讓我堅 持地最後走到畢業這一步。 感謝口試委員成功大學李昇暾教授、台南大學莊宗南教授在百忙中抽空 參與口試並給予論文許多精闢的指導與建議。此外還要感謝我的實驗室同學炫旻 與學長建輝一起互相幫助完成口試;學弟柏仲每次對於在職專班的 meeting 前不時 的提醒，沒有讓我們因為工作的關係了忽略了每一次教授 review 的進度。同學全 峰總是透過在學校工作的優越資源，提供給我最大的幫助．在此也感謝這段學涯 能夠有這麼位同學提供的協助。 就要離開校園了，期勉實驗室的學弟們努力的往自己想要的目標邁進 吧，有你們一起的幫助本論文才有孕育成功的可能，感謝你們。最後要感謝親愛 的母親，讓我在唸書時沒有後顧之憂;榮琳叔叔讓我在人生的道路上一直扮演著指 引者的角色;陪我說了二年話的伶;一起為生活打拼的兄弟錦煌、漢琦;讓我倍感體 貼、溫暖的劉小嘉。謝謝你們所有人，我將我的喜悦來源都歸屬於你們。 iii 目 摘 次 要 i ABSTRACT ii 致 iii 謝 表目錄 vi 圖目錄 vii 第一章 緒論 1 1.1 研究背景 ................................................................................................... 1 1.2 1.3 1.4 第二章 研究動機 ................................................................................................... 1 研究目的 ................................................................................................... 2 論文架構 ................................................................................................... 2 文獻探討 4 2.1 失效模式與效應分析(Failure Mode and Effects Analysis，FMEA) .......... 4 2.1.1 FMEA 的由來 ................................................................................. 4 2.1.2 FMEA 的種類 ................................................................................. 4 2.1.3 FMEA 的優點與缺點 ..................................................................... 5 2.1.4 FMEA Ontology 的模型與定義 .................................................... 6 2.2 正規化概念分析(Formula Concept Analysis，FCA) ................................. 8 2.2.1 正規化概念分析的由來 ................................................................. 8 2.2.2 正規化概念分析的應用 ................................................................. 8 2.3 本體論 ....................................................................................................... 8 2.3.1 本體論的由來 ................................................................................. 8 2.3.2 網路本體語言 ................................................................................. 9 2.4 語意網 ....................................................................................................... 9 2.4.1 語意網的由來 ................................................................................. 9 第三章 2.4.2 JENA Semantic Framework .......................................................... 10 系統設計與規劃 12 3.1 系統目標 .................................................................................................. 12 3.2 研究過程 ................................................................................................. 13 3.2.1 收集顯性知識(Collect Explicit Knowledge) ................................ 13 3.2.2 設計知識概念(Design Concept) ................................................... 14 3.2.3 推論找出隱含知識(Inferred Concept Reasoning) ........................ 14 iv 3.2.4 隱含知識的再確認(Inferred Knowledge Reconfirmation) .......... 15 3.2.5 術語箱 (Terminological Box， T Box) ...................................... 15 3.2.6 斷言箱(Assertional Box ， A Box) ......................................... 15 3.2.7 建立領域知識本體(Create Domain Ontology) ......................... 16 3.2.8 建立語意網使用者查詢介面(Build user interface) ..................... 16 3.3 系統概觀 ................................................................................................. 17 3.4 系統模組 ................................................................................................. 19 3.4.1 使用者介面模組(User Interface Module ，UIM) ....................... 19 3.4.2 SPARQL 查詢語言中介模組(SPARQL Mediator Module， SPARQL-MM) ............................................................................................... 21 3.4.3 永續性資料儲存模組(Persistence Repository Module，PRM) .. 22 第四章 3.4.4 本體知識推論模組(Knowledge Inferring Module ，KIM) ........ 23 3.4.5 訊息產生模組(Message Generator Module，MGM) .................. 25 系統架構與實作 26 4.1 系統開發工具與環境 ............................................................................. 26 4.2 知識本體建置實作 ................................................................................. 29 4.3 使用者介面模組(User Interface Module ，UIM)實作 .......................... 32 4.4 SPARQL 查詢語言中介模組(SPARQL Mediator Module， SPARQL-MM) 實作 ........................................................................................................................ 34 4.5 永續性資料儲存模組(Persistence Repository Module，PRM)實作 ..... 36 4.6 本體知識推論模組(Knowledge Inferring Module ，KIM)實作 ............ 37 4.7 訊息產生模組(Message Generator Module，MGM)實作 .................... 40 第五章 結論與未來工作 42 5.1 結論與研究貢獻 ..................................................................................... 42 5.2 創新 ......................................................................................................... 43 5.3 未來工作 ................................................................................................. 43 v 表目錄 表1 常見的 FMEA 種類 表2 系統開發工具與環境 29 表3 以 Component、Cause、RPN 為推論依據 39 5 vi 圖目錄 圖1 語意網堆疊圖 10 圖2 本體知識庫的發展步驟 13 圖3 以正規概念分析法定義出 Ontology 物件 14 圖4 以 Duquenne-Guigues 演算法輔助尋找物件隱含關係 15 圖5 以 Protégé 建立知識本體 16 圖6 建立語意網使用者查詢介面 17 圖7 系統流程圖 18 圖8 使用者介面模組提供輸入之介面 19 圖9 使用者介面模組提供系統回饋建議資訊 20 圖 10 使用者介面模組提供檢索資料的驗證回饋 20 圖 11 SPARQL 查詢語言中介模組處理流程 21 圖 12 FMEA 本體知識概念模型 22 圖 13 永續性資料儲存模組處理流程 23 圖 14 本體知識推論模組處理流程 24 圖 15 訊息產生模組處理流程 25 圖 16 背光模組概念規則圖 30 圖 17 背光模組中知識概念與知識概念間的隱含關係 31 圖 18 以 Protégé 建立背光模組本體知識 32 圖 19 以 Protégé 建立背光模組物件屬性 32 圖 20 以 Protégé 在建立背光模組物件屬性時加入限制條件 33 圖 21 前端瀏覽器新增資料 34 圖 22 關鍵字字串擷取到各個宣告變數 34 圖 23 使用者介面透過 AJAX 即時回饋資訊 35 圖 24 使用 SPARQL 語言對背光模組知識本體查詢資料 36 圖 25 實作 SPARQL Mediator module 查詢本體資料端點 36 圖 26 查詢後由系統回傳端點的 RDF 本體資料 37 圖 27 實作永續性資料儲存模組存入本體資料庫 38 vii 圖 28 由系統自動回饋建議給使用者參考 39 圖 29 由系統自動計算 RPN 後回饋建議給使用者參考 39 圖 30 由 Cause 與 Component 的關係回尋可能造成此失效原因的元件 40 圖 31 實作 Message Generator 模組的重覆查詢機制 41 viii 第一章 緒論 1.1 研究背景 在代工產業興盛的台灣，產品的良率一直是製造業密切關注的話題。若產品 在製造的過程良率不佳，不但會影響到企業本身的形象，還會造成重工(Rework) 和製造成本侵蝕獲利。因此，如果能夠在產品的設計階段就能透過品質管理的方 法，提高產品製造時品質的良率，必定比產品在製造階段所衍生出的成本要來得 低廉。本研究的對象為一個以背光模組代工為主的組裝製造業，個案的產品是由 許多複雜且多元的材料所組成，包括：玻璃基板、光學膜片、偏光板、驅動 IC、 彩色濾光片…等。而各材料在設計整合時，存在相互連動性。因此，在其中某一 個部份的組件設計不良時，會造成其他組件的故障或是整體失效。這樣發生的機 率也常發生在於對於組件的物理特性和交互作用特性不熟悉的產品設計者身上。 若能有效的提供一個知識管理的平台，以輔助設計者在前端設計時就能夠接收到 警示以迴避組件交互影響所造成的問題，亦可降低在大量生產過程造成良率不佳 的窘況。 1.2 研究動機 一間企業裡流通的資訊通常是在重覆描述一件相同的事實，而這些訊息也有 可能同時散布在各個系統之間。在以生產製造為主的產業中，產品的不良率通常 左右著企業的命脈。我們透過品質管理的失效模式與效應分析(Failure Mode and Effect Analysis， FMEA)方法作為知識領域的背景建立出一套以背光模組的本體知 識庫，並透過此本體知識庫建構出語意網系統。當平台建立後，讓產品設計人員 能夠藉由語意網的特性將企業系統間的不良率的訊息統一化，並透過系統與系統 1 間的回饋來提高系統的檢索能力與資訊的重用。如此，在產品設計階段能夠有效 的避開可能發生造成產品不良的發生原因，進而降低企業的生產成本，提升產品 的利潤。 1.3 研究目的 失敗模式與效應分析是產品工程設計人員使用來解決在製造過程中一再重覆 或預防性的技巧分析。每一樣產品在製造前必需要透過工程設計人員個人以往舊 有的經驗或是依企業內部的 KM 系統來建設計出該產品的 FMEA 以協助在設計過 程中產生失敗的風險 。由於傳統的關聯式資料庫(Relational Database)沒有辦法做 到語意的推論(Reasoning)， 因此，本研究提出一個以 Ontology 為架構的系統，將 處理的資料透過 FCA 轉換成知識並讓設計人員能夠在 FMEA 的設計初期，即能從 本體知識庫(Ontology Knowledge Base)中得到有效的處理決策執行判斷，進而預防 產品在生產的失敗，降低產品的不良率。本研究將依以下各項重點進行發展：1. 以 FAC 方法收蒐設計時的顯性與隱性知識。2.透過 FMEA 品質管理的手法建立出 本體知識領域。3.建構出以 FMEA 本體知識為主之語意網平台系統，以提供前端 設計者知識的擷取、儲存與檢索使用。 1.4 論文架構 本論文架構共區分為五個章節。第一章為緒論包括研究背景、研究動機、研 究目的，介紹本研究的個案背景與目前製造業對於品質的議題。透過為了提高產 品的良率與品質管制的手法引導出研究中需要完成的目標和方法。第二章文獻探 討包含失效模式與效應分析(Failure Mode and Effect Analysis， FMEA)、正規概念 分析法(Formula Concept Analysis，FCA)、本體論、語意網…等的介紹。第三章系 統設計與規劃，用來說明本研究系統所採行研究方法的實施步驟與設計方法和整 體系統架構與各模組的運作流程。第四章系統實作部份將會詳細說明各模組在系 2 統如何被具體的實現。第五章針對整個研究的貢獻與探討並做出總結評論，和未 來的研究可進行相關的議題做進一步討論。 3 第二章 文獻探討 本章中，根據研究的議題進而建立與研究相關的知識背景。目前研究的知識 將針對失效模式與效應分析、正規化概念分析、本體論、與語意網四大方向做一 個探討的介紹。 2.1 失效模式與效應分析 (Failure Mode and Effects Analysis，FMEA) 2.1.1 FMEA 的由來 FMEA 源起於 1950 年由美國一家軍用戰鬥飛機製造公司 Grumman Co.，該公 司在生產電氣與油壓系統的零件時，因零件經常發生異常而導致飛機發生墜毀事 件。因此該公司的設計部門為了找尋產品在設計時可能造成的原因時，而導出了 FMEA 的觀念手法。一直到了 1960 年代，美國太空總署(NASA)在執行阿波羅登月 計劃時(United States Military Procedure， 1949)，用來建立火箭在製造時可能發生 的原因和發生時所應該採取相對應的對策。並於 1963 年發布「NPC250-1」品質可 靠度計劃，訂定計劃相關的合格供應商需要在提供零件時，必需在設計審查時， 就導入應用 FMEA 的品質管制技術(Crown， P.L.， 1969) 。迄今，被廣泛的應用 在各種領域裡。 2.1.2 FMEA 的種類 FMEA 用於不同的驗證階段與不同對象時，會採用不同分析類型，以下列出 常見到的 FMEA 種類： 4 表 1 常見的 FMEA 種類(本研究整理) 種類 應用階段 Design FMEA 用於產品設計階段 Process FMEA 用於產品量產(Mass Production)階段 System FMEA 用於系統研發時驗證系統軟體/硬體階段 Concept FMEA 用於硬體設備尚未決定，僅以概念作為分析階段 其餘尚有一些 FMEA 的種類，諸如：Service FMEA、Software FMEA …等， 大多是基本的 FMEA 概念應用在不同的領域上而產生的變型。本研究著重在於 Design FMEA 的應用階段，主要在於背光模組在於設計產品階段時，若產生異常 的失效所造成的成本，遠遠低於在產品量產時所造成人力與資源的損耗。 2.1.3 FMEA 的優點與缺點 FMEA 從開始發展迄今已經有五十多年，這樣的時間足以證明 FMEA 是經得 起時間考驗的方法論。FMEA 在本質上的設計就是屬於簡單的、科學的、量化的 分析模型。因此在問題的解決過程中亦可以透過此方法論累積屬於企業專屬知識 庫，方便的使用在產品問題的預防與解決方法。該方法論亦有不足的部份，如： 使用多項失效模式分析或產品組件有其交叉影響的部份，即無法找出正確影響產 品的失效模式。現今亦有其他研究認為計算 RPN 時數值的判斷過於主觀或是量測 的資訊不足，造成 RPN 值無法正確的反應出實際狀況，提出其他的方法來提高 RPN 值計算的正確率， 如：結合模糊理論及多準則決策之 TOPSIS 法，應用於 FMEA 風險優先順序的評估(簡志郎，2004)。本研究由於背光模組元件多已是模組化組 件，因此並不涉及 RPN 評估的方法，僅以原始 FMEA 中的發生度、難檢度與嚴重 度三個決策因子的數值乘積作為回饋給本體作為判斷依據。 5 2.1.4 FMEA Ontology 的模型與定義 FMEA 演變至今，已經有一個良好的基本描述的架構。在(Carlson， W. D.， & McCullen， L. R.， & Miller， G. H.，1996)中提出基本的 FMEA 需要滿足五個階 段即：系統結構、功能結構、失效分析、風險分析和最佳化。本研究依據五個階 段定義出 Ontology 的基本模型： 系統結構： 1.背光模組知識領域(Domain Concept)：用來表示這個本體是屬於那一個領域 的知識。這是用來分類建立知識概念，以便利日後在做知識推論時，可以瞭解某 個推論結果是屬於那個知識領域而來的。 2.背光模組專案(Project)：用來說明這個 FMEA 是用於那一個產品別、責任小 組、責任單位、料號、由那個核心小組成員建立。這個概念主要是用來區分當失 效發生時，可以得知該產品曾在那些專案中使用過。 功能結構： 1.元件(Component)：用來描述本體裡的每一個獨立的元素， 而每一個元素可 以由一個或多個功能(Function)來描述。例如背光模組是由偏光板、驅動 IC、光學 膜片、玻璃基板…等，所組合而成的，而元件即是用來表示背光模組解構後的這 些基本組件。 2.功能(Function)：用來描述每一個元件擁有什麼樣功能，而功能與功能之間 存在著階層關係。由於每一個元件在這個背光模組的知識本體中都具有某些功 能 ， 而 功 能 (Function) 就 是 用 來 表 達 每 一 個 元 件 的 描 述 。 舉 例 來 說 ： 偏 光 板 (Component)具有增加光線強度功能(Function)與調節濕度功能(Function)。 6 失效分析： 失效模式(Failure Mode)：失效模式是由失效影響與失效原因所組成一組關 係，失效模式通常會牽動著其他的失效模式，並影響 RPN 值的計算結果。而失效 模式最後會導引成一個失效模式的處理方法，這個處理方法是用來解決當失效模 式發生時，工程師應有的處置和作為。 控制方法(Control Method)：控制的方法可以區分為二類：現行預防控制與現 行偵測控制，二者是當元件發生失效時，如何透過控制方法去找到元件的失效。 風險評估： 風險順序數(Risk Priority Number)：用來儲存 FMEA 的 RPN 值，所謂的 RPN 風險順序即是由嚴重度(Severity)、發生率(Occurrence)、探測度(Detection)三個主要 數值與影響元件的重要性所推測出來的一個數值，主要讓工程師對於元件產生失 效模式所產生的影響有一個主觀數值判定。 最佳化： 執行措施(Execute Action)：採取的措施可分為二類：建議的措施與採取的措 施。建議措施主要在於設計時，由系統回饋給工程師建議回避失效模式的動作;而 採取措施主要是當失效發生時，需要執行的措施。執行的措施最主要是用來對於 執行動作後再一次觀察失效的 RPN 風險順序的變化，進而判斷當失效發生時所執 行的動作對失效模式的發生是否有幫助。 7 2.2 正 規 化 概 念 分 析 (Formula Concept Analysis ， FCA) 2.2.1 正規化概念分析的由來 正規化概念分析(Formula Concept Analysis，FCA)是由 Rudolf Wille 所提出， 主 要 的 理 念 是 用 於 在 一 定 的 範 圍 資 料 內 尋 找 出 相 關 的 概 念 結 構 (Conceptual Structure)。 2.2.2 正規化概念分析的應用 本研究在建立 FMEA 資料關係的背光模組本體模型時，在原始資料的搜集完 後透過 FCA 方法，找出各物件相關屬性之間的隱性關係以輔助資訊人員和專家在 建立本體時能有一個良好的溝通，讓抽象的概念能夠更具象化，提高使用者在搜 尋時檢索到更正確的資訊。在建立模型時，透過 FCA 方法在規劃時，找出隱性關 係避免在本體關係建立後，因為實體與實體間的關係建立錯誤而造成系統回饋不 正確的推論訊息。FCA 方法也可能協助資訊人員確認本體的範圍，此優點可彌補 語意網中描述過於複雜而造成推論時間過長或無法推論出一個正確的結果。 2.3 本體論 2.3.1 本體論的由來 本體論最早可以追溯至希臘，本體論譯自英文 ontology，又譯存在論、存有論 或是論，它是形上學的一個基本分支，英語詞 ontology 是來源於希臘語單詞 ον（存 有）和 λόγος（科學、研究、理論）的組合(W3C，2010)。本體論主要探討存有本 身，即一切現實事物的基本特徵。近代 Gruber， T. R 更為本體下一個更為簡單的 定 義 ： 本 體 是 一 種 概 念 的 具 體 實 現 (An Ontology Is A Specification of A Conceptualization.) (Gruber， T. R.， 1995) 。本研究將透過本體論的基本概念將 背光模組的知識領域透過 FMEA 的方法論將基本的概念架構在語意網上作一個具 體的系統實現。 8 2.3.2 網路本體語言 網路本體語言(Web Ontology Language ， OWL)是一種用於網路上描述文件 內物件與物件之間相互關係的語言，目前 OWL 網路本體語言已經獲得全球 W3C 的認可，並且廣泛用於本體知識表達的描述(Smith， Michael K ，Chris Welty， Deborah L， McGuinness，2008)。網路本體語言提供三種不同的描述子語言來提 供不同域領的使用類型： OWL Lite： 為三種子語言中最簡單、複雜度也最低的子語言。它最主要是提供給簡單的 限制條件使用者作為描述語言，並僅僅只用 0 與 1 為基數的簡單邏輯運算。 OWL DL： 為滿足使用者用來表達最完整的描述能力，並且確保這些描述的語法都可以 正確的推出結論。 OWL Full： 此種子語言最主要用來表達最完整的描述能力，並且可以使用自由的資源描 述框架 RDF(Resource Description Framework， RDF)語法。但由於它允許使用者隨 性的設計自己的 RDF，因此推論的軟體不一定能夠完全的支持 OWL Full 的描述， 也沒有辦法保證由 OWL Full 描述的資源能夠完全讓電腦計算出結果。 2.4 語意網 2.4.1 語意網的由來 未來的網路查詢，不在只是單純的使用關鍵字檢索搜尋。語意網是在 1998 年 由 Tim-Berners-Lee 博士所提出的概念。它的核心精神是透過人類在網路上所建立 的資訊格式不再只是單向的查詢後，透過檢索機制回覆結果給使用者。他藉由在 資訊格式中建立的語意，即所謂的 Meta Data。讓資訊在交換的同時，建立能夠電 9 腦與電腦能夠互相理解的語意格式，進而讓機器與機器之間能夠直接互相溝通。 本研究參考圖 1，並建立一個由 FMEA 為品質控管手法的語意網系統。 資料來源：W3C(Steven Bratt，2007) 圖 1. 語意網堆疊圖 2.4.2 JENA Semantic Framework JENA 語意網軟體框架是由 HP Lab (The HP semantic Web Team， 2009)，以 Java 語言開發用於建置語意網應用程式並開放原始碼的一項專案。JENA 至今已發展出 成熟的程式開發框架，它提供語意網系統開發者一個對良好的程式開發環境，主 要包括了： RDF API：透過 JENA 操作本體的 API。 ARP：JENA 用來對本體操作 RDF/XML 的解析器。 Reasoner：JENA 本身提供一個本體的推論引擎。 10 SPRAQL Engine：提供 SPRAQL 查詢語言引擎，可透過 SPRAQL 語法查 詢本體資料。 Persistence storage：JENA 提供用來處理本體資料，將本體資料儲存在記 憶體或是將本體存入資料庫的操作。 由於 JENA Semantic Framework 提供如此豐富、具彈性的開發框架。因此，我 們使用 JENA Semantic Framework 作為程式與本體之間操作的溝通介面並將 FMEA 的回饋訊息應用系統建置在此框架上。 11 第三章 系統設計與規劃 目前有關於品質改善的手法多以統計學為理論基礎為主，輔以電腦科學的證 明演算法實作一個統計系統，大多在探討數值的變化量對於改善方法的適切程 度。統計產品良劣數值的形成已是結果論，這樣的方式能透過對於結果的數值進 行分析，而無法在設計時能夠即時的推測可能發生的原因進而預防不良品產生的 可能。本研究在系統設計規劃透過品質管理 FMEA 理論，並以正規化概念分析方 法為輔，提出一個手工建構本體論的步驟，建立一個以背光模組領域知識的本體 資料庫系統。 本研究提出一個以背光模組的 FMEA 知識本體的語意網系統平台，透過此本 台讓產品的研發工程人員能夠在產品的設計階段，就能夠利用此系統的語意架構 獲得系統自動回饋出更良好的解決行動方式訊息，並藉由該回饋的訊息進而避開 在設計時可能產生的不良設計，以減少產品在大量生產需要付出更鉅大的資源與 時間成本。 3.1系統目標 綜合上述之文獻探討與達成研究目的：一個 FMEA 為品檢手法，以背光模組 知識領域知識共享與重用語意平台，本研究系統目標可分為三個建置部份： 一、背光模組知識領域本體模型之建構。 二、查詢語言與自動化回饋訊息機制。 12 三、語意網檢索介面。 3.2 研究過程 在知識的分析與歸納而形成系統的過程，一直是以主體知識庫較一般主流的 關聯式資料庫難以規劃的部份，因此本研究在建構本體知識庫提出一個方法，做 為本體知識庫的發展步驟，如下圖 2。 圖 2、本體知識庫的發展步驟 3.2.1 收集顯性知識(Collect Explicit Knowledge) 定義知識領域的範圍是一項困難的工作，原因在於範圍定的太大可能造成系 13 統在查詢時的推論的回應速度太慢;範圍定的太小可能造成無法涵蓋推理的解答範 圍。Ontology 不容用來達表符合所有的知識，因此沒有對或錯的問題，只有是否 解決問題的需要(戚玉樑，2005)。所以在問題範圍的界定本研究亦參考「Competency Question」配對方式來規劃範圍(Lin， J.， Fox M.S.， and Bilgic， T.， 1996) 。 3.2.2 設計知識概念(Design Concept) 在設計概念時，將所有的物件與屬性做行列的展開，並透過 FCA 方法析概念 間的共同性質，定義出 Ontology 物件。如圖 3 圖 3 正規概念分析法(Formula Concept Analysis ，FCA)定義出 Ontology 物件 3.2.3 推論找出隱含知識(Inferred Concept Reasoning) 在物件與物件之間可能還隱含著某種程度上的相關關係，本研究在此階段利 用 FCA 實證的數學演算法 Duquenne-Guigues 來加強找出物件和物件之間的隱含關 係。如圖 4。 14 圖 4 以 Duquenne-Guigues 演算法輔助尋找物件隱含關係 3.2.4 隱含知識的再確認(Inferred Knowledge Reconfirmation) 上述的隱含關係若是可以成立，即需要知識領域的專業人員加以確認。一經 認可後，就可以將物件的隱含關係，轉換為顯性知識。 3.2.5 術語箱 (Terminological Box， T Box) 當知識範圍被界定完成後，我們需要將知識概念與知識概念間建立一個關聯 讓推論引擎能夠對 Tbox 在推論的時候能夠有一個分類的依據。以本研究的領域中 的風險順序數(Risk Priority Number)為例，RPN 的值是由嚴重度(severity)、發生率 (occurrence)、探測度(detection)三個主要數值所構成，並不會再涉及其他數值的運 算。 3.2.6 斷言箱(Assertional Box ， A Box) 所有的顯性知識而且被領域專家認可過的概念，建立在 ABox 中形成確定的事 實，以提供給推論引擎做為推論的規則。以本研究的領域中的元件來說， 「液晶模 組是元件」，這就是已被領域專家認可定義的知識。 15 3.2.7 建立領域知識本體(Create Domain Ontology) 本研究將上述的分析處理完後，利用 Protégé 工具建立背光模組的本體知識領 域，以提供給推論引擎使用，透過此模型我們可以得到整個 FMEA 本體所涵蓋處 理的範圍，如下圖 5。 圖 5 以 Protégé 建立知識本體 3.2.8 建立語意網使用者查詢介面(Build user interface) 完成背光模組 FMEA 的本體知識領域與推論的邏輯後，我們將本體與推論規 則建立在語意網上，並透過 SPARQL 查詢語言讓使用者能夠透過瀏覽器的介面查 16 詢資料。如圖 6。 圖 6 建立語意網使用者查詢介面 3.3 系統概觀 本章節將介紹系統在處理使用者查詢時得到系統回饋訊息的流程。在圖 7 中， 假設產品設計人員透過系統輸入相關關鍵字查詢後，由 SPARQL Mediator 將關鍵 字資訊組合成 OWL 格式，若相關的查詢已經被查詢過，則從 Repository 從將結果 傳送給 Message Generator 產生訊息馬上回饋給使用者。若相關的查詢未查詢過， 則將 OWL 資料傳送至 JENA 的推論系統中產生可能的相關結果再傳送給 Message Generator 產生訊息回饋給使用者。本系統主要由五大模組進行整合，分別如下 User Interface Module：主要功能提供跨使用者對於相關資訊檢索的介面，並 透過 AJAX 將所產生出的訊息回饋給使用者的介面平台。 SPARQL Mediator Module：主要功能提供關鍵字查詢後與 SPARQL 語言轉換 的模組以方便對於 OWL 本體語言的查詢。在此模組亦設計一個快取(Cache)的機 17 制，讓查詢過的資料能夠更快速的回饋給使用者。 Persistence Repository Module：主要功能是提供本體和一些系統所需儲存和取 出的資料庫空間。 Knowledge Infer Module：主要透過 JENA Semantic Framework 將轉換好的本體 知識進行推理。 Message Generator Module：主要依推論產生完的結果產生訊息後回饋給使用 者。 以上五個模組將於以下章節 3.4 系統模組中詳細說明 圖 7 系統流程圖 18 3.4 系統模組 3.4.1 使用者介面模組(User Interface Module ，UIM) 考量系統的使用者可能來自於不同的區域，我們透過網頁的瀏覽器介面讓使 用者檢索與系統相關的關鍵字以達到跨區域與免除安裝軟體於使用端的疑慮。此 模組提供給前端使用者輸入檢索的關鍵字、系統回饋資訊的呈現與輸入檢索資料 的驗證回饋…等如下例功能。 a. 前端使用者輸入檢索關鍵字： 使用者入進系統，透過系統提供之功能產生可輸入關鍵字檢索頁面，如圖 8。 圖 8 使用者介面模組提供輸入之介面 b. 系統回饋資訊的呈現： 系統回饋建議資訊讓使用者可以參考，如圖 9。 19 圖 9 使用者介面模組提供系統回饋建議資訊 c. 檢索資料的驗證回饋： 使用者輸入錯誤的資料，由系統驗證回饋後給予修正資訊提醒使用者，如圖 10。 圖 10 使用者介面模組提供檢索資料的驗證回饋 20 3.4.2 SPARQL 查 詢 語 言 中 介 模 組 (SPARQL Mediator Module，SPARQL-MM) 我們獲得使用者的查詢的檢索訊息後，可以透過 SPARQL Mediator 模組將欲 查詢的關鍵字封裝成 SPARQL 語言以方便系統在對於 OWL 本體資訊上做查詢。 本模組處理流程，如圖 11 所示。 使用者介面 模組 HTML HTML RDF SPARQL查詢語言中介 模組 永續性資料儲存 模組 SPARQL 圖 11 SPARQL 查詢語言中介模組處理流程 SPARQL 查詢語言中介模組處理流程步驟詳細說明如下： 步驟 使用者透過使用者介面模組，將資料填寫完，透過 http 協定將資料送至 SPARQL 查詢語言中介模組中處理。 步驟 SPARQL 查詢語言中介模組將要前端查詢的資料轉換成 SPARQL 查詢語 言。 步驟 SPARQL 查詢語言中介模組將條件送到永續性資料儲存模組中，由永續性 21 資料儲存模組查詢出資料後轉換成 OWL 格式資料再由 SPARQL 查詢語 言中介模組處理。 步驟 SPARQL 查詢語言中介模組收到永續性資料儲存模組轉送來的 OWL 資料 後，再轉換成 HTML 格式，回饋到使用者透過使用者介面模組。 3.4.3 永續性資料儲存模組(Persistence Repository Module， PRM) 系統在存取這個部份的設計，最主要將許多由設計人員所累積的知識概念與 面對設計上可能產生的問題所提供的解決方法轉換成 OWL 格式，在 JENA semantic framework 的基礎架構上，將 OWL 格式透過 JDBC 將知識儲存於資料庫中，而使 用 JDBC 亦可免除各家異質資料庫系統不同的問題。本研究先行將背光模組的 FMEA 本體知識使用 Protégé 工具完成知識概念的塑模，如圖 12。存入資料庫後讓 使用者在透過檢索時可以取用。 圖 12 FMEA 本體知識概念模型 22 永續性資料儲存模組處理流程如圖 13 所示。 JDBC 永續性資料儲存 模組 本體資料庫 OWL 圖 13 永續性資料儲存模組處理流程 永續性資料儲存模組處理流程步驟詳細說明如下： 步驟 永續性資料儲存模組透過 JDBC 將本體資料的查詢條件送出本體資料庫 中。 步驟 本體資料庫將符合查詢條件的 OWL 資料回傳給永續性資料儲存模組。 步驟 SPARQL 查詢語言中介模組將條件送到永續性資料儲存模組中，由永續性 資料儲存模組查詢出資料後轉換成 OWL 格式資料再由 SPARQL 查詢語 言中介模組處理。 步驟 SPARQL 查詢語言中介模組收到永續性資料儲存模組轉送來的 OWL 資料 後，再轉換成 HTML 格式，回饋到使用者透過使用者介面模組。 3.4.4 本體知識推論模組(Knowledge Inferring Module ，KIM) 使用者在一開始所鍵入相關檢索的關鍵字詞一開始就可以透過 SPARQL 查詢 語言過濾掉一些不相關的知識，可以減化本體在推論的時間。再依檢索的關鍵字 詞尋找可能相關的本體知識，透過 JENA Semantic Framework 將相關的本體知識與 Persistence Repository Module 由資料庫中擷取出來交由 JENA Inferring 引擎執行後 23 產生出推論的結果，再將結果傳遞給訊息產生模組產生回饋的訊息。本研究並無 涉及推論的演算法與推論的效率，僅以 Jena Semantic Framework 中所提供的基本 推論引擎。本體知識推論模組處理流程如圖 14 所示。 本體知識推論模組 Jena Inferring Engine Query DataModel Data Model SPARQL查詢語言中介 模組 SPARQL Jena Semantic Framework RDFS 永續性資料儲存 模組 Result 訊息產生模組 圖 14 本體知識推論模組處理流程 本體知識推論模組處理流程步驟詳細說明如下： 步驟 由 SPARQL 查詢語言中介模組取得欲對物件查詢的條件組合後，交由本 體知識推論模組的 Jena 語意框架處理。 步驟 本體知識推論模組的 Jena 語意框架從永續性資料儲存模組取得相關的 RDFS 檔作為推論依據的基本模型。 步驟 將使用者欲查詢本體之間的關係條件與 RDFS 傳入推論引擎，由推論引擎 進行推論程序並產生資料模組的結果。 步驟 將產生資料模組的結果回傳至 Jena 語意框架中處理。 24 步驟 Jena 語意框架將推論出來的結果交由訊息產生模組拆解處理成文字訊息。 3.4.5 訊息產生模組(Message Generator Module，MGM) 我們依使用者輸入的問題推論出可能合適的解決行動結果後，經由訊息產生 模組組合成回饋給使用者的訊息，讓使用者可以透過回饋的訊息去執行解決方案 的動作。訊息產生模組處理流程如圖 15 所示。 使用者介面 模組 本體知識推論模組 Result HTML Query Object 訊息產生模組 SPARQL查詢語言中介 模組 圖 15 訊息產生模組處理流程 訊息產生模組處理流程步驟詳細說明如下： 步驟 由本體知識推論模組的推論引擎推論產生的資料模型結果，將結果傳送 給訊息產生模組處理推論後結果的訊息資訊。 步驟 訊息產生模組將推論後的本體知識加上使用者對應的註解格式後，封裝 成查詢物件後，傳送給 SPARQL 查詢語言中介模組處理。 步驟 SPARQL 查詢語言中介模組將訊息產生模組傳送回來的查詢物件拆解成 HTML 訊息，再回饋到使用者介面模組，讓使用者可以從瀏覽器上獲得 由系統自動回饋出來的訊息。 25 第四章 系統架構與實作 本章我們根據第三章系統設計與規劃，並配合軟體開發工具與執行環境的選 擇對本體系統做一個具體的實現。由於系統的實作建置設定在多人使用平台上， 因此系統選擇以三層式作為基礎開發架構。然而本體模型資料庫有別於一般傳統 資料庫的建置，因此在系統實作時的先後步驟，需先建立好相關的本體模型資料 與範圍，如此在各系統模組完成即可由本體資料庫提供資料給各系統模組轉換資 料格式與資料的取用。 4.1 系統開發工具與環境 軟體方面，本研究網路三層式基礎開發架構，透過對背光模組語意網的實作 來實現產品開發人員在新產品設計時使用 FMEA(Failure Mode and Effects Analysis) 的品質解決手法時，能透過此系統來實現設計資訊訊息語言統一、知識分享與交 換的效益。本系統依處理架構環境分為四個部分： 1. 平台作業系統：以 Microsoft Windows 7(版本 6.1.7600)為系統平台。 2. 前端處理模組：以整合開發環境工具 Microsoft Visual Studio 2010 與 JQuery Framework 和.NET Framework 4.0 為開發前端使用者介面模組的網頁與呈現畫 面的編輯工具與開發框架。 3. 後端處理模組：本研究使用.NET Framework 裡的 C#語言作為後端系統的開發 語言，並以 ASP.NET 為主要的系統設計與開發平台，並透過 IKVM.NET 26 Framework 方便實作對 Java 語言撰寫的 Jena semantic Framework 裡的本體資料 模型執行操作。永續儲存資料的部份採用 Microsoft SQL Server 資料庫作為系統 資料庫；並使用 IIS 6.0 作為網頁伺服器。 4. 本體模型處理模組：本研究將蒐集到的資料透過正規化概念分析(Formula Concept Analysis ，FCA)轉換處理成概念知識並透過工具 Protégé 將概念知識建 立出本體知識模型後供後端處理模組程式取用。建置系統所使用的開發工具與 環境如下表 4-1 所示： 硬體方面：以 Intel○ R CoreTM2 Duo Processor P8700 CPU 2.53 GHz、4G RAM 個人電腦為運算、開發環境。 27 表 2 系統開發工具與環境 項目 電腦平台 執行及測試環境 開發環境及平台 Intel(R) Core(TM)2 Duo CPU 2.50 GHz、4G RAM 作業系統 Windows 7 應用程式伺服器 Microsoft IIS 6.0 資料庫 SQL Server 2005 Server 端與 ASP.NET 開發工具 Visual Studio 2010 C#、Java JQuery Framework .NET Framework 2.0 SemWeb.NET Framework JENA Framework 2.6.3 Ajax.NET 開發語言工具 IKVM.NET SPARQL Protégé 3.4.4 Concept Explorer 本體語言 RDF RDFS OWL DL 28 4.2 知識本體建置實作 本研究以背光模組的產品設計品質控管為議題而建立本體系統。我們透過正 規化概念分析(Formula Concept Analysis，FCA)將收集得來的資料做一個範圍的界 定，並依背光模組為知識本體中心，將收集的資料內容分類轉換成本體知識概念。 如圖 16，我們以工具 Concept Explorer 將背光模組在研發設計時為例，將可能會影 響到產品失效的元件如：背板、膠框、膜片、反射片、塑件…等可能的物料，在 規化概念分析的理論中做一個歸納的呈現。 圖 16 背光模組概念規則圖 在原始資料透過正規化概念分析的過程，可以加強找出各知識概念與知識概 念間的隱含關係，加強輔助定義關係，如圖 17。並協助模型建立時能夠減少因知 識概念的歸類錯誤，而造成知識本模型的修改變動。而正規化概念分析協助確定 背光模組的知識本體的範圍，亦可讓推論引擎對於處理推論中的推論主體，能夠 因知識本體的描述更精確而減化推論時間。 29 圖 17 背光模組中知識概念與知識概念間的隱含關係 經由正規劃概念分析整理完後確認物件的分類歸屬後，以本體設計工具 Protégé 進行將概念知識進行本體類別的實作，建立後知識本體如圖 18。 圖 18 以 Protégé 建立背光模組本體知識 30 根據第三章建立領域知識本體後，再將模型加入各概念與概念之間的關係， 如圖 19。 圖 19 以 Protégé 建立背光模組物件屬性 完成各物件屬性之間的概念後，再依序加入限制條件到各屬性之間，其目的 在於更精確定義各物件屬性之間的關係，並且能讓推論引擎能夠依制限條件做出 推論，如圖 20，加入各物件關係的限制條件。 31 圖 20 以 Protégé 在建立背光模組物件屬性時加入限制條件 4.3 使用者介面模組(User Interface Module ，UIM) 實作 使用者操作介面是系統操作者與系統之間互動的第一道關卡。良好的介面功 能配置設計，能夠讓使用者對於使用操作上的便利與使用的效益產生親和性並易 於讓使用者理解由系統回饋給使用者的提醒訊息。使用者介面模組在設計時考量 功能以瀏覽器為主，能跨平台免除使用者在用戶端需要安裝任何程式，並能透過 系統回饋的訊息反應在使用者的瀏覽器上。以下將說明使用者介面模組功能及實 作狀況： 1. 提供給使用者新增資料，讓使用者在前使用端瀏覽器即可新增資料，相關 畫面如圖 21 所示。 32 圖 21 前端瀏覽器新增資料 2. 透過使用者介面模組將前端輸入的資料擷取下來。如圖 22 將前端使用者在 瀏覽器上各欄位輸出資料的關鍵字字串擷取到各個宣告變數，例：strProject。 圖 22 關鍵字字串擷取到各個宣告變數 3. 使用者在輸入特定資料時，使用者介面模組會將使用者輸入的資料傳送至 後端，透過 AJAX 即時回饋到使用者介面，讓使用者能馬上得到建議資訊，如 圖 23。 33 圖 23 使用者介面透過 AJAX 即時回饋資訊 4.4 SPARQL查詢語言中介模組 (SPARQL Mediator Module， SPARQL-MM) 實作 SPQRQL 查詢語言中介模組用於將前端使用者介面模組在使用者輸入查詢的 資料後，將查詢的字串在 SPQRQL 查詢語言中介模組中拆解組合成 SPARQL 語法 後，向後端查找可能符合的資料。符合的資料再透過 RDF 格式將資料回送到 SPQRQL 查詢語言中介模組後，再由 SPQRQL 查詢語言中介模組將資料回送到使 用者介面模組供使用者辦識資料。以下將說明 SPQRQL 查詢語言中介模組功能及 實作狀況： 1. 以本體語言開發工具 Protégé 使用 SPARQL 語言對背光模組知識本體查詢 資料，並將資料顯示於畫面中，相關畫面如圖 24 所示。 34 圖 24 使用 SPARQL 語言對背光模組知識本體查詢資料 透過 Protégé 工具的操作驗證查詢的條件與顯示結果，透過對 SPARQL Mediator 的實作，獲得在系統上產生的結果。實作中 SPARQL Mediator module 對 於本體資料的端點進行查詢，如圖 25。再透過先端使用者介面查詢的條件的組 合，執行查詢後，由系統回傳一個 RDF 查找後的資料給 SPARQL Mediator 模組， 如圖 26。 圖 25 實作 SPARQL Mediator module 查詢本體資料端點 系統將符合的本體資料回傳至 SPARQL Mediator 模組，提供給 SPARQL 35 Mediator 模組封裝成使用者易於瞭解的資訊。 圖 26 查詢後由系統回傳端點的 RDF 本體資料 4.5 永 續 性 資 料 儲 存 模 組 (Persistence Repository Module，PRM)實作 永續性資料儲存模組的設計存在的最主要意義是能夠將本體的資料由記憶體 格式轉換到資料庫中的永續性格式。為避免實作中需要決解各家資料庫的資料格 式不一致與資料庫的存取方式不同，我們透過實作永續性資料儲存模組對 JDBC 的操作，再透過 JDBC 對每一個家資料庫底層的實作，以達到本研究對於永續性 資料儲存模組的應用。以下將說明永續性資料儲存模組功能及實作狀況： 將前端使用者新增的資料透過使用者介面模組擷取後，將資料經由永續性資 料儲存模組存入資料庫中。如圖 27，透過 Store 物件的 Create 方法，指定好資料 36 庫類別為 sqlserver 與 RDF 檔案為 BLfmea 後，即可將此本體文件儲存至資料庫中。 由於本研究並不涉及對於各家資料庫的底層實作，因此永續性資料儲存模組後端 係透過第三方廠商-IKVM Framework，將資料庫驅動程式轉換為.NET Framework 上供永續性資料儲存模組呼叫，使本體資料能夠方便讓程式存取本體資料庫。 圖 27 實作永續性資料儲存模組存入本體資料庫 4.6 本 體 知 識 推 論 模 組 (Knowledge Inferring Module ，KIM)實作 本研究在系統規劃設計時，考慮工程設計人員對於產品設計階段的產品失效 常會因人而有不同的見解。因此透過系統給予設計人員相同的建議，將有助於在 設計時將對談的語言統一，減少在會議中討論與溝通的成本。而當使用者在建立 失效模式與效應分析報告時，風險順序數(Risk Priority Number, RPN)對於判定產品 失效具有絕對的影響程度。因此我們透過使用者介面模組輸入資料時，讓使用者 在建立報告時能夠擷取關鍵字，並透過嚴重度(Severity)、發生率(Occurrence)與探 測度(Detection)三個數值所計算出來的風險順序數(Risk Priority Number, RPN)，對 於發生失效的元件(Component)的建議措施，能由系統回饋一個輔助執行步驟給使 37 用者參考。如此一來，可以有效的減少每個工程設計人員對於要採取的措施執行 的描述語句有所差異，並可以提高對於產品不熟悉的人員或組識新進人員在撰寫 報失效模式與效應分析報告時造成誤解的可能性。 我們以表 3 為例，說明系統推論的依據方式。如圖 28，當使用者在網頁的介 面輸入 Component 為 Panel 時，系統就回饋出 Cause 為：foreign body、Lighting abnormal…等訊息給使用者;使用者輸入嚴重度(Severity)、發生率(Occurrence)與探 測度(Detection)三個數值後，由系統計算出來的 RPN 值最接近者，由系統回饋 Suggestion 至使用者介面供使用者參考。如圖 29，使用者輸入嚴重度(Severity)：7、 發生率(Occurrence)：8、探測度(Detection)：3，系統回饋 1.Change BLU Spec 與 2.Module turning 二個 Suggestion 給使用者參考。 表 3 以 Component、Cause、RPN 為推論依據 Component Panel Panel Panel Light Bar Light Bar Cause foreign body Lighting abnormal Lighting abnormal foreign body Light Bar Broken RPN 252 210 150 294 210 38 Suggestion Clean processing. Module turning. Change BLU Spec. Light Bar no painting. Check Light Bar Spec. 圖 28 由系統自動回饋建議給使用者參考 圖 29 由系統自動計算 RPN 後回饋建議給使用者參考 如圖 30 所示，若使用者直接在使用者介面的 Cause 輸入介面中輸入 foreign body 後，系統回饋有此潛在失效效應的元件可能為 Panel 或是 Light Bar。 39 圖 30 由 Cause 與 Component 的關係回尋可能造成此失效原因的元件 4.7 訊息產生模組 (Message Generator Module，MGM) 實作 經由推論引擎推論後產生的結果為一個單純字串訊息，因此我們透過訊息產 生模組，將字串訊息封裝成集合物件，讓 SPARQL 查詢語言中介模組可以取用。 將處理完的訊息可以透過使用者介面模組顯示。此外，若檢索的關鍵字在 SPARQL 查詢語言中介模組已經查詢過，則會由訊息產生模組將已推論過的結果直接回饋 給使用者介面模組顯示，以達到節省推論引擎運算的時間，並且加速使用者看到 推論結果。我們在 MessageGenerator 模組中宣告一個 getInferenceMsg 方法，傳入 三個參數分別為 queryResult、isQuired 和 msgID，並在此程式中判斷此關鍵字是否 曾經被檢索過，如果有就透過 msgID 快速回傳訊息結果;反之則將欲查詢的結果透 過 getInferencingMsgByQueryResult 獲得訊息，如圖 31。這樣的機制也有助於在多 人使用的網頁平台上，讓經常檢索的文字可以更快速反應給下一個檢索相同關鍵 字的使用者。 40 圖 31 實作 Message Generator 模組的重覆查詢機制 41 第五章 結論與未來工作 5.1 結論與研究貢獻 使用語意網的系統平台的設計成本與花費的資源，遠超過於一般的關連式系 統的開發。一般關連式資料庫的開發在單一系統中需事先定義查詢條件，而相對 於語意網架構對於查詢就俱有較佳的彈性，甚至於之後在跨系統之間的查詢資料 與交換時，既使是相同的條件進行檢索，透過語意網亦能達到系統與系統之間快 速交換的可能。本研究提供了一個依 QS9000 規範失效模式與效應分析(Failure Mode and Effect Analysis， FMEA)工程品質管制手法，並以語意網為基礎的知識 庫(Knowledgebase)系統平台，讓背光模組的研發設計人員能夠透過此系統平台避 開前人常犯或可能產生的錯誤並且即時快速的回饋給系統使用人員，而藉由語意 網的特性亦能夠將企業系統間造成不良的可能原因的訊息統一化，讓研發設計人 員在面對問題上能夠更精確的使用解決方案的行動與更良好的溝通。 有一套良好的檢核系統，對一個企業而言是一大福音，尤其是品質系統。從 過去到現在，品管的手法層出不窮，每家企業由於產業領域與企業織文化的不同 亦有其差異的檢核方式。因此，在管理上亦無法提出一個放諸四海皆準的品質系 統。本研究透過本體論的特性，能夠利用語意網的平台達到將專業人士的知識擷 取下來，並在設計時能夠自動回饋給系統使用者，以降低在大量製造時所必需負 擔的成本風險。未來，若企業建立其他產品品質核檢手法，如：田口法的本體資 料庫，即可讓檢索知識由二個或數個系統推論出更多的可能性回饋給使用者參考。 42 5.2 創新 現今的本體的系統研究多以建立領域本體為主，並無提出一個良好的擷取領 域步驟。而背光模組的品質檢驗的研究，僅強調在統計法的演算，沒有一個較好 的系統實現。本研究透過擷取背光模組工程設計人員的領域知識，轉化為系統建 立一個以本體論為主的知識庫，並提出一套建立語意網的知識庫本體的步驟，讓 設計人員在查詢資料時能夠在使用系統檢索時，能由系統自動回饋出更正確的解 決行動方案給設計人員。 5.3 未來工作 研發設計人員的知識本是一家企業的命脈，我們透過語意網的平台建立可以 達到知識的快速分享，且能夠讓多個系統互相自行溝通而產出可能的回饋進而提 高產品設計的良率亦是一個可能的方向，但是這種資訊易於流通的平台亦有可能 面對研發資訊遭到洩密的問題。在未來，我們將更進一步開發並研究語意網的資 料加密，如果能夠擁有更安全的資料交換機制，才更能夠保障一家公司對於研發 資料的保護。 43 參考文獻 1. 戚玉樑，本體技術為基礎的知識庫建置程序及其應用，資訊科技與科學期，民國 94 年。 2. 屠名正，語意網技術導論，碁峰出版社，原著 Grigoris Antoniou and Frank van Harmelen，民國 91 年。 3. 黃崇德、戚玉樑，使用濾選及評選模式改良網路服務發現程序，中原大學資訊管 理學系碩士論文，民 93 年。 4. 簡志郎， Application of Fuzzy Set Theory and TOPSIS for Failure Mode and Effects Analysis，逢甲大學工業工程與管理學系碩士論文，民國 93 年。 5. Crown, P.L., “Design Effective Failure Mode and Effect Analysis”, Proceedings Annual Reliability and Maintainability Symposium, 1969, pp.70-74. 6. Carlson, W. D., & McCullen, L. R., & Miller, G. H., “Why SAE J1739? SAE Transactions”, 1996, pp.481-488. 7. Dean Allemang, James Hendler, Semantic Web for the Working Ontologist： Effective Modeling in RDFS and OWL,2008. 8. Formal Concept Analysis, http：//www.upriss.org.uk/fca/fca.html,2010. 9. W3C,http： //zh.wikipedia.org/zh-tw/%E6%9C%AC%E4%BD%93%E8%AE%BA_(%E5%93%B2 %E5%AD%A6), 2010. 10. Gruber, T. R., “Toward Principles for the Design of Ontologies Used for Knowledge Sharing “, International Journal Human-Computer Studies, Vol 43(5-6), 1995,pp.907-928. 11. Gilbert, P., “An Ontology and a Software Framework for Competency Modeling and Management”, Educational Technology & Society, Vol.10, No.3, pp. 1 - 10, 2007. 12. Karsten, O., et al., “An Ontological Approach to Competency Management”, University of Reading, 2007. 44 13. Karsten, L., et al., “TRACE – Comparison Grid”, University of Reading. 14. N. Guarino,”Formal Ontology and Information Systems”,Processdings of the 1st International Conference on Formal Ontologies in Information System,FOIS;’98,1998,pp.3-15. 15. Smith, Michael K,Chris Welty, Deborah L, McGuinness, “OWL Web Ontology Language Guide”, http：//www.w3.org/TR/owl-guide/,2008. 16. Steven Bratt,”Semantic Web, and Other Technologies to Watch”, //www.w3.org/2008/Talks/1009-bratt-W3C-SemTech/Overview.html, 2007. http ： 17. Tim, B.L., et al., “The semantic Web”, Scientific American, 2001. 18. Tam, G. K., “Computer science and software engineering”, Monash University, 2004. 19. United States Military Procedure,”Procedure for performing a failure mode effect and criticality analysis”, November 9， 1949, MIL-P-1629. 20. Zhang, G. Q., et al., “Concept analysis as a formal method for menu design”, Proceedings of the 12th International Workshop on Design, Specification and Verification of Interactive Systems， Newcastle-upon-Tyne, England, 2006,pp.13-15. 45
