檢索結果:共6筆資料 檢索策略: "歐陽超".ccommittee (精準) and ckeyword.raw="深度學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
如何妥善計畫設備維修一直都是生產線上一個重要的課題,從預防性維修到預測性維修,其目的都在於降低生產線之非預期停產的機率,從而達到降低成本以及工安意外的發生。本研究主要著重在探討預測性維修的方式,在特…
2
數十年來,資料分群及分類是資料探勘應用在不同領域上的兩個重要的方法,縱使這兩種方法可以分開應用,但他們常常在資料探索或是資料分析上一起使用,尤其在資料標籤沒有定義的情況下。當分類的標籤無法取得,或是…
3
時間序列分類是資料探勘與機器學習領域中相當地熱門且有難度的研究問題,且其於現實生活中的實務應用也非常廣泛。然而,相關的研究大多是用傳統演算法或以機器學習的分類法為主,應用深度學習方法的文獻數量相比下…
4
電子產品微小化及對於良率要求極為嚴苛,因此在自動光學檢測(Automated Optical Inspection, AOI)容易因敏感度提高而出現過篩現象,常造成AOI瑕疵誤判及人力複檢成本提高。…
5
瑕疵數據收集對於新產品而言極其稀少,一直是重要的議題。然而,瑕疵數據集的品質對深度學習有顯著的影響。本研究致力於應用CNN架構之瑕疵檢測模型,以解決瑕疵資料稀缺性的問題。本研究考量產品生產過程中瑕疵…
6
在產品組裝線上,由於作業員相較於機器而言擁有較高的適應能力,因此使人力工作站成為維持產線彈性的關鍵角色。然而,隨著組裝作業的複雜度提升,作業員亦須承受更重的認知負荷,進而提高產品品質受到人為疏失所影…