臺灣博碩士論文加值系統

在現今資訊爆炸的時代，企業每天接觸到巨量的資料，許多企業因為善於使用商業進階分析法，大量運用數據、統計與計量分析，將過去資訊轉化為未來決策和規劃的洞見，而在同業中有卓越的表現。
根據2011年麥肯錫全球研究機構之報告預測，零售業者可以透過巨量資料分析來增加超過六成的營業利益率。由過去文獻中發現，導入越庫物流中心，為許多零售業者提升競爭優勢的方法。為了使零售業能有效發揮越庫物流中心的效益，一套嚴謹的物流中心規劃技術是非常重要且具高價值的研究課題。
本研究以一家大型連鎖零售超市業者為研究對象，該業者每天需處理大量的訂單，且由於商店家數眾多，更於近年引進越庫型物流營運模式，投資龐大資金建立南北兩座大型越庫物流園區。然而，個案公司物流中心建置較同業晚，物流發展經驗較為不足，在作業流程與設備資源使用的規劃上，仍有許多可以加強的空間。本研究採用行動研究法，研究人員參與個案公司專案規劃團隊，共同探討越庫物流作業的規劃方法，針對個案公司越庫物流作業現況與關鍵作業規劃課題，進行深入的探討。
本研究運用的資料分析方法源自日本物流中心規劃技術，為一個植基於訂單資料深入分析的EIQ分析法。此方法需分析大量的訂單資料，先計算物流作業量的需求資訊，而後透過需求資訊的進階分析，找出更好的作業規劃方法及最佳實務作業。本研究聚焦於顧客訂單EQ分析的應用範疇，包含店型分析、滑道作業量平準化及商店配置分析、出貨暫存區商店籠車格位及平面設計規劃、配送路線與出貨碼頭配置規劃，其中滑道商店配置、配送路線與出貨碼頭安排規劃，均以座標軸掃描法為基本方法，再搭配啟發式演算法進行改善。
本研究得到以下三個主要分析結果：(一)分貨滑道作業量平準化及商店配置分析：經過三階段啟發式演算法則的運算及商店滑道分配的改善，左右側滑道作業量差異值比例平均值分別獲得39%及45%的下降，此三階段滑道作業量平準化方法可協助個案公司大幅改善目前滑道不平準的問題；(二)出貨暫存區商店籠車格位及平面設計規劃：根據本研究發展出的分析模式，當個案公司北區商店數成長至400家商店規模時，暫存區商店籠車格位容量以單行15籠或雙行16籠設計，可最有效利用暫存區空間及使作業成本最低；而現況274家商店的最適合設計為18籠；(三)配送路線與出貨碼頭配置規劃：三個演算法則所完成的配送路線規劃，3.5、6.5、及11噸三種噸型的配送車輛裝載率皆超過85%，達到個案公司設定的目標值；此外，車輛數、路線數、總配送時間、總距離透過三個法則的改善後均能逐漸下降。
本研究以EIQ分析法為基礎，發展出植基於EQ基本需求分析的越庫物流中心關鍵作業進階分析與規劃方法，可提供未來越庫物流中心規劃實務與研究之參酌。

In this era of information explosion, companies generate huge amount of data every day. Many firms are capable of applying business analytics technology to convert data into insight for better decision making and excel among their peers in the same business sectors.
According to a 2011 Mckinsey Global Institute report, retailers can gain 60% profit margin through a good use of big data analysis. Cross-docking (CD) has been reported in the literature as a superior method to increase competitiveness for retail chains. Thus, it is a high value research subject to develop a good and analytical planning technique for the operation of a cross-docking facility.
This study has investigated the cross-docking operational planning of a large supermarket retail chain in Taiwan. The chain operates more than 600 stores now and needs to process a very large amount of orders per day. The firm used to have hundreds of small local distributors to deliver products to its stores. Now, it has developed its own modern cross-docking facilities in the south and north part of Taiwan. The research method is action research. The researchers work with the planning team of the retailer on the cross-docking planning issues. The purpose is to design better planning methods to improve the performance of critical cross-docking operations.
The data analysis method is originated from Japan as EIQ method and can be categorized as a business analytics technique. EIQ method is designed for order data analysis. It first computes the logistics demand information, and then conducts advanced analysis on those demand data to develop better planning methods and solutions for relevant logistics operations. This study focuses on customer order EQ analysis and its applications, including store category analysis, load balancing for sorter chutes and store chute allocation, store cage capacity design for shipping staging area and its layout design, and delivery route and shipping dock assignment planning. Gillett and Miller’s sweep algorithm (1974) is adopted as the basic heuristics method for store chute allocation and delivery route planning, in addition to other improvement heuristics.
There are three major results obtained from this study. They are summarized below:
1. Based on the sweep algorithm, a three-stage improvement heuristics was developed to allocate stores to sorter chutes and improve the load balance of chutes. After the completion of the heuristics computation and allocation, the average chute load variation has decreased dramatically, i.e., the right-hand side has dropped 39% and left-hand side 45%.
2. Two analytical models, one on space utilization, and the other on cost minimization, are developed for the analysis of the store cage capacity design problem in the shipping staging area. It is found that for the current 274 stores scenario, the store cage capacity should be set at 18 cages per store, while when the stores grow to 400, the capacity should be set at 15 cages for single line layout and 16 cages for double line layout.
3. Based on the sweep algorithm, the first delivery routes are determined by the sweep algorithm followed by two improvement heuristics. The load factors of three types of trucks are all exceeding the company goal: 85% and also with each improvement heuristics, the trucks required, the route number, the total delivery time, and the total delivery distance are all gradually reduced.
The major contribution of this research is to develop several business analytics methods for the outbound operational planning of key operations in a large cross-docking facility. Classical vehicle routing algorithm, sweep algorithm, and popular Japanese logistics planning method, EIQ technique are combined in the analtsis of this study. The research results are very encouraging regarding its applicability in the large cross-docking operational planning and its robustness in producing good solutions.

摘要 I
Abstract III
目錄 V
圖目錄 VII
表目錄 VIII
第一章 緒論 10
第一節 研究背景與動機 10
第二節 研究目的 11
第三節 研究流程 11
第二章 文獻回顧 13
第一節 進階分析法 13
第二節 EIQ分析法 16
第三節 物流中心規劃25
第四節 越庫營運模式的發展與相關文獻 27
第五節 生產線平衡 31
第三章 研究設計與方法 33
第一節 研究方法 33
第二節 研究架構 42
第四章 個案連鎖零售超市大型越庫物流營運系統作業現況 43
第一節 個案公司背景介紹 43
第二節 個案公司全球與國內供應鏈物流通路 48
第三節 越庫物流園區 50
第五章 個案連鎖零售超市大型越庫營運模式之作業規劃 56
第一節 連鎖零售超市越庫營運模式規劃層次及項目 56
第二節 越庫營運模式供應鏈物流單位變遷關係與作業規劃環境 59
第三節 越庫營運模式關鍵物流作業之規劃 67
第四節 越庫營運模式物流作業規劃資訊需求與組織角色 71
第六章 越庫物流中心商店訂單數量分析與關鍵物流作業規劃 73
第一節 訂單數量EQ基本分析 73
第二節 EQ進階分析與越庫區關鍵物流作業規劃 83
一、 商店店型分析 83
二、 分貨滑道作業量平準化及商店配置分析 84
三、 出貨暫存區商店格位籠車容量及平面佈置規劃 96
四、 配送路線設計、卡車安排與出貨碼頭指派規劃 120
第七章 結論與建議 140
第一節 研究結果 140
第二節 研究貢獻 141
第三節 研究限制 144
第四節 未來研究建議 145
參考文獻 146
附錄一 店型分析 149
附錄二 全流程改善專案團隊會議紀錄（一） 157
附錄三 全流程改善專案團隊會議紀錄（二） 160
附錄四 全流程改善專案團隊會議紀錄（三） 161
附錄五 全流程改善專案團隊會議紀錄（四） 162
附錄六 全流程改善專案團隊會議紀錄（五） 164
附錄七 全流程改善專案團隊會議紀錄（六） 165
附錄八 全流程改善專案團隊會議紀錄（七） 166
附錄九 全流程改善專案團隊會議紀錄（八） 167

一、 中文文獻
1. Davenport, T.H., Harris, J.G. (2008)，魔鬼都在數據裡(胡瑋珊譯)，台北市：中國生產力中心。 2. Hinton, P. (2000)，統計學(謝智謀、林維君譯)，台北：弘智文化。
3. Yin, R. K. (2001)，個案研究法(尚榮安譯)，台北：弘智文化。
4. 易華(2005)，物流成本管理，北京：清華大學出版社; 北京交通大學出版社。
5. 馬東彥(2008)，越庫─物流領域的準時制策略，中國：物流科技期刊。
6. 莊榮發(2011)，具多碼頭門有限容量越庫區系統之入站與出站貨車排程規劃，台灣大學工業工程學研究所碩士論文。
7. 陳家蓉(2005)，發展以EIQ分析法為基礎之物流中心倉儲管理，立德管理學院工業管理研究所碩士論文。
8. 陳李綢(2000)，個案研究，心理出版社。
9. 黃仁聖(2010)，零售通路發展越庫供應鏈創新營運模式之物流網路設計─以A公司為例」，東吳大學企業管理學系碩士在職專班碩士論文。
10. 黃俊英(1994)，企業研究方法，東華書局。
11. 傅和彥(2008)，生產與作業管理：建立產品於服務標竿，台北：前程文化。
12. 趙義隆(1991)，物流中心的策略定位，流通業專業交流研討會論文集。
13. 葉丁鴻、顏伯蒼(2012)，如何利用數學規劃模式找出雙邊生產線平衡型一問題的最佳解，2012數位科技與創新管理研討會。
14. 廖建榮(2003)，物流中心的規劃技術，台北市：中國生產力中心。
15. 劉延平、李衛東(2006)，現代物流管理系列教材：物流統計學，清華大學出版社。
16. 藍俊雄、陳輝恭、李舒怡(2010)，有限空間下之自動化雙邊生產線平衡，資訊、科技與社會學報。
17. 蘇雄義(2001)，物流與運籌管理：供應鏈管理的基礎，華泰文化。
18. 蘇雄義、廖建榮、張寧、蘇瑋俊、顏暐哲(2013)，EIQ分析法用於越庫型物流中心規劃技術報告，東吳大學企業管理學系供應鏈與物流管理研究室。

二、 英文文獻
1. Agustina, D., Lee, C.K.M., & Piplani, R. (2010). A Review: Mathematical Modles for Cross Docking Planning. International Journal of Engineering Business Management, 2(2), 47-54.
2. Apte, U. M., & Viswanathan, S. (2000). Effective Cross Docking for Improving Distribution Efficiencies. International Journal of Logistics Research and Applications, 3(3), 291-302.
3. Ballou, R. H. (1999). Business Logistics Management. New Jersey: Prentice-Hall.
4. Bartholdi, J. J., & Gue, K. R. (2004). The Best Shape for a Crossdock. Transportation Science, 38(2), 235-244.
5. Boysen, N. (2010). Truck Scheduling at Zero-Inventory Cross Docking Terminals. Computers & Operations Research, 37(1), 32-41.
6. Boysen, N., Fliedner, M., & Scholl, A. (2010). Scheduling Inbound and Outbound Trucks at Cross Docking Terminals. OR Spectrum, 32(1), 135-161.
7. Bryton, B. (1954), Balancing of A Continuous Production Line. Management Science thesis, North-Western University.
8. Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business Press.
9. Davenport, T.H., Harris, J.G., & Morison, R. (2010). Analytics at Work: Smarter Decisions, Better Results. Cambridge, MA: Harvard Business School Press. 10. Ferris, F. (2008). How to Compete on Analytics: The Analytical Center of Excellence. SAS Institute Inc.
11. Gillett, B.E. & Miller, L.R. (1974). A Heuristic Algorithm for the Vehicle Dispatch Problem. Operation Research, 22(2), 340-349.
12. Gunadi, W. N., Rose, A. A., Siti, M. S., & Mohd, N. M. S. (2002). Sweep Algorithm in Vehicle Routing Problem for Public Transport. Journal Antarabangsa (Teknologi Maklumat), 51-64.
13. Kim, Y. K. Kim, Y.J. & Kim, Y. (1996). Genetic Algorithms for Assembly Line Balancing with Various Objectives. Computers International Engineering, 30(3), 397-409.
14. Ko, C.S., Lee, H.K., Choi, E.J., & Kim, T. (2008). A Genetic Algorithmm Approach to Dock Door Assignment in Automated Cross-Docking Terminal with Restricted Layout. The 2008 International Conference on Genetic and Evolutionary Methods, 186-195.
15. Kulwiec, R. (2004). Crossdocking as a Supply Chain Strategy. Target, 20(3), 28-35.
16. Lee, Y. H., Jung, J.W., & Lee, K.M. (2006).Vehicle Routing Scheduling for Cross-Docking in the Supply Chain. Computers & Industrial Engineering, 51(2), 247-256.
17. Solomon, M. (1983). Vehicle Routing and Scheduling with Time Window Constraints: Models and Algorithms. Technical report, College of Business Admin., Northeastern University, 83-42.
18. Vahdani, B., & Zandieh, M. (2010). Scheduling Trucks in Cross-Docking Systems: Robust Meta-Heuristics. Computers & Industrial Engineering, 58(1), 12-24.
19. Yin, R.K. (1987). Case study research: Design and Methods. London: Sage Publications.
20. Yu, W., & Egbelu, P. J. (2008). Scheduling of Inbound and Outbound Trucks in Cross Docking Systems with Temporary Storage. European Journal of Operational Research, 184(1), 377-396.

三、 網路資料
1. Yahoo奇摩新聞 http://tw.news.yahoo.com/