跳到主要內容

臺灣博碩士論文加值系統

(44.200.175.255) 您好!臺灣時間:2022/08/11 14:42
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:吳宗益
研究生(外文):Tsung-Yi Wu
論文名稱:應用基因演算法及田口實驗法於模具生產排程系統之研究
論文名稱(外文):A Study on the Application of Genetic Algorithm and Taguchi Methods for Mold Production Scheduling System
指導教授:劉東官劉東官引用關係
指導教授(外文):Tung-Kuan Liu
學位類別:碩士
校院名稱:國立高雄第一科技大學
系所名稱:機械與自動化工程所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:143
中文關鍵詞:模具排程基因演算法田口實驗法
外文關鍵詞:SchedulingMoldTaguchi MethodsGenetic Algorithm
相關次數:
  • 被引用被引用:28
  • 點閱點閱:469
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究主要在探討運用基因演算法 (Genetic Algorithm) 核心技術於模具業生產排程之應用,文研究將 GA排程核心技術以模組化之形式建立,以結合模具工廠現有之管理資訊系統(Management Information System , MIS) 進行生產排程工作之進行。
本研究中,染色體編碼方式採用符號編碼方式放置基因(Gene)位置,將每一個製程視為一個基因,同一個零件之製程以相同符號作基因編碼。此編碼方式最主要的優點是不用考慮到是否違背零件製程前後關係。再則,依照工廠有限機台產能、排程工令單優先順序以及各製程加工時間,並且考慮實際生產排程如製程外包、後續製程、不同種類機台有不同稼動時間等各種問題,進行基因編碼動作,並以總時程 (Makespan) 為適應值評估指標,依據適應值評估指標的期望值達到越小越好之目標。
另外,針對遺傳基因演算法的系統參數做最佳化設計,則採用田口實驗法 (Taguchi Methods) 進行實驗參數分析,使其更具強健性。並針對排程之訂單與專家系統作比較,訂單完工日期比專家系統排程結果早完成。
This research is mainly focused on the application of Genetic Algorithm (GA) on mold production scheduling, in which the GA core technology of scheduling is implemented by way of modularization in order to combine with the existing Management Information System, so as to make production scheduling effective.
In this research, chromosome encoding utilizes symbol encoding as the method to place gene and each process is treated as a gene where processes sharing the same part will proceed with gene encoding with the same symbol. This method of encoding enables users to care free of cause-effect relationship of parts production. We then proceed with genetic encoding based on the production capacity for the machines, working order scheduling priority and production time for each process, while taking account other issues such as outsourcing, post-production for parts and various working time for machines of each kind. In production searching problem, Makespan serves as the index of fitness and the less the expected value, the better.
Furthermore, in order to optimize system parameters for the Genetic Algorithm, Taguchi Method is used to analyze experimental parameters and make the data solid and robust. Lastly, scheduled production orders are verified against expert system and it proves that completion date of orders is earlier than the resulting schedules generated by Expert system.
摘要i
ABSTRACTii
誌謝iv
目錄v
表目錄ix
圖目錄x
符 號 說 明xiii
一、緒論1
1.1 研究動機1
1.2 研究目的1
1.3 研究範圍與限制5
1.4 研究方法5
1.5 研究步驟及架構6
二、文獻探討7
2.1 模具業簡介7
2.2 排程7
2.2.1 排程問題之分類8
2.2.2 排程問題之複雜度9
2.2.3 排程常用績效衡量評估指標10
2.3 生產排程相關之研究12
三、基因演算法模組架構14
3.1基因演算法之介紹14
3.1.1選擇運算子15
3.1.2交叉運算子16
3.1.3突變運算子18
3.2研究方法19
3.2.1參數設定21
3.2.2初期化22
3.2.3選擇25
3.2.4交叉27
3.2.5突變29
3.2.6淘汰30
四、排程系統研發33
4.1模具工廠生產流程之系統規劃33
4.2 模具生產排程模組的建構38
4.2.1 基因演算法應用模具排程實際問題38
4.2.1.1 後續製程問題38
4.2.1.2 機台稼動時間不一樣問題39
4.2.1.3 多工令單排程問題40
4.2.2 基因演算法之流程架構42
4.3 系統實作50
4.3.1業務部門51
4.3.2工程部門52
4.3.3製造部門53
4.3.4生管部門55
4.3.5共同管理59
五、基因演算法參數最佳化設計61
5.1基因演算法之參數分析61
5.2田口實驗設計61
5.2.1主要控制因子規劃62
5.2.2自由度63
5.2.3實驗配置與結果64
5.2.4回應表66
5.2.5變異數分析(Analysis of Variance,ANOVA)67
5.2.6最佳水準組合下之最佳推定值的預測69
5.2.7確認實驗70
六、實驗結果與分析72
6.1專家系統生產排程流程72
6.2與專家系統結果比較73
七、結論與建議79
7.1研究成果與結論79
7.2後續研究建議79
參考文獻80
附錄一 系統實驗資料83
[1] 黃信強,2000,運用基因演算法於平行機器之工作排程,淡江大學,碩士論文。[2] 周明,孫樹棟,1998,遺傳算法原理及應用,國防工業出版社,北京。[3] 林我聰,1994,現場排程專家系統,資訊與電腦。[4] 陳建良,1995,”排程概述”,機械工業雜誌第12 月號,頁122~137。[5] 劉庭瑋、何信瑩,2002,”使用智慧型基因演算法設計太空大型結構控制器”,2002中華民國自動控制研討會,頁1461~1466。[6] 洪弘祈,2001,開放型工廠派工法則之模擬研究,朝陽科技大學,碩士論文。[7] 台灣經濟研究院之「產經資料庫」, http://www.ibisworld.com.tw/[8] 柯惠雯,2001,結合模擬退火法與禁忌搜尋法在流程式生產排程之應用,大葉大學,碩士論文。[9] 賴崇瑋,2001,二機開放工場具有工作連接性限制之排程演算法效率比較,東海大學,碩士論文。[10] 郭修暐,2001,半導體封裝之排程支援系統,逢甲大學,碩士論文。[11] 翁佳麟,2001,模糊多目標混合灰色關聯之零工式工作導向啟發排程系統,國立台北科技大學,碩士論文。[12] 周至宏,2001,品質工程講義,國立高雄第一科技大學機械系。[13] 劉修任、楊憲東,2000,“結合基因演算法與田口實驗法於飛行控制設計”,中國航空太空學會學刊,32卷,3期,頁223~236。[14] J.H Holland, 1975, ” Adaptation in Natural and Artificial Systems”, Ann Arbor, Univ. of Michigan Press.[15] Mitsuo Gen, Runwei Cheng, 1997, GENETIC ALGORITHMS AND ENGINEERING DESIGN, Wiley, New York.[16] Lee, C.Y. , Piramuthu,S. and Tsai,Y.K. , 1997, “Job shop Scheduling with a genetic algorithm and machine learning“, International Journal of Production Research,35(4), pp.1171-1191.[17] D.R.Sule, 1996, ”Industrial Scheduling”, PWS Publishing Company,pp.149~185.[18] Goldberg David E. , 1989, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Pub. Co.[19] Kuroda, M. and Wang, Z. , 1996 , ” Fuzzy Job Shop Scheduling ”, International Journal of Production Economics, 44, pp. 45-51.[20] Guoyong Shi, 1997,“A Genetic Algorithm Applied to a Classic Job-shop Scheduling Problem “, International Journal of Systems Science , Vol.28 , No.1, pp.25-32.[21] Yasuhiro Tsujimura , Yuichiro Mafune , Mitsuo Gen , 2001, “Effects of symbiotic evolution in genetic algorithms for job-shop scheduling”, System Sciences, 2001. Proceedings of the 34th Annual Hawaii International Conference on.[22] Yasuhiro Tsujimura , Yuichiro Mafune , Mitsuo Gen , “Introducing co-evolution and sub-evolution processes into genetic algorithm for job-shop scheduling” , Industrial Electronics Society, 2000. IECON 2000. 26th Annual Confjerence of the IEEE , Volume: 4 , 2000.[23] Haupt, R., 1989, A survey of priority rule-based scheduling. OR Spektum, 11, pp.3-16.[24] Pinedo, M., 1995, Scheduling Theory, Algorithms, and Systems, Prentice Hall, New Jersey.[25] Guoyong Shi, 1997, “A genetic algorithms applied to a classic job-shop scheduling problem”, International Journal of Systems Science, volume 28,number 1,pp.25-32 .
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top