跳到主要內容

臺灣博碩士論文加值系統

(3.236.68.118) 您好!臺灣時間:2021/07/31 21:11
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:卓佳儀
論文名稱:即時近似動態規劃應用於TFT-LCD隨機產能規劃問題
論文名稱(外文):Stochastic Capacity Planning in a TFT-LCD Manufacturing using Real-Time Approximate Dynamic Programming
指導教授:林則孟林則孟引用關係
學位類別:碩士
校院名稱:國立清華大學
系所名稱:工業工程與工程管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:253
中文關鍵詞:TFT-LCD產業產能規劃隨機動態規劃近似動態規劃即時近似動態規劃
相關次數:
  • 被引用被引用:0
  • 點閱點閱:159
  • 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
本研究將依據朱(2009)所探討的考慮需求不確定之單階層多廠區隨機產能規劃問題,以及延伸吳(2011)所提出的模擬為基之近似動態規劃,建構即時近似動態規劃模型(Real-Time Approximate Dynamic Programming Algorithm),在TFT-LCD產業面臨市場需求具有劇烈波動的環境中,考量在規劃期間內,各產品族於各期具有不同的需求分配,且前後期的需求間存在相依性,在欲達到利潤最大的目標下,決定各期各產品族之最佳產能分配決策,以及當現有產能無法滿足時,決定最佳產能擴充決策,透過購買各產品之專屬附屬設備-光罩,以增加產品族於各廠區之產能。
本研究使用k-Nearest Neighbor Approximation之方法與Rolling Horizon的概念修正近似動態規劃在隨機模擬過程中被忽略狀態的衡量方式,提出了k-NN為基之近似動態規劃(k-Nearest-Neighbor based Approximate Dynamic Programming)與滾動為基之近似動態規劃(Rolling-Horizon based Approximate Dynamic Programming),以縮小狀態與決策空間,在提升運算效率之前提下,達到即時決策之目的,以期能更有效率地得到最佳產能分配結果與更穩健的產能擴充計畫。
本研究將使用與朱(2009)相同的產業實例,驗證所提出的即時近似動態規劃模式,並與朱(2009)建構的隨機動態規劃模式結果進行比較,利用蒙地卡羅模擬法,隨機抽樣各期各產品族的需求分配,以驗證此即時近似隨機動態規劃模式的可行性與有效性,實驗證實,本研究之方法不但可找到與隨機動態規劃極微相似的最佳產能擴充路徑,且大幅減少衡量的狀態與決策空間,有效縮短運算時間。此外,本研究也探討在問題特性下,Heuristics與問題數據之參數設定對於求解結果之影響,以評估模型的適用環境。最後,將本研究模型應用至Large Scale的問題上,在隨機動態規劃已無法於有限時間內求解的問題中,評估本研究之模型的求解效率,實驗結果得知,本研究之模型仍然可在有限的時間內求得一組近似最佳的產能擴充解。從以上實驗證實,本研究提出之即時近似動態規劃模型可達到節省運算資源與即時決策之兩大目的。

摘要
誌謝
圖目錄
表目錄
第一章 緒論
1.1 研究背景與動機
1.2 研究目的
1.3 研究範圍與限制
1.4 論文架構
第二章 文獻回顧
2.1 TFT-LCD產能規劃相關文獻
2.2 隨機動態規劃應用於產能規劃議題之相關文獻
2.3 近似動態規劃應用於產能規劃議題之相關文獻
2.4 小結
第三章 TFT-LCD隨機產能規劃問題
3.1 TFT-LCD之產能規劃特性分析
3.1.1 產能供給特性分析
3.1.2 需求預測特性分析
3.2 問題定義
3.3 需求不確定之單階層多廠區動態產能規劃模式
3.3.1 隨機動態規劃方法說明
3.3.2 建立隨機動態規劃模型
3.4 範例說明
3.4.1 情境說明
3.4.2 建立隨機動態規劃模式
3.4.3 隨機動態規劃結果與分析
第四章 即時近似動態規劃方法論
4.1 k-NN為基之近似動態規劃
4.1.1 k-Nearest Neighbor Approximation方法論說明
4.1.2 建立k-NN為基之近似動態規劃
4.1.3 案例驗證
4.1.4 案例驗證規劃結果
4.2 滾動為基之近似動態規劃
4.2.1 滾動為基之似動態規劃概念說明
4.2.2 建立滾動為基之近似動態規劃
4.2.3 案例驗證
4.2.4 案例驗證規劃結果
第五章 k-NN為基之近似動態規劃實驗與分析
5.1 實驗架構
5.1.1 實驗指標
5.1.2 實驗目的
5.1.3 樣本內(In-Sample)實驗
5.1.4 樣本外(Out-of-Sample)實驗
5.2 實驗一 - Small Case (2 Site, 2 Product, 4 Period)
5.2.1 實驗情境與因子
5.2.2 樣本內(In-Sample)實驗分析
5.2.3 樣本外(Out-of-Sample)實驗分析
5.2.4 實驗一結論
5.3 實驗二 - Real Case (2 Site, 5 Product, 6 Period) with identical demand states for all products in different parameters of k-ADP
5.3.1 實驗情境與因子
5.3.2 樣本內(In-Sample)實驗分析
5.3.3 樣本外(Out-of-Sample)實驗分析
5.3.4 實驗二結論
5.4 實驗三- Real Case (2 Site, 5 Product, 6 Period) with identical demand states for all products in different envirements
5.4.1 實驗因子
5.4.2 實驗結果與分析
5.4.3 實驗三結論
5.5 實驗四 - Large Scale Case
5.5.1 實驗情境
5.5.2 Large CaseⅠ (2 Site, 5 Product, 6 Period) with Non-identical demand states for all products之求解結果
5.5.3 Large CaseⅡ (3 Site, 6 Product, 6 Period) with identical demand states for all products之求解結果
5.5.4 Large CaseⅢ (3 Site, 7 Product, 6 Period) with identical demand states for all products之求解結果
5.5.5 實驗四結論
5.6 k-NN為基之近似動態規劃之實驗總結
第六章 滾動為基之近似動態規劃實驗與分析
6.1 實驗架構
6.1.1 實驗指標
6.1.2 實驗目的
6.1.3 樣本外(Out-of-Sample)實驗
6.2 實驗一 - Small Case (2 Site, 2 Product, 4 Period)
6.2.1 實驗情境與因子
6.2.2 樣本外(Out-of-Sample)實驗分析
6.2.3 實驗一結論
6.3 實驗二 - Real Case (2 Site, 5 Product, 6 Period) with identical demand states for all products in different parameters of R-ADP
6.3.1 實驗情境與因子
6.3.2 樣本外(Out-of-Sample)實驗
6.3.3 實驗二結論
6.4 實驗三 - Real Case (2 Site, 5 Product, 6 Period) with identical demand states for all products in different envirements
6.4.1 實驗情境與因子
6.4.2 實驗結果與分析
6.4.3 實驗三結論
6.5 實驗四 - Large Scale Case
6.5.1 實驗情境
6.5.2 Large CaseⅠ (2 Site, 5 Product, 6 Period) with Non-identical demand states for all products之求解結果
6.5.3 Large CaseⅡ (3 Site, 6 Product, 6 Period) with identical demand states for all products之求解結果
6.5.4 Large CaseⅢ (3 Site, 7 Product, 6 Period) with identical demand states for all products之求解結果
6.5.5 實驗四結論
6.6 滾動為基之近似動態規劃之實驗總結
第七章 結論與建議
7.1 結論
7.2 建議
參考文獻
附錄一 產業案例輸入資料
附錄二 Demand Sample Path in Experiment 2


1.陳韋均,「TFT Array多廠區之產能與產品組合規劃問題」,國立清華大學工業工程與工程管理學系碩士論文,2006。
2.陳子立、林則孟,2008,「需求不確定下之TFT-LCD多廠區隨機產能規劃模式」, 九十七年度中國工業工程學會年會論文,中原大學。
3.張益菁,「考慮需求不確定之單階多廠產能規劃問題-以TFT-LCD產業為例」,國立清華大學工業工程與工程管理學系碩士論文,2007。
4.示欣惠,「二階層多廠區產能規劃—以TFT-LCD產業為例」,國立清華大學工業工程與工程管理學系碩士論文,2008。
5.楊宗翰,「考量需求與價格相關之隨機動態產能規劃—以TFT-LCD產業為例」,國立清華大學工業工程與工程管理學系碩士論文,2008。
6.朱曉晴,「考量需求不確定性之隨機動態產能規劃—以TFT-LCD產業為例」,國立清華大學工業工程與工程管理學系碩士論文,2009。
7.吳蘇容,「模擬為基之近似動態規劃應用在TFT-LCD產能規劃問題」,國立清華大學工業工程與工程管理學系碩士論文,2011。
8.Bhatnager, S., Gaucherand, E. F., Fu, M. C., He, Y. and Marcus, S. I., “A Markov Decision Process Model for Capacity Expansion and Allocation”, Proceedings of the 38th Conference on Decision & Control, pp.1380-1385, 1999.
9.Ceryan, O. and Koren, Y., “Manufacturing Capacity Planning Strategies”, CIRP Annals - Manufacturing Technology, Vol.58(1), pp.403-406, 2009.
10.Chen, T. L., Lin, J. T. and Fang, S. C., “A Shadow-Price Based Heuristic for Capacity Planning of TFT-LCD Manufacturing”, Journal of Industrial and Management Optimization, 6, pp.209-239, 2010.
11.Cheng, L., Subrahmanian, E. and Westerberg, W., “Multi-objective decisions on capacity planning and production-inventory control under uncertainty”, Industrial & Engineering Chemistry Research, 43, pp.2192-2208, 2004.
12.Choi, J., Realff, M. J. and Lee, J. H., “Dynamic Programming in A Heuristically Confined State Space: A Stochastic Resource-Constrained Project Scheduling Application”, Computers & Chemical Engineering, Vol.28, pp.1039-1058, 2004.
13.Choi, J., Lee, J. H. and Realff, M. J., “An Algorithm Framework for Improving Heuristic Solutions Part II: A New Version of the Stochastic Traveling Salesman Problem”, Computers & Chemical Engineering, Vol.28(8), pp.1297-1307, 2004.
14.Choi, J., Realef, M. J. and Lee, J. H., “Stochastic Dynamic Programming with Localized Cost-to-go Approximators Application to Large Scale Supply Chain Management under Demand Uncertainty”, Chemical Engineering Research and Design, 83(A6), pp.752-758, 2005.
15.Choi, J., Realff, M. J. and Lee, J. H., “Approximate Dynamic Programming: Application to Process Supply Chain Management”, AIChE Journal, Vol.52, No.7, pp.2473-2485, 2006.
16.Hood, S. J., Bermon, S. and Barahona, F., “Capacity Planning under Demand Uncertainty for Semiconductor Manufacturing“, IEEE Transactions on Semiconductor Manufacturing, 16(2), pp.173-280, 2003.
17.Katanyukul, T., Duff, W. S. and Chong, E. K. P., “Approximate Dynamic Programming for An Inventory Problem: Empirical Comparison”, Computers & Industrial Engineering, in press, 2011.
18.Li, C., Liu, F., Cao, H. and Wang, Q., “A Stochastic Dynamic Programming Based Model for Uncertain Production Planning of Re-manufacturing System”, International Journal of Production Research, 47(13), 3657-3668, 2009.
19.Lin, J. T., Chen, T. L. and Lin, Y. T., “A Hierarchical Planning and Scheduling Framework for TFT-LCD Production Chain”, 2006 IEEE International Conference on Service Operations and Logistics, and Informatics, pp.711-716, 2006.
20.Lin, J. T., Chen, T. L. and Chen, W. J., “Capacity and product mix planning problem for TFT Array multi-plant”, Journal of the Chinese Institute of Industrial Engineers, 24(6), pp.489-504, 2007.
21.Lin, J. T., Wu, C. H., Chen, T. L. and Shih, S. H., “A Stochastic Programming Model for Strategic Capacity Planning in Thin Film Transistor – Liquid Crystal Display (TFT-LCD) Industry”, Computers & Operations Research, 38(7), pp.992-1007, 2010.
22.Lin, J. T., Chen, T. L.and Chu, H. C., “A Stochastic Dynamic Programming Approach for Multi-Site Capacity Planning in TFT-LCD Manufacturing under Demand Uncertainty”, working paper, under review, 2012.
23.Pratikakis, N.E., Realff, M. J. and Lee, J. H., “A Real Time Adaptive Dynamic Programming Approach For Planning and Scheduling”, Computer Aided Chemical Engineering, Vol. 21, pp.1179-1184, 2006.
24.Pratikakis, N.E., Realff, M. J. And Lee, J. H., “Accounting Risk in Multistage Stochastic Problems Using Approximate Dynamic Programming”, 8th International IFAC Symposium on Dynamics and Control of Process Systems, pp.153-158, 2007.
25.Pratikakis, N.E., “Multistage Decisions and Risk in Markov Decision Processes : Towards Effective Approximate Dynamic Programming Architectures”, Georgia Institute of Technology, 2008.
26.Pratikakis, N.E., Realff, M. J. and Lee, J. H., “Strategic Capacity Decision-Making in A Stochastic Manufacturing Environment Using Real-Time Approximate Dynamic Programming”, Naval Research Logistics, Vol.57 (3), pp. 211–224, 2010.
27.Rajagopalan, S., Singh, M. R. and Morton, T. E., “Capacity Expansion and Replacement in Growing Markets with Uncertain Technological Breakthroughs”, Management Science, 44(1), pp.12-30, 1998.
28.Sutton, R. S. and Barto, A. G., Reinforcement Learning, 3rd edition, (The MIT Press, Cambridge, Massachusetts, USA).
29.Wu, C. H. and Chuang, Y. T., “An innovative Approach for Strategic Capacity Portfolio Planning under Uncertainties”, European Journal of Operational Research, 207(2), pp.1002-1013, 2010.

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top