臺灣博碩士論文加值系統

單元製造系統的主要目的在於將各種機器依照生產製程的需求，分群規劃成製造單元，以用來生產特定的零件族。若零件需要在相對應的機器群外加工，物料搬運成本與在製時間必定增加。因此，好的單元形成必須要能降低單元間的零件移動次數，以避免額外增加的成本與在製時間。而由於零件的加工時間與生產數量的不同，容易形成機器加工負荷不一致的情形。單元內負荷變異的最小化，可平衡機器加工負荷，使得零件同時到達最終裝配線，進而提高生產力、降低在製品存貨與在製時間。
過去學者多是針對單一途程的生產系統，生產系統若缺少替代途程對生產排程及機器生產負荷所提供的彈性，可能會導致某些機器無法在生產規劃期間內如期完工，因而影響後續的生產計畫。
基於上述之考量，本研究提出一多目標數學模式，在零件具有多途程選擇下，同時考量單元間移動最小以及單元內負荷變異最小。另外，根據數學模式之特性，設計出啟發式遺傳演算法，其能有效求解數學模式，大量節省模式求解時間。最後以自行設計之範例及文獻所提之範例，測試模式是否合適及求解之品質，其結果在各項單元形成衡量指標皆有較佳之績效。

摘要 i
誌謝 ii
目錄 iii
表目錄 v
圖目錄 vii
第一章 緒論 1
1.1 研究動機與目的 2
1.2 研究架構 3
1.3 研究方法與流程 4
1.4 研究範圍與限制 6
第二章 單元形成之文獻探討 8
2.1 求解單元形成的方法 8
2.1.1 目視法(Visual inspection method) 8
2.1.2 編碼和分類法(Coding and classification method) 10
2.1.3 以生產為基礎的方法(Production process based method)10
2.2 影響單元形成之相關因素 15
2.3 遺傳演算法 16
2.3.1 遺傳演算法之優點 16
2.3.2 遺傳演算法之步驟 17
2.4 單元形成之績效評估 21
第三章 模式之建構 26
3.1 模式符號之建議 26
3.2 多目摽模式及其限制式 27
3.3 模式之架構說明 29
第四章 遺傳演算法 34
4.1 零件途程選擇與機器分群 34
4.1.1 染色體編碼 35
4.1.2 合適度函數 35
4.1.3 擴張技術 36
4.1.4 產生原始族群 37
4.1.5 重生 37
4.1.6 交配 38
4.1.7 突變 40
4.1.8 取代 41
4.1.9 終止條件 41
4.2 零件分群之處理 41
4.3 單元形成之配置 43
第五章 實證研究與分析 44
5.1 範例驗證 44
5.2 範例比較 53
5.2.1 單途程求解 56
5.2.2 單途程求解之結果分析 60
5.2.3 多途程求解 61
5.2.4 多途程求解之結果分析 68
第六章 結論與建議 69
6.1 結論 69
6.2 建議 70
參考文獻 71

表目錄
表2.1.1 機器零件矩陣表(未排列) 11
表2.1.2 機器零件矩陣表(已排列) 11
表2.2.1 單途程或多途程下之影響因素表(年份：1996~2001) 16
表3.1.1 範例零件相關資訊 30
表5.1.1 零件加工途程順序表 45
表5.1.2 零件加工時間表 46
表5.1.3 機器可用產能表 46
表5.1.4 零件需求量與搬運批量表 47
表5.1.5 不同q下所得fsmax的組合 47
表5.1.6 不同組合的PC和PM所得fsmax之組合 51
表5.1.7 零件途程選擇及機器分群表 52
表5.1.8 零件-單元之生產負荷表 52
表5.1.9 零件分群表 52
表5.1.10 最佳零件與機器相關矩陣表 53
表5.2.1 零件加工途程順序表 54
表5.2.2 機器可用產能表 54
表5.2.3 零件需求量表 55
表5.2.4 零件生產批量表 55
表5.2.5 零件加工時間表 55
表5.2.6 q值和最大合適值fsmax組合(單途程) 56
表5.2.7 PC和PM的比較(單途程) 57
表5.2.8 最佳機器單元染色體表(單途程) 57
表5.2.9 零件在各單元之生產負荷表(單途程) 58
表5.2.10 零件分群表(單途程) 59
表5.2.11 最佳零件與機器相關矩陣表(單途程) 59
表5.2.12 結果比較(單途程) 61
表5.2.13 零件多重途程加工順序表 62
表5.2.14 零件多重途程加工時間表 63
表5.2.15 q值和最大合適值fsmax組合(多途程) 64
表5.2.16 PC和PM的比較(多途程) 65
表5.2.17 最佳零件途程染色體表(多途程) 65
表5.2.18 最佳機器單元染色體表(多途程) 65
表5.2.19 零件在各單元之生產負荷表(多途程) 66
表5.2.20 零件分群表(多途程) 66
表5.2.21 最佳零件與機器相關矩陣表(多途程) 67
表5.2.22 結果比較 68

圖目錄
圖1.3.1 研究流程圖 5
圖2.1.1 單元形成方法分類圖 9
圖2.3.1 遺傳演算法運作流程圖 19
圖4.1.1 零件及機器染色體形式 35
圖4.1.2 單點交換 39
圖4.1.3 雙點交換 39
圖4.1.4 遺傳演算法的流程示意圖 42
圖5.1.1 q vs fsmax 48
圖5.1.2 合適值與演算代數 48
圖5.1.3 合適值與演算代數 49
圖5.1.4 合適值與演算代數 49

參考文獻
中文部分：
1.張智星，『MATLAB程式設計與應用』，清蔚科技股份有限公司，民國89年。
2.潘信章，『以遺傳演算法求解單元形成問題中多途程選擇之最佳化』，國立成功大學工業管理研究所碩士論文，民國88年。

英文部分：
1.Akright, William T. and Dennis E. Kroll(1998), “Cell formation performance measures—determining when to change an existing layout,” Computers & Industrial Engineering, 34(1), pp.159-171.
2.Aljaber, Nasser, Wonjang Baek and Chuen-Lung Chen(1997), “A tabu search approach to the cell formation problem,” Computers & Industrial Engineering, 32(1), pp.169-185.
3.Boctor, F. F.(1996), “The minimum-cost, machine-part cell formation problem,” International Journal of Production Research, 34(4), pp.1045-1063.
4.Burbidge, J. L.(1971), “Production flow analysis,” The Production Engineer, 50, pp.139-152.
5.Chan, F. T. S., K. L. Mak, L. H. S. Luong and X. G. Ming(1998), “Machine-component grouping using genetic algorithms,” Robotics and Computer-Integrated Manufacturing, 14, pp.339-346.
6.Chan, H. M. and D. A. Milner(1982), “Direct cluster algorithm for group formation in cell manufacturing,” Journal of Manufacturing systems, 1, pp.65-74.
7.Chandrasekharan, M. P. and R. Rajagopalan(1986), “MODROC: An extension of rank order clustering for group technology,” International Journal of Production Research, 24, pp.1221-1233.
8.Chandrasekharan, M. P. and R. Rajagopalan(1987), “An algorithm for concurrent formation of part families and machine-cells,” International Journal of Production Research, 24, pp.835-850.
9.Chu, C. H. and J. C. Hayya(1991), “A fuzzy clustering approach to manufacturing cell formation,” International Journal of Production Research, 29(8), pp.1475-1487.
10.Crama, Y. and M. Oosten(1996), “Models for machine-part grouping in cellular manufacturing,” International Journal of Production Research, 34(6), pp.1693-1713.
11.Dahel, N. H.(1995) “Design of cellular manufacturing system in tandem configuration,” International Journal of Production Research, 33, pp.2079-2095.
12.Dimopoulos, C and N. Mort(2001), “A hierarchical clustering methodology based on genetic programming for the solution of simple cell-formation problems,” International Journal of Production Research, 39(1), pp.1-19.
13.Gindy, N. N. Z., T. M. Ratchev and K. Case(1995), “Component grouping for GT applications-a fuzzy clustering approach with validity measure,” International Journal of Production Research, 33(9), pp.2493-2509.
14.Goldberg, David E.(1989), “Genetic algorithm in search,” Optimization and Machine Learning, Addison Wesley.
15.Hadley, S. W.(1996), “Finding part-machine families using graph partitioning techniques,” International Journal of Production Research, 34, pp.1821-1839.
16.Harhalakis, G., R. Nagi, and J. M. Proth(1990), “An efficient heuristic in manufacturing cell formation for group technology applications.” International Journal of Production Research, 28, pp.185-198.
17.Holland, J. H.(1975), Adaptation in Nature and Artificial Systems, Ann Arbor: University of Michigan Press.
18.Hwang, H. and J. U. Sun(1996), “A genetic-algorithm-based heuristic for the GT cell formation problem,” Computers & Industrial Engineering, 30(4), pp.941-955.
19.Kamal, S. and L. I. Burke(1996), “FACT: A new neural network-based clustering algorithm for group technology,” International Journal of Production Research, 34(4), pp.919-946.
20.Kim, Y. (1993), “A study on surrogate objectives for loading a certain type of flexible manufacturing systems,” International Journal of Production Research, 18, pp.381-392.
21.King, J. R.(1980), “Machine-component group formation in production flow analysis: An approach using a rank order cluster algorithm,” International Journal of Production Research, 18, pp.213-232.
22.Kumar, C. S. and M. P. Chandrasekharan(1990), “An efficient heuristic in manufacturing cell formation for group technology applications,” International Journal of Production Research, 28, pp,185-198.
23.Kusiak, A.(1987), “The generalized group technology concept,” International Journal of Production Research, 25, pp.561-569.
24.Kusiak, A. and S. S. Heragu(1987), “The facility layout problem,” European Journal of Operation Research, 29, pp.229-251.
25.Lee, M. K., H. S. Luong and K. Abhary(1997), “A genetic algorithm based cell design considering alternative routing,” Computer Integrated Manufacturing Systems, 10(2), pp.93-107.
26.McAluey, J.(1972), “Machine grouping for efficient production,' The Prodction Engineering, 51, pp.53-57.
27.McCormick, W. T., Jr. P. J. Schweitzer, and T. W. White(1972), “Problem decomposition and data reorganization by a cluster technique,” Operations Research, 20, pp.993-1009.
28.Metropolis, N., A. W. Rosenbluth, M. N. Rosenbluth, A. H., M. H. Teller and E. Teller(1953), “Equation of state calculation by fast computing machine,” The Journal of Chemical Physics, 21, pp.1087-1092.
29.Moon, Chiung and Mitsuo Gen(1999), “A genetic algorithm-based approach for design of independent manufacturing cells,” International Journal of Production Economics, 60-61, pp.421-426.
30.Moon, Chiung and Jaegyun Kim(1999), “Genetic algorithm for maximizing the parts flow within cells in manufacturing cell design,” Computers & Industrial engineering, 36, pp.379-389.
31.Nair, G. Jayakrishnan and T. T. Narendran(1998), “Case: A clustering algorithm for cell formation with sequence data,” International Journal of Production Research, 36(1), pp.157-179.
32.Needy, K. L., R. E. Billo and R. C. Warner(1998), “A cost model for the evaluation of alternative cellular manufacturing configurations,” Computers & Industrial engineering, 34(1), pp.119-134.
33.Onwubolu, G. C. and M. Mutingi(2001), “A genetic algorithm approach to cellular manufacturing systems,” Computers & Industrial engineering, 39, pp.125-144.
34.Pan, C. H. and C. D. Lin(1998), “A cell loading and machine routing based heuristic for GT formation problem,” Journal of the Chinese Institute of Industrial Engineers, 15(3), pp.231-243.
35.Seifoddini, H. and P. M. Wolfe(1989), “Application of similarity coefficient method in GT,” IIE Transactions, 18, pp.271-277.
36.Su, C. T. and C. M. Hsu(1996), “A two phased genetic algorithm for the cell formation problem,” International Journal of Industrial Engineering, 3(2), pp.114-125.
37.Venugopal, V. and T. T. Narendran(1992), “A genetic algorithm approach to the machine- component grouping problem with multiple objects,” Computer and Industrial Engineering, 22, pp.469-480.
38.Zhao, Chunwei and Zhiming Wu(2000), “A genetic algorithm for manufacturing cell formation with multiple routes and multiple objectives,” International Journal of Production Research, 38(2), pp.385-395.