臺灣博碩士論文加值系統

本論文在研究製程失效屬韋柏分配下之經濟管制圖，在探討個別值移動平均管制圖之經濟設計與基因演算法的世代演算下的損失成本與製程時間，當經濟管制圖所提出的當樣本大小(n)、抽樣間隔(h)、管制界限(L)之參數的改變，對於所探討的目標，是否有相對的影響，這是此論文所要探討的問題，並利用此方法，探討目標最佳化的結果。模擬的結果，可以得知在gen世代=500、Pc交配率=0.5、Pm突變率=0.08、R處罰函數=4下，得到的損失成本與製程時間兩個目標函數的解是比較好的。而多目標的特性就是希望能夠滿足不同條件下，將有不同的方案可以提供決策者做決策，所以想要損失成本低還是製程時間低，或者是在二者中間取得一個平衡點，這都是需依當時的決策來做判斷。

This paper considers an economic design of control charts with a weibull distributed process failure mechanism，the loss of cost and process time in genetic algorithms of economic design of moving average control charts，when the sample size (n)、sampling intervals (h)、and control limit width (L) parameters of economic control chart change，investigates its effect on the objective function, using this method to investigate the result of objective maximization. From simulation results，when Generations=500、crossover rate=0.5、Mutation rate=0.08、Pareto-optimal front=4，the solution of objective function of lost cost and the process time is better。
The characteristics of multi-objective are to satisfied different conditions, providing the decision-makers to make decisions for different plans, therefore, to balance the options between loss low-cost or low process time, need to determine based on the decision-making at that time.

摘要 i
ABSTRACT ii
目錄 iv
圖目錄 vi
表目錄 vii
第一章 緒論 1
1-1 研究背景與動機 1
1-2 研究目的 1
1-3 研究架構與流程 2
第二章 文獻探討 4
2.1 多目標決策 4
2.1.1 多目標決策介紹 4
2.1.2 多目標決策之用途與價值 5
2.1.3 多目標決策演進過程 7
2.1.4 柏拉圖最佳解前緣 8
2.2 管制圖 9
2.2.1 管制圖 9
2.2.2 經濟管制圖 10
2.2.3 個別值移動平均管制圖 12
第三章 研究方法 13
3.1 製程週期流程圖 13
3.2 製程概念介紹 15
3.2.1 製程假設條件 15
3.2.2 製程週期時間與週期成本 16
3.2.3 製程時間概念 19
3.2.4 製程方法-基因演算法 21
3.2.5 製程方法-敏感度分析 22
3.3 基因演算法 22
3.3.1 基因演化過程 22
第四章 模擬分析結果 31
4.1 案例 31
4.2 個別值移動平均管制圖之模擬數據 32
4.3 基因演算法模擬步驟 34
4.4 基因演算法模擬結果 42
4.5 敏感度分析模擬結果 45
第五章 結論 55
文獻探討 56

[1] 許志義，多目標決策，五南圖書出版股份有限公司，2003。
[2] 葉鍵勳，類神經網路在電動機車能源回收系統上之應用，逢甲大學，碩士論
文，2003。
[3] 楊義明，從經濟觀點設計 管制圖-製程失效機構屬韋氏分配，元智大學，
博士論文，2001。
[4] 鍾明劍，以混合式GA演算法輔助樁基礎之低價化設計，電子計算機於士木
水利工程應用研討會，2005。
[5] 余豐榮、劉亮成、黃開儀，多變異製程移動平均管制圖之統計經濟設計，科
學與工程技術期刊，2005。
[6] 陳雲岫、葉若春、余豐榮，流程式生產製程下移動平均管制圖之經濟設計，
科技與管理學術研討會論文集，563-568，元智大學、工業工程研究所，2000。
[7] 劉慧敏，多目標遺傳演算法於基本面選股策略之應用，資訊管理學系碩士班，國立中央大學，2002。
[8] 黃思倫，應用遺傳基因演算法求比流器的JA模型參數最佳化，電機工程學
系碩士班，逢甲大學，2005。
[9] 洪穎怡，以基因演算法進行多目標模糊參數之被動式濾波器規劃，電機工程
學系碩士班，私立中原大學，2001。
[10] Yan-Kwang Chen，Hung-Chang Liao，Multi-criteria design of an X control chart，Computers &; Industrial Engineering ，2004。
[11] Mohammad Hossein Fazel Zarandi_et al, A Neuro-fuzzy Multi-objcetive Design of Shewhart Control Charts。
[12] Yun-Shiow Chen，Yit-Ming Yang，An extension of Banerjee and Rahim’s model for economic design of moving average control chart for a continuous flow process，European Journal of Operational Research，2001。
[13] Tung-Hsu(Tony)Hou，Wei-Chung Hu，An integrated MOGA approach to determine the Pareto-optimal kanban number and size a JIT system，Expert Systems with Applications，2011。
[14] T.C.Poon_et al,Effective selection and allocation of material handing equipment for stochastic production material demand problems using genetic algorithm，Expert Systems with Applications，2011。
[15] V.K. Butte and L.C. Tang，Engineering process control : A Review，Engineering Drive 2，Singapore 117576。
[16] Celano G. and Fichera S. ，Multiobjective Economic Design of an X control chart，Computer &; industrial Engineering，1999。
[17] Shervin Asadzadeh.Farid Khoshalhan ，Multiple-objcetive design of an X control chart with multiple assignable causes，Int J Adv Manuf Technol，2009。
[18] Zhiqing Meng，Rui Shen，Min Jiang，An Objective Penalty Functions Algorithm for Multiobjective Optimization Problem，American Journal of Operations Research，229-235，2011。
[19] S.Ranji Ranjithan，S.Kishan Chetan，Harish K Dakshina，Constraint Method-Based Evolutionary Algorithm (CMEA) for Multiobjective Optimization 。
[20] S.Narayanan and S. Azarm，On improving multiobjective genetic algorithms for design optimization，Structural Optimization 18，146-155，1999。