為了滿足市場上需求的多變，產品中元件的分群及子組裝組合變得比以往更為複雜，且在客製化環境下，模組化為必然的趨勢。在產品組裝過程中，模組化乃是結合相同功能與特性之元件，以符合特定之組裝順序，因具有彈性化、經濟性，且可簡化產品組裝和零組件共用等優點，已成為企業突破困境的趨勢，因此，模組化的觀念日益受到重視。而產品的需求以追求客戶滿意度為目標，除了規格與設計日漸多樣且複雜化之外，在高品質與高良率的要求下，為了增加企業間競爭力，必須整合多個廠區的資源，以完成生產。
本研究嘗試整合案例式推論法和基因演算法，利用案例式推理技術結合模組化設計的人工智慧，從過去的案例中找到相關知識的特性，使產品中所有的元件根據過去的案例，利用最短的時間，得到最符合組裝次序需求的子組裝模組化，以便在產品組裝的過程中，以子組裝為單位指派給可行組裝工廠進行組裝，提供給基因演算法作為演算的基礎；再利用基因演算法的特性，透過染色體基因編碼的技巧，在單一條染色體中包含子組裝、元件組裝次序以及工廠指派的編碼，再經過轉譯之後即可得到經過工廠指派的最佳組裝次序，提高搜尋的效率，並得到最小的組裝成本。

In order to fulfill the various marketing requirements, the classification of product components into subassemblies becomes more complicated; therefore, it is a tendency to have modular design of product components under customize manufacturing environment. In product assembly process, modular design is provided with flexible and economic specialties, also integrate components with similar function and characteristic to simple modules for complete the specific assembly sequence. Customers’ satisfaction is the main propose of product requirement, either varied regulation and design, or the demand of high quality and high yield rate in the manufacturing environment, enterprises must integrate multi-plant resource planning to enhance the competitiveness.
In this thesis, attempting to construct an assembly sequences planning in multi-plant manufacturing environment by integrating Case-Based Reasoning（CBR）with Genetic Algorithm（GA）. By applying CBR approach solving new problem by adapting solution that were used to solve previous similar problems, to modularized product components quickly and be suitable for assigning subassemblies in multi-plant assembly sequence. Afterwards, using GA with a special encoding rule solving assembly sequence problem and multi-plant subassembly assignment problem at the same time, then decoding the chromosome to obtain the assembly sequences planning in multi-plant manufacturing environment with the minimize total assembly cost.

摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 viii
表目錄 x
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 4
1.4 問題定義與假設 7
1.5 論文架構 9
第二章 文獻探討 11
2.1 組裝限制 11
2.2 組裝次序規劃 12
2.3 案例式推論法 15
2.3.1 案例式推論法簡介及優點 15
2.3.3 案例式推論法基本流程 16
2.3.4 案例式推論法的應用 18
2.4 基因演算法 19
2.4.1 基因演算法簡介 19
2.4.2 基因演算法名詞解釋 20
2.4.3 基因演算法基本流程 21
2.4.4 基因演算法的應用 24
2.5 文獻結語 26
第三章 研究方法 27
3.1 前言 27
3.2 已知條件與假設 28
3.3 名詞定義 29
3.4第一階段模式建立－以案例式推理演算法為基礎的子組裝模組化 30
3.4.1案例式推論演算法（CBR） 30
3.4.1.1案例式推論演算法概要 30
3.4.1.2 CBR運作流程與循環週期 30
3.4.2 以CBR為基礎的子組裝模組化 31
3.4.2.1 CBR系統架構 31
3.4.3 子組裝模組化案例模型 32
3.4.3.1 產品元件關聯圖 32
3.4.3.2 產品元件參數 33
3.4.3.3 產品元件關聯參數 33
3.4.4 搜尋與擷取相似的組裝案例 34
3.4.5 修正相似案例以得最佳子組裝模組化組合 37
3.4.6 案例資料庫維持 41
3.5 第二階段模式建立 42
3.5.1 元件資料與元件結合狀態分析 42
3.5.2 組裝在先次序分析 44
3.5.2.1 階層組裝在先關係圖（HAPG） 45
3.5.2.2 組裝在先關係矩陣（APM） 46
3.5.2.3 建立可行組裝次序 48
3.5.3 干涉矩陣分析 49
3.5.4 工廠組裝能力 54
3.6 成本函數 55
3.6.1 組裝為基的成本 55
3.6.1.1 組裝操作成本 55
3.6.1.2 組裝工具變換成本 56
3.6.1.3 組裝方向變換成本 57
3.6.1.4 組裝環境保護成本 58
3.6.2運送為基的成本 60
3.6.2.1 貴重成本 60
3.6.2.2 搬運成本 60
3.6.3 目標函數 61
3.7 基因演算法 61
3.7.1編碼 63
3.7.2 設定基因參數 66
3.7.3 產生初始可行解並計算適合度函數值 67
3.7.4 選擇 68
3.7.5 交配 69
3.7.6 突變 71
3.7.7 修正不可行解並計算適合度函數值 71
3.7.8 計算適合度函數 72
3.7.9 取代 72
3.7.10 終止條件 73
3.8 參數分析 73
3.8.1基因演算法參數分析 74
第四章 實例探討 77
4.1 實例（一）：手機 77
4.1.1 第一階段－產品元件相關參數分析 78
4.1.1.1 產品元件類型名稱 78
4.1.1.2產品元件關聯圖 78
4.1.1.3產品元件關聯參數 79
4.1.2 案例式推論產品子組裝模組化 79
4.1.2.1 搜尋與擷取相似案例 79
4.1.2.2 實例（一）子組裝模組化 81
4.1.3 第二階段－元件組裝限制分析 81
4.1.3.1 結合狀態分析 81
4.1.3.2 組裝在先關係分析 83
4.1.3.3 干涉矩陣分析 84
4.1.4 第三階段－跨廠區組裝次序求解模式 85
4.1.4.1基因演算法 86
4.1.5 結果輸出 88
4.2 實例（二）：單眼鏡頭 90
4.2.1 第一階段－產品元件相關參數分析 91
4.2.1.1 產品元件類型名稱 91
4.2.1.2產品元件關聯圖 92
4.2.1.3產品元件關聯參數 92
4.2.2 案例式推論產品子組裝模組化 93
4.2.2.1 搜尋與擷取相似案例 93
4.2.2.2 實例（二）子組裝模組化 94
4.2.3 第二階段－元件組裝限制分析 95
4.2.3.1 結合狀態分析 95
4.2.3.2 組裝在先關係分析 96
4.2.3.3 干涉矩陣分析 97
4.2.4 第三階段－跨廠區組裝次序求解模式 99
4.2.4.1基因演算法 100
4.2.5 結果輸出 102
4.3 實例（三）：筆記型電腦 104
4.3.1 第一階段－產品元件相關參數分析 105
4.3.1.1 產品元件類型名稱 105
4.3.1.2產品元件關聯圖 106
4.3.1.3產品元件關聯參數 106
4.3.2 案例式推論產品子組裝模組化 107
4.3.2.1 搜尋與擷取相似案例 107
4.3.2.2 實例（三）子組裝模組化 109
4.3.3 第二階段－元件組裝限制分析 109
4.3.3.1 結合狀態分析 109
4.3.3.2 組裝在先關係分析 110
4.3.3.3 干涉矩陣分析 112
4.3.4 第三階段－基因演算法跨廠區組裝次序求解模式 113
4.3.4.1基因演算法 114
4.3.5 結果輸出 116
4.4 實例（四）：數位相機 119
4.4.1 第一階段－產品元件相關參數分析 119
4.4.1.1 產品元件類型名稱 119
4.4.1.2產品元件關聯圖 120
4.4.1.3產品元件關聯參數 121
4.4.2 案例式推論產品子組裝模組化 121
4.4.2.1 搜尋與擷取相似案例 121
4.4.2.2 實例（四）子組裝模組化 123
4.4.3 第二階段－元件組裝限制分析 124
4.4.3.1 結合狀態分析 124
4.4.3.2 組裝在先關係分析 125
4.4.3.3 干涉矩陣分析 127
4.4.4 第三階段－跨廠區組裝次序求解模式 129
4.4.4.1基因演算法 130
4.4.5 結果輸出 133
4.5 結論 137
第五章 結論與未來展望 139
5.1 研究特性 139
5.2 研究貢獻 140
5.3 後續研究發展與建議 140
參考文獻 142

1.Aamodt, A., and Plaza, E., “Case-based reasoning: foundational issues, methodological variations, and system approaches,” Artificial Intelligence Communications, Vol. 7, Issue 1, pp. 39-59, 1994.
2.Ahn, H., Kim, K. J., and Han, I., “Hybrid Genetic Algorithms and Case-Based Reasoning Systems,” Lecture Notes in Computer Science, Vol. 3314, 2005.
3.Baldwin, D.F., Abell, T.E., Lui, M. C. M., De Fazio, T.L., and Whitney, D.E., “An integrated computer aid for generating and evaluating assembly sequences for mechanical products,”IEEE Transactions on Robotics and Automation, Vol. 7, Issue 1, pp. 78-94, 1991.
4.Bonneville, F., Perrard, C., and Henrioud, J. M., “A genetic algorithm to generate and evaluate assembly plans,” Proceedings of the IEEE Symposium on Emerging Technology and Factory Automation, Vol. 2, pp. 231-239, 1995.
5.Bourjault, A., “Contribution a une approche methodologique de l’assemblage automatise: elaboration automatique des sequences operatoires. These d’Etat, Universite de Franche-Comte, Besancon, France, 1984.
6.Cao, P. B., and Xiao, R. B., “Assembly planning using a novel immune approach,” International Journal of Advanced Manufacturing Technologies, Vol. 31, No. 7-8, pp. 770-782, 2007.
7.Chen, S. F., and Liu, Y. J., “An adaptive genetic assembly-sequence lanner, ”International Journal of Computer Integrated Manufacturing, Vol. 14, Issue 5, pp. 489-500, 2001.
8.Chen, R. S., Lu, K. Y., and Tai, P. H., “Optimizing assembly planning through a three-stage integrated approach,” International Journal of Production Economics, Vol. 88, No. 3, pp. 243-256, 2004.
9.Choi, C. K., Zha, X. F., NG, T. L. and Lau, W. S., “On the automatic generation of product assembly sequences,” International Journal of Production Research, Vol. 36, No. 3, pp. 617-633, 1998.
10.De Màntaras, R. L., “Case-based reasoning,” Machine Learning and Its Applications, Vol. 2049, pp. 127-145, 2001.
11.De Màntaras, R. L., Mscherry, D., Bridge, D., Leake, D., Smyth,. Craw, S., Faltings, B., Maher, M., Cox, M., Forbus, K., Keane, M., Aamodt, A., and Watson, I., “Retrieval, reuse, revision and retention in case-based reasoning,” The Knowledge Engineering Review, Vol. 20, No. 3, pp. 215-240, 2005.
12.Dubois, D., Prade, H., Esteva, F., Garcia, P., Godo, L., De Màntaras, R. L., “Fuzzy set modelling in case-based reasoning.” International Journal of Intelligent Systems, Vol. 13, Issue 4, pp.345-373, 1997.
13.Gottipolu, R. B., and Ghosh, K., “Integrated approach to the generation of assembly sequences, ” International Journal of Computer Applications in Technology, Vol. 8, No. 3-4, pp. 125-138. 1995.
14.Heiko M., and Wahl, F. M., “Automatic decomposition of planned assembly sequences into skill primitives,” IEEE Transactions on Robotics and Automation, Vol. 17, No. 5, pp. 709-718, 2001.
15.Ho, W., and Ji, P., “A hybrid genetic algorithm for component sequencing and feeder arrangement,” Journal of Intelligent Manufacturing, Vol. 15, No. 3, pp. 307-315, 2004.
16.Ho, W., and Ji, P., “Component scheduling for chip shooter machines: a hybrid genetic algorithm approach,” Computers and Operations Research, Vol. 30, Issue 4, pp. 2175-2189, 2003.
17.Ho, W., and Ji, P., “A genetic algorithm approach to optimizing component placement and retrieval sequence for chip shooter machines,” International Journal of Advanced Manufacturing Technologies, Vol. 28, No. 5-6, pp. 556-560, 2006.
18.Homem de Mello, L. S., and Sanderson, A. C., “And/or graph representation of assembly plans,” IEEE Transactions on Robotics and Automation, Vol. 6, Issue 2, pp. 188-199. 1990.
19.Holland, J. H., “Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence,” MIT Press, Cambridge, MA, USA, 1992.
20.Huang, Y. F., and Lee, C. S. G., “An automatic assembly planning system” IEEE International Conference on Robotics and Automation, Vol. 3, pp. 1594-1599. 1990.
21.Jones, R. E., Wilson, R. H., and Calton, T. L., “On constraints in assembly planning,” IEEE Transactions on Robotics and Automation, Vol. 14, Issue 6, pp. 849-863, 1998.
22.Kamrani, A. K. and Gonzalez, R. “A genetic algorithm-based solution methodology for modular design,” Journal of Intelligent Manufacturing, Vol. 14, No. 6, pp. 599-616, 2003.
23.Kulak, O. I., Yilmaz, O., and Günther, H. O., “PCB assembly scheduling for collect-and-place machines using genetic algorithms,” International Journal of Production Research, Vol. 45, No. 17, pp. 3949-3969, 2007.
24.Lapperriere`, L., and ElMaraghy, H. A., “GAPP：a generative assembly process planner,” Journal of Manufacturing Systems, Vol. 15, No. 4, pp. 282-293, 1996.
25.Liu, J. N. K., and Sin, D. K. Y., “Evaluating case-based reasoning and evolution strategies for machine maintenance,” Proc IEEE Int Conf Syst Man Cybern,” Vol. 2, pp. II-480-II-485, 1999.
26.Lowe, G., and Shirinzadeh, B., “Dynamic assembly sequence selection using reinforcement learning,” IEEE International Conference on Robotics and Automation, Vol. 3, pp. 2633-2638, 2004.
27.Marain, R. M., Luong, L. H. S., and Abhary, K., “A genetic algorithm for the optimization of assembly sequences,” Computer and Industrial Engineering, Vol. 50, Issue 4, pp. 503-527, 2006.
28.Marian, R. M., Luong, L. H. S., and Kazem, A., “Assembly sequence planning and optimization using genetic algorithms: Part I. Automatic generation of feasible assembly sequences,” Applied Soft Computing, Vol. 2, Issue 3, pp. 223-253, 2003.
29.Munoz, A., H., Hendler, J. A., and Aha, D. W., “Conversational Case-based Planning,” New Review of Applied Expert Systems, Vol. 5, pp. 163-174, 1999.
30.Santochi, M, and Dini, G., “Computer-aided planning of assembly operations. The selection of assembly sequences,” Robot Computer Integrated Manufacturning, Vol. 9, No. 6, pp. 439-446. 1992.
31.Schank, R., “Dynamic Memory: A theory of learning in computers and people,” Cambridge University Press, New York, NY, USA, 1983.
32.Senin, N., Goppetti, R., and Wallace, D. R., “Concurrent assembly planning with genetic algorithms,” Robotics and Computer Integrated Management, Vol. 16, Issue 4, pp. 65-72, 2002.
33.Smith, G. C., and Smith, S. F., “An enhanced genetic algorithm for automated assembly planning,” Robotics and Computer Integrated Management, Vol. 18, Issue 5-6, pp. 355-364, 2002.
34.Su, Q., “Applying case-based reasoning in assembly sequence planning,” International Journal of Production Research, Vol. 45, No. 1, pp. 29-47, 2007.
35.Swaminathan, A., and Barber, K.S., “An experience-based assembly sequence planner for mechanical assemblies,” IEEE Transactions on Robotics and Automation, Vol. 12, Issue 2, pp. 252-267, 1996.
36.Tang, Y., and Zhou, M., “Fuzzy-Petri-Net based disassembly planning considering human factors.” IEEE International Conference on Systems, Manufacturning and Cybernetics, Vol. 36, No. 4, pp. 4195-4200, 2006.
37.Tseng, H. E., Li, J. D., and Chang, Y. H., “Connector-based approach to assembly sequences with genetic algorithms,” International Journal of Production Research, Vol. 42, No. 1, pp. 2243-2261, 2004.
38.Tseng, H. E., “Guided genetic algorithms for solving a larger constraint assembly problem,” International Journal of Production Research, Vol. 44, No. 3, pp. 601-625, 2006.
39.Wang, J. F., Liu, J. H., and Zhong, Y. F., “A novel ant colony algorithm for assemble sequence planning,” International Journal of Advanced Manufacturing Technologies, Vol. 25, No. 11-12, pp. 1137-1143, 2004.
40.Watson, I., and Marir, F., “Case-based reasoning: a review,” Knowledge Engineering Review, Vol. 9, No. 4, 1994.
41.Wilson, R. H., and Latombe, J. C., “Geometric reasoning about mechanical assembly,” Artificial Intelligence, Vol. 71, pp. 371-396. 1994.
42.Wilson, R. H., “Minimising user queries in interactive assembly planning,” IEEE International Conference on Robotics and Automation, Vol. 2, pp. 322-327. 1993.
43.江吉祥，「以STEP為基進行產品組裝與拆卸分析之推演架構」，國立台灣科技大學機械工程系，碩士論文，2000。
44.江俊霖，「電子產品組裝廠之跨廠組裝次序」，元智大學工業工程與管理研究所，碩士論文，2002。
45.何仁翔，「以案例式推理為基礎的基因演算法解決生產排程問題」，私立元智大學工業工程與管理研究所，碩士論文，2003。
46.林吉宏，「組裝次序與加工次序之整合規劃研究－應用基因演算法」，元智大學工業工程與管理研究所，碩士論文，2000。
47.林志明 ，「應用案例推理,灰關聯分析法發展產品設計評估決策支援系統」，中央大學工業管理研究所，碩士論文，1999。
48.施欣怡，「改良式基因演算法求解複雜限制式之組裝規劃問題探討」，大葉大學工業工程與管理系，碩士論文，2005。
49.徐慧君，「應用案例式推理於顧客關係管理之行銷研究-以化妝品業為例」，私立元智大學工業工程與管理研究所，碩士論文，2002。
50.許大鈞 ，「應用案例式推論與基因演算法於信用評等決策輔助系統」，國立中央大學資訊管理研究所，碩士論文，2002。
51.陳建宇，「跨廠區零件組裝次序規劃－應用基因演算法及粒子群演算法」，私立元智大學工業工程與管理研究所，碩士論文，2008。
52.張銀和，「引導式基因演算法應用於Connector為基之組裝規劃」，大葉大學工業工程與管理系，碩士論文，2004。
53.曾懷恩、張堂聖、湯承恩，「組裝規劃中以模擬退火法產生組裝順序的探索」，Journal of the Chinese Institute of Industrial Engineers, Vol. 20, No. 2, pp. 91-100, 2003。
54.蔡佳利，「跨廠組裝與加工次序整合規劃研究」，元智大學工業工程與管理研究所，碩士論文，2003。
55.謝日章，「柔性計算於生產管理之應用」，私立元智大學工業工程與管理研究所，博士論文，2002。
56.盧麗淑，「案例式推理與創造性設計的認知研究-初期模型」，國立交通大學應用藝術研究所，碩士論文，1997。
57.鍾清章等譯，田口式品質工程導論，中華民國品質學會，台北，2005。