臺灣博碩士論文加值系統

現代企業的決戰點取決於「速度」，因為紡織業的下游為成衣業，對於流行服飾而言，時效之掌握更是重要，故紡織業也必須縮短交期才能符合下游成衣業的需求。染色工段在過去以計劃性生產為導向的大量生產中，通常採取配缸染色，而將整備成本忽略不計。然而在今日以少量多樣為主的訂單式生產型態中，高度的不確定性使得以往配缸染色的生產型態，將會因染色機台之負荷分配不均，而導致整體產能低落。本研究以交期為考量進行換缸染色，應用基因演算法求取整備成本及延遲成本之最小化，並將其結果與傳統派工法EDD及SPT做比較，皆證明本研究所使用之基因演算法求解效果良好。

The match point for business enterprises nowadays is decided by speed. It is very important for fashion clothes to control time; therefore, the textile industry must shorten its cycling time to meet the demand for the apparel business. At past the production system of dyeing process was mass production that usually adopted the allotted dyeing vats in order to omit the time of setup cost. However, at present the main production is a make-to-order system; high indetermination will cause unbalance of the dyeing machine and lead to low efficiency. This research is to exchange the dyeing vats and apply the genetic algorithm to obtain the minimizing objective of tardiness and setup cost. The performance of the genetic algorithm is compared with the traditional dispatching rules, EDD and SPT. All the results show that the genetic algorithm used in this study is superior to the other approaches.

一、 緒論………………………………………………… 1
1.1 研究背景與動機……………………………………1
1.2 研究目的…………………………………………… 1
1.3 研究範圍…………………………………………… 2
1.4 研究架構與流程…………………………………… 2
二、 文獻探討…………………………………………… 4
2.1 紡織業的生產排程文獻……………………………4
2.2 排程問題…………………………………………… 4
2.3 平行機台…………………………………………… 5
2.4 整備時間…………………………………………… 6
2.5 基因演算法………………………………………… 7
三、 問題描述……………………………………………10
3.1 染色工段的作業特性……………………………… 10
3.2 目前的排程方式……………………………………12
3.3 假設條件……………………………………………15
3.4 目標式及符號說明…………………………………15
3.4.1 符號說明……………………………………………15
3.4.2 目標式……………………………………………… 16
四、 研究方法…………………………………………… 19
4.1 基因演算法…………………………………………19
4.1.1 編碼…………………………………………………20
4.1.2 起始解……………………………………………… 21
4.1.3 適合度函數………………………………………… 22
4.2 基因運算子………………………………………… 23
4.2.1 複製………………………………………………… 23
4.2.2 交配………………………………………………… 25
4.2.3 突變…………………………………………………30
4.2.4 取代………………………………………………… 31
4.2.5 終止條件…………………………………………… 32
4.3 研究流程…………………………………………… 32
4.3.1 編碼………………………………………………… 32
4.3.2 初始解……………………………………………… 32
4.3.3 計算目標值…………………………………………33
4.3.4 設定適合度函數…………………………………… 34
4.3.5 基因運算元………………………………………… 34
4.3.6 演化世代停止條件………………………………… 35
五、 結果與討論………………………………………… 36
5.1 實驗目的…………………………………………… 36
5.2 實驗結果分析……………………………………… 36
5.3 討論………………………………………………… 38
5.4 未來發展…………………………………………… 39
參考文獻…………………………………………………………… 41
附錄一 訂單資料…………………………………………… 44

1. Ali Allahverdi, et al., “A Review of Scheduling Research Involving Setup Consideration ”, OMEGA, 27, pp.219-239, 1999.
2. Allahverdi, A, and Mittenthal , J “ Scheduling on M Parallel Machines Subject to Random Breakdowns to Minimize Expected Mean Flow Time” Naval Research Logistics, 41, pp. 677-682, 1994.
3. Azizoglu, Meral; Kirca, Omer,“Tardiness minimization on parallel machines” International Journal of Production Economics, Vol.55, Issue 2, pp. 163-168.
4. Cem Sydam, Cooper W. Douglas, “ Dye machine scheduling and roll selection ”, Production and Inventory management Journal-fourth Quarter, 1995.
5. De Jong,Ka, “Scheduling to Common Due Date on Parallel Uniform Processors ”, PH. D. Thesis, University of Michigan, Ann Arbor, MI, 1975.
6. Gillies A.,“Machine Learning Procedures for Generating Image Domain Feature Detectors”PH. D. Thesis, University of Michigan, Ann Arbor, 1985.
7. Goldberg A, “Genetic Algorithms in Search, Optimization and Machine Learning” , Addison-Wesly,Reading, MA, 1989.
8. Grefenstette, J and J. Barker, “How Genetic Algorithms Work: A Critical Look at Implicit Parallelism ”, In Schaffer, pp20-27.
9. Grefenstette, JJ, “Optimization of Control Parameters for Genetic Algorithms”, IEEE Transactions on Systems, Man & Cybernetics (January/February), pp122-128, 1986.
10. Gunasekaran A .,Goyal S.K., Martikainen T., Yli-ollip., “Mul;I-level lot-sizing in a rayon yarn company : a case study”, European Journal of operational Research V.65, p.159~174, 1993.
11. Holland, J (1975), “Adaptation in natural and artificial systems”, University of Michigan Press, Ann Arbor.
12. Mario Tuggi, Rinaldo Rinaldi , “From thrort to application : tabu search in textile production scheduling ” , Production Planning and Contrail V.10, n.4, p.365~174,1999.
13. Michalewicz Z., “ Genetic Algorithm + Data Structures = Evolution Programs ”, Springer-verlag Berlin Heidelberg, 1992.
14. Schaffer, J David; Richard A. caruana; Larry J. Eshelman; Rajarshi Das, “A Study of Control Parameters Affecting Online Performance of Genetic Algorithms for Function Optimization ” , The Third International Conference on Genetic Algorithms and Their Applications, pp51-60, 1989.
15. Simchi-Levi, D., et al., “Designing and Managing the Supply Chain ”, McGraw Hill, 1999.
16. Sivrikaya-Serifoglu, Funda; et al.,“ Parallel machine scheduling with earliness and tardiness penalties,” Computers & Operations Research, Vol. 26, Issue 8, pp. 773-787, July, 1999.
17. 王崇洋，「以系統模擬解決半連續性工廠的生產排程問題─以紡織業為例」，國立交通大學，資訊管理研究所，碩士論文，民國 85年。
18. 田國興，「有設置時間之流程型工廠多階段平行機台總排程時間 」，中原大學工業工程研究所，碩士論文，民國89年。
19. 余淑惠、盧建光、傅佑璋、曾雯卿，染整工藝 ，1998年版，台北，專上圖書，民國87年1月。
20. 汪玉柏，「運用基因演算法求解流程型工廠之多目標排程」，國立台灣科技大學工業管理系研究所，碩士論文，民國88年。
21. 張昭文，「紡織業生產管理制度探討」，國立成功大學工業工程管理系，碩士論文，民國74年。
22. 陳榮傑，紡織品，高雄，文華堂，1996。
23. 陳瑩芝，「多工段基因導向派工法則之研究」，國立交通大學，工業工程與管理學系，碩士論文，民國 88年。
24. 曾毓文，「 運用系統模擬與遺傳演算法從事非相關平行機器排程之研究」，國立台北科技大學 ，生產系統工程與管理研究所 ，碩士論文，民國 89年。
25. 游擱鴻，「以啟發式方法求解不相關平行機台排程問題」，朝陽大學，工業工程與管理學院，碩士論文，民國 86年。
26. 楊文華，「考量整備時間下之相關排程問題研究」，國立台灣工業技術學院管理技術研究所，博士論文，民國85年。
27. 楊啟瑞，「紡織業多階層製造系統之派工法則之研究」，國立交通大學，工業工程與管理學系，碩士論文，民國 88年。
28. 廖麗滿，「塔布搜尋法求解排程問題之研究」，國立台灣科技大學工業管理系研究所，博士論文，民國90年。
29. 趙文涼，「基因演算法於單機交期絕對偏差及整備成本最小化排程問題之應用」元智大學 ，工業工程研究所，碩士論文，民國85年。
30. 蕭陳鴻，「基因演算法於非等效平行機台排程之應用 」，元智大學工業工程研究所，碩士論文，民國 89年。
31. 蕭義梅，「遺傳演算法應用在零工式工廠 」，元智大學工業工程研究所，碩士論文，民國 89年。
32. 謝昆諺，「全球染整業發展現況與現況與未來展望」，紡織速報 ，第九卷，八期106，2001.8.16。