在具製程與途程彈性的製造環境下之單元成型法的比較

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：34

、訪客IP：13.59.82.167

姓名

曾照元(Tim Tzeng ) 查詢紙本館藏

畢業系所

工業管理研究所

論文名稱

在具製程與途程彈性的製造環境下之單元成型法的比較

相關論文

★ 佈置變更專案工程的執行研究－以H公司研發單位為例	★ MIL-STD-1916、MIL-STD-105E與結合製程能力指標之抽樣檢驗計畫
★ 建構客戶導向的製造品質資訊系統--以某筆記型電腦專業代工廠商為例	★ GMP藥廠設施佈置規劃的探討--以E公司為研究對象
★ 應用Fuzzy c-Means演算法之物流中心位址決策模式研究	★ 品質資訊系統之規劃與建構 -- 以某光碟製造公司為研究對象
★ 從製程特性的觀點探討生產過程中SPC管制圖監控運用的適切性 -- 以Wafer Level 封裝公司為例	★ 六標準差之應用個案研究-以光學薄膜包裝流程改善為例
★ 利用六標準差管理提昇中小企業之製程品質-以錦絲線添加防銹蠟改善為例	★ 專業半導體測試廠MES 系統導入狀況、成果及問題之探討-以A 公司為例
★ 以RFID技術為基礎進行安全管理導入－以A公司為例	★ 如何提昇產品品質及降低成本—以光碟壓片廠A公司為例
★ ERP導入專案個案分析—以半導體封裝廠A公司為例	★ 石英元件製造業之延遲策略應用— 以T公司為研究對象
★ 十二吋晶圓廠自動化搬運系統規劃與導入—以A公司為例	★ 半導體封裝產業之生產革新改善活動-A半導體股份有限公司導入經驗探討-

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

根據研究指出，若一製造系統兼具彈性製程（flexible processing）與彈性途程（flexible routing）兩種特性，將會帶來更高的生產效率及機器使用率等優點。陸續有許多的學者研究此一環境下的生產控制問題，但在系統設計的單元成型（cell formation）問題尚在起步階段，對單元成型的方法也缺乏整體的評比，故本研究則找出幾篇此一環境下的單元成型法，比較每個單元成型法的優劣，給後續研究建議與參考。
在文獻中僅有三篇討論關於此一環境下的單元成型問題：Ho and Moodie(1996)提出了以操作相似係數為基礎，並以工件兩兩併群的聚群(clustering)方式，完成單元成型；何與林（1998）是建構在Ho and Moodie(1996)的操作相似係數，並加入刀具資訊及製造程序的相似係數為基礎，以啟發式（heuristic）的方法求得初使解，並以模擬退火法(simulated annealing)最佳化分群結果，單元成型之後並以系統彈性的調整方式，提供系統設計者在系統彈性與成本之間作取捨；何與楊（1999）提出以機器使用機率為基礎的相似係數法，並以模糊自適共振理論（Fuzzy ART）聚群，單元成型之後再調整系統彈性與成本。以上三篇文獻提供了相當完整的單元聚群資訊，然缺乏了整體單元成型法的比較。本研究則繼承了以上的研究，以何與林(1998)及何與楊(1999)兩篇文獻所提出的工件相似係數及單元成型法，加入單元成型法Fuzzy c-means，以例子交叉測試兩種工件相似係數、及三種單元成型法，期能找出在此一生產環境下最佳的單元成型法。

關鍵字(中)

★ Fuzzy ART
★ Fuzzy c-means
★ 單元式製造
★ 單元成型
★ 彈性製程
★ 彈性途程
★ 類似係數

關鍵字(英)

論文目次

目錄
摘要Ⅰ
目錄………………………………………………………………………………….II
圖目錄………………………………………………………………………………VI
表目錄…….VIII
第一章緒論1
1.1 研究背景與動機1
1.2 研究目的2
1.3 研究環境及假設3
1.4 研究方法與論文架構3
第二章文獻回顧與探討6
2.1 系統方法6
2.2 矩陣方法7
2.3 相似係數法8
2.4 數學規劃法10
2.5 專家系統法11
2.6圖形分割法………………………………………………………….……………..………11
2.7 類神經網路法12
2.8模糊理論聚群法…………………………………………………………………………13
2.9在具製程彈性與途程彈性之製造環境下的單元成型研究……………………………...13
2.9.1 Ho與Moodie（1996）的研究……………………………………………………..14
2.9.2何與林（1998）的研究…………………………………………………………….15
2.9.3何與楊（1999）的研究…………………………………………………………….16
第三章工件相似係數…………………………………………………………...18
3.1 網路式製程計劃18
3.2工件相似係數的定義21
3.2.1何與林(1998)的工件相似度22
3.2.1.1工件-操作類似係數………………………………………….……….…….23
3.2.1.2作業程序類似係數…………………….……………………………………25
3.2.2何與楊(1999) 的工件相似度29
3.2.2.1機器使用機率……………………………………………………………....29
3.2.2.2刀具相似係數………………………………………………………………30
3.2.2.3工件相似係數………………………………………………………………31
第四章分群方法的比較32
4.1 Fuzzy ART聚群法32
4.1.1 Fuzzy ART的演算流程33
4.1.2 第二階段的分群法35
4.2 Fuzzy c-means聚群法38
4.2.1Fuzzy c-means的演算流程……………………………….……..…………………..38
4.3 何與林(1998)啟發法………………………………………………………………………42
4.3.1衡量指標………………………………………………….………….….………..…42
4.3.1.1 群內類似係數……………………………………………………………....42
4.3.1.2 相斥度……………………………………………………………………....43
4.3.1.3 判斷係數…………………………………………………………………....43
4.3.2演算法的流程………………………………………………………………………44
4.3.2.1 初始解演算法………………………………………………………………45
4.3.2.2 以模擬退火法最佳化………………………………………………………46
4.4 以模擬退火法最佳化聚群結果47
第五章機器分配模式與單元評估法則49
5.1 機器分配的模式49
5.2 單元評估法則51
5.2.1何與林(1998)單元彈性的定義….….…………………………….………………..52
5.2.2何與楊(1999)單元彈性的定義….….…………………………….………………..53
第六章實例驗證55
6.1 工件製程網路之實例55
6.2 工件類似係數計算59
6.3 工件分群計算61
6.3.1 Fuzzy ART的初步分群結果……………………………………………………….61
6.3.2 Fuzzy c-means的初步分群結果…………………………………………………....63
6.3.3 何與林（1998）啟發法的初步分群結果…………………………………………....67
6.4 機器分派與單元評估（I）………………………………………………………………..68
6.4.1 編號1及編號2機器分派後結果（I）……………………………………………….69
6.4.2 編號3及編號4機器分派後結果（群數3）（I）…………………………………….70
6.4.3 編號3及編號4機器分派後結果（群數4）（I）…………………………………….70
6.4.4 編號5及編號6機器分派後結果（I）……………………………………………….71
6.5 以SA最佳化分群的結果…………………….. 72
6.5.1 編號1最佳化後的結果…………………………………………………………….72
6.5.2 編號2最佳化後的結果…………………………………………………………….73
6.5.3 編號3最佳化後的結果…………………………………………………………….75
6.5.4 編號4最佳化後的結果…………………………………………………………….78
6.5.5 編號5最佳化後的結果…………………………………………………………….80
6.5.6 編號6最佳化後的結果…………………………………………………………….82
6.6 機器分派與單元評估（II）…………………………………………………………….83
6.6.1 編號1機器分派後結果（II）……..…………….……………………………………84
6.6.2 編號2機器分派後結果（II）……..………………………………………………….84
6.6.3 編號3機器分派後結果（II）……..………………………………………………….85
6.6.4 編號4機器分派後結果（II）…………………..…………………………………….86
6.6.5 編號5機器分派後結果（II）…………………..…………………………………….87
6.6.6 編號6機器分派後結果（II）…….……….………………………………………….87
6.7 比較結果.88
6.7.1 初始解的比較………………………………………………………………………88
6.7.2 最佳化後的比較……………………………………………………………………89
第七章結論與建議92
7.1 研究結論92
7.2 研究建議93
參考文獻94
附錄A 初始解單元成型結果100
附錄B 最佳化後的單元成型結果104
圖目錄
圖1-1、論文研究流程架構圖5
圖2-1、利用機器-工件矩陣進行聚群8
圖2-2、兩工件（機器）的二元關係矩陣9
圖2-3、Ho與Moodie（1996）的研究流程架構圖15
圖2-4、何與林（1998）的研究流程架構圖16
圖2-5、何與楊（1999）的研究流程架構圖17
圖3-1、網路式製程計畫（何與林，1998）20
圖3-2、工件-操作類似係數的計算流程圖22
圖3-3、作業程序類似係數的計算流程圖………………………………………………………..26
圖3-4、不同操作線的對應方式28
圖3-5、何與楊（1999）工件類似係數的計算流程圖28
圖4-1、Fuzzy ART的演算流程圖（何與楊，1999）36
圖4-2、Fuzzy ART第二階段之分群流程圖（何與楊，1999）37
圖4-3、Fuzzy c-means分群流程圖41
圖4-4、何與林（1998）初始解的演算法架構圖45
圖4-5、模擬退火法最佳化之流程圖48
圖6-1、工件之製程網路56
圖6-1、工件之製程網路（續）57
圖6-1、工件之製程網路（續）58
圖6-2、實例驗證之流程圖59
圖6-3、工件-操作類似係數矩陣表59
圖6-4、操作線類似係數矩陣表60
圖6-5、何與楊（1999）類似係數矩陣表60
圖6-6、Fuzzy ART初始設定62
圖6-7、編號1的分群結果62
圖6-8、編號2的分群結果63
圖6-9、Fuzzy c-means的參數設定64
圖6-10、編號3的分群結果（群數3）64
圖6-11、編號4的分群結果（群數3）65
圖6-12、編號3的分群結果（群數4）65
圖6-13、編號4的分群結果（群數4）66
圖6-14、編號5的分群結果67
圖6-15、編號6的分群結果68
圖6-16、編號1最佳化後的分群結果72
圖6-17、編號2最佳化後的分群結果74
圖6-18、編號3（群數3）最佳化後的分群結果75
圖6-19、編號3（群數4）最佳化後的分群結果76
圖6-20、編號4（群數3）最佳化後的分群結果78
圖6-21、編號4（群數4）最佳化後的分群結果78
圖6-22、編號5最佳化後的分群結果81
圖6-23、編號6最佳化後的分群結果82
表目錄
表3-1、各類符號一覽表23
表6-1、配對編號對照表61
表6-2、工件族相關資料（編號1及編號2）63
表6-3、工件族相關資料（編號3及編號4；群數3）66
表6-4、工件族相關資料（編號3及編號4；群數4）67
表6-5、工件族相關資料（編號5及編號6）68
表6-6、機器資料69
表6-7、編號1及編號2機器分派後結果（I）70
表6-8、編號3及編號4機器分派後結果（群數3）（I）70
表6-9、編號3及編號4機器分派後結果（群數4）（I）71
表6-10、編號5及編號6機器分派後結果（I）71
表6-11、編號1最佳化的過程……………………………………………………………………73
表6-12、最佳化後工件族相關資料（編號1）73
表6-13、編號2最佳化的過程……………………………………………………………………74
表6-14、最佳化後工件族相關資料（編號2）.75
表6-15、編號3(群數3)最佳化的過程……………………………………………………………76
表6-16、最佳化後工件族相關資料（編號3（群數3））77
表6-17、編號3(群數4)最佳化的過程….…………………………………………………..…….77
表6-18、最佳化後工件族相關資料（編號3（群數4））.77
表6-19、編號4(群數3)最佳化的過程……………………………………………………..…….79
表6-20、最佳化後工件族相關資料（編號4（群數3））…..79
表6-21、編號4(群數4)最佳化的過程……………………………………………………..……..80
表6-22、最佳化後工件族相關資料（編號4（群數4））80
表6-23、編號5最佳化的過程……………………………………………………..……………..81
表6-24、最佳化後工件族相關資料（編號5）82
表6-25、編號6最佳化的過程……………………………………………………..……………..83
表6-26、最佳化後工件族相關資料（編號6）83
表6-27、編號1機器分派後結果（II）84
表6-28、編號2機器分派後結果（II）84
表6-29、編號3機器分派後結果（群數3）（II）85
表6-30、編號3機器分派後結果（群數4）（II）85
表6-31、編號4機器分派後結果（群數3）（II）86
表6-32、編號4機器分派後結果（群數4）（II）86
表6-33、編號5機器分派後結果（II）87
表6-34、編號6機器分派後結果（II）87
表6-35、初始解的比較88
表6-36、最佳化後的比較89
表6-37、總製造成本之比較90
表6-38、單元彈性（1）之比較90
表6-39、單元彈性（2）之比較91
表6-40、群內類似係數和之比較91
表A-1、編號1及編號2初始解之單元成型結果100
表A-2、編號3及編號4(群數3)初始解之單元成型結果101
表A-3、編號3及編號4(群數4)初始解之單元成型結果102
表A-4、編號5及編號6初始解之單元成型結果103
表B-1、編號1最佳化後之單元成型結果104
表B-2、編號2最佳化後之單元成型結果105
表B-3、編號3(群數3)最佳化後之單元成型結果106
表B-4、編號3(群數4)最佳化後之單元成型結果107
表B-5、編號4(群數3)最佳化後之單元成型結果108
表B-6、編號4(群數4)最佳化後之單元成型結果109
表B-7、編號5最佳化後之單元成型結果110
表B-8、編號6最佳化後之單元成型結果111

參考文獻

Adil, G. K., Rajamani, D. and Strong, D., 1996, “Cell formation considering alternate routings,” International Journal of Production Research, vol. 34, no. 5, pp. 1361-1380.
Benjaafar, S., 1992, “Modeling and analysis of flexibility in manufacturing systems,” Ph.D. Thesis, School of Industrial Engineering, Purdue University, West Lafayette, IN47907, USA.
Bezdek, J. C.,1981,”Pattern Recognition with Fuzzy Objective Function Algorithms(New York：Plenum Press)
Burbidge, J. L., 1971, “Production flow analysis,” The Production Engineer, April/May, pp. 139-152.
Burbidge, J. L., 1977, “A manual method of production flow analysis,” The Production Engineer, Oct, pp. 34-38.
Burbidge, J. L., 1989, “Production flow analysis─for planning group technology,” Oxford: Clarendon Press.
Burke, L. I. and Kamal, S., 1992, “Fuzzy art and celluar manufacturing,” ANNIE 92 Conference Proceedings, pp. 779-784.
Carpenter, G. A. and Grossberg, S., 1987, “A massively parallel architecture for a self-organizing neural pattern recognition machine,” Computer Vision Graphics Image Process, vol. 37, pp. 54-115.
Carpenter, G. A. and Grossberg, S., 1987, “ART2：self-organization of stable category recognition codes for analog input patterns,” Applied Optics, vol. 26, pp. 4919-4930.
Carpenter, G. A. and Grossberg, S., 1990, “ART3：hierarchical search using chemical transmitters in self-organization pattern recognition architectures,” Neural Networks, vol. 3, no.2, pp. 129-152.
Carpenter, G. A. and Grossberg, S., 1991, “Fuzzy ART：Fast stable learning and categorization of analog parrerns by an adaptive reasonanace system,” Neural Networks, vol. 4, pp. 759-771.
Carrie, A. S., 1973, “Numerical taxonomy applied to group technology and plant layout,” International Journal of Production Research, vol. 27, no. 10, pp. 1795-1810.
Chan, H. M. and Miller, D. A., 1982, “Direct clustering algorithm for group formation in cellular manufacturing,” Journal of Manufacturing Systems, vol. 1, no. 10, pp. 65-74.
Chandrasekharan, M. P. and Rajagopalan, R., 1986, “MDROC: an extension of rank order clustering for group technology,” International Journal of Production Research, vol. 24, no. 5, pp. 1221-1233.
Chu, C. H., 1997, “An improved neural network for manufacturing cell formation,” Decision Support Systems, vol. 20, pp. 279-295.
Chu, C. H. and Hayya, J. C., 1991, “A fuzzy Clustering approach to manufacturing cell formation,” International Journal of Production Research, vol. 29, no. 7, pp.1475-1487
CPLEX, 1999, Using the CPLEX Callable Library and CPLEX Mixed Integer Library. (Incline Village, NV: CPLEX Optimization).
DeWitte, J., 1980, “The use of similarity coefficients in production flow analysis,” International Journal of Production Research, vol. 18, no. 4, pp. 503-514.
El-Essawy, I. G. K. and Torrance, J., 1972, “Component flow analysis─an affective approach to production system’s design,” The Production Engineer, Amy, pp. 165-170.
Gindy, N. N. Z., Ratchev, T. M. and Case, K., 1995, “Component grouping for GT applications- a fuzzy clustering approach with validity measure, ”International Journal of Production Research, vol.33, no.9, pp.2493-2509
Gunasingh, K. R. and Lashkari, R. S., 1989, “Machine grouping problem in cellular manufacturing systems─an integer programming approach,” International Journal of Production Research, vol. 27, no. 9, pp. 1465-1473.
Güngör, Z. and Arikan F., 2000,”Application of fuzzy decision making in part-machine grouping,” International Journal of Production Economics, vol.63, Iss.2, pp.181-193.
Ho, Y. C. and Moodie, C. L., 1996, “Solving cell formation problems in a manufacturing environment with flexible processing and outing capabilities,” International Journal of Production Research, vol. 34, no. 10, pp. 2901-2923.
Islam, K. M. S. and Sarker, B. R., 2000, “A similarity coefficient measure and machine-parts grouping in cellular manufacturing systems,” International Journal of Production Research, vol. 38, no. 3, pp.699-720
Josien, K.and Liao, T. W., 2000, “Integrated use of fuzzy c-means and fuzzy KNN for GT part family and machine cell formation,” International Journal of Production Research, vol.38, no. 15, pp.3513-3536
Kamal, S. and Burke, L. I., 1996, “A new neural network-based clustering algorithm for group technology,” International Journal of Production Research, vol. 34, no. 4, pp. 919-946.
Kao, Y. and Moon, Y. B., 1991, “A unified group technology implementation using the backpropagation learning rule of neural networks,” Computers Industrial Engineering, vol. 20, no. 4, pp. 425-437.
King, J. R. and Nakornchai, V., 1982, “Machine-component group formation in group technology: review and extension,” International Journal of Production Research, vol. 20, no. 2, pp. 117-133.
King, J. R., 1980, “Machine-component grouping in production flow analysis: an approach using a rank order clustering algorithm,” International Journal of Production Research, vol. 18, no. 2, pp. 213-232.
Kusiak, A. and Chung, Y., 1994, “Grouping parts with a neural network,” Journal of Manufacturing Systems, vol. 13, no. 4, pp. 262-275.
Kusiak, A. and Ibrahim, W. N., 1988, “Knowledge-based System for Group Technology (KGBT),” International Conference on Computer Integrated Manufacturing, New York, May, pp. 184-193.
Kusiak, A. and Lee, H., 1996, “Neural computing-based design of components for cellular manufacturing,” International Journal of Production Research, vol. 34, no. 7, pp. 1777-1790.
Leem, C. W. and Chen, J. J.G., 1996,”Fuzzy-set based machine-cell formation in cellular manufacturing,” Journal of Intelligent Manufacturing, vol. 7, pp.355-364
Lin, G. Y. and Solberg, J. J., 1991, “Effectiveness of Flexible Routing Control,” International Journal of Flexible Manufacturing System, no. 3, pp. 189-211.
Lin, G. Y., 1993, “A distributed production control for intelligent manufacturing systems,” PhD thesis, Purdue University.
Malakooti, B. and Yang, Z., 1995, “A variable-parameter unsupervised learning clustering neural network approach with application to machine-part group formation,” International Journal of Production Research, vol. 33, no. 9, pp. 2395-2413.
McAuley, J., 1972, “Machine grouping for efficient production,” The Production Engineer, February, pp. 53-57.
Moon, Y. B. and Chi, S. C., 1991, “Generalized part familary formation using neural network techniques,” Journal of Manufacturing Systems, vol. 11, no. 3, pp. 149-159.
Moon, Y. B., 1990, “An interactive activation and competition model for machine-part family formation in group technology,” Proceeding of the International Joint Conference on Neural Networks, Washington DC, vol. 2, pp. 667-670.
Mosier, C. T., 1985, “An experiment investigating the application of clustering procedures and similarity coefficients to the GT machine cell formation problem,” International Journal of Production Research, vol. 27, no. 10, pp. 1811-1835.
Mukhopadhyay, S. K., Babu, K. R. and Sai, K. V. V., 2000, “Modified Hamiltonian chain：a graph theoretic approach to group technology,” International Journal of Production Research, vol.38, no.11, pp.2459-2470
Piplani, P. and Talavage, J., 1995, “Launching and dispatching strategies for multi-criteria control of closed manufacturing systems with flexible routeing capability,” International Journal of Production Research, vol. 33, no. 8, pp. 2181-2196.
Rajamani, D., Singh, N. and Aneja, Y. P., 1990, “Integrated design of cellular manufacturing systems in the presence of alternative process plans,” International Journal of Production Research, vol. 28, no. 8, pp. 1541-1554.
Rardin, L. R., 1998, “Optimization in operations research,” Prentice Hall, Upper Saddle River, N.J.
Sarker, B. R. and Xu, Y., 2000,”Designing multi-product lines: job routing in cellular manufacturing systems,” IIE Transactions, vol. 32, no.3, pp.219-235
Shafer, S. M. and Roger, D. F. , 1993, “Siomiliarity and distance measures for cellular manufacturing, part1:a survey, ” International Journal of Production Research, vol. 31, no. 5, pp. 1133-1142.
Su, C. T. and Hsu, C. M., 1998, “Manufacturing cell formation using genetic algorithm VS. neural network,” Journal of Chinese Institute of Industrial Engineers, vol. 15, no. 2, pp. 127-139.
Suresh, N. C., Slomp, J. and Kaparthi, S., 1995, “The capacitated cell formation problem: a new hierarchical methodology,” International Journal of Production Research, vol. 33, no. 6, pp. 1761-1784.
Tan, K. Y., 1990, “An operation sequence based similarity coefficient for part families formations,” Journal of Manufacturing Systems, vol. 9, no. 1, pp. 55-68.
Vakharia, A. J. and Wemmerlov, U., 1990, “Designing a Cellular Manufacturing System: A Material Flow Approach Based on Operations Sequences,” IIE Transaction, vol. 22, no. 1, pp. 84-97.
Wu, H. l., Venugopal, R. and Barash, M. M., 1986, “Design of cellular manufacturing system : a syntactice pattern recognition approach,” Journal of Manufacturing Systems, vol. 5, no. 2, pp. 81-87.
Wu, N. and Salvendy, G., 1999,”An efficient heuristic for the design of cellular manufacturing systems with multiple identical machines,” International Journal of Production Research, vol. 37, no.15, pp.3519-3540
Yoshikawa, K., Fukuta, T., Morukawa, K., Takahashi, K. and Nakamura, N., 1997, “A neural network approach to the cell formation problem,” The 14th International Conference on Production Research, Osaka Japan, August 4-8, pp. 1100-1103.
Timothy, J. R.,1997, Fuzzy logic with engineering applications, McGraw Hill, New York.
何應欽、林裕智, 1998, “在具製程與途程彈性之製造環境下之以類似係數為基礎的單元成型法,” 中國工業工程學會八十七年年會, 台灣彰化（大葉大學）。
何應欽、楊家興,1999, “在具製程與途程彈性之製造環境下之以機器使用機率為基礎的單元成型法,” 中國工業工程學會八十八年年會, 台灣新竹（清華大學）。

指導教授

何應欽(Ying-Chin Ho)

審核日期

2001-7-11

推文