| 姓名 |
溫盛夫(Sheng-Fu Wen)
查詢紙本館藏 |
畢業系所 |
機械工程學系在職專班 |
| 論文名稱 |
AMHS派貨邏輯利用類神經網路結合遺傳演算法實現效能動態最佳化研究
(AMHS dispatch logic efficiency dynamic optimization by neural networks and genetic algorithms)
|
| 相關論文 | |
| 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) |
TFT-LCD面板產業近年來為台灣發展速度最快的產業之一，其產業特色為資本密集且進入與退出均具有障礙，面板廠商須不斷投資擴充產能以維持自身競爭能力，持續降低成本、提升生產效率為面板廠商成功之關鍵因素。目前工廠均導入CIM建構的全自動化生產環境，AMHS為CIM的核心之ㄧ，執行生產過程中玻璃基板的運送與儲存作業。
AMHS控制軟體派送命令先後順序的邏輯，對於整個系統的效能有相當的影響力，在本研究中以個案公司G5的In-Line式Stocker Controller為例，其特色為同一時間Controller會收到許多的搬送命令，而Stocker一次只執行一筆命令，因此，藉由調整命令派送的先後順序，就可以影響區域生產時間，進而提升產能而不用花費到硬體改造的費用。
在案例公司的目前設計中，提出利用命令特徵因子加上各特徵因子權重，將其彼此相乘後的權值作為命令派送順序的依據，以兼顧效能提升與製程Q-time需求。但是，由於製程機台的生產條件會一直不斷的改變，而固定的權重未必符合所有的製程設備之生產條件，導致AMHS無法發揮最大的搬送效能。
因此，本研究利用類神經網路模擬出系統搬送效能的預測模型，再搭配遺傳演算法，當生產條件改變的時候，即時的計算出適合的命令特徵因子權重，如此一來便可以使AMHS一直發揮較大的搬送效能，進而提升產能。
|
| 摘要(英) |
TFT-LCD industry in Taiwan in recent years is one of the fastest growing industries，the industry is characterized by capital-intensive and have barriers to entry and exit are，panel manufacturers have been investing to expand capacity in order to maintain their competitive edge, continue to reduce costs，improve production efficiency for the panel makers, the key success factors. Construction of the factory are now fully automated CIM into the production environment, AMHS is the core of Your CIM implementation process of production of glass substrate transport and storage operations.
AMHS control software logic of sending the command sequence，the performance of the whole system has considerable influence，in this study to the case company’’s G5’’s In-Line Type Stocker Controller Example，controller of its features for the same time will receive a lot of to shift commands，and the implementation of a command stocker time only，so by adjusting the sequence order delivery，can affect the production time and increase productivity without having to spend to transform the hardware costs.
Current research and design, typically made use of by various characteristics of the command characteristic factor weighting factor, to multiply each other right after the delivery of the order value as the basis for the command. However, due to the production of process equipment conditions will constantly change, and fixed weights may not meet all the conditions of production process equipment, resulting in AMHS can not get maximum performance to move.
Therefore, this study is to use neural network to simulate the performance of the system to shift the forecast model, with the combination of genetic algorithm, the time when production conditions change, real-time order characteristics calculated for the weight factor, this would allow AMHS has been to shift to play a greater effectiveness, improving productivity.
|
| 關鍵字(中) |
★ AMHS
★ 最佳化
★ 排程邏輯
★ 神經網路
★ 遺傳演算 |
關鍵字(英) |
★ AMHS
★ optimization
★ dispatch logic
★ neural networks
★ genetic algorithms |
| 論文目次 |
摘要 I
ABSTRACT II
致謝 IV
目錄 V
圖目錄 VIII
表目錄 X
第1章 緒論 1
1-1 前言 1
1-2 IN-LINE STOCKER INTRODUCTION 1
1-3 研究動機與目的 4
1-4 研究範圍與限制 7
1-5 論文架構 7
第2章 系統搬送效能預測模型 9
2-1 類神經網路 9
2-1-2 人工神經元模型 10
2-1-3 類神經網路學習方式 11
2-1-4 倒傳遞類神經網路基本架構 13
2-1-5 倒傳遞網路之學習演算法 16
第3章 系統參數最佳化 20
3-1 遺傳演算法 20
3-1-1 遺傳演算法流程 21
3-1-2 編碼、解碼與字串長度 22
3-1-3 複製 23
3-1-4 交配與交配率 25
3-1-5 突變與突變率 27
3-1-6 適應函數 28
第4章 AMHS系統效能動態最佳化實驗 30
4-1 以類神經網路建構系統搬送效能預測器 30
4-1-1 訓練資料 30
4-1-2 訓練數據輸入因子 32
4-1-3 數據正規化 33
4-1-4 網路訓練函數選擇 34
4-1-5 網路訓練參數 35
4-2 結合遺傳演算法實現權重動態最佳化 39
4-2-1 適應度函數 40
4-2-2 遺傳演算參數設定 40
4-3 結果分析 44
4-3-1 FIFO系統效能模擬結果 44
4-3-2 AutoMod最佳化權重系統效能模擬結果 45
4-3-3 類神經與遺傳演算最佳化權重系統效能模擬結果 49
4-3-4 固定與動態最佳化權重系統效能模擬結果 50
第5章 結論與建議 54
5-1 結論 54
5-2 未來研究與建議 54
參考文獻 56
|
| 參考文獻 |
﹝1﹞ 林逸塵，「類神經網路應用於空氣品質預測之研究」，國立中山大學，碩士論文，2002。
﹝2﹞ 林坤濱，「內嵌式自動倉儲(In-line Stocker)於大尺寸面板廠應用之探討–以TFT-LCD 公司為例」，國立中央大學，碩士論文，2008。
﹝3﹞ 紀碧如，「基因演算法用於增加產能的研究-以TFT-LCD 廠Array 製程RGV 搬送為例」，國立交通大學，碩士論文，2006。
﹝4﹞ 葉怡成，「類神經網路模式應用與實作第七版」，儒林出版社，2000。
﹝5﹞ 周鵬程，「類神經網路入門活用Matlab(第三版)」，全華科技，2006。
﹝6﹞ 周鵬程，「遺傳演算法原理與應用活用Matlab(修訂三版)」，全華科技，2007。
﹝7﹞ 李輝煌，「田口方法-品質設計的原理與實務」，高立圖書有限公司，2004。
﹝8﹞ 張斐章、張麗秋、黃浩倫，「類神經網路 理論與實務」，東華書局，2004。
﹝9﹞ 羅華強，「類神經網路-Matlab的應用」，高立圖書有限公司，2008。
﹝10﹞ 郭信川，王鴻鈞，「遺傳演算法在最佳化設計問題之應用」，中國造船暨輪機工程學刊，第17 卷，第1 期，第39-48 頁，1998。
﹝11﹞ 曾毓文，簡順源，「遺傳演算法在平行機器排程上的應用」，機械工業雜誌，頁252-262，2000。
﹝12﹞ 游竣安，「自動化物料搬運系統在晶圓製造廠之應用」，碩士論文，私立中原大學工業工程學系，2001。
﹝13﹞ 林孟則，「自動倉儲系統的規劃與評估」，機械月刊，第十九卷，第二期，1993。
﹝14﹞ 林孟則、郭曜賑，「半導體廠之自動物料搬運系統模擬分析」，第一屆海峽兩岸製造技術研討會論文集，第40-47 頁，2000。
﹝15﹞ 羅仕宗，「時間加權的及時派工法則」，國立清華大學工業工程與管理學系，碩士論文，2001。
﹝16﹞ 莊建鏵，「基於等候時間分配的達交率導向派工法則」，國立清華大學工業工程研究所，碩士論文，2003。
﹝17﹞ 顏玉芬，「應用基因演算法於自動化搬運系統傳送路徑最佳化研究」，國立勤益科技大學電子工程系碩士班，碩士論文，2008。
﹝18﹞ Jang Y. J. & Han S. & Noor J, “Industry Case Study: Automated Material Handling System Design for TFT-LCD production Lines using Axiomatic Design,” ICAD 4th International Conference on Axiomatic Design, Firenze, June 13-16, 2006。
﹝19﹞ Rolland E., “Abstract Heuristic Search Method for Genetic Algorithm” Ph.D dissertation,The Ohio State University Columbus, 1991.
﹝20﹞ Egbelu P. J., “Pull Versus Push Strategy for Automated Guided Vehicle Load Movement ina Batch Manufacturing System”, Journal of Manufacturing System, Vol.6, No.3, pp.271-280,1987.
﹝21﹞ Potts, J.C. & Giddens, T.D. & Yadav, S.B., “The Development and Evaluation of an Improved Genetic Algorithm Based on Migration and Artificial Selection” IEEE Transactions on System, Man. and Cybernetics, Vol.24, No.1, pp.73-86, January 1994.
﹝22﹞ Simon Haykin, ”Neural Networks A Comprehensive Fuundation,”Prentice Hall International，1999.
﹝23﹞ Chia-Nan Wang，” Preemptive Hot Lots Services and Modularized Simulation forLot Delivery Time Estimation in Automatic Material HandlingSystems of 300mm Semiconductor Foundry”， National Chiao Tung University，2004。
﹝24﹞ Gaurav K. Agrawal & Sunderesh S. Heragu,” A survey of automated material handling systems in 300-mm semiconductor fabs”, IEEE Transactionas on Semiconductor Manufacturing, 19, 112-120, 2006.
﹝25﹞ Brooks Automation technical support, AutoMod user’s manual volumes 1 and 2,Brooks Automation, INC., Utah, 2001.
|
| 指導教授 |
黃衍任(Yean-Ren Hwang)
|
審核日期 |
2010-6-28 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
