PCB厂之生产程以基因演算法架构.docVIP

PCB廠之生產排程以基因演算法架構Scheduling Of PCB Factory Building By Genetic Algorithms 曾文宏 南台科技大學工業管理研究所 吳秉威 南台科技大學工業管理研究所摘要 PCB（Printed Circuit Board）廠為電子產業的基礎，一般的電子產品大多數都含有PCB板在內部，如何大量的產出及縮短總完工時間，決定了工廠的利潤來源。一般來說PCB工廠為了要使流程時間縮短，通常都會從機台的平衡（Balance）、技術的改良及機台的更新來著手，往往忽略了排程（Scheduling）在生產規劃的重要性，而且PCB廠的工廠模式，屬於平行機台（Unrelated Parallel Machines）為複雜的求解模式，如果以工廠人員手動的排程方法需要花費較多的時間且其解也不一定較佳，本研究以基因演算法（Genetic Algorithms）建構排程的求解模式，利用基因演算法的優點來解決複雜的排程問題。 關鍵詞：PCB工廠、不相關平行機台、基因演算法 導論 在整個製造規劃和控制系統的架構中，由於排程連結了物料需求規劃功能和生產現場的執行功能，而扮演了重要的角色。排程可以定義為在一段時間內，配置可用的資源來處理一群工作，以達到所設定的目標；而目標則可以訂為滿足交期或縮短閒置時間等。為了能有效地達成既定的目標，大量解決排程問題的方法不斷的提出，但直到今天排程問題依然存在且持續被討論著。 在1980年之前，解決排程問題的方法可劃分成兩大類[2]：一是最佳化問題，另一方面則是啟發式法則。作業研究可以說是最佳化技術的典型代表；但是應用最佳化所發展出來的排程策略，往往會因為過多的假設而變得不切實際，無法實際地應用在真實的製造系統中。至於啟發式法則典型的代表就是派工法則。啟發式的優點是較簡單且實用，缺點為具有高度的系統和準則的相依性；如Moreno和Ding[9]對於排程問題中零件的選取法，提出一套啟發式的法則。Mukhopadhyay[10]則發展整合各啟發式法的排程方法進行排程工作。 在1980 年代以後，人工智慧與最佳化技術結合，促成最佳化搜尋技術的發展。模擬退火法（Simulated Annealing）[11]和遺傳基因演算[11]等均是屬於最佳化搜尋技術的領域。這類方法的特性在於能在廣大的解答空間（Solution Space）中有效地搜尋到近似最佳解的答案；如Kim 和Lee[12]以分散式遺傳基因演算法為基礎，衍生出一個零工型製造系統的排程方法，可以在合理的計算時間內找出最佳的排程解答；Murata 及Ishibuchi[d]則以遺傳基因演算法、塔布搜尋法（Tabu search）和模擬退火法來探討流線型製造系統的排程問題，實驗結果顯示遺傳演算法的表現優於另外兩者。 針對平行機器排程問題，總時程最小化、總流程時間最小化和總延遲時間最小化，均是屬於NP-hard 問題的範圍[13]。現有文獻大多探討相同機器或等率機器之排程問題，就問題複雜度而言，不相關機器之問題較相同或等率機器之問題更為困難。 由於IC封裝技術不斷提升，IC載板( ICSubstrate )需求量近年來成長迅速。在台灣既有半導體產業集聚的優勢條件下，IC載板儼然成為印刷電路板廠及晶圓封裝廠等各家廠商未來所積極投資發展的重點。IC載板的製程類似印刷電路板PCB ( PrintedCircuitBoard )的製程，以往與PCB相關的研究較偏重於PCB插件組裝及製程技術，而少數探討PCB裸板排程方面的研究亦僅止於考量單一加工站生產限制條件的產能規劃，對於印刷電路板廠的管理尤其在排程上的問題卻很少有這方面的研究。結合PCB工廠的生產排程與基因演算法，為了得到使多個訂單能在最短的時間內完工，來換取接更多的訂單，使得工廠的盈餘增加。 問題描述 一般來說PCB工廠的廠房佈置，皆為平行機台的樣式，且每一條生產線在微調之後都可以生產任一產品，差別在每一條生產所需花費的時間不同，過去有人以數學規劃的方式；再利用LINDO求解，但是只要問題數量大的話，在加上電腦設備不夠強，求解時間往往需要很久。非相關平行機台總完工時間最小化排程問題可利用下列線性規劃數學模式來表示[]： Minz＝Cmax ， s.t. ak＋ ≦ Cmax ， k ， ＝1， j ， rj＋ ≦ Cmax ， j,k， xjk ≧ 0 ， j,k ， 符號定義： Cmax ：工作的總完工時間， ak ：機器k的開始加工時間， rj ：工作j的底達時間， xjk ：工作j指定在機器k加工的百分比（1 or 0）， pjk