主效果項分析

一、儲存策略

從表 4.19 中可知儲存策略在不同訂單批量電腦運算時間、不同揀貨 路徑規劃電腦運算時間、總電腦運算時間、總揀貨距離、揀貨時間與總 作業時間有顯著差異，因此將各績效指標下之平均數與標準差彙整於表 4.20，如表 4.20 所示，在不同訂單批量電腦運算時間下分區儲存執行時 間為 0.0893 秒較不分區儲存 0.0958 秒短；不同揀貨路徑規劃電腦運算 時間下分區儲存執行時間為 1092.9805 秒較不分區儲存 1352.5744 秒短；

總電腦運算時間下分區儲存執行時間為 1093.0697 秒較不分區儲存 1352.6702 秒短；總揀貨距離下分區儲存行走距離為 19306.1567 公尺較 不分區儲存 45890.6511 公尺短；揀貨時 間下分區儲存揀貨時 間為 1296.5506 秒較不分區儲存 1600.6195 秒短；總作業時間下分區儲存總作 業時間為 4729.2213 秒較不分區儲存 5033.3043 秒短。綜合觀之若能採取 分區儲存，將可於這些績效指標上達到良好表現。

表 4.20 各績效指標下不同儲存策略之平均數與標準差

績效指標 儲存策略 觀察個數 平均數 標準差

分區儲存 450 0.0893 0.0837 不同訂單批量

電腦運算時間 不分區儲存 450 0.0958 0.0939 分區儲存 450 1092.9805 1019.3870 不同揀貨路徑規劃

電腦運算時間 不分區儲存 450 1352.5744 1371.2364 分區儲存 450 1093.0697 1019.3824 總電腦運算時間

不分區儲存 450 1352.6702 1371.2334 分區儲存 450 19306.1567 6075.8470 總揀貨距離

不分區儲存 450 45890.6511 16172.8558 分區儲存 450 1296.5506 142.3439 揀貨時間 不分區儲存 450 1600.6195 240.4293 分區儲存 450 4729.2213 103.7105 總作業時間

不分區儲存 450 5033.3043 205.0354 二、訂單批量

由表 4.19 可得知不同訂單批量於不同訂單批量電腦運算時間有顯著 差異，因此將平均數與標準差彙整於表 4.21，並透過 Duncan 分析將三 種訂單批量劃分為三個子集，如表 4.22，表示三種方法皆有顯著差異，

結果為單一訂單最佳，其次為關聯訂單批量，最後為最適封包批量，但 電腦運算時間平均值皆不到 1 秒，所以差異感覺不大。

表 4.21 不同訂單批量電腦運算時間下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 0 0

最適封包批量 300 0.2117 0.0141 不同訂單批量電腦

運算時間

關聯訂單批量 300 0.0659 0.0064 表 4.22 不同訂單批量電腦運算時間下不同訂單批量之 Duncan 檢定

訂單批量 觀察個數 子集

1 2 3

單一訂單 300 0

關聯訂單批量 300 0.0659

最適封包批量 300 0.2117

顯著性 1 1 1

由表 4.19 可得知不同訂單批量於不同揀貨路徑規劃電腦運算時間有 顯著差異，因此將平均數與標準差彙整於表 4.23，並透過 Duncan 分析 將三種訂單批量劃分為三個子集，如表 4.24，表示三種方法皆有顯著差 異，訂單批量之不同將影響揀貨路徑規劃電腦運算時間，結果為關聯訂 單批量最佳，其次為最適封包批量，最後為單一訂單，從結果中亦可發 現訂單批次化後可降低揀貨路徑規劃電腦運算時間。

表 4.23 不同揀貨路徑規劃電腦運算時間下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 1343.4726 1214.1450 最適封包批量 300 1187.3362 1236.8220 不同揀貨路徑規劃

電腦運算時間

關聯訂單批量 300 1137.5235 1186.4677

表 4.24 不同揀貨路徑規劃電腦運算時間下不同訂單批量之 Duncan 檢定 訂單批量 觀察個數 子集

1 2 3

關聯訂單批量 300 1137.5235

最適封包批量 300 1187.3362

單一訂單 300 1343.4726

顯著性 1 1 1

由表 4.19 可得知不同訂單批量於總電腦運算時間有顯著差異，因此 將平均數與標準差彙整於表 4.25，並透過 Duncan 分析將三種訂單批量 劃分為三個子集，如表 4.26，表示三種方法皆有顯著差異，訂單批量之 不同將影響總電腦運算時間，結果為關聯訂單批量最佳，其次為最適封 包批量，最後為單一訂單，從結果中亦可發現訂單批次化後可降低總電 腦電腦運算時間。

表 4.25 總電腦運算時間下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 1343.4726 1214.1450 最適封包批量 300 1187.5479 1236.8233 總電腦運算時間

關聯訂單批量 300 1137.5895 1186.4676 表 4.26 總電腦運算時間下不同訂單批量之 Duncan 檢定

訂單批量 觀察個數 子集

1 2 3

關聯訂單批量 300 1137.5895

最適封包批量 300 1187.5479

單一訂單 300 1343.4726

顯著性 1 1 1

由表 4.19 可得知不同訂單批量於總揀貨距離有顯著差異，因此將平 均數與標準差彙整於表 4.27，並透過 Duncan 分析將三種訂單批量劃分 為三個子集，如表 4.28，表示三種方法皆有顯著差異，訂單批量之不同

將影響總揀貨距離，結果為關聯訂單批量最佳，其次為最適封包批量，

最後為單一訂單，而使用關聯訂單批量與最適封包批量明顯優於單一訂 單，表示只要使用批次化方法皆能有效且大幅降低總揀貨距離。

表 4.27 總揀貨距離下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 43509.3483 19267.2099 最適封包批量 300 27281.4617 15110.7252 總揀貨距離

關聯訂單批量 300 27004.4017 14186.9995 表 4.28 總揀貨距離下不同訂單批量之 Duncan 檢定

訂單批量 觀察個數 子集

1 2 3

關聯訂單批量 300 27004.4017

最適封包批量 300 27281.4617

單一訂單 300 43509.3483

顯著性 1 1 1

由表 4.19 可得知不同訂單批量於總揀貨旅行次數有顯著差異，因此 將平均數與標準差彙整於表 4.29，並透過 Duncan 分析將三種訂單批量 劃分為三個子集，如表 4.30，表示三種方法皆有顯著差異，訂單批量之 不同將影響總揀貨旅行次數，結果為關聯訂單批量最佳，其次為最適封 包批量，最後為單一訂單，結果亦顯示使用批次化方法將大幅降低總揀 貨旅行次數。

表 4.29 總揀貨旅行次數下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 300 0

最適封包批量 300 142.1667 1.4303 總揀貨旅行次數

關聯訂單批量 300 138.0000 1.3060

表 4.30 揀貨旅行次數下不同訂單批量之 Duncan 檢定 訂單批量 觀察個數 子集

1 2 3

關聯訂單批量 300 138.0000

最適封包批量 300 142.1667

單一訂單 300 300

顯著性 1 1 1

由表 4.19 可得知不同訂單批量於車輛滿載率有顯著差異，因此將平 均數與標準差彙整於表 4.31，並透過 Duncan 分析將三種訂單批量劃分 為三個子集，如表 4.32，表示三種方法皆有顯著差異，訂單批量之不同 將影響車輛滿載率，結果為關聯訂單批量最佳，其次為最適封包批量，

最後為單一訂單，結果亦顯示使用批次化方法將有效提升車輛滿載率。

表 4.31 車輛滿載率下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 0.4005 0.0030 最適封包批量 300 0.8452 0.0061 車輛滿載率

關聯訂單批量 300 0.8707 0.0059 表 4.32 車輛滿載率下不同訂單批量之 Duncan 檢定

訂單批量 觀察個數 子集

1 2 3

單一訂單 300 0.4005

最適封包批量 300 0.8452

關聯訂單批量 300 0.8707

顯著性 1 1 1

由表 4.19 可得知不同訂單批量於揀貨時間有顯著差異，因此將平均 數與標準差彙整於表 4.33，並透過 Duncan 分析將三種訂單批量劃分為 三個子集，如表 4.34，表示三種方法皆有顯著差異，訂單批量之不同將 影響揀貨時間，結果為關聯訂單批量最佳，其次為最適封包批量，最後

為單一訂單，結果亦顯示使用批次化方法將有效減少揀貨時間。

表 4.33 揀貨時間下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 1684.9705 214.3369 最適封包批量 300 1338.7174 173.7173 揀貨時間

關聯訂單批量 300 1322.0672 162.6448 表 4.34 揀貨時間下不同訂單批量之 Duncan 檢定

訂單批量 觀察個數 子集

1 2 3

關聯訂單批量 300 1322.0672

最適封包批量 300 1338.7174

單一訂單 300 1684.970537

顯著性 0.0516 1 1

由表 4.19 可得知不同訂單批量於分流時間有顯著差異，因此將平均 數與標準差彙整於表 4.35，並透過 Duncan 分析將三種訂單批量劃分為 兩個子集，如表 4.36，表示三種方法有顯著差異，訂單批量之不同將影 響分流時間，結果為單一訂單最佳，其次為最適封包批量與關聯訂單批 量，結果亦顯示使用批次化方法將導致分流時間的增加，表示需要較多 的時間進行分類檢查。

表 4.35 分流時間下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 3364.4467 25.6984 最適封包批量 300 3465.4600 25.0717 分流時間

關聯訂單批量 300 3468.1267 25.1210

表 4.36 分流時間下不同訂單批量之 Duncan 檢定 訂單批量 觀察個數 子集

1 2

單一訂單 300 3364.4467

最適封包批量 300 3465.4600

關聯訂單批量 300 3468.1267

顯著性 1 0.2036

由表 4.19 可得知不同訂單批量於總作業時間有顯著差異，因此將平 均數與標準差彙整於表 4.37，並透過 Duncan 分析將三種訂單批量劃分 為三個子集，如表 4.38，表示三種方法皆有顯著差異，訂單批量之不同 將影響總作業時間，結果為關聯訂單批量最佳，其次為最適封包批量，

最後為單一訂單，結果亦顯示使用批次化方法將有效減少總作業時間。

表 4.37 總作業時間下不同訂單批量之平均數與標準差

績效指標 訂單批量 觀察個數 平均數 標準差

單一訂單 300 5049.4172 217.1349 最適封包批量 300 4804.1774 177.1713 總作業時間

關聯訂單批量 300 4790.1939 166.3495 表 4.38 總作業時間下不同訂單批量之 Duncan 檢定

訂單批量 觀察個數 子集

1 2 3

關聯訂單批量 300 4790.1939

最適封包批量 300 4804.1774

單一訂單 300 5049.4172

顯著性 1.0000 1 1

三、揀貨路徑規劃

由表 4.19 可得知不同揀貨法則於不同揀貨路徑規劃電腦運算時間有 顯著差異，因此將平均數與標準差彙整於表 4.39，並透過 Duncan 分析

將五種揀貨法則劃分為四個子集，如表 4.40，表示五種方法皆有顯著差 異，揀貨法則之不同將影響不同揀貨路徑規劃電腦運算時間，結果 MLI 為最佳，並與 MTLI 為同一子集，次之為 MLI 結合 PSO，其次為 PSO，

最後為 AS，結果顯示啟發式演算法(MLI,MTLI)相於巨集啟發式演算法 (PSO,AS)皆執行較快速，而 MLI 結合 PSO 亦能有效減少電腦運算時間，

PSO 相較 AS 有較快的搜尋與收斂速度。

表 4.39 不同揀貨路徑規劃電腦運算時間下不同揀貨法則之平均數與標準差

績效指標 揀貨法則 觀察個數 平均數 標準差

MLI 180 14.8793 3.7349 MTLI 180 15.2480 3.8253 AS 180 3210.7752 524.3033 PSO 180 1446.0762 264.6463 不同揀貨路徑規劃

電腦運算時間

MLI 結合 PSO 180 1426.9084 251.2166 表 4.40 不同揀貨路徑規劃電腦運算時間下不同揀貨法則之 Duncan 檢定

揀貨法則 觀察個數 子集

1 2 3 4

MLI 180 14.8793 MTLI 180 15.2480

MLI 結合 PSO 180 1426.9084

PSO 180 1446.0762

AS 180 3210.7752

顯著性 0.8990 1 1 1

由表 4.19 可得知不同揀貨法則於總電腦運算時間有顯著差異，因此 將平均數與標準差彙整於表 4.41，並透過 Duncan 分析將五種揀貨法則 劃分為四個子集，如表 4.42，表示五種方法皆有顯著差異，揀貨法則之 不同將影響總電腦運算時間，結果 MLI 為最佳，並與 MTLI 為同一子集，

次之為 MLI 結合 PSO，其次為 PSO，最後為 AS，各方法之結果與不同 揀貨路徑規劃電腦運算時間相似。

在文檔中 物流中心揀貨系統之整合設計規劃 (頁 70-81)