固定投入數的結果分析

根據上一節設定的參數，利用物件化編碼基因演算法找出最適合區域的搬送策略。

在實驗結果中，首先討論基因演算法的結果，如下圖所示，前一張圖為基因演算法的代 數與每代的搬送策略所產生的生產時間的平均值，後一張圖為代數與每代的最小生產時 間的推移圖。由圖中可發現，在平均生產時間中，發現其初始時，生產的平均時間很大，

在前五代時急速下降，之後就於在 500,000 秒之間來回移動，逐漸收歛。而對代數與最 小時間之間，也有相同的情行，在前五代時快速下降，之後到 15 代時就到最小值，測

試 50 代以後不再變動，表示其收斂。由結果可發現，在解此問題中利用物件化編碼基 因演算法，能快速的找到適合的解。

400,000 500,000 600,000 700,000 800,000 900,000 1,000,000 1,100,000 1,200,000 1,300,000 1,400,000 1,500,000 1,600,000

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 代數

生產平均時間(秒)

圖 21：利用物件化編碼基因演算法，代數與每代生產時間平均值關係圖

200,000 220,000 240,000 260,000 280,000 300,000

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 代數

最小時間(秒)

圖 22：利用物件化編碼基因演算法，代數與每代最小生產時間關係圖

接著針對找到的區域的搬送策略進行分析，由基因演算法找到的搬送策略函數如 下：

0.294612

間加長，故如搬送命令需要等待 Stocker，則較不易被選中優先處理。在這樣的狀況下，

如搬送命令產生的狀況很頻繁的時候，有可能會造成餓死的問題(需佔用 Stocker 資源的 命令，一直選不到)，因此需要用等待時間來平衡，以搬送策略函數中指的為 的權重 值，當等待時間過越久就越容易被優先選到，而由 的比例可發現約有 7 倍的差 異，表當 Stocker 等待時間越大，則等待時間越久，其數據在正規化後仍有 7 倍的差距。

w4

5

4 w

w 及

另外 表示 RGV 的使用度，此值高表此區域重視 RGV 的搬送的距離，探討其原 因，可發現在 FIFO 策略投入 69 個 Lot 中，RGV 的使用率高達 95%，RGV 一直處於忙 碌的狀況，因此在策略上希望減低 RGV 的忙碌程度，故重視每筆命令搬送的遠近，相 對此權重值也較高。

w3

除上述的搬送策略的分析以外，將機台的使用率列出，如下表，與 FIFO 相較之下，

明顯發現瓶頸機台的使用率有明顯的上升，而 RGV 及 Stocker 的使用率有明顯的下降，

由其以 RGV 的使用率較明顯，此與研究動機中收集的資訊：產能與機台使用率成正比、

RGV 使用率成反比、Stocker 使用率成反比符合。

表 7：最佳搬送策略下，機台使用率列表

機台別 每日機台使用率(%) 每日處理數(Lots) 備註

Ma010 65 104

Ma020 60 97

Ma030 53 86

Ma040 40 64

Ma 平均使用率 54.5%，

平均處理數 87.75Lots

Mb010 40 87

Mb020 57 124

Mb030 66 143

Mb 平均使用率 54.3%，

平均處理數 118Lots

Mc010 48 141

Md010 19 215

RGV 78 1536

Stocker 43 949

分析第二天投入 Lot 的生產時間，將取得的最佳策略與 FIFO 相較，如下表。

表 8：最佳策略與 FIFO 生產時間比較表

最佳策略 FIFO

時間種類(秒) 所有 Lot 一個 Lot 所有 Lot 一個 Lot 製程時間 382260 5540 382260 5540 搬送時間(M) 56982 824.5 111517 1616.2 搬送等待時間(T) 80993 1173.8 224455 3253 等待機台時間(W) 72437 1049.8 1161828 16838.1

M+T+W 210412 3049.4 1497800 21707.2

由上表發現導入此新的搬送策略比原有的 FIFO，在生產時間上有顯著的進步，時 間減少為原來的 14%(210412/1497800)，也就是減少了 86%的搬送時間，效果極為明顯。

如以時間的觀點來看，每各 Lot 在搬送效能方面可減少 18657.8 秒

(21707.2-3049.4=18657.8)，以每個 Lot 得生產時間 8589.4 秒(製程時間+M+T+W)，則原來 可做一個 Lot 的時間，導入新的策略後可處理 2.5Lot。

由於搬送時間、搬送等待時間、等機台時間會互相影響，當搬送時間變短，則同時 在命令列表中，命令的等待時間也會變短，且其他等待機台的 Lot 也可減少等待時間，

而好的搬送策略，可使這三各時間同時減少。根據以上的數字，可以發現此區域的特性，

非常重視搬送的效能，且在最好的狀況下，搬送時間、搬送等待時間、等機台時間的總 和佔整各 Lot 的處理時間的 35%，故由實驗可知，好的搬送策略可提昇產能。