程、黑色矩陣(Black Matrix, BM)製程、三原色(RGB)製程、氧化銦錫導電 玻璃(Indium Tin Oxide, ITO)製程、間隔物(spacer)製程及最終檢查；示意如 圖2-1。
11
以下分別對6 道主要製程進一步說明[28]：
(1) 鉻製程
將鉻以真空濺鍍的方式渡在玻璃基板上成為鉻玻璃。
(2) 黑色矩陣製程
以鉻玻璃為起始物，利用光微影(photolithography)製程以得到保護 膜，再經過蝕刻製程以得到圖樣，最後將保護膜去除(resist stripping)即可 得到鉻圖案，以完成黑色矩陣製程。黑色矩陣在彩色濾光片內的主要功能 有二種，一為提供對比防止漏光，另一為產生光電流。其要求的特性有遮 光性、無缺陷、低反射性及均一性等，目前一般使用的還是以金屬材料為 主，其中鉻及其氧化物為目前最常用的材料。
(3) 三原色製程
首先以著色材料分散在感光性樹脂中，在紫外線照射下經過光反應而 硬化，做反覆的塗佈、曝光、顯影及烘烤等步驟，將分別形成紅、綠、藍 三色的長條形陣列；而某些彩色濾光片會在此製程後另外進行保護膜的塗 佈(over coat)。
(4) 氧化銦錫導電玻璃製程
在真空環境下施加電場，使特殊氣體衝擊ITO 靶材的表面，使之濺鍍 到彩色層上而堆積成膜。
(5) 間隔物製程
加入間隔物於上下兩基板中間減少漏光或顏色不均等缺陷的發生。
(6) 最終檢查
最後在經過均勻、外觀及厚度等品管檢驗後加以包裝出貨。
由流程圖及說明中可得知，RGB 製程為彩色濾光片生產流程中之瓶 頸，製程中須對同一片玻璃重覆進行三次之加工(RGB 三色)，因此導致(相 較於其它製程)最長之加工時間，加工前之換線時間還受不同產品規格(光 阻液、玻璃規格、光罩)所影響，如何有效減少換線時間即為生產排程之重 點。
2.2、彩色濾光片生產規劃問題
TFT-LCD I 型與 Y 型生產模式
謝氏[36]提出一可適用於商用先進生產規劃與排程(Advanced Planning and Scheduling, APS)系統架構之 TFT-LCD 產業特性之生產規劃流程；於文 中探討I 型(不包含彩色濾光片製程)與 Y 型(包含彩色濾光片製程)兩種生產 模式的規劃，如圖2- 2 所示：
I 型生產模式將彩色濾光片視為採購件，其設定為軟性限制(soft constraint)，意即當彩色濾光片的庫存量不足以提供組立製程使用時，系統 依舊安排組立製程之生產，同時產生彩色濾光片淨需求之進料報表。規劃 時由模組組立段之需求、考量規劃期間之良率與製造週期時間，以倒推方 式求得陣列與組立的淨需求，並建議原物料投料時點。並且根據原物料之 投料時間，以前推(push)方式規劃陣列與組立之生產時程，其中組立製程 開工時間即為彩色濾光片需購入的進料時程。
而Y 型生產模式則是將彩色濾光片製程納入考量之中，其製程規劃是 以淨投入量等於組立製程對彩色濾光片的淨需求量除以彩色濾光片的良 率、分級率和一個玻璃基版所能切成的面板片數。
I 型 Y 型
圖2- 2 TFT-LCD I 型及 Y 型上下游生產模式[36]
彩色濾光片
(Color Filter)
陣列製程
(Array Process)
組立製程
(Cell Process)
模組組立製程 (Module Process)
原物料
(Raw Material)
原物料
(Raw Material)
陣列製程
(Array Process)
組立製程
(Cell Process)
模組組立製程 (Module Process)
原物料
(Raw Material)
彩色濾光片
(Color Filter)
13
彩色濾光片生產排程相關文獻
胡氏[30]針對彩色濾光片批量排程問題，考量多階平行機台環境、多 產品、需求隨時間改變之因素，將多階產能受限問題分解成為數個單階的 批量排程問題。先決定最終產品的交貨時間和數量後，利用前置時間轉換 成為前一製程作業的需求數量和時間，以此類推，直到求出起始原物料的 需求。胡氏[30]發展出一套此種情境下可使用的演算法，先算出起始解，
再逐步調整既有解，運用「交換」和「併入」的機制調整生產順序，同時 修正解的合理性，在總存貨成本及缺貨成本最小化前提之下，逐步減少總 整備時間與裝備成本。
賴氏[35]針對彩色濾光片三原色製程的生產排程提出一個二階段解 法，其解法考慮到多種產品在單期確定需求率下的生產排程。第一階段使 用經濟訂購數量(Economic Order Quantity; EOQ)決定各產品的批量大小，
其實驗數據證明利用 EOQ 所決定的固定批量大小能有效的降低規劃時間 內的總延遲時間；第二階段導入ATCS(Apparent Tardiness Cost with Setups) 派工法則找出可行解之排程。詹氏[32]以賴氏[35]為基礎，加以考量隨著時 期而變動的產品需求率，第一階段先利用 EOQ 求出合適批量大小，決定 規劃時間內所有待加工批量，在第二階段中，再利用ATCS 派工法則排出 工件在平行機台上的加工順序，以此作為起始解，最後利用搜尋演算法尋 找較佳解。
溫氏[31]提出一量化的解決方案，解決彩色濾光片製造業生產企劃部 門及採購部門間的協同規劃問題。其以生產企劃部門之角度，在接到業務 部門的客戶需求計畫後，考量上游供應商的供應產能及工廠生產限制，在 不斷線之條件下建構出一個 LP 決策模型，目標在於使材料及成本平均總 庫存值最小化，以提供管理人員在處理生產排程與採購計畫時的規劃工 具。
謝氏[36]提出一可適用於商用 APS 系統架構之 TFT-LCD 產業特性之 生產規劃流程，並針對I 型與 Y 型上下游生產模式，利用 APS 系統進行不 同產能規劃的流程模式，並以推式和拉式推估各廠各時點的淨需求及淨投 入量，其目的在於同步協調各廠的排程計劃，將以上文獻彙整如表 2-1 所 示。
表2-1 CF 相關文獻整理表[29]
15
2.3、順序相依的整備時間相關文獻
順序相依的整備時間定義
整備時間(Setup Time)是指更換模具、機器設定等機台準備時間。在許 多排程文獻中，為簡化其問題複雜性，均假設整備時間含於加工時間中，
而未特別考量。但在紡織業、電子業等產業中，生產排程其整備時間與工 作次序具有相依性；亦即機器
k 在操作工作 j 之前所需的整備時間，和剛
在機器ｋ完成操作的工作i 有關；且機器 k 在操作工作 i 之後所需的拆卸
時間，和緊接著工作ｊ後操作的工作別有關，並非一個固定的時間值。為 降低整備時間與成本，必須探究如何在生產排程上作適當的安排。 求解方法
求解具備順序相依整備時間(SDST：Sequence-dependent setup time)特 性之排程問題，解法大致可分為三種[1]：
（1）最佳解解法：此做法是以作業研究(Operation Research)模式之方法求 取最佳解，由於在求解過程中需要嚴謹之條件和繁瑣之計算，故求 解時間也較長，並且假設條件大多與實際情況無法吻合。因此就數 理規劃方法而言，可用於問題之描述或作為推導近似解之啟發式解 法之基礎，但不易運用於及時性的決策系統。常見之最佳解解法有 分支界限法(Branch & Bound, B&B)、分支切面法(Branch & Cut, B&C)、動態規劃(Dynamic Program, DP)和混合整數規劃 (Mixed Integer Programming, MIP)。
（2）啟發式解法：這類方法是透過反覆進行的演算過程，逐步找出最佳 或近似最佳解。啟發式解法的優點在於容易建構且適用於動態規劃 問題，至於其缺點則於無法擔保在各種環境下都能找到最佳解，亦 即每一種啟發式法皆有其適用的環境，並非適用於所有環境。常見 之啟發式解法如下：基因演算法(Genetic Algorithms, GA)、模擬退火 法(Simulated annealing, SA)、塔布搜尋法 (Tabu Search, TS)以及 GRASP(Greedy Randomized adaptive search procedure)。
（3）混合式解法：藉由運用演算法在相關問題中，驗證這些法則是否具 有求解效率；但不同之演算法則，具有其適用問題之型態與演算之
優缺點存在。因此透過組合型之啟發式演算法來彌補單一演算法則 不足之處，亦即結合兩種啟發式演算法則來求解問題，以達截長補 短之功效。
具備整備時間特性之流程型工廠排程問題
在流程式生產環境下，Yoshida and Hitomi[25]擴展Johnson[14]的傳統 雙機排程問題模式，將整備時間與處理時間分離，並且修正其演算法以求 得問題之最佳解。Sule[19]接續將上述問題擴展，將每一項工件在每一部機 器上的處理時間分為整備時間、處理時間和拆卸時間三個階段，其中整備 時間為獨立但拆卸時間為相依。對此類型問題，作者運用工作前後關係之 將問題簡化為單純的雙機流程式問題，進而使用Johnson’s Rule求解。Sule and Haung[21]則深入探討三機流程式之問題。作者發展三階段之演算法，
第一階段和第二階段分別結合三機中之前兩機與末兩機使問題簡化為雙 機問題，第三階段使用Johnson’s Rule求得近似最佳排程。Proust[18]探討總 完工時間最小化以及整備時間及拆卸時間均為獨立之多機台流程式問 題，作者對小型問題發展一分支界限法，另外對大型問題提出四個啟發式 演算法。
Yang et al.[24]考慮目標式為最小化總完工時間，機台有固定的維護時 間之雙機流程式生產問題。作者以Johnson’s Rule基礎，提出完全群組政策 (full group policy)，以交換工件(Permutation schedule)之方式求解，並與下 界值進行比較，最後驗證其所提出之演算法在此問題下有極小之誤差 (0.0063%)，且工件數越多時誤差越小。
Low et al.[17]探討兩階段混合流程式生產之問題，加入機台具有功能 限制以及不相關替代機台，以最小化總完工時間為目標，提出16種啟發式 演算法，由結果中得知以修正後的Johnson’s Rule搭配First-Fit派工法則的結 果為最佳，並且當機台數越多時效果越好。
17
以下針對上述之文獻，整理如表2- 2所示：
表2- 2 整備時間文獻整理[29]
研究者 問題類型 演算法 結論
Yoshida et al.
[25]
F
m / sij / Cmax 修正 Johnson’s rule 將整備時間與處理時間分離，運用 修正演算法可得最佳解。Sule[19]
F
m / sij / Cmax Johnson’s rule 將時間分成整備時間、加工時間和 拆卸時間，可簡化問題難度。Sule and
Huang[21]
F
m / sij / Cmax 三階段演算法 將問題簡化為單純的雙機流程問 題，可得近似最佳解。Proust et al.
[18]
F
m / sij / Cmax 分支界限法 大型問題仍須以啟發式演算法求 解。Yang et al.
[24]
F
m / sij / CmaxJohnson’s rule、full group policy、
Permutation schedule
與lower bound 僅 0.0063%的誤 差，且工件數越多時誤差越小。
Low et al.
[17]
F
m / sij / Cmax順序法則：Random、
SPT、LPT、
修正之Johnson’s rule 派工法則：Type-Fix、
First-Fit、Best-Fit、
Random
修正後Johnson’s rule 加上
First-Fit 派工法則的結果為最佳。