−
− = n −
j
j ij
i v v
S
1
)2
( i=1, 2,..., m （2.5.7）
步驟六：計算各組參數組合對正理想解的相對接近程度
當一組方案比另一組方案更接近理想解並不表示就為最佳方案組合；須
同時考慮方案與正理想解和負理想解的距離，依此近似度來判斷，如 此，令C 表示方案i Α 距正理想解i v 的相對近似度，若方案+ Α 為正理 i
想解，則Ci =1；若方案Α 為負理想解，則i Ci =0。故當C 值越接近 1 i 表示其方案越接近正理想值。
+
−
−
= +
i i
i
i S S
C S ,0≤Ci ≤1i=1, 2,..., m （2.5.8）
步驟七：方案排序
評估方案的優先順序乃是依C 值大小來排序，i C 愈接近 0 時，表示第 i
i 組參數組合之方案的優先順序越低，反之，C 愈接近 1 時，表示第 i i 組參數組合之方案的優先順序越高。
2.6 本文與文獻之比較
經由以上對於工作站派工法則、瓶頸工作站偵測、決策實驗室分析法以及田 口實驗設計法之介紹，本論文將以上文獻來與本研究進行比較，以此說明本研究 使用此一演算法則的優點。在工作站排程文獻中，近年來排程文獻常常使用基因 演算法、模擬退火法等演算法來尋求最佳解，由於這些演算法之建立過程往往需 要較多的時間成本，難以滿足現今產業中，產品種類變動快速所造成的變化。因 此，本論文將以田口實驗設計法來縮短實驗組數，並且以模擬系統 eM-Plant 來 進行模擬實驗；對於瓶頸偵測方法，其研究的改變也從最易於使用的工作站負荷 量（MWL）的判別方式，演進至演算方法。從歷史資料中找出其機台資訊以便 計算機台或工作站的統計特徵，如機台的壞機機率、飢餓機率以及阻塞機率等來 偵測瓶頸飄移機台。但在產品變動、顧客需求變動大的情況下，即使能求出最佳
解，其資料的蒐集需要較長的時間，也難以有較好的反應速度。因此，對於瓶頸 機台的偵測方法研究中，同樣的也有以使用田口實驗法探究瓶頸機台（BD-OE）， 其以機台（因子）在派工法則（水準）的變動下，偵測各個機台的績效變化狀況
（機台在變動下的績效敏感度）來偵測瓶頸機台，雖然此方法能夠有效率地找出 各個機台（因子）因派工法則（水準）的變化，對績效值造成變動，並以變動幅 度偵測瓶頸機台。但此方法往往都需要機台數量（因子數量）不能太大的情況下 才能有效率的判別績效的變化，往往沒有考慮到現實中，生產線上的機台數量可 大可小。此外田口實驗設計法已有學者證實能夠有效地為各個機台提供穩健的派 工組合，不管是否為瓶頸機台，都能夠為其找出適合的派工法則，所以本研究將 田口實驗設計法使用於混合式派工法則的組合建立，其更能優於將田口實驗設計 法使用在偵測瓶頸機台。而在 80-20 法則下，對於生產系統中的瓶頸機台若能有 效的界定，是一項很重要的工作。有鑒於此，本文以決策實驗室分析法，藉由現 場工程師對於機台狀況、機台之間的相互關聯，進行討論。對其討論結果，在考 慮各個機台狀態以及供需狀況中，找出各工作站之間的關聯強度，來界定重要的 工作站，並定義為瓶頸工作站。因此田口方法將不使用於偵測瓶頸工作站之實驗 步驟中，而將此法使用於求出混合派工法則組合之步驟，因我們可以藉由上述之 文獻中，了解此實驗設計法為一能夠縮減實驗組數，並且能以在實驗效率高、成 本低的條件下，得到準確性高的穩健解，因此本研究將使用此方法，在使用 DEMATEL 將數量龐大的工作站進行縮減、找出關聯強度高的工作站後定義為瓶 頸機台，接著再利用田口實驗設計法，縮減模擬實驗所需花費的速度，其後使用 田口方法中之反應圖，找出在各個情境下，能夠各別滿足規定之績效值的穩健派 工組合，並且使用理想解順序偏好法於多情境下，求得一組能夠滿足各個績效值 之穩健的派工組合，以提供給瓶頸機台進行排成作業。
36
第參章研究方法
本章主要分成三部分，再進行田口實驗設計來縮減實驗組數之前，於第一部 份先介紹如何以「決策實驗室分析法（DEMATEL）」找出關鍵機台（瓶頸機台），
將眾多的工作站中，藉由專家腦力激盪後，理出各工作站之關聯性，求得關鍵工 作站；在工作站刪減階段結束後，第二部分將介紹如何藉由田口實驗設計法將工 作站做穩健的實驗設計，以求在進行模擬系統以及投入多生產情境之前，能夠得 到最佳的實驗組合以及組數；而第三部份則介紹在進行模擬系統時，在多情境下 使用何種投入情境（訂單型態）以及利用哪幾種績效指標作為田口實驗之評量等 操作下，求得每一種情境下，在各績效值中表現最佳之組合；最後，藉著理想解 順序偏好法（TOPSIS）找出各個情境下能夠滿足各個目標值（績效值）之穩健 的混合派工組合。下圖為本研究之研究流程，主要分成三大階段、十四步驟，其 演算法流程圖如下圖 3.1 所示：
圖 3.1 演算法流程圖
38