模組一：找出每週產能交易之最佳組合

定每週的產能交易決策。亦即，事先給定一組權重組合[α₁,β₁,γ₁]，以抽樣模擬方 式取得有限樣本之產能交易組合與兩晶圓廠之三個決策準則的各別資料，再以最 大化此三項決策準則之權重組合值(此後稱為總和產出值)—α₁Oβ₁Lγ₁W為 目標，透過類神經網路與基因演算法兩種方法進行求解，並找出每週之最佳的產 能交易組合，其中，OO¹O², LL¹L², W W¹W²，O ,ⁱ Lⁱ, W 分別表ⁱ 示該決策週期 Fab i 之產出作業數、加工層數及產出晶圓數。

此模組包含下列步驟：(1)估算未來一週可交易工作站之利用率；(2)確認產能 交易組合之解空間；(3)評估每一交易組合之產出作業數、加工層數及產出晶圓 數；(4)利用權重組合觀點，加總兩晶圓廠之產出值；(5)找出最佳之產能交易組合。

本 模 組 之 運 作 過 程 已 於 3.1 至 3.3 節 詳 細 說 明 ， 在 此 簡 略 以 Procedure Find_Weekly_Trading([α,β,γ],S_i)來表示之，其中，[α,β,γ]為針對三項決策準則 事先給定之權重組合，Si表示在某一週進行產能交易前，兩晶圓廠之起始狀態。

最後透過此 Procedure 之運算可得該週之最佳產能交易組合Q^*(α,β,γ)，有關模組 一之運作程序如圖 4.1 所示，並以文字詳細說明如下。

Procedure Find_Weekly_Trading([α,β,γ],S_i)

Step 1：利用確定型模擬程式 Det_Sim 估算每組可交易工作站之利用率。

模擬程式之輸入資料為交易前兩晶圓廠之起始狀態，包括：工作站前產品 WIP 組合、機台當機及其預定修復時間，經由 Det_Sim 程式預先模擬未來一週兩 廠運作情形，最終得到每組可交易工作站分別在兩晶圓廠之利用率。

Step 2：確認產能交易組合之解空間。

根據 Step 1.取得每組可交易工作站在兩晶圓廠之利用率，再加上各工作站之

賣方機台數及產能交易的基本單位，即可找出產能交易組合之解空間，詳細計算 過程請參閱本論文 3.1.3 節。

Step 3：建立一類神經網路模式。

本研究利用抽樣模擬取得有限樣本資料，建構類神經網路模式，使能快速且 精確的計算各廠每個產能交易組合之產出作業數、加工層數、產出晶圓數，用以 取代 Step 1 之確定型模擬程式 Det_Sim，求解過程有下列三個步驟。

3.1 在龐大的交易組合之解空間中，隨機選取 K 組產能交易組合。

3.2 利用 Det_Sim 對 K 組交易組合進行模擬。

模擬程式之輸入資料為交易前兩晶圓廠之起始狀態及產能交易組 合，而模擬資料之輸出項為各晶圓廠之產出作業數、加工層數、產出晶 圓數。

3.3 建構類神經網路模式。

利用 K 組抽樣模擬資料，分別建構兩晶圓廠的類神經網路模式，使 能快速計算各廠每個產能交易組合之產出作業數、加工層數、產出晶圓 數，用以取代費時的模擬程式。類神經網路模式之輸入項為產能交易組 合(Tj, j=1,2,…K)，輸出向量為各廠之O ,ⁱ Lⁱ, W ，透過類神經網路之訓ⁱ 練可以找出輸入與輸出向量之對應關係，亦即只要給定一個產能交易組 合，即可透過此訓練良好之類神經網路模式，快速計算出各晶圓廠之產 出作業數、加工層數及產出晶圓數。

圖 4.1 模組一之運作流程圖