系統零件結構

CSP1 Normal 1836.000000 985.257200 CSP2 Weibull 1.673610 1189.085069 CSP3 Weibull 2.801588 1565.001937 CSP4 Exp 7368.718420

CSP5 Exp 41667.000000 CSP6 Exp 41667.000000

零件代號 分配類型 參數一 參數二

CSP7 Lognormal 619.220819 465.800817 CSP8 Exp 6093.000000

CSP9 Normal 734.833333 262.631618 CSP10 Normal 947.875000 387.690391 CSP11 Weibull 3.159709 2296.805596 CSP12 Weibull 3.841071 782.502733 CSP13 Exp 10369.669440

CSP14 Weibull 1.645066 855.600883 CSP15 Gamma 1.512847 614.379260 CSP16 Exp 41667.000000

CSP17 Exp 554.037037 CSP18 Exp 41667.000000

CSP19 Weibull 1.579133 881.921481 CSP20 Exp 1053.000000

CSP21 Weibull 1.939028 1999.663308 CSP22 Gamma 0.914441 921.259713 CSP23 Gamma 1.767493 309.228966 CSP24 Lognormal 1637.590774 802.001181 CSP25 Lognormal 805.489358 477.921881 CSP26 Normal 1770.142857 927.811840 CSP27 Weibull 1.843485 809.279662 CSP28 Weibull 2.948155 653.145869 CSP29 Exp 736.300000

CSP30 Weibull 1.821618 789.915852 CSP31 Weibull 3.289314 2300.646068 5.2 研究流程

比較其「總零件成本」來判斷孰優孰劣。

OPUS10 卜瓦松 期初存貨配置

90.45%

Marginal 目標妥善率 95%

最佳存貨配置 起始解

[模擬]

&

Ⅰ 重要零件

Ⅱ 刪除冗站

Ⅲ 場站分群

Ⅳ 動態刪除

圖 5.3 研究流程 5.2.1 起始解

藉由 OPUS10 商用軟體取得妥善率在 90.45%下的最佳存貨配置作為起始 解，如表 5.2 所示，註：縱向欄位代表各零件名稱；橫向欄位代表各場站名稱。

表 5.2 存貨配置

L D F1 F2 O1 O2 O3 O4 O5 O6 CSP1 5 1 1 1 0 0 0 0 0 0 CSP2 6 1 1 1 1 1 1 1 1 1 CSP3 5 1 0 0 1 1 1 1 1 1 CSP4 6 1 1 1 1 1 1 1 1 1 CSP5 0 0 0 0 0 0 0 0 0 0 CSP6 0 0 0 0 0 0 0 0 0 0 CSP7 10 2 1 1 0 0 0 0 0 0 CSP8 8 0 1 1 1 1 1 1 1 1 CSP9 17 0 1 1 2 2 2 2 2 2 CSP10 13 0 0 0 2 2 2 2 2 2 CSP11 4 1 0 0 1 1 1 1 1 1

CSP12 9 0 2 2 0 0 0 0 0 0 時間大於 2 小時者視為重要零件，故我們挑選了 CSP1、CSP7、CSP8、CSP9、

CSP10、CSP26、CSP29 七項零件作為邊際搜尋的對象，如表 5.3 所示。

表 5.3 平均缺貨時間

零件 平均缺貨時間 零件 平均缺貨時間 零件 平均缺貨時間 CSP1 2:02:48:00.0033 CSP2 19:12.0000CSP3 0.0000 CSP4 28:48.0000 CSP5 0.0000CSP6 0.0000 CSP7 2:07:12:00.0000CSP8 2:24:00.0000CSP9 13:16:48.0000 CSP10 1:01:12:00.0000 CSP11 0.0000CSP12 0.0000 CSP13 0.0000 CSP14 0.0000CSP15 0.0000 CSP16 0.0000 CSP17 43:12.0000CSP18 0.0000

零件 平均缺貨時間 零件 平均缺貨時間 零件 平均缺貨時間 CSP19 0.0000 CSP20 24:00.0000CSP21 0.0000 CSP22 14:24.0000 CSP23 0.0000CSP24 1:40:48.0000 CSP25 0.0000CSP26 2:03:31:12.0000CSP27 0.0000 CSP28 0.0000CSP29 6:14:24.0000CSP30 4:48.0000 CSP31 1:40:48.0000

4 G2 CSP10 0.000304090000 10 5 G3 CSP29 0.006975840000 9 6 G2 CSP10 0.000009920000 9 7 G3 CSP10 0.000068300000 9 8 G2 CSP10 0.000055190000 9 9 G3 CSP7 0.000528530000 8 10 G2 CSP7 0.001125100000 7 11 G1 CSP1 0.001069560000 6 12 G1 CSP10 0.000020400000 5 13 G1 CSP26 0.001268180000 5 14 G3 CSP29 0.000484500000 4 15 G3 CSP29 0.000069760000 4 16 G1 CSP1 0.000158960000 4

此過程所花費的時間為：

（零件-場站總合）╳（seed 數）╳（模擬時間）

= 135 ╳ 10 ╳ 1（分）

= 22.5（小時）

假若不經「解空間」縮減作業，則必須花費：

（零件數）╳（場站數）╳（seeds 數）╳（模擬時間）╳（總增加零件數）

= 31 ╳ 10 ╳ 10 ╳ 1（分）╳ 50

= 2583.33（小時）=107.63（天）

因此，本研究所應用的解空間縮減方法，確實縮短了執行時間，其縮減幅度 高達 100 倍（2583.33 / 22.5）。

5.2.5 結果比較

針對「過去模型（卜瓦松需求假設）-OPUS10」，取其成本與效益曲線妥善 率為 94.94%的最佳存貨配置（A 方案），代入本研究的模擬平台，其失效需求乃 採取真實分配，執行 25 個亂數種子，結果如表 5.5 所示：針對「本研究模型（無

卜瓦松限制）」，根據上述邊際搜尋產生的成本與效益曲線，取其第十六次加碼後 的最佳存貨配置（A’方案），亦代入模擬平台執行 25 個亂數種子，結果如表 5.5 所示。我們可以發現：在 95%的信心水準下，沒有足夠的證據說明兩者之間存在 顯著差異。

表 5.5 敘述統計與統計檢定

A(OPUS10) A'(本研究) ｚ檢定：兩個母體平均數差異檢定 平均數 93.43% 平均數 93.27% 平均數 0.934339 0.932725 中間值 96.53% 中間值 96.27% 已知的變異數 0.002362 0.002304 標準差 4.86% 標準差 4.80% 觀察值個數 25 25 變異數 0.24% 變異數 0.23% 假設的均數差 0

範圍 14.08% 範圍 14.08% z 0.11807 最小值 83.81% 最小值 83.81% P(Z<=z) 單尾 0.453006 最大值 97.89% 最大值 97.89% 臨界值：單尾 1.644853 個數 2500.00% 個數 2500.00% P(Z<=z) 雙尾 0.906012

臨界值：雙尾 1.959961

→Not Reject Ho

然而，A 方案的存貨配置成本高達 12,002,843，A’方案存貨配置成本僅需要 10,717,966，故藉由本研究模型來進行求解最佳存貨配置，在相同妥善率表現下，

可以節省高達 10 %左右的存貨成本。

第六章 結論與未來研究方向

過去備份件的相關文獻並無人在多階補給架構與多階武器系統結構，以及有 限維修能力之下，針對不符從卜瓦松失效行為的零件，進行最佳化存貨配置的研 究。故本研究提出一個最佳化求解模型，乃藉由模擬程式以有效呈現零件真實需 求分配所帶來的影響，並且採用邊際搜尋法則以有效地發展最佳化成本與效益曲 線，即在給定目標妥善率下之取的最小成本的存貨配置。於模型中，更藉快速取 得搜尋初始解的構想來節省絕大部分的模擬執行時間，且同時「評選重要零件」、

「刪除冗站」、「場站分群」、「變數動態刪除」進一步地縮小求解空間以節省時間。

由 X 系統個案中，本研究不僅說明零件失效行為並不完全符從卜瓦松分配 模式，更在導入本研究提出得最佳化模型後，產生相對於過去模型高達 10%以上 的備份零件存貨成本之節省。因此，本研究所發展適用於多種不同零件失效分配 之最佳化模型確實是必要的且可行的。

本研究目前只針對存貨水準進行最佳化求解作業，後續研究可針對有限維修 能力，探討如何同時考量存貨水準，並且進行最佳化零件維修優序決策，或者於 求解空間縮減方面進行探討，其中包含補給體系架構以及系統零件結構，使得本 模型執行面更有效率。

參考文獻

[1] Sherbrooke, C.C., 1968, “METRIC: Multi-Echelon Technique for Recoverable ItemControl”, Operations Research 16, 122-141.

[2] Muckstadt, J, 1973, "A model for a multi-item, multi-indenture inventory system", Management Science 20, 472-481.

[3] Slay, F.M., 1984, “VARY-METRIC: An Approach to Modeling Multi-Echelon Resupply when the Demand Process is Poisson with Gamma Prior”, Report AF301-3, LogisticManagement Institute, Washington, D.C.

[4] Graves, S., 1985, “A multi-echelon inventory model for a repairable item with one-for-one replenishment, Management Science 31, 1247–1256.

[5] Sherbrooke, C.C., 1986, "VARI-METRIC: improved approximations for multi-indenture, multi-echelon availability models", Operations Research 34, 311-319.

[6] Gross, D., D.R. Miller and R.M. Soland, 1983, “A closed queueing network model for multi-echelon repairable item provisioning”, IIE Transactions 15(4), 344-352.

[7] Albright, S.C. and A. Soni, 1988, “Markovian multi-echelon repairable inventory system”, Naval Research Logistics Quarterly 35, 49-61.

[8] Gupta, A. and S.C. Albright, 1992, “Steady-state approximations for multi-echelon multiindentured repairable-item inventory system”, European Journal of Operational Research 97(3), 340-353.

[9] Albright, S.C. and A. Gupta, 1993, “Steady-state approximation of a

multi-echelon multiindentured repairable-item inventory system with a single repair facility”, Naval Research Logistics 40(4), 479-493.

[10] Diaz, A. and M.C. Fu, 1997, “Models for multi-echelon repairable item inventory systems with limited repair capacity”, European Journal of Operational

Research 97, 480-492.

[11] Aronis, K.P., 2004, Magou, I., Dekker, R., Tagaras, G., “Inventory Control of Spare Parts Using a Bayesian Approach: A Case Study,” European Journal of Operational Research, vol.154, pp.730-739.

[12] Kabir, A.B.M.Z. and H.A. Farrash, 1996, “Simulation of an integrated age replacement and spare provisioning policy using SLAM”, Reliability Engineering and System Safety 52, 129-138.

[13] Sarker, R. and A. Haque, 2000, “Optimization of maintenance and spare provisioning policy using simulation”, Applied Mathematical Modelling 24, 751-760.

[14] Marseguerra, M., 2005, Zio, E., Podofillini, L., “Muliobjective spare part allocation by means of genetic algorithms an Monte Carlo simulation”, Reliability Engineering and System Safety 87, 325-335.

[15] Ahmed, M.A., 1997, Alkhamis, T.M., Hasan, M., “Optimizing discrete stochastic systems using simulated annealing an simulation”, Computers and Industrial Engineering 32, 823-836.

[16] Alkhamis, T.M. and M.A. Mohamed, 2005, “Simulation-base optimization for repairable systems using particle swarm algorithm”, 2005 Winter Simulation Conference.

附錄 使用者介面說明

本程式使用介面主要分成

(1)「表格輸入」、(2)「程式執行-BO」、(3)「結果輸出」以及(4)「程式執行-MS」

四個部分，使用步驟如下：

《步驟一》表格輸入

→目的：輸入 模擬情境相關資料

主要包含「補給體系參數」、「系統零件參數」以及「存貨修護參數」三部分，並 有隨機種子(seeds)數可供選擇

註：「存貨配置」的表格資料代表「邊際搜尋初始存貨配置解」

（EX OPUS10 妥善率 90%下的存貨配置解）

《步驟二》程式執行-Backorder Time

→目的：藉「平均缺貨時間」來篩選「重要零件」

(1)首先必須先按下「程式初始化」此按鈕，以讀取步驟一的輸入資料 (2)藉「GO」與「STOP」兩按鈕來執行或暫時停止程式之進行

(3)於程式進行中，可以藉由「即時監控」按鈕來取得程式執行之進度

(4)當程式執行完畢，則按下「選擇零件」根據平均缺貨時間來選取重要零件

《步驟三》結果輸出

→目的：呈現於規劃模擬種子數下（EX 50 runs）的模擬結果資訊 主要包含「妥善率結果」、「缺料狀態」以及「關鍵零件」三部分

《步驟四》程式執行-Marginal Search

→目的：藉邊際搜尋法來取得最佳化之成本效益曲線（C/E curve）

(1)首先按下「目標妥善率」此按鈕設定執行目標，預設值為 95%

(2)再者必須按下「程式初始化」此按鈕，以讀取步驟二的產出-重要零件 (3)藉「GO」與「STOP」兩按鈕來執行或暫時停止程式之進行

(4)於程式進行中，可以藉由「現況資訊」按鈕來取得邊際最佳化之進度 (5)當程式執行完畢，亦可藉「現況資訊」按鈕來取得最後結果

註：模擬程式於邊際搜尋過程中，會自動進行「刪除冗站」、「場站分群」、以及

「動態刪除無效變數」三部分