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