第五章分為兩小節，第一節為本篇論文的結論，第二結為未來還可探討的研 究方向。
5.1 結論
本論文主要是應用模擬退火法針對具順序相依整備時間與固定序列特性之 流線式生產排程問題來進行求解，本研究的重點是想驗證從染色體表達法的改變 而達到的改善。為了能夠有相同的基準，本篇的研究數據是依據 Schaller et al.
(2000)這篇論文，將整備時間分成短、中，長三種(SSU、MSU、LSU)，而在每 個整備時間下，機台與工件的數目一共有十種的組合(Family 數，機台數):{(3，
3)，( 3，4)，( 4，4) ，(5，5)，( 5，6)，( 6，6)，(8，8)，( 10，8)，( 10，10) }，
整合起來共有三十種的情境來進行驗證，每個實驗情境又包含了 15 個 seed，並 且取其帄均，而實驗的初始解在新舊表達法上為相同的起始解，終止條件設為最 佳解連續 480 萬代未改變。
經過實驗與統計檢定後的數據顯示，在大的整備時間之下，新的染色體表達 法在 makespan 績效指標之下，會顯著的優於舊的表達法，帄均改善率為 18%，
而在小與中的整備時間之下，新的解讀法和舊的解讀法兩者之間在 makespan 績 效指標之下沒有顯著的差異，也就是說隨著機台的整備時間越大，新表達法的求 解品質會越顯著優於舊表達法的求解品質。而新舊表達法的求解時間，新的表達 法不論在大、中，小的整備時間上，都會稍微較舊的表達法快上一點，尤其在機 台數目與工件族數目較大時更為顯著。
因此在最小化最大完工時間為目標之下，在大的整備時間下，SA 應用新表 達法會比舊表達法得到更佳的工件加工的排程組合。
5.2 未來研究方向
針對本篇最後的結論，在小、與中的整備時間之下，新的表達法與舊的表達 法會有差不多的解品質，而在大的整備時間之下，新的表達法會優於舊的表達法，
來進行研究為何會造成如此的結果，可以試著從演算法的進化特性來進行分析，
另外去分析各個整備時間所對模擬退火法所造成的影響。
而為了希望能夠多方面的進行研究，可以考慮使用考慮 non-permutation 的 情況，因為在開始排列工件族順序時，只是很單純的以第一台機台最為考量，後 續的機台便依據第一台的加工順序往下加工，另外，在上段論點中提到，隨著情 境的增大，新表達法有逐漸趨近舊表達法，若是加大情境，或許會有不同的結果，
因此未來希望能夠將原本的 permutation 改為 non-permutation 的情況，再利用兩 種不同的表達法來進行比較，探討結果會有什麼不同的情況，另外可以將原本的 情境再擴大，使得目前的情境更為複雜，例如：增加機台，家族的數量，來進行 後續的研究方向。
參考文獻
Cheng, J., Kise, H., and Matsumoto, H., 1997. A branch-and-bound algorithm with fuzzy inference for a permutation flowshop scheduling problem. European Journal of Operational Research, 96, 578-590.
Cheng,T.C.E. and Wang G., 1998. Batching and scheduling to minimize the makespan in the two-machine flowshop. IIE Transactions, 30, 447-453.
Franca, P.M., Gupta, J.N.D., Mendes, A.S., Moscato, P., and Veltink, K.J., 2005.
Evolutionary algorithms for scheduling a flowshop manufacturing cell with sequence dependent family setups. Computers & Industrial Engineering 48, 491-506.
Hendizadeh, S.H., Hamidreza, F., Mansouri, S.A., Gupta, J.N.D., and ElMekkawy, T.Y., 2008. Meta-heuristics for scheduling a flowline manufacturing cell with sequence dependent family setup times. Int. J. Production Economics 111, 593-605.
Javadia, B., Saidi-Mehrabadb, M., Hajic, A., Mahdavia, I., Jolaid, F., and Mahdavi-Amirie, N., 2008. No-wait flow shop scheduling using fuzzy
multi-objective linear programming. Journal of the Franklin Institute , 345, 452–
467
Kise, H., Cheng, J., Matsumoto, H., 1997. A branch-and-bound algorithm with fuzzy inference for a permutation flowshop scheduling problem. European Journal of Operational Research, 96,578-590.
Lin, S.W., Ying, K.C., and Lee, Z.J., 2009. Metaheuristics for scheduling a
non-permutation flowline manufacturing cell with sequence dependent family setup times. Computers & Operations Research, 36, 1110-1121.
to schedule a flowshop manufacturing cell with sequence-dependent family setup times. International Journal of Production Research, 47, 3205-3217.
Metropolis, N., Rosenbluth, A., Rosenbluth, M., and Teller, A., 1953. Equation of State Calculations by Fast Computing Machines. J. Chemical Physics, 21, 6, 1087-1092
Mitrofanov, S.P., 1966. The scientific principles of group technology, National Landing Library translation, Yorkshire, Boston Spa, UK.
Naderi, B., Zandieh, M., Khaleghi, A., Balagh, G., and Roshanaei, V., 2009. An improved simulated annealing for hybrid flowshops with sequence-dependent setup and transportation times to minimize total completion time and total tardiness. Expert Systems with Applications, 36, 9625–9633
Pinedo, M., 2002. Scheduling Theory, Algorithms, And Systems, Second Edition, Prentice Hall, 14-15.
Scott, W. and Meral, A., 2001. Dynamic programming algorithms for scheduling parallel machines with family setup timesm. Computers & Operations Research, 28, 127-137.
Schaller, J.E., Gupta, J.N.D., and Vakharia, A.J., 2000. Scheduling a flowline manufacturing cell with sequence dependent family setup times. European Journal of Operational Research, 125, 324-339.
Webster, S., Azizoglu, M., 2001. Dynamic programming algorithms for scheduling parallel machines with family setup times machines with family setup times.
Computers & Operations Research, 28, 127-137.
Wu, M.C., Tai, P.H., and Chiou, C.W., 2011. A Comparison of Two Chromosome Representation Schemes Used in Solving a Family-Based Scheduling Problem.
to be presented in International Conference of Flexible Automation & Intelligent Manufacturing (FAIM), June, 2011, Taiwan.
呂佳玟，應用基因演算法與家族式派工於傳輸整合步進機在小批量情境下之排程 問題，國立交通大學，碩士論文，2009。
湯璟聖，動態帄衡機群排程的探討，中原大學，工業工程學系碩士論文，2003 馮正民、邱裕鈞，研究分析方法，1 版，新竹市：建都文化，民國 93 年。
戴邦豪，應用混合式染色體表達法於具順序相依家族整備時間之流線型製造單元 排成，國立交通大學，工業工程與管理系碩士論文，2010