第五章 結論與建議
5.1 結論
在尋求穩健的生產派工組合過程中，現實生產系統中，工程師往往皆以經驗 為依據，解決單一問題並套用於生產排程中，但是在瓶頸工作站不只一個的情況 下，如此之解決方法往往有失準確性，難以做到整體穩健之效益。
本研究利用低成本高效率之田口方法，藉由模擬系統 eM-plant 模擬出各績 效指標之數據，並使用 TOPSIS 求得多目標解之穩健派工組合。本研究之優點如 下：
1. 藉由決策實驗室分析法，利用工程師經驗，有效降低在偵測瓶頸機台所花費 的時間，增加實驗效率。
2. 透過田口直交表能夠快速地、符合經濟效益的在進行有限次數的實驗後，對 多個品質特性，也就是績效值，來尋找最佳的派工法則組合。
3. 利用 TOPSIS 處理田口所求得之 S/N 比，能夠在多品質特性(績效值)中，找到 一個能夠滿足多種績效值的平衡點，建立出能夠同時解決數個績效值目標下 的穩健派工法則。
4. 透過田口結合 TOPSIS，有效率的輔助田口方法只能針對單一目標特性做改善 的缺點，使結果更貼近現實。透過田口方法，能夠得到單一情境下，單一績 效指標最佳之穩健派工組合，再藉由 TOPSIS，求得單一情境下多目標解之穩 健派工組合。
64
5.2 研究限制與建議
本研究在實驗過程中有以下幾點限制：
1. 利用模擬軟體 eM-plant 進行模擬實驗時，不考慮良品不良品問題，其不再本 實驗探討之範圍，且生產批量、生產情境、派工法則為有限數量及類型，藉 此將問題範圍縮至可以解決的範圍。因此，後續實驗能夠將生產情境，派工 法則、生產情境以及績效評估類型之數量擴大，使其研究得以更為精細。
2. 本研究之階段二 TOPSIS 部分，其權重值在不同的績效值下皆為相等，因本 研究認為不同的績效值其重要性都很重要，因此建議後續實驗若能夠找出績 效值在實際生產線中，其重要性的比例，則能使研究更加完美。
3. 本研究於算則內不考慮存貨問題，是否能延遲交貨等問題，若加入以上問題 條件，則更加圓滿。
4. 本研究針對 TFT-LCD 製程中，LCM 製程為研究案例，若能應用於其他產業，
也可能發現更多結果即現象。並透過更多的參考答案給未來的業界，使其導 入更為順利。
參考文獻
中文文獻
1. 李輝煌(2008)，「田口方法－品質設計的原理與實務」，高立圖書有限公司，
台北，第三版，PP.18-19;23;30;59-63;90-95; 307。
2. 林則孟 (2006)，「生產計劃與管理」,台北 ,華泰文化事業股份有限公司出版。
3. 紀岱玲 (2006)，「供應商績效評估研究－結合 ANP 及 DEMATEL 之應用」，
國立政治大學資訊管理研究所碩士論文。
4. 歐惠鳳 (2010) ，「應用 TRIZ 與 DEMATEL 探索實驗設計之參數－壬酚 製程為例」，國立高雄大學亞太工商管理所碩士論文。
5. 蘇 朝 墩 (2005) ，「 品 質 工 程 」， 中 華 民 國 品 質 學 會 ， 台 北 ， 第 三 版 ， PP.2-3;6;13;40-43;59-63;85-88;94-105;115。
英文文獻
1. Bolanos, R.and Fontela, E., Nenclares A. and Pastor P. (2005), “Using interpretive structural modelling in strategic decision-making groups”, Management Decision , 6(43) , PP. 877-895.
2. Bareet, R.T.and Barman, S. (1986),“A SLAMII simulation study of a simplified flow shop ” Simulation (47).PP.181-189.
66
3. Barman, S.(1997),“Simple priority rule combinations：an approach to improve both and tardiness”, Int. J. Prod. Res.(25). PP.2857-2870.
4. Chang,Y.I. and Sueyoshi,T.and Sueyoshi, Sullivan,R.S. （ 1996 ） ,“Ranking dispatching rule by data envelopment analysisin a job shop environment”, IIE Trans. (28). PP.631-642.
5. Fanti, M.P.and Maione, B.and Naso, D.and Turchiano, B., (1998), “Genetic multi-criteria approach to flexible line scheduling”, Int. J Approx. Reason.
(19).PP.5-21.
6. Goldratt, E. M., and Cox, J.（1986）.“The goal: A process of ongoing improvement.
Croton-on-Hudson”, NY: North River Press.
7. Gabus, A. and Fontela, E. (1972), “World problems, an invitation to further thought within the framework of DEMATEL”, Battelle, Geneva Research Centre, Switzerland, Geneva.
8. GabusA andFontela,E. (1976),“Currentperceptionsoftheworldproblematique”, Battelle,Geneva Research Center, Geneva.
9. Greco, S.and Matarazzo,B.and Slowinski,R.（2002）,“Rough set methodology for sorting problems in presence of multiple attributes and criteria”, Eur. J. Oper.
(138).PP.572-580.
10. Hwang and Yoon.(1981),” Multiple attribute decision making: Methods and applications : a state-of-the-art survey”, Springer, Berlin ,1981
11. Jayamohan M.S., Rajendran C. (2000), “A comparative analysis of two different approaches to scheduling in flexible flow shop”, Prod. Plan. Control.(11).PP.
572-580.
12. Kasemset, C. and Kachitvichyanukul, V.（2007）. “Simulation-based Procedure for bottleneck identified ”, In J. W. Park, T.G. Kim, & Y. B. Kim(Eds.),AsiaSim 2007, PP.46-55. Berlin/Heidelberg: Springer-Verlag.
13. Lawrence, S. R., and Buss, A. H. （1994）. “Shifting Procedure bottlenecks : Causes, Cures, and conundrums”. Production and Operation Management, 3(1), 21-37.
14. LaForge, R.L. and Barman, S. (1989), “Performance of simple priority rule combinations in a flow dominant shop”, Prod. Inventory Manage. J.(30).PP.1-4.
15. Li, L. and Chang, Q. and Ni, J.(2009)“Data driven bottleneck detection of manufacturing systems”, International Journal of Production Reaserch, 47(18).PP.5019-5036.
16. Lin, C. J. and Wu, W. W. (2008), “A causal analytical method for group decision-making under fuzzy environment”,Expert System with Applications, (34), No.1, PP. 205-213.
17. Petroni, A. and Rizzi,A. （2002）,“A fuzzylogic based methodology to rank shop floor dispatching rules”, Int. J. Prod. Econ. (76) .PP. 99-108.
18. Pinedo M, S. (1995)：Theory, Algorithms and Systems, Prentice Hall, New Jersey.
19. Roser, C., Nakano, M. and Tanaka, M.（2002）. “Shifting bottleneck detection. In Proceeedings of the 34th conference on Winter simulation ： exploring new frontiers”, San Diego, California：winter simulation conference,PP.1079-1086.
20. Tsai, J.T., Liu, T.K. and Chou, J.H.(2004), “Hybrid Taguchi－genetic algorithm for global numerical optimization”, IEEE Transactions on Evolutionary Computation, 8(4), PP. 365-377.
21. TzengG.H.,ChiangC.H.,andLiC.W. (2007),“Evaluating intertwined effectsin e-learning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL”, ExpertSystems with Applications, Vol. 32, Issue 4, PP. 1028-1044.
22. Wild R.H. and Pignatiello Jr. (1991), “An experimental designing robust systems using discrete-event simulation” ,Simulation(57).PP.358-368.
68
23. Yingni Zhai., Shudong Sun., Junqiang Wang., Granggag Niu. (2011) ,“Job shop bottleneck detection based on orthogonal experiment”, Computers & Industrial Engineering,61(3).PP. 872-880.
24. Kuo Y., Yang T., Cho C., Tseng Y. (2007), “Using simulation and multi-criteria methods to provide robust solution to dispatching problems in a flow shop with multiple processors” ,Mathemarics and computer in simulation, (78).PP.40-56.