第一章分為五個小節，第一節為研究背景，第二節為研究目的，第三節為研 究議題，第四節為研究方法，第五節為論文組織。
1.1 研究背景
排程(scheduling)在製造業中扮演一個非常重要的腳色，一旦排程決定，便開 始生產，因此在生產開始之前，一個好的排程可以提升整體生產效率，在有限的 資源與時間下，使產出最大化，提高機台利用率，而排程有不同的目標，也就是 績效指標，如最小完工時間(Minimization Makespan)、總延遲時間(Total Tardiness)，
每一個指標都有不同的意義。
單元製造系統(Cell Manufacturing System)是群組技術(Group Technology)的 重要應用，它具有流線式生產(Flowshop)的效率和零工式生產(Jobshop)的彈性這 兩項優點，單元式製造能夠有效的減少存貨，提高機台使用率，故製造單元排程 問題(Manufacturing Cell Scheduling Problem)的議題已被廣泛討論研究。單元製造 與分離式製造有所不同，工件(Parts/Jobs)必頇以群組的方式存在，類似的工件被 分類到同一個群族，形成一個工件族(Part Family)，同一個工件族內的工件在機 台上不需要花費整備時間(Setuptime)，因此在生產排程時必頇要考慮到兩個層面，
工件族間(Among Family)的加工順序和工件族內工件(Within Family)的加工順序，
所以單元製造系統較一般分離式排程問題更為複雜。
通常的排程為 NP-Hard (Garey & Johnson,1979)的問題，因為在實際情況下，
工件數和機台數不會是一個很小的範圍，這樣一來使得解的排列方式變得很複雜，
若是規模較小的時候，可以利用最佳解求解方式，如整數規劃、動態規劃，來求 得最佳解，反之，一旦問題變得較大，以及上述所提到，單元製造系統比分離式 排程問題更為複雜，此時最佳解求解方式變得不僅費時，還不能求得解，因此就
必頇要利用啟發式演算法來進行求解，例如基因演算法(Genetic Algorithms ; GA)、
塔布搜尋法(Tabu Search ; TS)、模擬退火法(Simulated Annealing ; SA)等，這些方 法來求解，這些演算法可以在相對較短的時間內，求得近似最佳解，甚至最佳解。
1.2 研究目的
許多關於基因演算法的研究大多著重在染色體進化機制的改善，例如染色體 的交配方式，染色體突變的方式，或是染色體的篩選，這些方法確實對演算法有 所貢獻，而只有少數的論文著重在基因染色體表達法的改善，而 Wu et al.(2011) 就是在染色體的表達法上著手，利用不同的(新)染色體表達方法，與傳統的(舊) 染色體表達法進行比較，結果，確實在績效上有更好的表現，因此，我們想延續 這樣的結論，在基因演算法下，新的表達法可以改善績效，若是在其他的演算法 上，利用新的表達法是否也是能達到相同的結果，得到更佳的解。
1.3 研究議題
本篇探討的是流線式生產排程，加工的方式如圖 1.1 所示，機台依序排列成 一條生產線，每一個工件的加工順序都相同且要經過每一部機台，工件從機台一 投入，加工完成後，送至機台二加工，完成後，再轉送至機台三，最後加工完成，
工件退出，即是產出，這樣的生產模式即是流線式生產。
圖 1.1 流線式生產
工件進入 機台一 機台二 機台三 工件退出
本篇另外一個議題即是固定序列特性(Permutation Scheduling)之流線式生產 排程，由於排程的加工順序，是先排列好工件族間的順序，再排列工件族內工件 的順序，而固定序列特性，即是當一開始在機台一上決定好了工件族間和工件族 內的加工順序後，在之後的機台上，都必頇要使用相同的加工順序來進行工件的 加工，不可以任意的更換工件族間或工件族內工件的順序，由於工件的加工順序 直接影響到了機台的整備時間，為了能夠得到最佳的效益，工件族間和工件族內 工件的排程問題顯得格外重要。
1.4 研究方法
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，是否應用到其他的啟發式演算法上，也會有相同的效果。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 時間分成長、中，短三種，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，整合起來共有三十種的情境來進行驗證。
1.5 論文組織
在接下來的章節中，第二章探討與本篇相關的文獻，第三章介紹研究所使用到的 演算法與染色體的設計解讀方法與求解的過程，第四章為實驗情境與結果，第五 章為結論與未來研究的方向。