電梯產業生產排程最佳化模型之研究

A Study of Scheduling Optimization Model for Elevator Industry

10.6626/MR.2013.13(1).04

方孝華(Hsiao-Hua Fang)；童維新(Wei-Hsin Tung)

基因演算法 ； 生產排程 ； 電梯產業 ； 系統模擬 ； Genetic Algorithm ； Scheduling ； Elevator Industry ； System Simulations

管理研究學報

13卷1期（2013 / 06 / 01）

91 - 117

繁體中文

電梯產業是一種橫跨多種作業型態的產業。在整個建築業的供應鏈上，是扮演設備供應與工程安裝的角色。高單價、生產時間長、交貨日期不確定是電梯產業的特色，同時在現今建築推案講究獨特風格、高辨識度的需求下，已經讓電梯生產模式從庫存生產轉變成為訂單生產的模式，並且配合客戶需求進行高度客制化的設計與製造，增加電梯製造商在調度設計人力、物料需求、生產排程與工地安裝等有限的資源上的困難度。啟發式演算法近年來大量用在解決組合最佳化、生產排程、網路佈建與運輸路徑規劃等問題。其中基因演算法有著平行搜尋、演算架構與問題的相依性低的特性。故本研究希望建立一個基因演算法為基礎的電梯生產的排程模型，配合電梯生產時所評估的生產指標，產生能夠符合電梯製造流程，且能快速計算並具參考價值的生產排程方案，透過實際的訂單資料來驗證排程結果的可行性。

Elevator industry has several industries characteristics, as the role of equipment suppliers and installation contractors in supply chain of the building industry. Besides highly dependant on the business cycle the building industry. High price, long production time and date of delivery uncertain are the characteristics of the elevator industry, simultaneously modern buildings require unique style and the high demand recognizable. Elevator manufacturing mode from MTS (make to stock) change to MTO (make to order). Provide design and manufacture of highly customized according to customer demand. Increase the elevator manufacturing in dispatch design workers, material requirements, production schedules and site installation on the limited resources of the difficulties.The range of research in this thesis is elevator production scheduling problem, and the method of Genetic Algorithms is adopted to construct solution models. The genetic algorithm has been applied to the combination optimization problem, network implement and logistic transport planning. However, the elevator production scheduling haven't been researched. This thesis tries to verify the better solution can be found using the genetic algorithm.

1. 電梯資料網(2012)。升降機的基本構造2012-11-23。檢自：http://www.hkelev.com/elev_str.htm
2. 台灣工銀證券投顧(2012)。個股報告－永大(1507)。上網日期：2012-03-12 2012-10-03。檢自：http://camera.chinatimes.com/newsphoto/2012-03-12/attachment/20120312001791.pdf
3. Cheng, R.,Gen, M.,Tsujimura, Y.(1996).A tutorial survey of job-shop scheduling problems using genetic algorithms-I. representation.Computers & Industrial Engineering,30(4),983-997.
4. Cheng, R.,Gen, M.,Tsujimura, Y.(1999).A tutorial survey of job-shop scheduling problems using genetic algorithms, part II: Hybrid genetic search strategies.Computers & Industrial Engineering,36(2),343-364.
5. Goldberg, D. E.(1989).Genetic algorithms in search, optimization, and machine learning.Boston, Mass.:Addison-Wesley Professional.
6. Sels, V.,Craeymeersch, K.,Vanhoucke, M.(2011).A hybrid single and dual population search procedure for the job shop scheduling problem.European Journal of Operational Research,215(3),512-523.
7. Wong, T. C.,Ngan, S. C.(2011).A comparison of hybrid genetic algorithm and hybrid particle swarm optimization to minimize makespan for assembly job shop.Applied Soft Computing
8. 王治元(2004)。桃園縣，元智大學工業工程與管理學系。
9. 王培珍(1996)。桃園縣，中原大學工業工程研究所。
10. 何惠雯(2001)。桃園縣，國立中央大學工業管理研究所。
11. 林晉宏、李鴻濤(2006)。基因演算法求解作業不同到達時間之open shop雙目標排程問題之研究。中國工業工程學會九十五年度年會暨學術研討會
12. 郭信川、張建仁、李宜原(2004)。改良式遺傳演算法於零工式生產排程問題之應用。第一屆台灣作業研究學會學術研討會暨2004年科技與管理學術研討會
13. 陳彥竹(2009)。台北市，大同大學機械工程學系（所）。
14. 蘇恆磊(2002)。基隆市，國立海洋大學系統工程暨造船學系。