智慧型紧急订单决策支援系统.doc

智慧型緊急訂單決策支援系統王威仁 李尚卓 張定一 洪偉楓義守大學工業工程與管理學系 高雄縣大樹鄉學城路一段一號聯絡人：.tw6摘要緊急訂單的產生，往往對訂單式生產系統造成下列影響：(1)導致一般訂單的交期延遲(2)導致機械負荷的產生(3)導致存貨的改變(4)導致人力資源的重新配置(5)對企業整體信譽之影響，因此，緊急訂單隊對生產系統的影響，是不容忽視的。目前多數在緊急訂單評估方面的研究，要不只針對成本構面作考量，要不就只著重時間排程方面的考量，鮮少研究同時討論兩者。至於其他評估因素(如緊急訂單的優先次序、工廠產能的負荷度、物料供給)，更少有相關的研究探討。針對上述研究缺失，本專題擬使用 VisualBasic程式語言撰寫金額、時間及相關因素三構面並結合類神經網路套裝軟體輔以判斷承接與否來發展一決策支援系統，使管理者能客觀的決定是否承接此緊急訂單。關鍵字：訂單式生產系統、緊急訂單評估、決策支援系統、類神經網路。1. 緒論1.1 研究背景與動機緊急訂單是指未經安排在本次生產期間製造，卻由於某些原因卻必須優先交貨的訂單，他會打亂原有的生產步調，諸如排程、機器、訂單、人力等。因此，生產製造系統必須暫停某些訂單以配合緊急訂單的交期(吳杉堯，1991) 。因此緊急訂單的產生，往往會對訂單式生產系統造成下列幾種影響：1. 緊急訂單導致一般訂單的交期延遲。由於緊急訂單具有優先處理的權利，往往造成一般訂單延遲的情形，因而產生交期延遲的懲罰成本。2. 緊急訂單導致機器負荷的產生。 緊急訂單的承接，使機器負荷產生下列兩種情況：當機器原本閒置時，由於緊急訂單的承接，反而使機器的使用率充分發揮。反之，當機器原處於忙碌狀態時，由於緊急訂單的承接，造成機器負荷的增加，導致機器故障率也隨之增加，使得維護成本也相對的提昇。3. 緊急訂單導致存貨數量的改變。 緊急訂單的承接可能導致庫存量擴增，而庫存量的增加卻往往造成資金的積壓。4. 緊急訂單導致人力的重新配置。 緊急訂單的承接會造成員工加班的情形，相對的，也就產生額外的人工成本與加班時間。5. 緊急訂單對企業整體信譽之影響 緊急訂單的承接與否，往往對企業造成極大之影響，如承接時所帶來之利潤、有形(現有的顧客)和無形(潛在的顧客)商機的產生、企業信譽的提昇、市場佔有率的改變等影響。從上述論點得知，緊急訂單的承接與否對生產系統而言，是一件極為重要而影響深遠的工作。1.2 研究目的目前多數的研究要不只針對成本構面如Wu和Chen(1996)，劉書助與陳俊龍（2000）等作考量，要不只著重於時間構面如吳杉堯（1991），吳斌友（1996），歐陽秀山（1996），黃怡禎（1997）與李慶恩和陳昭文（1999）等。而陳舜源（1995）雖二者皆考量，但由於使用多目標規劃法，使得實務應用上較有困難。因此，本專題擬發展一完整的緊急訂單承接評估模式，能綜合考量時間構面、成本構面與其他評估因素構面，並運用類神經網路，作一綜合推論。其推論結果可提供管理者決定是否承接此緊急訂單，並能提供相關建議。2. 文獻回顧目前，針對緊急訂單承接評估方面的相關文獻並不多見，以下就所找到的國內外的相關文獻做一簡單介紹：吳斌友(1996)建立的主動反應式排程，能針對各種異常情況(如機器故障，緊急訂單等)加以考量，其模式能主動判斷異常情況種類，接著會判斷選擇排程再生法則，或者視作業順序變動排程法則，透過二元樹及混合矩陣排序法則，解除異常現象對訂單式生產排程的影響。Wu和Chen(1996)在其緊急訂單成本評估模式中，提出一混合式整數規劃模式，計算承接緊急訂單時所需的成本價格，其模式可有效考量不同因素下，如何達成成本之最小化或利潤之極大化。其模式並可決定出承接緊急訂單時所需的成本。黃怡禎(1997)認為所謂的緊急訂單，乃是客戶希望生產系統以較短的生產週期完成交貨之訂單。在文中他提出三種面臨緊急訂單的模式: 分類模式，評估模式與承接模式。利用此三個構面模式，完成一完整晶圓廠緊急訂單承接模式。黃俊穎(1998)對於訂單異動時，建議運用目標規劃模組透過數學方法，作為更新主生產排程的依據。再運用限制理論，決定系統產出量。最後再運用寬裕度與利潤兩項績效指標，決定允許客戶調整訂單與否。李慶思與陳昭文(1999)主要是考慮緊急訂單與延遲成本兩項因素下，運用基因演算法與模擬兩種模式，討論排程方面的派工方法。劉書助與陳俊龍(2000)使用啟發式方法，發展一緊急訂單承接評估模式。主要是考量緊急訂單承接後，企業將獲得一定比例的利潤； 並考慮生產系統中其他訂單所造成的影響成本。其考慮影響成本的項目， 如在製品存貨成本、提早完成品持有成本、延遲懲罰成本等，作為判斷緊急訂單承接時的依據。3. 研究架構當緊急訂單產生時首先進入緊急訂單評估模式中，本模式將分別計算金額構面、時間構面與相關構面因素模組的各項資料，再將其結果輸入類神經網路模組，運用過去的訂單資料，訓練學習類神經網路中的權重值，最後作綜合推論。而推論結果可決定緊急訂單承接與否。假如接受訂單，本評估系統將提供管理者各項成本的相關資訊與適當的排程建議。假如拒絕接受訂單，本系統亦會提供管理者承接的原因及可能解決方案，本緊急訂單評估模式之研究架構如圖一所示。圖一 緊急訂單評估模式之架構圖以下將逐一討論各個模組與其相關公式。3.1 建立金額構面評估模組在金額構面評估方面，首先本研究將其區分為成本和利潤兩大主要目標。成本目標方面又可區分為正常自製成本、加班成本及外包成本。而利潤目標方面又可分成正常利潤、加班利潤及外包利潤。然後再根據各項成本與利潤計算出綜合成本及綜合利潤，將兩者結合即可計算出金額構面的綜合構面，如圖二所示。圖二 金額構面流程圖3.1.1 成本公式本計畫所採用的成本公式，可分成三類；（1）自製正常班次成本-將所有緊急訂單本身產生的自製成本，以及一般訂單受緊急訂單所影響的成本，一併列入計算以求出自製正常班次總成本。（2）自製加班成本-將可能受影響的訂單（包含緊急與一般的訂單）列入考慮，然後計算這批受影響訂單所產生的加班成本。（3）外包成本-當前兩項都無法如期完成時，管理者可能考慮利用外包方式來承接此緊急訂單，即產生所謂的外包成本。以下將介紹這三項成本的相關公式。(1)自製正常班次成本當緊急訂單到達時，工廠在正常操作情況下，所可能產生的成本，稱為自製正常班次成本。其包含的項目有庫存成本、品質成本、運輸成本、延遲成本、閒置成本及製造成本等項目。 自製正常班次成本=庫存成本+品質成本+運輸成本+延遲成本+閒置成本+製造成本。(2)自製加班成本當緊急訂單到達時，而工廠在正常運作時卻無法如期交貨時，這時管理者就需考慮使用加班方式解決。從相關文獻中得知，當加班時人工成本、機器成本及其他相關間接成本等都會增加，因此，本研究採用這三項成本，作為加班時的費用支出，以下列出相關加班成本之運算公式。加班成本=人員費用+機器費用+其他間接成本其中，機器費用=機器數 加工機器小時 折舊率其他間接成本=(維修及修理、動力、照明、水電、小型工具等)。(3)外包成本當自製成本(含正常班次成本與加班成本)無法即時供應時，這時管理者可考慮採取外包方式加以解決。外包方式所產生的成本包含價格成本、品質成本、交期延遲成本及運輸成本等。以下說明外包成本之相關公式。外包成本=價格成本+品質成本+交期延遲成本+運輸成本。其中，價格成本=外包數量 產品種類 價格。品質成本=檢驗成本+預防成本+內部失效成本+外部失效成本。交期延遲成本=外包數量 延遲天數 懲罰費用。運輸成本=完成品 (數或者重量或趟) 單位運費。3.1.2 利潤公式 對於利潤而言，本計劃擬採用上述所求出的自製正常班次成本、加班成本及外包成本之成本目標，給予各項成本適當的寬放成數作為其利潤，以下列出其相關運算公式。自製正常班次利潤=自製正常班次成本 自製正常班次成數。自製加班利潤=自製加班成本 自製加班成數。外包利潤=外包成本 外包成數。3.2 建立時間構面評估模組本專題考慮的時間構面將分成三個部分：(1)正常班次排程 (2)加班排程 (3)外包交期。在正常班次與加班排程方面，本計劃將採用以交期為主的五種動態排程法則，安排緊急訂單與一般訂單的生產製造時間。至於在外包交期方面，本計劃擬採用外包廠商所回報的交貨日期，與廠內交期作一判斷，決定是否符合訂單要求。最後，將所得的正常班次排程、加班排程及外包交期作一綜合計算。圖三 時間構面流程圖以下分別敘述這五種動態排程法則：(1) 關鍵比率法(Critical ratio;CR)依照現在距交期日除以剩餘完成工作所需時間，其比值愈小者，優先製造權力愈高。(2) 每項作業剩餘寬放時間法(Slack time remaining per operation；STR/OP)STR/OP愈短者愈先處理，其計算方式為：STR/OP(距交期日的剩餘時間-剩餘處理時間)/剩餘的作業數目。(3) 每項作業寬放時間法(Slack time per operation；ST/O)距交期日前所剩時間減所需處理時間除以所剩之作業數的比率，比率愈小的預優先處理。(4) 排隊比率法(Queue ratio；OR)亦即排程中剩餘的寬放時間除以預計排隊等候的剩餘時間，OR愈小者期優先製造權利愈高。(5) DDATE(Due data)依據訂單的交貨日期來決定其優先順序，即交期愈早其優先製造的權利愈高。3.3 建立相關因素評估模組雖然成本與排成交期方面的考量為緊急訂單承接時的主要評估因素。但其他相關非量化因素的考量(如緊急訂單的優先次序、產能負荷度、物料供給等)仍不可等閒視之。在查閱相關文獻後得知，下列五種非量化因素是影響景即訂單承接與否的重要因素。一、緊急訂單的優先順序。二、工廠產能的負荷度。三、原料的供給度。四、所需技術的高低。五、專業設備的需求程度。為評估緊急訂單的承接與否，管理者須對這五項非量化因素給予適當的語意評估值。而每一個評估因素將有五個語意評估值：非常高、高、普通、低、非常低，而為了便利類神經網路運作，我們將其值壓縮至0和1之間。圖四 隸屬函數圖3.4 發展類神經網路模組步驟一：輸入由輸入向量Xp，目標輸出Tp所組成之訓練範例。步驟二：資料的標準化(Data normalization)。步驟三：設定網路的各項參數。步驟四：設定所有的權重值和偏權值為較小的隨機且非零值之初始值。步驟五：計算出成本函數及平均最小誤差後，利用差量法則調整權重值及偏權值。步驟六：回到步驟三，直到均方根誤差小於容忍誤差或限定誤差變動在一定的訓練次數內沒有變化為止。本專題將利用這些步驟，找出最佳的類神經網路架構。輸出層隱藏層輸入層OT.圖五 類神經網路架構圖4. 系統發展與測試本系統探討各項時間、金額及相關因素對緊急訂單承接與否的影響。先說明整個操作流程接下來逐一介紹本系統各構面的功能。首先進入系統的主畫面，上方有數個功能選項，主要包含金額購面評估模組、時間購面評估模組、相關因素評估模組及類神經網路模組等項目，每個項目又包含著其子項目的下拉式選單。圖六 系統操作流程圖 使用者在金額構面模組下輸入訂單之成本目標及利潤目標的自製正常班次成本、自製加班成本及外包成本之各個細項。次者，進入時間構面模組，可依需求自由選取五種動態排程法則，並輸入交貨日期、已製造日期、剩餘完工天數、等候時間、須處理天數及寬放時間等，系統會將依動態排程法則安排好各訂單製造順序，並轉換為各訂單延遲天數。再者，進入相關因素評估模組，這裡有五項主要影響訂單承接的非量化因素，系統會將其轉化為語意值。以上三大模組的計算數據都會傳至訓練好的類神經網路模組作是否承接緊急訂單的評估分析。本專題類神經網路採用NeuroShell2套裝軟體來發展且各項訓練值因涉及商業機密，故實際資料無法取得，所以利用五十筆合理的虛擬數據在三層的倒傳遞網路作訓練，以下為網路的各項參數：(1)輸入層：14個節點數。(2)輸出層：1個節點數。(3)隱藏層：1/2(輸入層節點數+輸出層節點數)+(資料筆數)，NeuroShell2建議值。(4)學習速率：0.6。(5)動量係數：0.9。訓練至誤差沒發生變化為止。結果發現每筆訂單承接與否的強度預測值和實際值誤差可達到小數點以下一至兩位，由此可知，在此模式下很適合利用倒傳遞類神經網路來做推論。5. 結論及建議5.1 結論本專題利用類神經網路整合時間、金額及相關因素三構面來發展一緊急訂單決策支援系統。時間因素方面，藉由五種較為績優的動態排程法則，發展完成出一時間構面評估模式。金額方面考慮其中之成本及利潤目標，並結合其他非量化之相關評估因素構面，建立一完整的緊急訂單承接評估模式，並期望公司在承接緊急訂單時利用此系統達到快速反應功效，以獲取最大利潤。以下為本專題的三項結論：一、發展出的緊急訂單承接評估模式，能同時考量成本構面、時間構面與相關評估因素構面，使得評估建議時，能更完整更正確。二、本專題所發展的緊急訂單評估模式系統，能客觀且有系統作一評估分析，可減少生管經理因個人主觀經驗所造成的錯誤判斷。三、本決策支援系統因運用類神經網路建立，具學習能力，稍加修改後即可應用於不同業界。5.2 建議 本專題所建立之智慧型緊急訂單決策支援系統，因人力及時間上的限制，有幾點未盡完備，以下提出建議，提供往後之研究。一、排程中應將人機數考慮入內，先研究出數學模式，在用程式語言開發，如此更能應用於實務方面。二、運用模糊類神經網路來探討金額、時間及相關因素對緊急訂單影響的程度，才能更詳細的提出切實的建議。三、若業界能配合提供完整的資料，如各項成本、時間數據等，則此系統將更趨完備及代表性。參考文獻1.向殿政男，Fuzzy手法進階，全華書局，台北（1992）。2.李慶恩、陳昭文，在緊急訂單下雨延遲成本考量下零工型排成問題派工法之研究，工業工程學刊，第16期第1卷，第129-146頁（1999）。3.吳斌友，零工工廠在異常環境下主動反應式排程法則之發展，私立元智大學工業工程研究所碩士論文（1996）。4.吳杉堯，緊急訂單與動態排成對自動化製造系統的績效影響的模擬研究，高雄工專學報，第21期，第299-315頁（1991）。5.劉書助、陳俊龍，訂單式生產系統下承接緊急訂單之評估模式，工業工程學刊，第17期第1卷，第65-74頁（2000）。6.張百棧，生產管理，第1版，華泰書局，台北（1996）。7.陳舜源，承接緊急訂單之評估模式，國立交通大學工業工程研究所碩士論文(1995)。8.張耿通，零工型生產之交期設定模式發展，國立交通大學工業工程研究所碩士論文（1995）。9.黃怡禎，晶圓製造廠緊急訂單承接模式之建構，國立交通大學工業工程研究所碩士論文（1997）。10.黃俊穎，晶圓製造廠因應產品組合更動之快速生產規劃機制，國立交通大學工業工程與管理系碩士論文（1998）。11.歐陽秀，流程線啟發式重排程方法之研究，國立交通大學工業工程研究所碩士論文（1996）。12.Baker,K.R and J.W.Bertrand, “A Comparsion of Due-Date Selection Rules”AIIE Trransactions (AIE),Vol.13,iss.2,Jun. 1981,pp123-131(1981).13.Clark, F.D. and A.B.Lorenzoni, Applied Cost Engineering, 2ed,Marcel Dekker, Inc.(1985).Intelligent Rush-Order Evaluation Decision S