智慧排程與動態派工：方法及實證

未來製造系統的趨勢及特徵

整合製造系統軟硬體的『智慧排程動態派工』必須考量以下幾項特性，以因應產品多樣化、設備智慧化、競爭全球化的製造趨勢：
1. 生產系統的隨機與動態特性：
生產系統包含多元動態的變化，無法視為一成不變的靜態環境，過去由於製造設備未能聯網或控制功能不足，難以掌握所有系統動態，故常以靜態方式進行排程與派工。例如，設備故障使可用產能降低，促使生產過程偏離原訂計畫，更可能導致延誤及品質良率降低，但傳統靜態最佳化模型卻無法將設備故障或預防保養的可能性納入排程考量，錯失提升效率及品質的契機。
伴隨智慧製造系統導入，目前已可充份掌握傳統製造系統無法即時監控的系統隨機動態變化。但收集即時資訊並非智慧製造系統的最終目標。需要結合『智慧排程動態派工』的即時動態調整機能，方可充分運用即時資訊，改善決策品質、提高經營效率。
2. 少量多樣的生產模式：
伴隨科技演進與全球化競爭趨勢，產品更替頻繁。為了生產日新月異的多元產品，少量多樣的生產模式逐漸普及。少量多樣的生產模式使生產計畫制定不易，規劃求解時間過長。為了在合理時間內完成生產計畫，過去常採用概略式或彙總式的排程規劃方法來簡化模型，雖可降低運算複雜度，但也造成計劃細節或決策品質的缺失。為避免決策精度缺失，『智慧排程動態派工』方法應納入少量多樣的生產模式特徵，提升複雜生產環境中，排程與派工決策
品質。
3. 非等效平行機台(unrelated parallel machines) 的廣泛運用：
產能擴充往往是循序漸進的，機台也隨產能逐步擴充而逐批採購。不同批次的設備經常納入最新的技術更新，導致生產效率或品質的差異。因此，逐批採購的設備將使生產系統包含許多功能相似、但效率或品質不同的多批次非等效平行機台。除了機台批次外，硬體及設備的健康度差異也是造成平行機台效率與品質差異的主要原因。
如何調配更先進或健康狀態較佳的非等效生產設備，進行品質要求或製造複雜度較高的加工程序，是『智慧排程動態派工』方法的關鍵及考量。權衡產品及設備的差異，以尖端設備匹配精密產品，更能使品質良率與生產效率獲得提升。
4. 生產特徵參數資料的缺失或不足：
第2及第3項系統特性的結合使差異化的眾多產品在各類非等效機台進行加工。此時，產品與機台的搭配導致品質(良率)或生產效率(工時)的不同(如圖1中，相同作業在不同設備中有不同工時分佈)。
圖2展示了產品-機台組合的可用資料量實例 (如：其中159種產品與機台的配對，僅有兩筆生產紀錄)。由圖2並可觀察到，記錄筆數小於10筆的產品-機台資料記錄達到380個，佔87.96%，遠低於統計分析所需的資料量。因此，當機台生產特定產品的資料量不足時，將影響工時與良率的估計，並造成排程派工結果與預期產生落差，制約產能的有效利用。
產品及機台的可能搭配方式眾多時，除了資料量較少外，更多的產品-機台組合可能面臨完全缺乏良率或工時資料的情況。但既有最佳化方法均仰賴精確完整的模型參數以制定高品質決策(例如：排程派工須有完整精確的工時、良率等資料)，缺乏資料導致排程派工方法無法應用於產業實務環境。因此，彌平資料不足與缺失，使『智慧排程動態派工』方法得以運用於少量多樣的非等效生產環境，也成為關鍵考量。

排程與派工系統的設計挑戰：

為因應產品多樣化、設備智慧化、競爭全球化的趨勢，排程與派工演算法必須在缺乏完整大數據或模型參數的隨機生產系統中，建構具韌性的排程與派工決策方法。韌性(Error Resilient)決策係指決策系統對參數估計誤差或系統隨機性具寬容性，不因參數的缺失及偏誤而大幅影響決策品質。
進一步分析前述四項製造系統特性，其影響又可歸納為以下幾項軟體設計挑戰：1. 系統隨機性、2.異質決策的協作及整合、3.資料不完備、及4.求解複雜性。以下逐一說明如何規劃排程派工系統提升決策韌性並克服各項挑戰：
1. 系統隨機性：
由於環境變化和不可控因素，最佳化模型的參數並非固定值（Powell, 2019）。例如，原料特性波動及設備健康狀態可導致工時和良率的波動（Bouslahet al., 2018）。藉由監測設備與系統的即時狀態，更多製造細節與系統隨機性已可獲得即時的掌握，但既有排程方法多建構於確定型最佳化方法(deterministic optimization methods)之上，並未納入隨機性考量，也無法因應系統動態變化。此外，市場需求變化快速且充滿不確定性的環境中，生產系統必須更加彈性並針對少量多樣化的產品進行生產規劃，若以確定型最佳化方法制定決策，將難以及時因應市場的需求變化。

...更多內容，請見《機械新刊》雜誌