【文章內(nèi)容簡介】 製程外包的特性，就該產(chǎn)業(yè)而言，最能掌握的資源，在於生產(chǎn)排程的管理，所以如何求最佳排程解以減少訂單交期（DueDate）延遲時間（Delay Time）所造成的損失，是生產(chǎn)管理的主要目標，而本研究排程的目標函數(shù)，就在於求得最小的訂單製程時間損失及交期延誤損失。 綜合以上半導(dǎo)體相關(guān)排程問題之研究可發(fā)現(xiàn)，目前針對國內(nèi)IC設(shè)計業(yè)方面的研究大多仍在現(xiàn)有生產(chǎn)管理問題的探討與整理上，較少提出實際可運用之方法或模式，且相關(guān)文獻數(shù)量非常少，大部份文獻多屬於半導(dǎo)體供應(yīng)鏈中的加工廠商如晶圓廠、封裝廠、測試廠等生產(chǎn)排程問題的探討與排程模式的應(yīng)用。第四節(jié)　 第四節(jié)　基因演算法相關(guān)研究 基因演算法（Genetic Algorithm，GA）最早是由Holland（Holland，1975）等人提出，最初被應(yīng)用在人工智慧相關(guān)領(lǐng)域，後來因其求解功能強大且應(yīng)用便利，所以逐漸被應(yīng)用在機器學(xué)習(xí)、排程問題等領(lǐng)域。在本研究之文獻探討中亦可發(fā)現(xiàn)許多排程方面的研究均運用GA的方法來求解，並在各種績效的指標評估下，均可得不錯之表現(xiàn)。 一般運用GA 來解決問題時，大都以圖表 23的流程搜尋問題之最佳解。Define fitness functionInitial population , P(t),t=0Evaluation P(t)ReproductionCrossoverMutationt=t+1New genertaionJudgement If ending condition圖表23 基因演算法執(zhí)行流程圖（資料來源：Holland，1975）一、　 一、　Define Fitness Function針對研究的問題，定義出最適合的目標函數(shù)。二、　 二、　Initial Population產(chǎn)生起始解，決定群體的數(shù)目（Population Size，P(t)），群體數(shù)目的多寡對於求解的效益及演算法的效率有直接的影響（Grefenststte，1986；Austin，1990），若群體數(shù)目太小，難以達到收斂，若群數(shù)數(shù)目太大，則又相當(dāng)耗費計算時間。所以決定P(t)是很重要的。三、　 三、　Evaluation Population評估目標值，以找到最佳的parent。四、　 四、　Judgement判斷是否已達收斂或結(jié)束條件，並決定是否遺傳至下一代。五、　 五、　Genetic OperatorsGA中的基因運算元，是整個GA方法的中樞，影響著下一代群體的產(chǎn)生，較重要的運算元有再生（Reproduction）、交叉（Crossover）及突變（Mutation）。 （莊盛森，1996）「類神經(jīng)網(wǎng)路在動態(tài)排程問題之研究」，運用GA來處理動態(tài)排程的問題。並用田口品質(zhì)工程技術(shù)（Taguchi Method），對傳遺過程中的數(shù)（群體數(shù)、交換率、突變數(shù)、遺傳代數(shù)等）以及交換運算元等變因作參數(shù)設(shè)計，並找出最佳參數(shù)組合，以增進解題品質(zhì)。 （黃子晟，1999）「啟發(fā)法與遺傳演算法在半導(dǎo)體廠排程之研究」，針對半導(dǎo)體晶圓廠之生產(chǎn)排程，運用遺傳演算法結(jié)合派工法則建立一個排程派工模式，並經(jīng)模擬驗證其效益。最後並利用實驗設(shè)計來分析基因演算法中各參數(shù)設(shè)定對排程模式在平均流程時間和平均延遲時間的影響，分析結(jié)果顯示執(zhí)行世代與突變率對該研究的求解品質(zhì)有顯著的關(guān)係。 （王培珍，1996）「應(yīng)用遺傳演算法與模擬在動態(tài)排程問題之探討」，結(jié)合模擬技術(shù)與基因演算法建構(gòu)出GA排程系統(tǒng)，利用基因演算法提供在模擬時排程決策點所需之派工法則，並將此系統(tǒng)與單一派工法則FIFO、SPT、EDD、SIO、Slack/RO等做評估比較。發(fā)現(xiàn)無論是在單一評估標準或是以加權(quán)表示的多重評估標準下，GA排程系統(tǒng)都有較佳的結(jié)果，是一頗具實用性與穩(wěn)定性的排程方法。第五節(jié)　 第五節(jié)　派工法則與績效評估 （Cleveland amp。 Smith，1989）探討流程式工廠(Flow Shop)中單機排程問題，該研究指出Preference List之字串編碼方雖然可以比傳統(tǒng)遺傳演算法中二位數(shù)值的表示方法產(chǎn)生較多可行解，卻不改善解的品質(zhì)，並與EDD、SPT、LST等法則比較排程效益。 （周富得，86/06）「流程型工廠在雙評估準則下之排程研究」，探討流程型工廠排程問題中，決策者為了達成提昇系統(tǒng)績效之目標，同時要降低“產(chǎn)出時間”與“在製品庫儲水準”，針對這兩項目標主要的評估準則(1)所有工作完成時間(Makespan)最小化及(2)總流程時間（Total Flow Time）最小化加合併，使之成為一個新的評估準則。運用啟發(fā)式排程演算法，並個別建立整理規(guī)劃模式，以驗證各啟發(fā)式排程演算法所得結(jié)果之正確性，及作為評估啟發(fā)式排程演算法求解品質(zhì)成效的基準。該研究發(fā)現(xiàn)啟發(fā)式排程演算法在多機動態(tài)啟發(fā)式排程演算法中，求解品質(zhì)已出現(xiàn)明顯下降的情況。 針對績效評估標準方面，在過去研究中，大多以單一的評估準則作為決策參考依據(jù)，但一般實務(wù)應(yīng)用上，決策者在評估方案時往往不只參酌一項評估準則制訂決策，因此，若僅考慮單一評估準則所獲得的排程計畫，儘管在此模式評估準則下可能是最好的，但若考量其它評估準則，卻不見得是最好的。 以下為多項評估準則模式的分類：一、　 一、　Posteriori Articulation of Preference(一) (一) 目標函數(shù)是在所有評估準則中挑選一項，其餘之評估準則為限制式。(二) (二) 目的在縮小求解之狀態(tài)空間以迫使問題簡化，但當(dāng)問題變大時，決策者可能會因資料量與限制條件迅速擴增而喪失最滿意解之機會二、　 二、　Priori Articulation of Facts(一) (一) 目標函數(shù)是所有評估準則依據(jù)決策者之全盤考量而決定每一個評估準則的權(quán)重(Weight)，根據(jù)權(quán)重予以合併。(二) (二) 此類方式在實務(wù)上較為實用。 本研究即以第二種“Priori Articulation of Facts”績效評估方式做為績效評估準則－即目標函數(shù)是所有評估準則依據(jù)決策者之全盤考量而決定每一個評估準則的權(quán)重(Weight)，根據(jù)權(quán)重予以合併。 綜合本章節(jié)之相關(guān)文獻探討，針對半導(dǎo)體產(chǎn)業(yè)生產(chǎn)排程問題之研究，多採用FIFO、SPT、EDD、SIO、Slack/RO 等派工法則，由此可知這些派工法則較適用於該產(chǎn)業(yè)之排程問題的解決。第參章　 第參章　研究方法第一節(jié)　 第一節(jié)　研究範圍與限制 本研究針對半導(dǎo)體產(chǎn)業(yè)之中的專業(yè)IC設(shè)計公司的主要產(chǎn)業(yè)加工程序的生產(chǎn)管理為範圍。探討IC設(shè)計公司生產(chǎn)排程的問題，發(fā)展SCMSS，使系統(tǒng)在複雜的環(huán)境下，達到理想的排程績效目標。在系統(tǒng)建構(gòu)過程中，有如下的假設(shè)與限制。一、　 一、　製程範圍IC半導(dǎo)體加工製程隨產(chǎn)品和市場需求而不同，為了簡化模式的推展和說明，假設(shè)流程裡只有(1)晶圓製造完成、(2)晶圓測試、(3)IC封裝和(4)最後測試，四個不可缺少的主要生產(chǎn)別。二、　 二、　產(chǎn)品範圍及型態(tài)IC設(shè)計公司的產(chǎn)品型態(tài)多樣化，組合型態(tài)的產(chǎn)品，並不在本研究範圍內(nèi)，本研究只針對單一的產(chǎn)品型態(tài)，即投入料到產(chǎn)品完成整個生產(chǎn)過程中間沒有分級、分枝成二種以上，且銷售時也沒有成套出貨的產(chǎn)品。第二節(jié)　 第二節(jié)　SCMSS模式的建立一、　 一、　IC設(shè)計業(yè)生產(chǎn)排程之決策架構(gòu)IC設(shè)計公司每個加工程序，可能都有數(shù)個外包廠或加工廠在進行生產(chǎn)活動，生管（生產(chǎn)計劃）單位的生產(chǎn)分派、排程和一般的生產(chǎn)管理，是屬於多廠間的跨廠整合管理工作，如圖表 31。生管單位必須整合多個加工廠之間的資訊，並且負責(zé)各項生產(chǎn)工令單及外包單的開立、追蹤及跟催工作，每日整理出各個製程產(chǎn)品的在製情況，提供業(yè)務(wù)單位相關(guān)資訊以掌握交期，並能準時交貨給客戶。Process 1晶圓代工Process 3IC封裝IntegrationAnd ArrangementOf AllocationAndSchedulingTotal integration of Planning and ControlFABNFAB2FAB1Planningamp。ControlTesting HouseNTesting House 2Testing House 1Planningamp。ControlTesting HouseNTesting House 2Testing House 1Planningamp。ControlAssembly HouseNAssembly House 2Assembly House 1Planningamp。ControlIntegrationAnd ArrangementOf AllocationAndSchedulingIntegrationAnd ArrangementOf AllocationAndSchedulingIntegrationAnd ArrangementOf AllocationAndSchedulingMarketing and Customer設(shè)計公司對於外包廠的生產(chǎn)計劃和排程外包廠對於某設(shè)計公司的生產(chǎn)計劃和排程Process 4最後測試Process 2晶圓針測圖表31 IC設(shè)計公司的生產(chǎn)管理活動示意圖 （資料來源：陳炳旭，86/06）二、　 二、　SCMSS模式架構(gòu)基因演算法，GA訂單：J1,J2…JnProcess 1晶圓代工Process 2晶圓針測Process 3IC封裝Process 4最後測試求得最佳排程解訂單：J3,J7,..J5本研究依IC設(shè)計公司之訂單式生產(chǎn)需求，建構(gòu)SCMSS模式的架構(gòu)，如圖表 32。透過基因演算法，找出IC 設(shè)計公司各個製程之最佳排程解。圖表32 SCMSS系統(tǒng)架構(gòu)模式(資料來源：本研究整理所得)三、　 三、　GA排程架構(gòu)本研究提出以基因演算法找出IC設(shè)計業(yè)生產(chǎn)四個階段之最佳排程解，來解決IC設(shè)計業(yè)工廠排程的問題，此ＧＡ排程系統(tǒng)的架構(gòu)圖如圖表 33。所需輸入的資料有－產(chǎn)品相關(guān)資料、資源需求資料、績效衡量標準?；蜓菟惴ǎ℅A）目標函數(shù)（Evaluate）產(chǎn)品資料資源需求資料績效評估標準訂單n將訂單排至各階段之生產(chǎn)資源 Process1 Process2 Process3 Process4Current LoadingNew Loading最佳排程解圖表33 GA排程架構(gòu)圖(資料來源：本研究整理所得)第三節(jié)　 第三節(jié)　研究假定條件一、　 一、　在IC 設(shè)計公司的測試製程（FT、CP test），會因產(chǎn)品良率過低，而有重測（Rework）的情形，因其發(fā)生仍屬少數(shù)，如本研究實例探討之個案，每個月發(fā)生的情況約僅1/300，此種良率過低的情形因發(fā)生機率非常低，所以在本研究模組中，並不考慮產(chǎn)品重測的情形。二、　 二、　本研究模組之需求的來源為訂單式生產(chǎn)。三、　 三、　在IC設(shè)計公司的測試製程（FT、CP test）之機臺的排程，考慮所有目前時點可以預(yù)知的現(xiàn)場資訊，不能預(yù)知的資訊，如當(dāng)機事件，對系統(tǒng)的影響與如何解決，在本研究中將不予探討。四、　 四、　在IC設(shè)計公司的測試製程（FT、CP test），由於測試機臺之測試產(chǎn)品大多採連續(xù)式排程或固定方式，例如相同或相似的產(chǎn)品排在固定的測試機臺，所以有關(guān)機器之整備時間（Setup time）或調(diào)整時間、工件運輸時間均不考慮或假設(shè)已包含於製程時間內(nèi)。當(dāng)機臺換線測試不同產(chǎn)品時，其Setup time最多也是花費10至30分鐘，而整個製程約需4小時。五、　 五、　假設(shè)已發(fā)出訂單不可再修改訂單，沒有改單的情形。六、　 六、　假設(shè)所得到各種資訊都正確無誤，不考慮資訊不正確時的防範辦法。第四節(jié)　 第四節(jié)　研究設(shè)計一、　 一、　研究步驟本研究採用現(xiàn)場調(diào)查（Field Study）的方式，深入探討IC設(shè)計公司目前的生產(chǎn)管理現(xiàn)況，分析影響生產(chǎn)流程控管之因素，並透過基因（ＧＡ）演算法，替該案例設(shè)計生產(chǎn)排程之最佳解程式並與使用單一派工法則比較其使用績效。有關(guān)研究步驟見圖表 34。相關(guān)文獻探討建構(gòu)SCMISSCMSS系統(tǒng)GA演算法實證研究及資料分析歸納研究結(jié)果與建議現(xiàn)場調(diào)查圖表34 研究步驟二、　 二、　研究對象IC設(shè)計公司種類很多，可能是附屬於半導(dǎo)體製造廠的研發(fā)部、電腦系統(tǒng)廠商或是國外半導(dǎo)體廠商的分支機構(gòu)，本論文研究對象是指「專業(yè)IC設(shè)計公司」；也就是專注於產(chǎn)品研發(fā)且生產(chǎn)體系獨立運作的公司。專業(yè)IC設(shè)計公司又分為有自己的生產(chǎn)設(shè)備或沒有自己生產(chǎn)設(shè)備的公司，但其生產(chǎn)資源大部份製程還是委託外面廠商，不管有無生產(chǎn)設(shè)備，均是本論文要研究的對象。三、　 三、　基因演算法目標函數(shù)定義目標函數(shù)以求生產(chǎn)排程最小的訂單製程時間損失及交期延誤損失為目標，如下。若有二排程均無延誤，但第一排程總Cycle Time較短，則第一排程較佳（因為WIP量較低且晶圓片受污染程度較小）。Ni=1v Min{ Σ　〔αi * Li +βi* Max{(CiDi),0} 〕* QI Li：第i張訂單的產(chǎn)品生產(chǎn)時間（Cycle Time） Ci：第i張訂單的生產(chǎn)完成時間（Completion Time） Di：第i張訂單的預(yù)定交期（Due