本研究以鈑金加工業之個案進行研究，其生產環境為接單式生產、零工式生產以及少量多樣的產品特性，因多種的問題使得個案公司在生產績效上表現不彰，本研究至個案公司進行資料蒐集、問題分析後，發現個案公司現行的生產排程作業完全仰賴人工，廠內並無電子化，在遇到訂單過多的狀況下，無法準確掌握當下機台生產狀況，因而導致生產時間過長無法滿足客戶要求交期。
經過問題分析後，本研究將優先針對排程問題進行改善，利用模擬軟體ARENA 16.1的版本為個案公司進行建模，運用不同的派工法則進行訂單生產的模擬，並使用常用的績效衡量指標比較不同派工法則排程下的表現，同時找出不同的條件下表現最佳之派工法則，為個案公司提供一個適合其生產特性的排程派工方式。
本研究進行模擬分析以及敏感度分析後，為個案公司找出混和式派工法則，即在瓶頸站使用剩餘最小寬裕時間(SST)，其餘生產站別則使用最早交期法(EDD)之混和式派工法則，並於模擬結果中發現此方法和現行派工法則相比，達交率可提升約23%，且其平均流程時間可降低18%，平均延遲時間則降低69%。

This research aims to find out an efficient solution for the case company to quickly adapt with the customer demand. The sheet metal industry is a job shop production system. To be more competitive, the case company focuses on Original Equipment Manufacturer (ODM) and Original Equipment Manufacturer (OEM) business; therefore, it’s a make-to-order manufacturing with diversified products. Due to the complex manufacturing environment, the performance is usually less than satisfactory.
By analyzing the root cause of its poor performance, there are some problems observed. To spend less cost and time, the main purpose of this research is to evaluate various dispatching rules using ARENA simulation system for the case company. This research chooses five key performance indicators (KPI) to analyze the pros and cons of each dispatching rules. Eventually, this study will propose the most suitable dispatching rule for the case company.
The results shown that the hybrid dispatching rule performs well. Comparing to current dispatching rule of the case company, the order fill rate increases 23%, average flowing time reduces 18% and mean tardiness reduces 69%.

摘要 I
ABSTRACT II
誌謝辭 III
目錄 IV
表目錄 VII
圖目錄 VIII
第一章 緒論 1
1.1. 研究背景及動機 1
1.2. 研究目的 3
1.3. 研究流程 3
第二章 文獻探討 5
2.1. 機械鈑金加工 5
2.1.1. 鈑金加工定義及介紹 5
2.1.2. 板金材料介紹 5
2.1.3. 機械鈑金產業特性 7
2.2. 生產排程 7
2.2.1. 生產排程(Scheduling) 的定義 7
2.2.2. 生產排程的研究方法 8
2.2.3. 生產排程的派工法則 9
2.3. 系統模擬 11
2.3.1. 模擬(Simulation)的定義 11
2.3.2. 模擬的優缺點 13
2.3.3. 模擬的流程 13
2.3.4. 模擬軟體介紹 15
2.4. ARENA模擬軟體 15
2.4.1. ARENA介紹 15
2.4.2. 相關應用文獻 16
2.5. 本章小結 18
第三章 研究方法 21
3.1. 研究方法架構 21
3.2. 現況描述及問題定義 22
3.2.1. 個案公司介紹 22
3.2.2. 現況描述 28
3.2.3. 發現問題 29
3.3. 研究假設與限制 32
3.4. 模型參數 33
3.5. 模型建構 36
3.6. 模型驗證 37
3.7. 驗證性實驗設計 51
3.8. 模擬時間設定 52
第四章 執行模擬及模擬結果分析 53
4.1. 模擬結果分析 53
4.2. 敏感度分析 58
4.2.1. 機台數變化 58
4.2.2. 加班時間增加 63
4.2.3. 訂單進入數量調整 66
4.2.4. 敏感度分析結果 69
4.3. 本章小結 70
第五章 結論與建議 72
5.1. 結論 72
5.2. 後續研究與建議 73
參考文獻 75

中文文獻
1. 朱雅如 (2008)。工具機產業微笑曲線之經營策略 - 以S公司為例。逢甲大學經營管理碩士在職專班碩士論文。
2. 吳琮囿 (2009)。台灣機械鈑金產業資源構形策略以機械鈑金K公司為例。逢甲大學經營管理碩士在職專班碩士論文。
3. 林怡君 (2003)。運用模擬技術於手術室排程管理-以某醫學中心為例。國立台灣大學醫療機構管理研究所碩士論文。
4. 林則孟 (2001)。系統模擬理論與應用。滄海出版社。
5. 張孟良 (2014)。中部機械鈑金加工業經營績效之關鍵成功因素研究。僑光科技大學國際貿易運籌研究所碩士在職專班碩士論文。
6. 張勝富 (2017)。鈑金自動化之成本效益評估 -以B公司雷射加工為例。崑山科技大學企業管理研究所碩士論文。
7. 郭幸民 (2014)。系統模擬與Arena應用。滄海書局。
8. 陳秀霞 (2013)。運用系統模擬探討接單式生產型態之主排程派工決策組合。國立中山大學資訊管理研究所碩士論文。
9. 陳建良 (1995)。排程概述。機械工業雜誌，12月，122-137。
10. 楊富閔 (2015)。LED製造廠派工法則之模擬研究。南台科技大學管理與資訊系工業管理研究所碩士論文。
11. 溫郅懿 (2018)。應用系統模擬於不同派工法則之績效探討-以國內某金屬壓鑄廠為例。元智大學工業工程與管理研究所碩士論文。
12. 董品潔 (2020)。應用模擬系統於手術排程管理-以中部某區域教學醫院為例。國立雲林科技大學工業工程與管理系健康管理碩士在職專班碩士論文。
13. 戴世鴻、江達、江碩 (2001)。生產管理。鼎茂圖書出版有限公司。

英文文獻
1. Altiok, T. & Melamed, B. (2007). Simulation modeling and analysis with Arena. California: Elsevier Inc.
2. Blackstone, J. H., Phillips, D. T., & Hogg, G. L. (1982). A state-of-the-art survey of dispatching rules for manufacturing job shop operations. International Journal of Production Research, 20(1), 27-45. https://doi.org/10.1080/00207548208947745
3. Castro, P. M., Aguirre, A. M., Zeballos, L. J., & Méndez, C. A. (2011). Hybrid Mathematical Programming Discrete-Event Simulation Approach for Large-Scale Scheduling Problems. Industrial and Engineering Chemistry Research, 50(18), 10665–10680. https://doi.org/10.1021/ie200841a
4. Chawla, V. K., Chanda, A. K., Angra, S., & Rani, S. (2018). Simultaneous Dispatching and Scheduling of Multi-Load AGVs in FMS-A Simulation Study. Materials Today: Proceedings, 5(11), 25358–25367. https://doi.org/https://doi.org/10.1016/j.matpr.2018.10.339
5. Douglas Smith, L., Nauss, R. M., Mattfeld, D. C., Li, J., Ehmke, J. F., &Reindl, M. (2011). Scheduling operations at system choke points with sequence-dependent delays and processing times. Transportation Research Part E: Logistics and Transportation Review, 47(5), 669–680. https://doi.org/https://doi.org/10.1016/j.tre.2011.02.005
6. Fanti, M. P., Iacobellis, G., Rotunno, G., & Ukovich, W. (2013). A Simulation-Based Analysis of Production Scheduling in a Steelmaking and Continuous Casting Plant. 2013 IEEE International Conference on Automation Science and Engineering (CASE). NJ, United States. https://doi.org/10.1109/CoASE.2013.6654020
7. Guseva, E., Varfolomeyeva, T., Efimova, I., & Movchan, I. (2018). Discrete Event Simulation Modelling of Patient Service Management with Arena. Journal of Physics: Conference Series, 1015(3). https://doi.org/10.1088/1742-6596/1015/3/032095
8. Hashemi, A. S., & Sattarvand, J. (2015). Application of ARENA Simulation Software for Evaluation of Open Pit Mining Transportation Systems – A Case Study. Proceedings of the 12th International Symposium Continuous Surface Mining 2014, Aachen, Germany. https://doi.org/10.1007/978-3-319-12301-1_20
9. Kaban, A. K., Othman, Z., & Rohmah, D. S. (2012). Comparison of Dispatching Rules in Job-Shop Scheduling Problem Using Simulation: A Case Study. International Journal of Simulation Modelling, 11(3), 129–140. https://doi.org/10.2507/ijsimm11(3)2.201
10. Law, A. M., & Kelton, W. D. (2000). Simulation Modeling and Analysis (3rd edition). NY: McGraw-Hill Education.
11. Maria, A. (1997). Introduction to modeling and simulation. Proceedings of the 29th conference on Winter simulation, Georgia, United States. https://doi.org/10.1145/268437.268440
12. Menner, W. A. (1995). Introduction to Modelling and Simulation. Johns Hopkins APL Technical Digest, 16(1).
13. Muravev, D., Aksoy, S., Rakhmangulov, A., & Aydogdu, Y. V. (2016). Comparing model development in discrete event simulation on Ro-Ro terminal example. International Journal of Logistics Systems and Management, 24(3), 283–297.
14. Pinedo, M. L. (2008). Scheduling: Theory, algorithms, and systems (3rd edition). NY: Springer Science and Business Media
15. Rossetti, M. D. (2016). Simulation Modeling and ARENA (2nd edition). New Jersey: John Wiley & Sons, Inc.
16. Sadoun, B. (2000). Applied system simulation: a review study, Information Sciences, 124(1), 173-192. https://doi.org/https://doi.org/10.1016/S0020-0255(99)00079-1
17. Shannon, R. E. (1975). Simulation: A Survey with Research Suggestions. A I I E Transactions, 7(3), 289–301. https://doi.org/10.1080/05695557508975010
18. Stevenson, W. J. (2018). Operations Management (13th edition). NY: McGraw-Hill Education.
19. Zahraee, S. M., Golroudbary, S. R., Hashemi, A., Afshar, J., & Haghighi, M. (2014). Simulation of manufacturing production line based on Arena. Advanced Materials Research, 933, 744–748. https://doi.org/10.4028/www.scientific.net/AMR.933.744