本研究以半導體封裝廠為例，探討在一特殊之混合流程型生產環境中之訂單指派規劃問題。半導體封裝廠為混合流程型生產環境的特例，其加工過程中有一載具轉換機制而造就其拆批與集批特性；且各站皆有許多不同型號/等級的機型，每個機型又有相同的機台，因此各站皆有非等效平行機群及完全相同的平行機台之特性；各產品依照其高低階程度或規格的不同，有各產品之適用機台群。其面臨之規劃問題可分為兩個部分：一為各訂單在載具轉換後新載具所需裝批的數量，二為將訂單指派至各站適當之加工機群。問題範圍限定在該產業中三個瓶頸製程，上片、銲線以及模壓。由於該產業特殊的生產特性，其指派問題相當困難且複雜，若是指派不當，可能造成指派到的產線沒有該訂單之適用機台群，以及訂單分配不均導致產能超出負荷等問題。
　　本研究運用模擬最佳化的手法來解決此特殊之混合流程型生產環境之規劃問題，首先由單條產線，考慮非等效平行機台與完全相同平行機台共存及各訂單適用機台群之限制之特性開始，逐步加入拆批、集批特性及隨機性之特性，探討不同特性所會對結果造成之影響。決定最後模擬模式所需考慮的生產特性後，設立決策變數與環境，以最小化平均一張訂單之流程時間為目標，進行模擬最佳化。在面臨求解方案數過多時，本研究利用基因演算法以及粒子群最佳化演算法進行解空間之搜尋，同時利用最佳運算資源分配(Optimal Computing Budget Allocation, OCBA)有效地分配模擬資源及節省模擬時間，最後，本研究比較不同的方法，驗證了粒子群最佳化演算法結合OCBA，能有效地找到較佳的解並可同步節省模擬資源，提供實務上此混合流程型生產環境之規劃問題之參考依據。

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究範圍 3
1.4 研究步驟與方法 4
第二章 文獻回顧 8
2.1 半導體封裝產業之產能規劃 8
2.2 混合流程型生產排程問題 9
2.3 批量分割與批量流 12
2.4 集批加工問題 13
2.5 模擬最佳化 14
2.5.1 基因演算法（Genetic Algorithm, GA） 17
2.5.2 粒子群最佳化演算法（Partical Swarm Optimization, PSO）20
2.5.3 OCBA(Optimal Computing Budget Allocation) 22
第三章 半導體封裝產業概述與問題定義 26
3.1 半導體封裝產業概述 27
3.2 半導體封裝產業特性 29
3.3 半導體封裝廠生產計劃介紹 34
3.4 訂單加工機群指派流程現況與分析 37
3.5 現行作法所面臨的問題 39
3.6 改善方向 41
3.7 問題描述 42
3.7.1 半導體封裝製程之載具轉換流程 42
第四章 研究方法論 48
4.1 問題定義 48
4.2 模擬模式架構 52
4.3 方法論 54
4.3.1 基因演算法結合OCBA 55
4.3.2 粒子群最佳化演算法結合OCBA 66
第五章 模擬實驗與分析 70
5.1 模擬模式建構 70
5.1.1 模擬模式建構目的 70
5.1.2 範圍與細緻度 70
5.1.3 模擬模式建構 71
5.1.4 模擬模式驗證及確認 75
5.2 簡易模型與複雜模型 76
5.2.1 探討隨機性之特性 77
5.2.2 探討拆批與集批之特性 81
5.3 實務案例實驗 86
5.3.1 實務案例 86
5.3.2 模擬最佳化 89
5.3.3 裝批決策模擬實驗 92
5.4 演算法參數分析 94
5.3.4 基因演算法與OCBA參數設定 95
5.4.1 粒子群最佳化演算法與OCBA參數設定 100
5.5 結果比較 106
第六章 結論與建議 108
6.1 結論 108
6.2 建議 109
參考文獻 111
附表 114

1. 林則孟，「系統模擬-理論與應用」，滄海書局，2001
2. 詹詩敏，”半導體封裝廠之機台配置問題”，國立清華大學工業工程與工程管
理學系，碩士論文，2011
3. 黃思孟，”半導體封裝廠之短期訂單與機台指派問題”，國立清華大學工業工
程與工程管理學系，碩士論文，2012
4. 方信瓔，”半導體封裝廠之短期訂單與機台指派問題”，國立清華大學工業工
程與工程管理學系，碩士論文，2013
5. 鄭書豪，”CONWIP 生產管制架構於 IC 封裝產業之應用”，國立清華大學工
業工程與工程管理學系，碩士論文，1998
6. Carson, J. S.. AutoStat Output Statistical Analysis for AutoMod Users.
Proceedings of the 1996 Winter Simulation Conference, 492-499 (1996).
7. Chen, CH and LH Lee. Stochastic Simulation Optimization: An Optimal
Computing Budget Allocation, 2010.
8. Chris, N. Potts and Y. Kovalyov Mikhail. Scheduling with batching: A review.
European Journal of Operational Research 120 (2000) 228-249.
9. Dean, H. Kropp and L. Smunt Timothy. Optimal and Heuristic Models for Lot
Splitting in a Flow Shop. Decision Sciences Volume 21, Issue 4, pages 691–709,
December 1990.
10. Etiler, O, B. Toklu, M. Atak and J. Wilson. genetic algorithm for flow shop
scheduling problems. Journal of the Operational Research Society (2004) 55,
830-835.
11. Eva, Vallada, Ruben and Ruiz. A genetic algorithm for the unrelated parallel
machine scheduling problem with sequence dependent setup times. European
Journal of Operational Research 211 (2011) 612–622.
112
12. Garey, MR and DS Johnson. Computers and intractability: a guide to the theory
of NP-completeness. San Francisco: Freeman, 1979.
13. Guinet, A, MM Solomon, PK Kedia and A Dussauchoy. A computational study
of heuristics for two-stage flexible flowshops. International journal of
production research, 1996; 34(5):1399–1415.
14. Gupta, JND, AMA Hariri and CN Potts. Scheduling a two-stage hybrid flow
shop with parallel machines at the first stage. Ann Oper Res, 1997; 69:171–91.
15. Henderson, SG and BL Nelson. Handbooks in Operations Research and
Management Science: Simulation, Volume 13, 2006.
16. John J. Grefenstette. Optimization of Control Parameters for Genetic Algorithms.
IEEE Trans on Syestems, Man, and Cybernetics. VOL. SMC-16, NO, 1, 1986
17. Kim, J. S., S. H. Kang and S. M. Lee. Transfer Batch Scheduling for a Two-stage
Flow Shop with Identical Parallel Machines at Each Stage. Omega 25 (5):
547–555, 1997.
18. Loo Hay, Lee, Chen Chun-Hung, Chew Ek Peng, Li Juxin, Pujowidianto
Nugroho Artadi and Zhang Si. A Review of Optimal Computing Budget
Allocation Algorithms for Simulation Optimization Problem. International
Journal of Operations Research , 2010.
19. Low Chinyao. Simulated annealing heuristic for flow shop scheduling problems
with unrelated parallel machines. Computers and Operations Research archive
Volume 32 Issue 8, 2005.
20. Linn, R and W Zhang. Hybrid flow shop scheduling: a survey. Computers &
Industrial Engineering, 37(1–2):57–61, 1999.
21. Liu, CY, Chang, SC. Scheduling flexible flow shops with sequence-dependent
setup effects. IEEE Trans Robotics Automation, 16:408–19, 2000.
22. M. Cheng, N.J. Mukherjee and S.C. Sarin. A review of lot streaming.
113
International Journal of Production Research, Vol. 51, Nos. 23–24, 7023–7046,
2013.
23. Ribas, I, R. Leisten and JM. Framiñan. Review and classification of hybrid flow
shop scheduling problems from a production system and a solutions procedure
perspective. Computers & Operations Research, 1439–1454, 2010.
24. Rubén, Ruiz, José Antonio and Vázquez-Rodríguez. The hybrid flow shop
scheduling problem. European Journal of Operational Research 205 (2010)
1–18.
25. Salvador, MS.. A solution to a special class of flow shop scheduling problems. In:
Elmaghraby SE, editor. Symposium on the theory of scheduling and its
applications. Berlin: Springer, 1973. 83–91.
26. Santos, DL, JL. Hunsucker and DE. Deal. Global lower bounds for flow shops
with multiple processors. Eur J Oper Res, 1995; 80(1):112–20.
27. Uetake, T, H. Tsubone and M. Ohba. A production scheduling system in a hybrid
flow shop. Int J Prod Econ, 1995; 41(1–3):395–8.
28. Zhang, W., et al.. Multi-job Lot Streaming to Minimize the Mean Completion
Time in m+1 Hybrid Flowshops. International Journal of Production Economics
96 (2): 189–200, 2005.
29. Zhang, Chen, Lee, Chew and Chen. Simulation Optimization Using the Particle
Swarm Optimization with Optimal Computing Budget Allocation. Proceedings
of the Winter Simulation Conference, 2011.