善用模型软件工具 提昇智能生产规划排程

清华大学 工业工程与工程管理系主任 洪一峯教授

由于电脑所具有的快速运算、大量存储器/存储空间、自动化数据收集处理，以及可透过网络快速传递信息等特性，现在已经在智能工厂管理、分析与决策的过程中被大量使用，做为协助企业管理人员的重要工具之一。清华大学工业工程与工程管理系教授洪一峰表示，运用电脑进行科学计量的管理技术，除了可针对企业内有限的资源做最适当的调配，让资源的使用效率获得显着的提升之外，还能够达到降低营运成本、减少数据错置风险的目标。

目前此一技术已经被广泛应用于规划、生产、存货、行销、财务与人力等各项企业营运管理的功能项目之中。特别是数学规划模式，受到现在软硬件设备进步影响，人们开始可以透过建构数学模型的方式，来描述现实营运中所可能遇上的各项问题，同时利用理论与计算公式来求取其最佳解，以做为实际问题的解答。

洪一峰表示，即便对于一些无法计算出最佳解的问题，也可以利用这样的模式，快速求取近似最佳解，让管理者能够在进行直觉判断时，有更合理的依据可供凭藉，而非盲目进行决策。以货物运输问题为例，在业者有两个工厂、两个仓库、三个销售点的条件下，其排列组合及运输方式极多，若依照传统直觉式的决策，很难从中找出其最佳解。但如果能透过数学规划模式计算，无论是在求解速度，亦或是最终结果方面，比较有可能得到令人满意的答案。

数学规划模式对于解决分量生产派工排程作业、瓶颈机台的排程、序列式生产方式、难以决定每一批量生产的产品及开始生产/结束生产时间、将存货/欠货/设置/订货/生产/采购/原料等总体成本最小化、选择订单使利润最大化，以及需求预测困难/前置时间长/交期急迫/客户可能随时更改订单的供应链管理等生产线常到遇到的问题颇有助益。

举例来说，由于未来订单来到时间点是随机的，因此我们需要在短时间内判断：现在接受一笔低利润订单，但之后可能没有产能因应高订润订单？亦或是现在拒绝，但之后反而没有订单的风险。洪一峰说，单纯只用先到先服务法则并非是好方法。业者应建立好一套决策模型，才能依据现有已知的数据，计算出正确决定。

不过要建构可代表实际问题的模型，并据此计算出最佳解，管理者所需要参照的数据相当多，而且因问题所处环境的不同，其代表的模式也必须做相对应的调整。以供应链管理为例，除了工厂方面的制造途程、跨厂区产能、在制品状态、生产成本/时间、原物料耗用情况、机台换线成本/时间；供给方面的在途量、期初库存、采购成本/时间；需求方面的预测需求、产品售价、订单交期/数量…等项目外，还得考虑产能、运输、维护、客户优先层级、制程平衡需求、替代料/替代机台…等条件限制，才能计算出最佳化的生产、分派产品、订单欠货、瓶颈飘移、可允诺数量、跨厂区资源分配等决策。洪一峰认为，这必须透过克服人们思考思维、组织权责、运作模式及数据取得方式等困难点，并配合良好模型软件工具辅助才可达成。

以Harris这家年营收5亿美金的航太、汽车与通讯半导体公司为例，产品种类超过了1万种以上，并有30家以上的供应商，但在1989年时，其订单达交率仅有75%，因此到1991年时，营运产生了7,500万美金的净亏损。为此该公司导入了最佳化生产规划软件系统，进行需求、产能安排及可允诺数量的规划。该系统于1992年正式上线之后，1993年的订单时达交率便提升至95%，欠货的产品种类由原本的5,000种减少至100种，反应在利润表现上，则从1993年的2,000万美金，到了1995年时已到达4,200万美金的水准。至于在台湾方面，目前也有多家业者将此一规划模式应用于供应链及生产系统排程上，并获得不错的成果。

洪一峰认为，经过多年产业实证结果，以数学规划模式辅助决策的确可应用在企业及工厂实际营运流程中，并为组织带来实际的成效。但不同的产业、不同的环境，自然会有不同的考量，因此其采用的数学模型及解决方案亦会有相当的差异。

如同样是要减少存货及其相关问题所带来的成本，汽车制造公司(Toyota)会运用实时生产系统来处理，个人电脑业者(Dell)则发展出直销模式，至于而零售业(Wal-Mart)利用接驳式运送(Cross-docking)技术，在达成上述目标之余，又能同时快速满足客户需求。业者或可使用具弹性设定与快速导入的模型软件工具来因应，并藉以取代传统直观式的运作决策模式。