摘要 傳統上之排程問題只考慮機台資源,但是在彈性製造系統(Flexible Manufacturing System, FMS)中除了機台資源外還包含搬運系統如自動物料搬運車輛(Automatic guided vehicles, AGV),而搬運工件的時間會導致機台的閒置,因此在本研究的目標是要同步(Simultaneous)處理作業排程與車輛排程,使總完工時間(Makespan)最小化。同時考量作業排程與車輛排程是一個複雜的NP-Hard問題,因此需要一個有效的搜尋方法。根據文獻指出演化式演算法在處理最佳化排程問題是較好的選擇,因此本研究利用基因演算法(Genetic Algorithm ,GA)產生作業排程,並利用車輛排程演算法對每一個作業去選擇車輛。將兩個方法結合以處理同時排程問題。在面臨多目標問題時則使用多目標基因演算法(Multi-Objective Genetic Algorithm, MOGA)。 在FMS當中,由於機台都為多功能機台,工件的同一作業可以選擇替代機台進行加工,這個特性更增加排程的複雜性;而替代機台會影響到總完工時間以及機台與車輛的利用率,因此除了利用機台選擇演算法使總完工時間最小化之外,機台的利用率平衡也是重要的指標。在文獻中以數學規劃求解同時排程問題,車輛搬運工件的時間都是以搬運時間除以車輛移動速度,並未考慮到車輛在途中可能因為壅塞而延遲搬運時間或是車輛鎖死(deadlock)的實際上會面臨到問題,因此本研究在FMS同步排程系統之建構以離散事件模擬來達到考量實務情況,以區域控制(zone-control)處理車輛鎖死的問題,並以模擬最佳化架構在基因演算法結合模擬模式來增快求解效率。 FMS當中的機台都為CNC機台,作業的加工時間幾乎都是確定的,但是作業的整備時間是具有變異性的,這個因素使整個模型具有隨機性,若只以模擬一次的數據便對其下定論,可能因為隨機造成的誤差導致決策錯誤,若模擬太多次則會導致模擬時間過長。因此利用OCBA(Optimal Computing Budget Allocation)分配較多模擬資源給無法明確分辨好壞與變異太大的方案,在滿足特定的P{CS}下,能利用最少的模擬資源找出準確的方案。在面臨多目標問題時則使用MOCBA((Multi-Objective Optimal Computing Budget)。