機台維修備品需求預測-以人造纖維自動包裝物流設備為例

Abstract

人造紡絲製造工業有著高度勞力密集及高技術密集的產業特性，因此必須納入自動化生產的設備及技術。維護單位要維護良好的維修品質、降低停機成本並使生產的稼動率在一定的水準之上時，除了良好的維修技術、快速的問題判別外，更需要有充足的備品數量做為支援後盾。但備品過剩時增加工廠的存貨成本及管理成本，積壓了可用資金；備品不足時則影響生產增加停機成本。因此，本研究計劃針對人造纖維包裝物流設備之備品做需求預測，研究方法使用時間序列法、迴歸分析、倒傳遞類神經網路以及目前產業使用的啟發式法則來建立備品需求預測模型。評估的準則以均方根誤差來比較不同預測模型以及現有預測方法之預測結果進而找出最佳預測模型，盼研究結果能建立備品需求預測模型以及提升預測準確度。 本研究以高單價、使用量大、關鍵性及客製化備品做為後續個案實證分析的選擇依據。蒐集產能資料、定保次數、人員介入損壞次數、控制或機械異常損壞次數、殘絲影響損壞、固定處剪斷、棧板品質不佳損壞這些因子對三種不同的機台備品利用統計軟體進行模型的建立以及驗證。另外因預算審核以及費用呈報皆是以月做為單位，故以月做為收集資料的時間單位。結果發現三種不同的機台備品皆是以類神經網路法在解釋變異的能力上最佳，以多重線性迴歸次之，而其他二種預測方法則不相上下。在預測準確性上同樣以類神經網路法最高，但目前產業使用的啟發式法則最差，最後以這二種法則與實際需求量比較其對經濟效益的影響。

Date of Award	2015 Aug 5
Original language	Chinese
Supervisor	Tai-Yue Wang (Supervisor)