Abstract
本研究將依據朱(2009)所探討的考慮需求不確定之單階層多廠區隨機產能規劃問題，以及延伸吳(2011)所提出的模擬為基之近似動態規劃，建構即時近似動態規劃模型(Real-Time Approximate Dynamic Programming Algorithm)，在TFT-LCD產業面臨市場需求具有劇烈波動的環境中，考量在規劃期間內，各產品族於各期具有不同的需求分配，且前後期的需求間存在相依性，在欲達到利潤最大的目標下，決定各期各產品族之最佳產能分配決策，以及當現有產能無法滿足時，決定最佳產能擴充決策，透過購買各產品之專屬附屬設備－光罩，以增加產品族於各廠區之產能。 本研究使用k-Nearest Neighbor Approximation之方法與Rolling Horizon的概念修正近似動態規劃在隨機模擬過程中被忽略狀態的衡量方式，提出了k-NN為基之近似動態規劃(k-Nearest-Neighbor based Approximate Dynamic Programming)與滾動為基之近似動態規劃(Rolling-Horizon based Approximate Dynamic Programming)，以縮小狀態與決策空間，在提升運算效率之前提下，達到即時決策之目的，以期能更有效率地得到最佳產能分配結果與更穩健的產能擴充計畫。 本研究將使用與朱(2009)相同的產業實例，驗證所提出的即時近似動態規劃模式，並與朱(2009)建構的隨機動態規劃模式結果進行比較，利用蒙地卡羅模擬法，隨機抽樣各期各產品族的需求分配，以驗證此即時近似隨機動態規劃模式的可行性與有效性，實驗證實，本研究之方法不但可找到與隨機動態規劃極微相似的最佳產能擴充路徑，且大幅減少衡量的狀態與決策空間，有效縮短運算時間。此外，本研究也探討在問題特性下，Heuristics與問題數據之參數設定對於求解結果之影響，以評估模型的適用環境。最後，將本研究模型應用至Large Scale的問題上，在隨機動態規劃已無法於有限時間內求解的問題中，評估本研究之模型的求解效率，實驗結果得知，本研究之模型仍然可在有限的時間內求得一組近似最佳的產能擴充解。從以上實驗證實，本研究提出之即時近似動態規劃模型可達到節省運算資源與即時決策之兩大目的。