Abstract
依據系統之狀態動態的選用不同的排程法則並將之於生產線上在文獻之中已被認可為一有效率之方法。因此在本研究中嘗試去發展一智慧型派車機構能依不同的系統狀態選用不同之無人搬運車之派車則，同時希望此一智慧型派車機構能夠自動的修正其知識。而該智慧型機構之核心乃為其派車知識。因此如何得到該知識乃為發展此一智慧型派車機構之最重要的課題。所以在本研究中亦提出了一知識取得之架構以得到該機構派車之知識。依此一知識取得之架構，該智慧型派車機構之知識便可經由此獲得。機器學習演算法被應用於此一架構中作為取得派車知識之主要工具 。派車之知識是由一組範例經機器學習演算法以普遍化( generalization)之程序來導出該派車之知識的。然而在這普遍化之過程當中會發生一種過度普遍化之現象(phenomenon of over-generali- zation)，此一過度普遍化之現象會對派車知識之正確性有所影響 。因此為了顧及派車知識之正確性，派車知識之修正是必需的 。所以此一知識取得的架構還包含了一套知識修正之程序來修正這過度普遍化之現象。在最後提出了一智慧型派車機構之架構。這智慧型派車機構之設計理念是基於前面所述之知識取得之架構而來的。因此這智慧型派車機構可以獲得所需之派車知識，此外這智慧型派車機構還包括一推論機構(inference engine)使其可以依不同之系統狀況去推論 (make inference)選用合適之派車法則。該智慧型派車機構還包含了一組用來偵測過度普遍化現象之機構；當過度普遍化之現象被偵測到之時，知識修正之程序便會被引發以修正該機構之知識。此一智慧型派車機構之主要活動有三：一、獲得派車之初始知識，二、依系統狀況選用適合之派車法則，三、修正派車之知識。