私立中原大學

工業工程學系

碩士在職專班碩士論文

半導體封裝壓模生產排程之研究

An Intelligent Scheduling Model for Molding

Process in Semiconductor Assembly Industry

指導教授：王孔政 博士
陳慧芬 博士

研究生：蔡瑞桐

中 華 民 國 九十三 年 五 月
 目錄

誌 謝
本論文之付梓，首先衷心感謝恩師王孔政教授與陳慧芬教授的悉心指導與諄諄教

誨。在這一年多來，從文獻的探討、研究的方向與選擇、架構的建立，以迄本文之撰

寫，無不詳加指導與啟迪，且對初稿逐字斧正，使得本論文得以更臻完善。此外，承

蒙口試老師黃惠民教授不吝指正與提供許多寶貴意見，使本論文能更加通暢、嚴謹與

完整。

在研究期間，要感謝的人很多，除了感謝學分班同窗好友政豐、大同、世明、卿

福、阿松、月玲、智樂等同學；日月欣公司同事政豐、近興、守邦、興文、品泓、嘉

璟、志宏、義鉊、錦陞、鐘國等同事；研究室的俊智、廷俊、政豐、哲輝、雨龍、彥

翔、明宗等同學的互相砥礪與扶持外，凱生與嘉璟的支援，應用其專業知識，使得本

研究的程式和圖解得以與本研究之理論相契合，特此表達謝意。

最後，謹將此論文獻給所有愛護與支持我的人。尤其是家人的體諒與鼓勵，有了

你們的支持，才能順利完成研究所的學業，達成人生的一個里程碑。今後，吾將學以

致用，繼續為邁向另一個里程碑而努力。

蔡瑞桐謹誌于中原工工所九十三年六月

- i -
 目錄

摘 要
本文探討半導體封裝產業中壓模製程站之換模排程問題。壓模生產系統為平

行機設備，壓模生產系統之所以能生產各式各樣不同種類之產品，完全取決於壓

模模具之不同，才能生產各式各樣之產品。依據壓模站之產能限制，構建出一套

換模模式，利用基因演算法，使固定週期內的投料產品及投料數量，求出滿足客

戶訂單數量之換模模式，期望使訂單能順利生產，滿足客戶需求為目標。

本研究所研究的範圍，為研究彈性批量投料量之投料方式。而由於彈性批量

投料量之投料方式，因此更機、換模成為無法避免的課題，現階段壓模機台模具

之配備及安排，是人工依先進先出排程方式決定出來，生產線主管根據生管人員

投料量，排定之生產換模計劃表，其中模具之換模時機及換模模具數量往往掌握

不當或安排不當，造成換模次數增加。因此本研究之問題核心，在於透過有效的

排程，改善先進先出人工排程不當之缺失。本研究結果，可以基因演算法之方式，

找到當日最少之換模次數。

關鍵詞： 半導體封測 （Semiconductor Assembly and Test ）、換模模式

( Change Mold Die Model ) 、產能限制（Capacity Constraints ）

- ii -
 目錄

Abstract
This thesis addressed a package change model of the assembly molding station in

semiconductor packaging industry molding system is consisted of a se of a parallel

machines. We use different mold dies to produce the products. The constrains of

capacity of molding stations are considered in order to develop a suitable change

package model. This study developed a genetic algorithm for finding the package

change schedules which can minimize total change-over times.

This thesis discussed range which was the flexible batch input model. The change

over mold die to produce different product which is necessacy to be. Current mold die

change which was depend on the production line supervisor use the FIFO ( first in first

out ) rule to arrange. Base on the mold die capacity constrained, We use genetic

algorithms for find package change model optimization solutions. To archive expected

goal of facility which the shortest production time and the most less change mold die

times.

Keywords： Semiconductor Assembly and Test , Change Mold Die Model ,

Capacity Constraints

- iii -
 目錄

目 錄
誌 謝...............................................................................................................................i
摘 要............................................................................................................................ii
Abstract ........................................................................................................................ iii
目 錄.............................................................................................................................iv
第一章 緒論................................................................................................................1
1.1 研究背景與動機...........................................................................................1
1.2 研究目的與範圍...........................................................................................3
1.3 研究架構.......................................................................................................5
1.4 研究呈現.......................................................................................................7
第二章 文獻探討..........................................................................................................8
2.1 半導體封裝產品及製程介紹..........................................................................8
2.1.1 半導體封裝產品介紹 : ......................................................................8
2.1.2 半導體製程介紹 : ..............................................................................9
2.2 半導體封裝製程...........................................................................................10
2.3 半導體封裝產業之特性...............................................................................15
2.4 半導體封裝廠之接單模式與生產管理.......................................................17
2.5 半導體封裝之排程.......................................................................................22
2.6 平行機台排程問題相關文獻.......................................................................25
2.7 半導體廠排程之相關文獻...........................................................................26
2.8 基因演算法...................................................................................................29
2.8.1 基因演算法簡介................................................................................29
2.8.2 基因演算法的演化過程....................................................................30
2.8.3 基因演算法的組成要素....................................................................34
2.9 結語...............................................................................................................40
第三章 封裝壓模製程作業之排程問題....................................................................41
3.1 半導體封裝壓模作業...................................................................................41
3.1.1 封裝壓模機台作業介紹....................................................................41
3.1.2 封裝壓模機台模具及治具更換作業介紹........................................42
3.2 半導體封裝投料之方式介紹.....................................................................45
3.3 人工排程之模具排程.................................................................................49
3.4 換模排程.....................................................................................................51
3.4.1 封裝壓模機台產能之計算作業介紹................................................51
3.4.2 壓模各種產品模具數量及 UPH......................................................53
3.4.3 壓模各種產品共用模具資料............................................................57
3.4.4 封裝壓模機台更換模具對產能之影響計算....................................59
3.4.5 換模排程構想敘述............................................................................59

- iv -
 目錄

3.5 結語...............................................................................................................60
第四章 封裝壓模排程之基因演算法探討................................................................62
4.1 封裝壓模排程演算模式描述.......................................................................62
4.2 實驗結果與分析...........................................................................................64
4.2.1 問題說明............................................................................................64
4.2.2 假設與說明........................................................................................65
4.2.3 實驗求解步驟....................................................................................66
4.2.4 實驗結果 : ........................................................................................68
4.2.5 假設例實驗結果討論 : ....................................................................69
4.3 基因演算法問題之設計...............................................................................76
4.3.1 基因演算法基本架構........................................................................76
4.3.2 染色體設計........................................................................................77
4.3.3 適當值（Fitness Value） ..................................................................80
4.3.4 演算法程序（Overall Algorithm） ..................................................80
4.3.5 參數選擇............................................................................................82
4.4 執行結果........................................................................................................88
4.5 敏度分析.......................................................................................................90
4.5.1 不同起始解測試.................................................................................90
4.5.2 不同參數組合之差異測試................................................................91
4.5.3 不同訂單量之差異測試....................................................................92
4.6 執行結果討論...............................................................................................93
第五章 結論與未來研究方向..................................................................................97
5.1 研究成果與結論: .........................................................................................97
5.2 未來研究方向與建議...................................................................................97
附 錄..........................................................................................................................102
附錄 1 LQFP 產品規格及產品種類.............................................................102
附錄 2 TQFP 產品規格及產品種類.............................................................104
附錄 3 PQFP 產品規格及產品種類 .............................................................106

- v -
 目錄

圖目錄
圖 1.1 半導體封裝製程流程 ( 研究範圍 )..................................................................4

圖 1.2 研究架構..............................................................................................................6

圖 2.1 各式各樣的半導體產品 (圖片來源:南台科技大學電機工程學系教學網)....8

圖 2.2 半導體製程之簡介 (資料來源：工研院電子所 IT IS 計劃) ...........................9

圖 2.3 IC 封裝流程圖 ( 資料來源：參考日月欣半導體內部流程 ).....................11

圖 2.4 完成一條金線之銲線動作 ( 資料來源：蔡瑜明，2003 )............................12

圖 2.5 銲線完成後之晶粒與導線架 (資料來源：本研究整理) ...............................13

圖 2.6 訂單承接步驟之流程圖 ( 資料來源：李英明，1999 ) ................................18

圖 2.7 彈性流程式生產線 (資料來源：蔡瑜明，2003 ) ..........................................24

圖 2.8 基因演算法的 3 種基本因子............................................................................29

圖 2.9 組織狀態............................................................................................................31

圖 2.10 基因演算法之演算流程..................................................................................32

圖 2.11 單點、雙點與子集合中單點交配之方法......................................................33

圖 2.12 染色體的基因突變圖......................................................................................34

圖 2.13 菁英人口保留技巧..........................................................................................37

圖 2.14 輪盤法示意圖..................................................................................................38

圖 3.1 壓模機台外觀圖示............................................................................................41

圖 3.2 LQ 24X24 產品及模具之示意圖...................................................................42

圖 3.3 PQ 28X28 產品及模具之示意圖 ...................................................................42

圖 3.4 LQ 10X10 模具示意圖..................................................................................44

圖 3.5 LQ 10X10 白膠洗模示意圖..........................................................................44

圖 3.6 壓模機台 14X14 產品材料之模組，每個模組為二條材料所組成..............51

圖 3.7 壓模 14X14 產品材料，每條材料為 14 顆材料所組成................................51

- vi -
 目錄

圖 4.1 系統演算步驟流程............................................................................................62

圖 4.2 基因演算法架構 ...............................................................................................76

圖 4.3 母體數、進步率與更機次數之關係................................................................83

圖 4.4 不同母體數之更機次數收斂趨勢....................................................................83

圖 4.5 交配率、更機次數與進步率之間之關係........................................................85

圖 4.6 不同交配率之更機次數收斂情況....................................................................85

圖 4.7 突變率、更機次數與進步率之間之關係........................................................87

圖 4.8 不同突變率之更機次數收斂情況....................................................................87

圖 4.9 更機次數收斂情況............................................................................................90

圖 4.10 不同起始解下之更機次數情況......................................................................91

圖 4.11 不同參數組合之更機次數情況......................................................................92

圖 4.12 不同訂單量之更機次數情況..........................................................................93

圖 4.13 SUN 先進先出起始解生產及更機時間甘特圖..........................................95

圖 4.14 SUN 基因演算最佳解生產及更機時間甘特圖..........................................95

圖 4.15 FIFO 起始解當週累計時間甘特圖..............................................................96

圖 4.16 最佳解當週累計時間甘特圖..........................................................................96

- vii -
 目錄

表目錄
表 3.1 PC 投料之方式 ( 1 )......................................................................................46

表 3.2 PC 投料之方式 ( 2 )......................................................................................48

表 3.3 壓模各機台模具配置範例(人工排程) ..........................................................50

表 3.4 壓模系統生產之產品月產能 .........................................................................53

表 3.5 壓模各種壓模模具及 UPH 對照表 ..............................................................54

表 3.6 壓模各種產品投料需求量及總需生產時間計算（週） .............................56

表 3.8 壓模各種產品模具、UPH、投料量、生產總需時間及共用模具表..........58

表 3.9 壓模更換模具設置時間....................................................................................59

表 4.1 壓模機台生產產品別及 UPH； PC 投料數量；生產所須時間 ..................67

表 4.2 先進先出法(FIFO)壓模機生產及排程時間 ....................................................71

表 4.3 基因演算法壓模機生產及排程時間 。 .........................................................74

表 4.4 壓模機台完成所有工單所需的工時之比較(資料來源：本研究整理).........75

表 4.5 各種產品投料量及 UPH 對照表 ....................................................................78

表 4.6 染色體編碼方式 ...............................................................................................79

表 4.7 母體數對系統之影響........................................................................................82

表 4.8 交配率對系統之影響........................................................................................84

表 4.9 突變率對系統之影響........................................................................................86

表 4.10 演算法最佳參數組合......................................................................................88

表 4.11 SUN 到 SAT 更機次數統計表......................................................................89

表 4.12 不同起始解下之適當值情況 .........................................................................90

表 4.13 最差與最適參數組合之求解差異情況...........................................................91

表 4.14 不同訂單量之適當值情況...............................................................................92

表 4.15 起始解與最佳解當週累計時間比較表 .........................................................94

- viii -
 第一章 緒論

第一章 緒論

1.1 研究背景與動機

半導體產業分為上游的 IC ( Integrated Circuit ) 設計、晶圓製造廠 ( Wafer

Fabrication ，簡稱 Wafer Fab )，中游的封裝廠( IC Packaging ) 以及下游的測試廠

( Final Test )。當晶圓製造出來之後，必須經過封裝及最終測試，而測試完成之成

品才可以被送到顧客之生產線，進行電子產品之組裝作業。我國 2000 年 IC 業(設

計、製造、封裝、測試) 產值為 7,144 億元，預估到 2006 年時將達 15,915 億元。

我國 2003 年 IC 封裝業產值為 2,788 億元，全球佔有率為 32%，佔有率為全球

第一。

IC 封裝產業中以封裝前段的黏晶製程及銲線製程與封裝後段的壓模製程及

成型製程為其主要的 4 大製程，其中前段以銲線製程投資金額最大(約佔設備投資

金額 50%)，而後段又以壓模製程投資金額最大(約佔設備投資金額 20%)。同時，

隨著設備技術不斷的更新，銲線製程與壓模製程可透過更換不同的治具或模具，

便可彈性製造不同的產品。相對的，其製程的安排亦主導著封裝的品質、成本與

交貨速度，若排程或換模派工決策不良，則將導致資源的浪費，與製程瓶頸的產

生。因此，在有效的資源分配的前提下，管理者必須即時分配資源以應付產品快

速轉換的需求，進而達到最佳的排程與派工規劃。

以封裝壓模站為例，由於產品型式眾多，而每一種產品之外觀尺寸因產品種

類之不同所需之外觀尺寸也不相同，而壓模站的主要生產設備系統只要搭配不同

的治具及模具，就可以生產各種不同外觀尺寸之產品。因此如何以壓模生產設備

系統搭配各種不同的治具及模具，生產各種不同外觀尺寸之產品，其中有效的排

程不但可以以最少換模次數，並且可以滿足各種不同外觀尺寸之產品生產需求，

如何以有限的生產設備系統，搭配不同的治具及模具，有效的排程就成為壓模製

程管理中重要的排程問題。

半導體封裝產能之規劃，在 IDM ( Intergrated Design Manufacture ) 廠計劃性

- 1 -
 第一章 緒論

生產之規劃，通常是以壓模站為主要考量依據，以壓模機台的產能規劃前段的上

片及銲線機台數和後製造之切割成型機台數量，形成以中間壓模站為瓶頸站別

( Bottle Neck )而其他製程搭配等產能規劃之模式，也就是所謂的 LBC ( Line

Balance Chart )。在這種計劃性生產之模式，也不需考慮到壓模生產系統與模具搭

配之產能規劃問題。

隨著產業分工型態的改變，再加上封裝產業設備越來越昂貴，所需之資金動

輒需新台幣數十億甚至百億之資金，各 IDM 大廠紛紛尋求委外加工 OEM

( Original Equipment Manufaturer ) 之模式生產。而委外加工廠則需接收來自不同

的 IDM 廠商所釋放出來之訂單及各晶圓設計廠商所委託生產之訂單，如此產業分

工型態的改變，造成委外加工廠必須準備適合各種產品規格之模具，以生產符合

各 IDM 廠商所需之產品。再搭配壓模生產設備系統生產，也因此如何以有限的壓

模生產設備系統，搭配不同的治具及模具之排程問題，就成為壓模製程管理中重

要的課題。

然而壓模站生產時除了壓模生產系統與模具搭配之外，各種產品依據各種不

同之功能用途，所使用之壓模膠種類也不同，壓模膠為一種熱塑性膠，自出廠後

必須保持在攝氏 5 度以下之低溫冷凍庫中保存; 待使用前才可從低溫冷凍庫拿

出至室溫回溫 24 小時才可使用。再加上壓模膠（Molding Compound）可使用期

限自回溫完成開始，可使用期限僅 48~72 小時;因此由於排程不當或排程與領用膠

搭配不當，往往造成壓模生產系統要生產時壓模膠尚未回溫完成，又或壓模膠太

早領出造成尚未使用時，已經超出其使用期限。在壓模生產設備系統與模具等設

備成本高昂的情況下，如何有效且合理的分配運用壓模生產設備系統與模具，完

成顧客訂單需求，極為重要。

此一複雜決策問題之規模，以某半導體封裝廠為例，生管人員在產能分派與

規劃上，一週接到訂單所需考量產品型號約有四百至五百種產品組合，在生產資

源的考量上，以本研究探討之半導體封裝廠為例，有 68 台壓模機台與兩百至三百

套模具可從事壓模作業。生管人員需要在短時間內針對生產資源與人力限制從事

- 2 -
 第一章 緒論

粗估產能規劃的工作，規劃出在本週之封裝廠的產能分派及排程計畫。目前生產

線主任在壓模機器設備及產品種類眾多的情況下，是由生產線製造主管依照產品

種類及優先順序，以人工方式來安排壓模設備所需生產使用之模具。但由於未能

明確選擇機台的法則，往往造成時效差、安排不當、重覆更換模具等問題。不僅

生產力無法完全發揮，換模更機次數也增加，壓模膠過期報廢等問題 。

因此，為解決因產能排程規劃安排不佳而導致現場生產效率欠佳，產能規劃

系統及排程計畫是必須確實建構之決策支援工具。

1.2 研究目的與範圍

在經濟不景氣時，公司的產能大多未能達到滿載的情況下，由於生產線沒有

負荷過重的問題發生，主事者往往會忽略而不去尋求生產線之最適排程以減少產

能的浪費；殊不知尋求生產線之最適排程不但可降低生產成本，更可縮短生產週

期的時間及減少其它不必要的浪費，包括人力、物力、設備等。其實愈不景氣，

公司愈需要做以上改進，以提高公司的生產力與競爭力。

目前封裝業所採用生產排程方法大多以先進先出法 ( First In First Out , FIFO )

和交期最早法 ( Earliest Due Date , EDD )為主。FIFO 法則計算方法較為簡單而且

單純，本研究之實際狀況亦是採用此方法安排生產線排程及換模，但實際結果無

論在產量產出及產品交貨方面均不理想。而 EDD 法則在降低產品交貨方面有改

善，但產量產出方面無法得到理想的產出，並且因為更換產品次數過於頻繁，造

成換模工作很重的負擔。因此這二種方法在實際生產過程中缺乏彈性，在實際使

用上亦無法達到預期的效率。本研究的主題擬以半導體封裝壓模為背景，以壓模

生產設備系統之生產模式搭配各種模具，尋找出一個最適的排程公式或系統，以

達到最佳產能利用率及最少之換模次數，以滿足顧客需求量與交期，並作為生產

線主管排程之參考。

- 3 -
 第一章 緒論

因此，本研究的研究目的如下：

1. 在有限壓模生產系統之下，搭配各式各樣模具，使機器產能利用率提高，

在滿足顧客需求量與交期的前提下，達到換模次數最少為目的。

2. 利用產能分析，計算出各種不同模具之最大產能以及總生產設備之最大產

能。提供給生管人員，做為投料限制依據，避免某一特定之產品過量投料時，造

成瓶頸現象，而使產量無法滿足顧客需求量與交期。

3. 當壓模生產系統或模具不能滿足顧客需求量與交期時，能及時反映，將投

料量作有效管制。

半導體封裝之製程流程圖如圖 1.1 所示，本研究所探討的範圍為半導體封裝

製程之壓模製程。

晶圓黏片 晶片切割 黏晶 銲線
投料 壓模
(Wafer (Wafer (Die (Wire
(Input) (Mold)
Mount) Saw) Bond) Bond)

假設各製程產能無限制 本研究討論之範圍

剪切成型
包裝 檢驗 電鍍 印字
(Trim/
(Packing) (Inspection) (Plating) (Mark)
Form)

假設各製程產能無限制

圖 1.1 半導體封裝製程流程 ( 研究範圍 )

- 4 -
 第一章 緒論

1.3 研究架構

本研究之研究方法與架構如下所述，流程圖如圖 1.2。

1. 文獻回顧

蒐集國內外有關半導體產業之投料方法、生產排程與遺傳基因演算法之相關

文獻，加以蒐集及分類並進行文獻探討，以更進一步瞭解半導體產業生產排程之

特性、生產排程的方法。

2. 問題分析與定義

在對相關的文獻作整理與探討之後，針對研究的主題作一清楚的描述。尤其

針對基因演算法尋找出可行之最佳解之方法加以詳細說明，並引用於半導體封裝

的排程。

3. 模式構建

以封裝壓模生產排程作分析，建立生產排程換模之求解方法，接著以現行之

排程方式，及本研究所提出之最適排程進行分析與探討。

4. 成果驗證

將本研究所提出之最適排程方法，加以模擬各種假設狀況，之後實際運用在

封裝壓模排程生產線中，以驗證本研究之可行性。

5. 結論與建議

說明本研究之成果以及研究過程中的發現，並提出在本研究中未能解決之問

題，以作為後續研究之參考。

- 5 -
 第一章 緒論

圖 1.2 研究架構

- 6 -
 第一章 緒論

1.4 研究呈現

本研究共分成五個章節，其架構詳述如下 :

第一章 主要針對研究的相關背景、研究動機、研究目的與範圍和方法步驟做說

明。

第二章 將對本研究所參考文獻做整理，如半導體製程之簡介與說明、半導體廠

排程之相關文獻、基因演算法簡介 、考慮設置時間之平行機器排程問

題相關文獻。

第三章 介紹半導體製程之投料方式、壓模製程產能計算、投料量對壓模製程產

能所需生產之總時間及限制。 並運用 Evolver 軟體程式，建構生產排

程最佳化之排程模式。包括實例之假設與說明、依封裝壓模製程加以修

改之基因演算法模式及最佳排程。

第四章 Evolver 程式介紹，並進行實例測試與探討，其含基本假設、以

先進先出法人工排程、以 Evolver 運用軟體求最適解之探討及分析。

最後以一實際案例，用基因演算法找出最少更機次數及最短之設置時

間，再與先進先出法之起始解，比較其中之差異。

第五章 提出本研究之成果與結論和建議 。

- 7 -
 第二章 文獻探討

第二章 文獻探討
為了研究討半導體封裝製程中之壓模機台的排程，本研究將參考文獻分為數

個單元，分別是：半導體封裝產品介紹、半導體製程之簡介、半導體封裝製程之

簡介與說明、半導體封裝產業之特性、半導體封裝廠之接單模式與生產管理、半

導體封裝排程、半導體廠排程之相關文獻、平行機台排程問題相關文獻、基因演

算法之啟發規劃等。茲分述於以下各節。

2.1 半導體封裝產品及製程介紹

2.1.1 半導體封裝產品介紹 :

如圖 2.1 即為各式各樣的半導體產品 。

圖 2.1 各式各樣的半導體產品 (圖片來源:南台科技大學電機工程學系教學網)

- 8 -
 第二章 文獻探討

半導體產品的運用，從手機、個人電腦、數位相機、汽車及汽車娛樂視訊

系統、家庭劇院等在我們生活的周遭皆是。已經與人們息息相關，生活離不開半

導體產品。隨著 IC 產品需求量的日益提昇，使得電子構裝業不斷地發展進步，在

IC 晶片「輕、薄、短、小、高功能」的要求下，亦使得構裝技術不斷推陳出新，

以符合電子產品之需要並進而充分發揮其功能。

2.1.2 半導體製程介紹 :

一般而言，半導體製造流程可分為五大步驟，即電路設計、晶圓、光罩製作、

晶片製造以及晶片封裝，如圖 2.2 所示，即為半導體前段製程半導體後段製程。

圖 2.2 半導體製程之簡介 (資料來源：工研院電子所 IT IS 計劃)

- 9 -
 第二章 文獻探討

電路設計的主要資源在於電腦輔助設計設備及設計師的腦力；當完成電路設

計後，接著就是製成光罩模，再配合晶圓材料進行晶片製造，晶片製造是一段非

常精密且複雜的製程，然非本研究之範圍，所以於此只稍微提及。晶片完成後，

最後步驟才是進行晶片的封裝及測試，其中封裝即屬半導體製造之後段製程，也

是本研究所要研究的主要部份。

2.2 半導體封裝製程

台灣的晶片封裝廠比晶片製造廠還早崛起，IC 封裝廠一向被視為勞力密集的

外銷產業，直到晶圓製造的興起，才漸受注意。且近年來隨著資訊產業的蓬勃發

展，IC 產品的需求日增，其種類亦趨多樣化，因而更帶動了半導體工業的發展。

經過前段製程的晶圓製造之後，封裝的功能乃是將前段製程所製造的晶片電

路與外部引腳連接及包覆，以發揮晶片的功能。且對脆弱的晶片電路提供了適當

的保護，以避免受到外力的破壞及環境的影響。

封裝依其使用的材料可分為塑膠封裝（Plastic Packing）及陶瓷封裝（Ceramic

Packing）兩類，而塑膠封裝又可分為引腳插入型及表面黏著型兩種型態 【謝文樂，

1995】。

引腳插入型中較常見的是 DIP（Dual In-Line Package）

， 在表面黏著型方面，

主要型態有 SOP（Small Outline Package）

、QFP（Quad Flat Package）
、BGA（Ball

Grid Array）等。 本研究主要研究是塑膠封裝之表面黏著型的產品。

封裝製程可分為研磨（Back Side Grind）、晶圓黏片（Wafer mount）、晶片切

割（Die Saw）、晶粒黏貼（Die Bond）、銲線（Wire Bond）、壓模封膠（Mold）、

、 電鍍 ( Plating ) 、切腳成型（Trim/Form）
蓋印（Mark） 、 最終檢驗（Inspection）

等步驟，如圖 2.3 所示，茲簡述如下：

- 10 -
 第二章 文獻探討

圖 2.3 IC 封裝流程圖 ( 資料來源：參考日月欣半導體內部流程 )

1.背面研磨（Back Side Grind ）

實際在封裝製程時，其晶片之厚度依產品之不同，厚度則為 6~12 mils ，換

算成 mm，約為 0.15 ~ 0.3 mm 厚度，但從晶圓廠生產出來之晶圓，晶片厚度約

為 26~31 mils，換算成 mm，約為 0.65~0.8 mm 厚度。為何晶圓廠生產之晶圓厚

度比封裝製程厚好幾倍 ？主要是防止從晶圓廠到封裝廠，運送過程中，因搬運、

振動等問題，晶圓太薄易造成破片。為了防止破片之問題產生，所以晶圓廠生產

之晶圓厚度會比封裝製程厚。從晶圓廠送出到封裝廠的晶圓，如果晶圓厚度比實

際要封裝的厚度還厚，則必須要經過背面研磨的製程 。

2.晶圓黏片（Wafer mount）

晶片切割之目的乃是要將前製程加工完成的晶圓上一顆顆之晶粒 (Die) 切

割分離，首先要在晶圓背面貼上膠帶(Blue Tape)並置於銅製的框架，才能進行晶片

切割。此一動作叫做晶圓黏片。

3、晶片切割（Die Saw）

以高速旋轉之鑽石切割刀將晶圓上之晶片予以切割分離成晶粒（Die），切割

之後的晶粒一顆顆之晶粒井然有序的排列在膠帶上，同時由於框架之支撐可避免

- 11 -
 第二章 文獻探討

膠帶皺摺而使晶粒互相碰撞，且框架撐住膠帶以便搬運。

4、 晶粒黏貼（Die Bond）

晶粒黏貼之目的是將晶粒置於導線架（Lead Frame）上，並用銀膠（Epoxy）

黏著固定。導線架是提供晶粒一個黏著的位置（稱作晶粒座，Die Pad）， 並預設

有可延伸 IC 晶粒電路的延伸腳（分為內引腳及外引腳，Inner Lead/Outer Lead）。

一個導線架上依不同設計可以有數個晶粒座，通常為排成一列，亦有成矩陣式的

多列排法。黏晶完成後之導線架則經由傳輸設備送至金屬匣（Magazine）內，以

送至下一製程進行銲線。

5、銲線（Wire Bond）

銲線的目的是將晶粒上的接點以極細的金線（18~50μm）連接到導線架上之

內引腳，藉以將 IC 晶粒之電路訊號傳輸到外界。銲線時，以晶粒上之接點為第一

銲點，內引腳上之接點為第二銲點。首先將金線之端點燒成小球，再將小球壓銲

在第一銲點上（此稱為第一銲，亦稱為球銲，First Bond）
。接著依設計好之路徑拉

金線，將金線壓銲在第二點上（此稱為第二銲亦稱為球銲，Second Bond）
， 完成

一條金線之銲線動作（圖 2.4 ）。

圖 2.4 完成一條金線之銲線動作 ( 資料來源：蔡瑜明，2003 )

- 12 -
 第二章 文獻探討

接著便又開始下一條金線之銲線動作。銲線完成後之晶粒與導線架在 X-ray 機

台檢驗時呈現的畫面如圖2.5 所示。

圖 2.5 銲線完成後之晶粒與導線架 (資料來源：本研究整理)

6、壓模封膠（Mold）

壓模封膠的過程為將導線架置於框架上並先行預熱，再將框架置於封膠機（亦

稱壓模機）上（一般大多使用自動封膠機，Auto Mold； 亦有使用手動壓模封膠

機，Mold Press）的封裝模上，再以半溶化後之樹脂（Compound）擠入模中，待

樹脂硬化後便可開模取出成品。此一壓模封膠過程的主要目的有：
（1）
、防止濕氣

等由外部侵入；（2）、以機械方式支持導線架；（3）、有效地將內部產生之熱排出

於外部；（4）、提供能夠手持之形體。

- 13 -
 第二章 文獻探討

7、蓋印（Mark）

蓋印乃是將字體印於封裝完的 IC 膠體之上，其目的在註明商品之規格及製

造者等資訊。蓋印的方式可分為雷射及油墨兩種方式，良好的印字能令人有高尚

產品的感覺。因此，在 IC 封裝過程中亦是相當重要的，往往會有因為印字不清晰

或字跡斷裂而遭致退貨、重新印字的情形。

8、電鍍（Plating）

壓模封膠完後的導線架需要先將導線架上面多餘之殘膠去除，並且經過電鍍

以增加外引腳之導電性及抗氧化性，然後再進行剪切成型。

9、切腳成型（Trim/Form）

壓模封膠完成之導線架需先將導線架上多餘之殘膠去除（De-flash）
， 並且經

過電鍍（Plating）以增加外引腳之導電性及抗氧化性，而後再進行切腳成型。切

腳的目的在將導線架上已封裝完成之晶粒，剪切分離（Singular） ，並將不需要

的連接用材料切除（Dejunk）。而成型通常在一部機器上或分成兩部機器

（Trim/Dejunk 及 Form/Singular）上連續完成。成型後的每一顆 IC 便送入塑膠管

（Tube）或承載盤（Tray）， 以方便輸送。

10、檢驗（Inspection）

檢驗，或稱檢測。其目的為確定封裝完成之晶粒是否合於使用。檢驗之項目

繁多，視不同的封裝方式而有所不同。其中項目包含：外引腳之平整性，共面度

（Co-planarity）
、腳距、印字是否清晰、膠體是否有損傷等等外觀檢測。當然尚有

電路測試（Open/Short）及其它功能上的檢測。

另外，在製程當中，為了確保產品之品質，也需要做一些檢測（In-Process

Quality Control）
。 如於銲線完成後會進行破壞性試驗，包括拉力測試（Pull Test）
、

金球推力測試（Ball Shear Test）以確定銲線之品質。而在封膠之後，則以 X 光

- 14 -
 第二章 文獻探討

（X-Ray）來檢視膠體內部之金線是否有移位或斷裂之情形等等。一顆已完成封裝

程序的 IC， 除了通過電性功能測試之外，在製程管制上必須保證此顆 IC 要能通

過一些可靠性測試（一般皆為抽檢）
， 如壓力鍋測試（PCT）
、熱衝擊測試（TST）、

及熱循環測試（TCT）、蓋印的永久性測試、 腳疲勞試驗等等。良好的製程將會

降低許多檢驗成本，而仔細的分析檢測結果則有助於找出產品不良之原因，且可

以改善製程，提高產品良率。

2.3 半導體封裝產業之特性

半導體封裝產業乃屬於半導體的後段製程，其特性為勞力密集，工作依站別

區分，主材料及機器設備大多掌握在美日歐等主要工業先進國家，產品生命週期

短，產品種類與式樣多，且多為代工型態，沒有自己的品牌。根據以上整理成以

下之半導體封裝製程的特點：【蔡瑜明，2003】

1. 客戶導向流程

IC 封裝大多為 OEM ( Original Equipment Manufacturer ) 委外代工，故需依

照客戶的要求進行封裝生產。不論產品的規格、材料及其所使用的設備皆有所要

求。如對相同的晶圓指定不同的產品形式，或不同的晶圓指定相同的產品形式。

2. 限制條件多

在半導體封裝過程中採取許多限制或管制條件，以維持產品品質及減少人為

的疏失。包括：

（1）、批量管制：產品若發生品質問題時便於追查。

（2）、用料管制：不同的產品使用不同的材料，例如銲線時所使用的金線，

乃依 IC 的特性（如 power IC 或通訊 IC）而使用不同的線徑；部分材料有其使用

期限，例如封膠時所使用的樹脂（Compound）必須於三天內使用完（依不同規格，

- 15 -
 第二章 文獻探討

有的須於五天內使用完），否則必須報廢。

（3）、生產設備的參數限制：生產設備必須依不同的產品及所使用材料設定

不同的參數，例如銲線機必需依晶體（IC）上銲接點的位置及使所使用金線線徑

的粗細設定銲線的參數。

3. 產品之種類及式樣多

由於半導體生產之種類及式樣繁多，所以有同一生產線上同時存在許多不同

的產品種類及式樣，且其批量大小不一，使得生產之製程變得複雜。

4. 產品之生命週期短

電子產品之更替快速，生命週期短，在短短數月之間即可能有新的產品更替，

尤其為了維持競爭優勢，封裝的型態正朝向多腳數及高密度的型態發展。

5. 生產之批量大小不一

在生產線上，經常有大小批量之訂單同時存在生產，故其製程中並無所謂的

標準批料，一般以一個彈匣或整數個彈匣量為其批量大小，或為客戶所給予的規

定或限制即為生產批量。

6. 資訊交流快速

由於同業的競爭激烈，業者除了提升品質、降低生產成本之外，也提供客戶

充份的資訊服務，例如：每日提供 WIP（Work in Process） 報表、生產批之品質

報表及網際網路查詢功能給予客戶。

- 16 -
 第二章 文獻探討

2.4 半導體封裝廠之接單模式與生產管理

一般封裝廠的生產計劃，通常是由業務部門依據客戶對於未來市場需求量的

預估量且大都以一季（三個月）為其基礎，如此得以提供相關部門作為物料需求

及產能規劃的參考。因此各產品的市場需求量可透過 MRP 展成各原物料的需求

以提供各原物料庫存的備料參考。而各製程站別之生產設備則依據各產品線可供

生產的產能而調配，此可供生產的產能乃是以產品組合的數量比例為基準而調整。

目前業者通常使用兩種主要的接單方式，第一種為依預測需求量劃分各產品

的產能比例，再平均每天可出貨數量，依序將訂單排入主生產排程，並隨時依據

訂單交期的變化，重新排定生產優序。第二種為直接在承接訂單時，即依固定生

產週期後推交貨日期，而現場的機器調派和生產優序均藉由派工法則，如 EDD 等

法則作臨場的調派。

當生產計劃確定後，產品線的產能即被決定，則承接訂單時即可依此可供產

能作為接單基準。但由於封裝廠的生產週期約為五至七天，且通常客戶下訂單時，

必須馬上回覆訂單交期回應客戶交期（Promised Due-Date）
，因此為精確了解現場

的產能負荷狀況，掌握各訂單的生產進度，以及確保交期的達成，則排定週生產

計劃，據以回覆客戶訂單交期將是必需的。【蔡瑜明，2003】

1. 訂單承接步驟

假設 A 公司詢問 T 公司一張訂單的交期，能否於其要求的日期交貨，則 T 公司

的訂單承接將如下步驟：（參照圖 2.6）

- 17 -
 第二章 文獻探討

承接客戶訂單

客戶給定交期 回應客戶交期

排定現場排程
否

訂單交期
否 修改交期
可否達成

是 客戶是否同意

決定生產優先順序 放棄訂單

圖 2.6 訂單承接步驟之流程圖 ( 資料來源：李英明，1999 )

步驟一：承接客戶訂單

客戶委工通常有兩種交期訂定方式，一種為客戶下委工單時，直接決定交貨

日期，另一種為直接詢問交貨日期是否可接受，才決定下委工單。

若 A 公司交期無法延後，故以詢問交期能否達成，方決定下訂單與否的作

法，屬於第二種方式。如果此訂單的利潤相當好，T 公司業務部門應傾向於承接

此訂單，但經生管部門評估後發現，若承接此單則將面臨緊急插單，會造成產能

無法因應的難題。否則，必須將其它公司的訂單交期延後。

- 18 -
 第二章 文獻探討

步驟二：排定現場排程

通常排定現場排程有兩大目的，第一為給予現場人員訂單先後次序生產的考

量規則，第二為評估現場產能負荷狀況，作為接單參考。目前的現場排程通常以

給定各部門每天各產品所須的產量為目標，使各製造部門得以彈性運用機台的權

利，避免過於嚴苛的排程使得現場無法依據機器對於不同產品加工的順暢程度自

行決定何產品可上線，而必須依據排程頻於修改不容易生產的產品，導致產量下

降。當生管部門將 A 公司的訂單予以承接時，現場排程勢必依據產品線的可供產

能重新排定。由可供排程起點，依訂單的緊急程度和數量多寡順序排入主生產排

程。

步驟三：若排程排定後有訂單之交期無法達成，須向客戶修改交期。

當客戶給定的交期因廠內的訂單較多而可能無法於預定的交期內完成時，通

常必須先行告知客戶可能出貨的交期，提供客戶參考。若客戶不能接受，往往此

時將依據客戶的重要程度採取不同的做法，如果因這個客戶並不是主要客戶，則

可能因交期無法提前而傾向不接單，如果這個客戶相當重要，如本例中的 A 公司

利潤相當好，則接單的決定是必然的做法，但會因為插單而導致延誤線上較不重

要的客戶的交貨日期。

再重新排定主生產排程後，則某些客戶的訂單必將延後出貨，此時必須緊急

通知那些將被延後出貨公司。若客戶接受修改交期，則插單即可行，否則插單的

做法若不可行，將無法承接 A 公司的新訂單。

步驟四：決定生產優先順序

若其它公司經協調後願意修改出貨交期，則重新排定的生排程即為實際的生

產排程，現場將依循此生產優序作為機器排程派工的準則。

- 19 -
 第二章 文獻探討

以下列出 IC 封裝廠所面臨的訂單與生產管理問題：

（1）企劃與生管的協調

一般客戶訂單在排定生產排程後，即屬於企劃階段的完成。但是若生產排程

無法明確定義工場的產能或現場的產能負荷狀況，往往造成企劃和現場生管人員

無法互相配合，則趕工的現象將隨處可見。

（2）客戶下訂單的時機無法精確預測，產能規劃不易掌握

通常 IC 封裝廠均以代工廠之身分為客戶委工之產品加工，並無自己的產

品，因此亦無原物料的庫存，完全依據接單的多寡決定原物料的庫存數。

因此，一般 IC 封裝廠的生產計劃，均由業務部門依據客戶對於未來三個月

的預估量，提供生管部門作為產能規劃參考。而短期內客戶何時會下單，根本無

法事先得知，且接單後又必須確保在交貨日期前完工，則如何有效預先作好產能

規劃自然是一大難題。

（3）客戶下單時必須即時的交期承諾

通常客戶在選擇封裝廠加工時往往具有多家廠商的選擇，因此客戶必須在獲

得交期承諾後，才決定是否下訂單或轉送其它廠家委工。

（4）客戶下訂單的先後順序不等於訂單需求的急迫程度

若當前製程已無法滿足某一新訂單的交期時，則該訂單的到達必將成為緊急

訂單。因此將會有客戶下訂單的先後順序不等於訂單需求急迫程度的特殊現象。

此一現象依照目前的接單排程作法必然造成插單現象頻繁，生產排程面臨一改再

改的窘境。

- 20 -
 第二章 文獻探討

（5）銲線機台佔總機台數的甚高比例

一般就製程上的加工需求而言，大部分的加工機器因加工單位為晶圓數或導

線架數，相對於個別一個晶粒所需的加工時間則明顯較短。其中銲線機台必須針

對單一晶粒上的銲點加工，且不似黏晶的作業方式簡單，故所需的加工時間將依

據產品的腳數多寡來決定銲線時間的多或少。所以銲線愈多其所需的加工時間即

愈長，當然該製程站所需的產能需求即愈大。因此銲線機台數量必須和全廠的總

機台數達成一定的數量比例，方能達成生產線的平衡。但在生產週期甚短的前提

下，對各機台排定的生產排程顯然費時且效果不佳。若不有效排定機器的加工排

程，則現場透過及時性的排工可能無法獲得較佳的績效。

（6）壓模封膠機台的換模時間相當長

封膠製程的機台通常必須藉由上下的模具合模注膠，方可使產品成型，因此

模具合模的精確度必須相當的高。故使用專用機器加工可避免因產品不同必須換

線（即換模具）
，其間所需的換線時間少則三至四小時，換線不順時則可能多至一

天的時間。因此現場排程的規劃，當以愈少換線為主，其製程穩定度自可愈高。

（7）嚴格避免混料

通常客戶委工的產品或有相同的產品型號或晶圓，但通常仍不得予以混料，

因此現場必須保持客戶訂單產品的完整性。

- 21 -
 第二章 文獻探討

2.5 半導體封裝之排程

排程乃是將有限的資源以最妥善的方式分配給各個工作，以求滿足某些特定

目標決策之制定過程。對製造現場而言，生產排程的目的有二，分別為：一、擬

定有效使用有限資源的生產計畫；二、透過排程擬定的生產計畫，以預知接下來

可能面臨的生產問題，並及早提出且擬定解決方案。

1、排程簡介

本研究針對半導體封裝產業之壓模機台的排程加以研究，並提出各種現行與

可行的排程與方案，茲分別簡述如下：

（1）單機（Single Machine）

在此環境中，機器只有一部，每一產品必須經過此機器加工後才能完成。

（2）平行機（Parallel Machine）

平行機是指在同一個工作站中，有一台以上功能相同的機器，產品在此一工

作站中可在任一部機器上加工處理。平行機中機器又可分成等效（Identical）與不

等效（Non-identical ）兩種。等效平行機是指該加工階段的所有機器的處理速度

一致，非等效平行機的機器處理速度則不相同。

（3）流程式生產（Flow Shop）

流程式生產是採先進先出（First In, First Out; FIFO ）規則【郭倉義, 1998 】

的直線型生產線，或稱之為排列型（Permutation）； 在流程式生產中，所有的產

品皆遵循相同的加工程序。

- 22 -
 第二章 文獻探討

（4）彈性流程式生產（Flexible Flow Shop）

彈性流程式生產是結合平行機及流程式生產兩者特點的一種生產型態。在此

類生產中有許多加工階段（Stages）
， 每一階段都有許多功能相同的機器，即平行

機；而產品只需在每個階段中的任一台機器進行加工即可。整個加工順序是在每

個階段間呈先進先出的狀態。

（5）零工式生產（Job Shop）

零工式生產與流程式生產的不同點在於零工式生產中每個工作皆有其固定的

加工路徑，但各工作的加工路徑並非完全相同。

（6）開放式生產（Open Shop）

開放式生產與零工式生產的不同點在於開放式生產中所有的加工路徑皆無一

定的限制，亦即是任意的加工順序。

由以上簡介，我們可知半導體封裝製程乃採用彈性流程式生產之方式從事生

產，尤其是本研究中之黏晶（Die Bond）
、銲線（Wire Bond） 及壓模封膠（Molding）
，

皆具備彈性流程式生產的要件，即每一站皆有功能相同的機器，其製程為流程式

的生產過程。

在彈性流程式的生產排程下，每一站製程皆有功能相同的平行機台【Wittrock ,

1985】
，如圖 2.7 ，所以嚴格言之，每一站製程都可視為瓶頸，端視所生產的產品

類型及每一站機台數量而定。然就本研究的範圍而言，其瓶頸站會出現在封膠站，

因為可能會出現不同產品需使用相同的模具；甚至不同的產品在同一封膠機台上

會使用到不同的模具，此時就必需更換模具；因此，如果在封膠設備的稼動率達

到飽和時，無法避免會有瓶頸出現，其解決之道不外乎增購設備或尋求最適的生

產排程，使得因瓶頸而減少的產出量減至最低。不過若購買封膠設備，每台自動

封膠機動輒新台幣仟萬元，若遇到不景氣時，將造成公司很大的負擔，所以選擇

生產的最適排程乃成為公司增加產能及減輕設備購買支出的重要課題之一。

- 23 -
 第二章 文獻探討

機器設備 機器設備 機器設備

圖 2.7 彈性流程式生產線 (資料來源：蔡瑜明，2003 )

基於上述的製程需求，將相同性質的機器設備擺放在一起。如此作法，顯然

各製程站的總產能即與各機器的產能之加總相等。這樣的計算方式易於現場產能

負荷的評估與各產品線的配置，為現行廣為應用的作法之一。

- 24 -
 第二章 文獻探討

2.6 平行機台排程問題相關文獻

平行機台的排程問題就是如何將多個工件分配到多台機器上加工並將其排

序。平行機台的排程問題屬於指數型困難（NP-hard）問題（Piersam and Dijk,

1996），因此文獻中的作法均是以啟發式方法或進階的搜尋法求解。

Vepsalainen and Morton（1987）針對零工式生產（Job shop）比較多種派工法

則，透過實驗結果的發現提出 ATC（Apparent Tardiness Cost）派工法則，此派工

法則不論在求解最小化加權總延遲時間或總延遲工件數等績效表現上都比其他派

工法則表現較佳。

Azizoblu and Kircal（1998）對等效平行機（Identical parallel machine）的排程

問題求解最小化總延遲時間，證明在符合特定性質下可以找出最佳解。

Sivrikaya et al.（1999）針對平行機排程問題求解時，考量裝設時間序列相關

性並對每一個工件的完工時間與交期間之差異乘上一個懲罰值（Penalty）
，再利用

遺傳演算法（Genetic algorithm）求最小化所有值的總和。

Hu et al.（1987）針對 n 個工件、m 台相同平行機、設置時間的值可能為 0

或 1 的特殊限制下，提出一個可以求得最小總設置成本的最佳解演算法。

So（1990）將工件分成不同的型態（Type），工件所需求的處理相同者歸為

同一族群（Family）
。機台處理相同型態之工件不需設置時間，如工件型態不同但

屬於同一族群，則需要較小的設置時間，如工件的型態不同且不屬同一族群，則

需較大之設置時間。So 針對此一問題，m 台相同之平行機，提出一啟發式方法使

工件最晚完工時間最小化（Minimize Makespan）。

- 25 -
 第二章 文獻探討

Alidaee（1993）將 n 個單一操作（Single-Operation）、m 台不同平行機

（Non-Identical Parallel Machine），工件加工時間決定於所使用之機器、目標函數

為總加工時間乘上總流程時間之問題，簡化成為運輸問題。

2.7 半導體廠排程之相關文獻

生產排程的研究始於 1950 年代，時至今日，排程問題的相關研究成果已大

量地被發表：

Graves【1997】認為排程領域的研究可由五個方面來歸類，分別是生產的需

求型態（Requirement Generation）
、製程複雜度（Processing Complexity ） 、評估

排程成績效的目標函數、需求是否明確（Specification of Requirement） 、以及排

程環境（Scheduling Environment）。

Conway【1967】等人認為一個完整的排程問題可由四種資訊來描述，分別是：

（1）.待加工（Processed）的工作及作業（Operation）數；

（2）.現場（Shop） 的機器數目和種類；

（3）.用以完成工作的方法及限制規則（Discipline）；

（4）.評估排程的準則（Critera）
。

之後，Conway 【1967】更提出一含四個參數的符號表示法來表示排程問提，

其寫法如 A/B/C/D，A、B、C、D 分別代表四個不同的參數，說明如下：

A. 描述工作抵達的過程。就動態問題而言，A 代表工作的數目（假設工作

為同時抵達）； 若 A 為 n， 表示工作數是任意的有限數目。

B. 描述現場的機器數目；若 B 為 m， 表示機器數目為任意整數。

C. 描述現場的流程型態（Flow Pattern）；F 表示流程式生產（Flow Shop），

- 26 -
 第二章 文獻探討

R 表示隨機路徑之零工式生產（Job Shop）
，G 表示完整（Complete）路徑的任意

流程型態。若機器數為 1，則無流程型態，此參數將省略。

D. 描述用來評估排程活動的準則（Criteria）
。

根據以上符號法則所代表的意義舉例說明，n/2/F/Fmax 所代表的排程環境是

有任意數目的工作，雙機的流程式生產排程，其目標函數則是求最大流程時間的

最小值。

Baker【1974】列出了五項在排程評估方面常用的準則，分別為：

（1）、平均流程時間（Mean Flow Time）

（2）、最大流程時間（Maximum Flow Time）

（3）、最大完工時間（Make span）

（4）、最大延遲時間（Maximum Tardiness）

（5）、延遲工作數（Number of Tardy Jobs）

根據以上符號法則所代表的意義舉例說明，n/2/F/Fmax 所代表的排程環境是

有任意數目的工作，雙機的流程式生產排程，其目標函數則是求最大流程時間的

最小值。

許天淳【1999】運用作業寬裕達成既定排程期望目標之研究。排程問題依其

複雜度與困難度可分為 P（Polynomial）與 NP-hard （Non-Polynomial ）兩種型式

【Lenstra ＆. Rinnooy Kan, 1976】

。P 表示問題的解集合空間並不非常龐大，可用

多項式的形式表示，此類問題通常可求得最佳解。NP-hard 則是屬於困難度高的

問題，無法用較簡單的多項式表示其解集合空間，所以通常只能求得其近似解。

一般而言，大多數的排程問題都是屬於複雜的 NP-hard 形式，此類問題可用啟發

式演算法或搜尋法來求得近似解。常見的解法有鄰域搜尋法， 如：

- 27 -
 第二章 文獻探討

基因演算法（Genetic Algorithm，GA）（Local Search，LS）【Lawton, Wein,

Whitney ＆ Zuanich, 1990 】【Lee, Piramuthu ＆ Tsai, 1997 】、

禁忌搜尋法（Tabu Search，TS）【Nowicki ＆ Smutnicki, 1998 】、

模擬退火法（Simulated Annealing，SA）【Sridhar and Rajendran, 1993】，

其它如 SPT（Shortest Processing Time）

、EDD（Earliest Due Date）
、CR （Critical

Ratio ）等等。本研究計畫就基因演算法這種啟發式搜尋法的演算來求解流程式生

產排程的問題。

- 28 -
 第二章 文獻探討

2.8 基因演算法

2.8.1 基因演算法簡介

邱俊智【2001】有關基因演算法之研究。達爾文（Darwin）於 1859 年出書「物

種原始」倡言演化思想，並提出自然界的生物是以「適者生存，不適者淘汰」的

演化規則之「物競天擇」理論。亦即，適合目前生存環境的物種，有較大的機率

可以繼續生存下來，而不適合此一環境的物種會被自然淘汰。這就是「天擇」
。經

過天擇後的生物繼續繁衍，會使得遺傳自親代的子代能更適應環境的特徵，以期

在環境中得以生存。如此代代演化下去，整個物種就朝著更適應環境的方向前進。

在 1960 年代，John Von Neumann 提出一個自我複製的自動機理論而開始了

遺傳演算法的基礎；之後 John Holland 更延續此觀念，而在 1975 發展出遺傳演算

法（或稱為基因演算法 Genetic Algorithms ；簡稱 GA）

。GA 主要是以達爾文的「物

競天擇」為基礎，模擬生物界依「適者生存，不適者淘汰」的生存演化法則。而

GA 的主要目的在於建立一個保有自然特性的「人工遺傳系統」
，以模擬和解釋生

物自然進化的過程。David E. Goldberg 在 1989 年於他的著作中，系統化的研究基

因演算法的機制，並確定 3 種基本演算子，如圖 2.8 所示。

Population

適應值
(Fitness)
1- Pb

選擇 1- Pa 突變
(Selection) (Mutation)
Pb

Pa Pb
交配
(Crossover)

圖 2.8 基因演算法的 3 種基本因子

- 29 -
 第二章 文獻探討

簡單的說 GA 是一種模擬「物競天擇」、「適者生存」的搜尋法則；每個物種

在某個生存環境中彼此互相競爭、淘汰，只有適應性強的物種得以存活及繁衍；

並透過複製、交配、突變等演化方式產生下一代的物種，如此反覆進行，最後留

下適應性最強的物種。而 GA 的遊戲規則就是「適者生存」。

GA 主要是以操作染色體來進行演化過程，在反覆演化的過程中，可看成是

在問題的可行區域中做系統化的多維空間搜尋；而其特點為多點搜尋、只需適應

值資訊、轉移規則是隨機性等。另外 GA 的搜尋方式是屬於平行式而非循序式的，

這點和貪心法、Tabu、模擬退火法等的搜尋方式有很大的不同。GA 的搜尋技術是

以隨機搜尋為架構，但是 GA 絕非僅是一種單純的隨機搜尋方法，因為 GA 保存

了演化過程中所提供的資訊，所以能展現出比單純的隨機搜尋方式更好的求解能

力。GA 的優點在於它是一種穩健且有效的搜尋技術，而且相較於其它演算法， GA

有較小的機率會陷入局部最佳解中；而 GA 的缺點則在於計算時間長，但是此缺

點也由於電腦技術的進步而漸漸的被克服了。如今 GA 被廣泛的應用在各個領域；

如：參數設計、工程設計、機器人、生產線排程規劃、分類系統、控制系統工程

等等，且都有不錯的成果。

2.8.2 基因演算法的演化過程

基因演算法為一隨機性之搜尋法，與傳統上需要初始設計的搜尋法不同，基

因演算法的初始設計值為一群由電腦隨機產生的組合，稱之為族群(Population)，

如圖 2.9 所示。族群中的每一組設計值則稱為個體(Individual)，每一個體均有代表

其特性的染色體(Chromosome)，而染色體則由遺傳因子，即所謂的基因(Gene)串

聯而成。一般多利用二進位字串(Binary Bit)來表示染色體，而經過解碼後，所呈

現出來的便是一組組的設計參數。

- 30 -
 第二章 文獻探討

Population

基因 0

染色體 0111001101
二進位字串 0111001101
Individual
染色體
0111001101

圖 2.9 組織狀態

基因演算法的基本機制，乃是遵循自然界中「有性生殖」的法則推演而來，

故其中包含了染色體中基因的架構方式、選擇、複製、交配、突變、與產生新個

體等機制。其運作流程如圖 2.10 所示。其主要演化的程序為：(1)決定初始族群，

(2)編碼與解碼，(3)選擇與複製，(4)基因交配，(5)基因突變。以下敘述個別程序之

意義：

- 31 -
 第二章 文獻探討

初始設定

隨機產生初始族群

解碼及合適值計算

第I=0代
準備就緒

選擇與複製

基因交配

基因突變

否 產生新的個體

解碼及合適值計算

第 I+1 代族群形成

是否達到收斂條件

系統結束

圖 2.10 基因演算法之演算流程

(1) 決定初始族群

相對於傳統最佳化方法一次只能處理一組設計變數而言，基因演算法一次便

能處理一群設計變數組。在進行演算之前，要由使用者先設定族群之個體數目與

設計變數所需之基因數，再經由電腦隨機產生初始族群(Initial Population)的染色

體。或者由使用者給定已有之設計組，再經由程式解碼成為一串組合，而成為染

色體，以利複製、交配與突變等運算子的使用。

- 32 -
 第二章 文獻探討

(2) 解碼及合適值計算

以基因演算法求解最佳化問題之初，需將組合成染色體的二進位串列予以解

碼，還原成設計變數，以求出初始族群中每一個體的「合適值」
。而每進行一代的

演化之後，亦需對新產生的個體解碼並計算合適值，以求出演化的最佳值。

(3) 選擇與複製

在基因演算法中，選擇與複製的意義為：
「淘汰較差的個體，將較能適應環境

的個體加以保留，並經由複製、交配與基因突變的作用，產生較佳的新個體，以

取代較差的個體。」如此，優良的個體將會被保留下來，且越來越多，而族群的

素質也會跟著提高。一般最常用的選擇法為俄羅斯輪盤法。

(4) 基因交配

將複製的兩條染色體，模擬自然界生物體有性生殖的交配現象，交換彼此部

分的基因，以產生新的個體。這個機制的主要作用是希望透過交配的程序，產生

適應度較佳的新染色體。圖 2.11 為各種交配方法之示意圖，交配之方法可以分為

單點、雙點與多點交配等(Park 2000)。

Parent 1 ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ □ □ □ □ □ □ □ Child 1
Parent 2 □ □ □ □ □ □ □ □ □ □ □ ■ ■ ■ ■ ■ ■ ■ Child 2
1-point crossover

Parent 1 ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ □ □ ■ ■ ■ ■ Child 1
Parent 2 □ □ □ □ □ □ □ □ □ □ □ □ ■ ■ □ □ □ □ Child 2
2-point crossover

Parent 1 ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ □ □ ■ ■ □ ■ ■ □ Child 1
Parent 2 □ □ □ □ □ □ □ □ □ □ ■ ■ □ □ ■ □ □ ■ Child 2

1-point crossover for substrings

圖 2.11 單點、雙點與子集合中單點交配之方法

- 33 -
 第二章 文獻探討

(5) 基因突變

自然界的生物，會藉著對小部分的基因產生突變，來增加族群成員對生存環

境急遽變化時的適應能力。遵循此一生存原理，基因演算法中的基因突變，主要

用於彌補搜尋過程中，對於某些設計空間的忽略。

其作法是將染色體上，隨機選取的基因做位元的更改，如將某一個基因的位

元由 0 變 1 或由 1 變 0，以產生新的設計參數。基因突變的過程如圖 2.12 所示。

染色體突變前 染色體突變後

0101101010 突變 0101100010

突變點

圖 2.12 染色體的基因突變圖

2.8.3 基因演算法的組成要素

遺傳演算法至少要包含以下幾個組成要素：

控制參數。

染色體的編碼及解碼。

產生母體（族群、人口）。

適應度函數。

選擇機制。

遺傳運算子。

結束規則。

以下就針對這些組成要素一一做詳細的介紹。

- 34 -
 第二章 文獻探討

2.8.3.1 控制參數

遺傳演算法的控制參數包含以下三種：

1. 母體大小（Population Size，N)

母體是由染色體所構成的，而每個染色體都分別代表想要求解的問題中的一

個暫存解；一群染色體的演化過程，就相當於一組暫存解同時在解空間中做平行

搜尋，因此母體大小就決定了每一代所擁有的搜尋點個數。如果母體增大可增加

母體的異樣程度，使得陷入局部解的機率減少，但同時也增加搜尋最佳解的時間。

目前為止最佳的母體大小尚無定論，常用的母體大小為 30 到 200 (Holland

1975)。不論如何，在選擇母體大小的考量上，必須兼顧求解效率及運算時間兩者

的平衡。

2. 交配率（Crossover Rate，CR)

是指母體中的染色體需要進行交配操作的比率。有兩種操作方式；例如：族

群中至少要有 CR*N 個染色體進行交配操作；或是預先配對的染色體，進行交配

的機率為 CR。

較高的交配率能使得較多的染色體進行交配，而產生較多新結構的染色體，

當然也較容易使得好的染色體破壞原本的結構；而太低的交配率，則會阻礙搜尋

的速度。常用的交配率為 0.5 到 1.0 (Holland 1975)。

3. 突變率（Mutation Rate，MR)

突變率亦有兩種操作方式，例如：代表染色體上的基因碼發生突變的機率；

且任何一個位置上的基因碼發生突變與否，均為獨立的。或是族群中發生突變的

染色體比率。增加突變率有助於重新引入未曾搜尋過的基因架構，但過高的突變

率，也可能導致遺傳演算法變成隨機搜尋法。典型的突變率為 0.001 到 0.05 (Holland

1975) 。

由於控制參數彼此之間會交互影響，所以無法獨立的去確定最佳參數值，而

此問題本身可能就是一個非線性的最佳化問題。但仍有些學者，提供選擇參數的

- 35 -
 第二章 文獻探討

方法；當母體小時可選擇較大的交配及突變率以防止過早收斂；當母體大時可選

擇較小的交配及突變率以節省運算時間。一個典型值的給予，如下所示(Holland

1975)：

A：母體數為 100 時，交配率採 0.6，突變率採 0.001。

B：母體數為 30 時，交配率採 0.9，突變率採 0.01。

2.8.3.2 染色體的編碼及解碼

在使用遺傳演算法前，必須先對問題的解進行編碼。而編碼後的解就稱為染

色體或數值字串，在自然界中代表一個個體，在遺傳演算法中則扮演著所探討問

題的一個解。當然，由染色體所組成的母體，則是代表問題的一個解集合。常見

的編碼方式有以下兩種：

1. 二元編碼方式：

此編碼方式是以二進位碼(0,1)替染色體編碼，常應用在數值型的問題中。以

下以一個例子作說明：

A. 編碼：

假設問題有兩個參數 X1，X2，兩者的值域為 0≦X1≦31 與 0≦X2≦31；則

可以以一個長度 10 的染色體表示之，如：10000-00100，前五碼表 X1、後五碼表

X2。

B. 解碼：

將染色體 10000-00100，解碼可得，X1 = 24*1 = 16、X2 = 22*1 = 4。

2. 符號編碼方式：

此種編碼方式是以數字或符號來編碼，常應用於排列型的問題，例如：在 TSP

問題中可用 12354 來代表推銷員拜訪城市的順序；即先到城市一再到城市二，其

餘的以此類推。

- 36 -
 第二章 文獻探討

2.8.3.3 產生母體（族群、人口）

母體的產生一般可透過兩種方式；隨機產生染色體或是利用啟發法產生染色

體直到達到所設定的母體數。

另外當一個初始母體經過一系列的遺傳操作後（複製、交配、突變）
，子代隨

即產生，此時就必須考慮要用何種方式去取代母體。在此介紹最常見的兩種方式：

完全取代、以及菁英人口保留技巧(Goldberg 1989)；完全取代顧名思義就是母代中

的染色體完全由子代中的染色體加以取代；而菁英人口保留技巧則是將母代中最

好的染色體保留某一比例，其餘的則由子代取代之，如圖 2.13 所示。

Best Copy 20%

Other Crossover
80%
Mutation

圖 2.13 菁英人口保留技巧

菁英人口保留技巧的優點在於，能節省花在交配及突變運算的時間、以及減

低當採用較高的交配及突變率時，對好的染色體的破壞程度；但必須注意保留的

比例，以免造成過早收斂的現象。

2.8.3.4 適應度函數

雖然目標函數值可用來評估染色體的優劣，但由於問題的不同並非都可直接

利用目標函數值來評估，例如極大化和極小化問題，所以我們必須透過適應度函

數來修正，以使得遺傳演算法能應用在各種不同的問題上。當然，修正後的結果

必須滿足「適者生存」的觀念，亦即染色體越佳，其合適值就越高，且在演化過

程中就越容易存活。

例如對極小化問題，可令適應度函數 F(X)=1/X，其中 X 為目標函數值。如此

目標函數值越高者，則適應度越差且越不易存活。

- 37 -
 第二章 文獻探討

2.8.3.5 選擇機制

4
f 2 / ∑ f2
i =1

4 4
f3 / ∑ f3 f1 / ∑ fi
i =1 i =1

4
f 4 / ∑ f4
i =1

選擇機制是人工遺傳系統模仿自然界「適者生存」的工具，它的主要功能是

用來確定某個染色體被複製的個數；適應度函數和選擇機制兩者配合使用，即可

實現遺傳演算法中的複製操作過程。

圖 2.14 輪盤法示意圖

如同自然界的演化規則一樣；遺傳演算法讓較優解在複製過程中複製較

多的個數，如此在後續的操作過程中，就有較高的機會可以存活。Holland 在基因

演算法中應用輪盤法來實現此一概念，輪盤法的概念如圖 2.14 所示。

其中 fj 為染色體 j 的適應度；如此適應度越高則所佔的面積就越大。假設對

此輪盤射一飛鏢，當然面積越大的就越容易射中，如此被複製的機率就越高。射

中的區塊代表該個體被遴選出，並進行複製、突變等機制。區塊的大小與其合適

值大小相關，區塊越大其合適值越大，其被選中的機率也越大。每一個體被選中

的機率，可由下列期望值的數學式表示：

fj
ex( j ) = (2.1)
f
n

∑f
j =1
j

f = (2.2)
N

- 38 -
 第二章 文獻探討

f j ：為第 j 個染色體的合適值；

f ：為族群的平均合適值；

N ：為族群中所含有的個體數目。

2.8.3.6 遺傳運算子

母體產生之後，接下來就要進行交配與突變的操作。

交配操作是遺傳演算法重要的操作之一。它將兩個母代的部份資訊交換，而

產生兩個子代，交配運算就猶如在解空間中作大幅度的跳躍搜尋。母代是否要進

行交配運算取決於交配率，而操作方式有兩種，一種是先計算 N*CR 值，以決定

母代中有多少個染色體要進行交配，然後再隨機選擇染色體交配。另一種則是先

將母代的染色體配對，而每一對是否進行交配，則可先產生 0 到 1 範圍的亂數值，

若亂數值小於 CR 才進行交配。

突變操作在遺傳演算法中僅被視為次要操作。此種操作與一般演算法的鄰近

區域搜尋的觀念相類似，而某染色體是否突變則取決於突變率。在遺傳演算法中，

藉由突變操作可增加母體的異樣程度。

2.8.3.7 停止規則

為了要結束遺傳演算法的演化循環，我們必須預先設定停止規則，使得當遺

傳演算法滿足所設定的停止規則時，則終止演化循環。

常見的停止規則有以下幾種：

1. 達到所設定的最大演化世代數。

2. 達到最大失敗次數。此最大失敗次數是指無法達到更優解的世代次數。

3. 母體內各染色體的同質性已達到預先設定的水準。所謂同質性有兩種判斷

方式：一種是最好和最差的染色體，其適應度的差異，在預先設定的一個

- 39 -
 第二章 文獻探討

範圍內；另一種是非常多的染色體在相同位置上的值完全一樣。

4. 達到預先設定的目標。

此外，有關基因演算法的應用如下 :

1、Tadahiko, Murata et al【1996】使用基因演算法探討多目標的問題，並且

利用變動權重應用在多目標式中，使搜尋目標及方向能夠多樣化，接著再使用菁

英政策方式進行世代的演化以保留較佳的染色體，最後經由實驗證明得知利用此

方式可以得到相當不錯的解。

2、Goldberg et al【1989】是最早將基因演算法應用在排程問題上，在這篇研

究中是以訂單順序為其可行解的型態，並且設計新的基因運算子 PMX（Partially

Mapped Crossover）來解決旅行推銷員的問題（Traveling Salesman Problems）。

3、Kumar et al.【2000】針對流程式生產線的問題進行探討發現使用基因演算

法，對於減少最大完工時間、流程時間等目標式都有不錯的成果，而同樣的問題

使用基因演算法結合其他派工法則，發現在最大完工時間上和其他研究比較大約

可減少約 30%的時間。

4、蔡杭助【2002】結合基因演算法與離散事件模擬求解即時性平行機台之派

工規劃問題。

2.9 結語

半導體封裝製程中之壓模機台的排程，其生產排程之特性為平行機台之排

程，平行機台的排程問題就是如何將多個工件分配到多台機器上加工並將其排

序，因此文獻中的作法均是以啟發式方法或進階的搜尋法求解。

常見的解法有鄰域搜尋法， 如：基因演算法、禁忌搜尋法、模擬退火法等等。

本研究計畫就基因演算法這種啟發式搜尋法的演算來求解流程式生產排程的問

題。

- 40 -
 第三章 封裝壓模製程作業之排程問題

第三章 封裝壓模製程作業之排程問題

3.1 半導體封裝壓模作業

3.1.1 封裝壓模機台作業介紹

半導體封裝壓模製程作業，壓模機主要為壓模系統、壓模模具、送料機構、

送膠機構等組成。其中壓模系統為固定設備，不會因生產產品之不同而有所改變，

壓模生產系統之所以能生產各式各樣不同種類之產品，完全取決於壓模模具之不

同，再搭配適合之送料機構及送膠機構，就能生產各式各樣之產品。壓模生產設

備系統；如圖 3.1 所示為壓模機台外觀圖示。

圖 3.1 壓模機台外觀圖示

- 41 -
 第三章 封裝壓模製程作業之排程問題

3.1.2 封裝壓模機台模具及治具更換作業介紹

壓模機台主要分為壓模操作系統、上下料機構、供膠系統、模具、治具組合

而成，其中關鍵變化在於模具，治具的不同，所生產出來之產品也不同，一種模

具只能生產單一種外觀尺寸( Case Outline )之產品。

如圖 3.2 為 LQ 24X24 及 圖 3.3 為 PQ 28X28 二種產品及模具之示意圖。

圖 3.2 LQ 24X24 產品及模具之示意圖

圖 3.3 PQ 28X28 產品及模具之示意圖

- 42 -
 第三章 封裝壓模製程作業之排程問題

然而產品之腳數不同又或搭配不同的膠種，其所生產出來之產品也就不同，

壓模製程影響產能搭配的因素，說明如下:

（1）、上下料機構

（2）、模具設計方式

（3）、機台上可以架設模具之總數

因此壓模製程作業在排程時雖然可以不考慮各製程間的先後關係，但必須考

慮到機台的換模及洗模之時機（Change Over and Clean Mold Die）

。

半導體壓模製程作業中，需要換模及洗模情況不少。例如：同一壓模測系統

中可以同時安裝一種到四種 ( A, B, C, D )不同之模具；以正常常態之模具配備有

以下方式 AAAA , AAAB , AABB , AABC , ABCD 等模式，如果擺放之模具種類

越多，換模所需之時間則較短，但也因為模具數量並不能四組全部生產，所以 UPH

就較少；此種換模模式適用於少量多樣之情況，以快速換模為原則。反之， 如果

採用四組模具齊上齊下之換模作業方式，則其 UPH 最高，但是更換模具所需之時

間也就相對長，此種換模模式適用於量大之情況，以最大 UPH 及同一時間最大

產出為原則。

同一壓模系統中同一時間只能生產單一模具而且必須為同一壓模膠之產品，

所以在同一壓模測系統中要擺放幾種模具，實際上必須考量之因素很多，如模具

總數量、單一模具最大產能、允諾客戶交期、壓模膠種、更機換模程度難易等。

更機換模之次數及換模模具數量不同，所需之更機時間與需進行之試機時間

也不同；同一壓模系統在同一壓模機台上生產不同膠種的產品，也必須調整機台

參數設定及清洗模具等等。如圖 3.4 為 LQ 10X10 之模具；圖 3.5 為洗模過程之

白膠洗模示意圖 。因此，為使機台使用率提升，有效的控制換模之次數及換模模

具數量成為關鍵因素。

- 43 -
 第三章 封裝壓模製程作業之排程問題

圖 3.4 LQ 10X10 模具示意圖

圖 3.5 LQ 10X10 白膠洗模示意圖

- 44 -
 第三章 封裝壓模製程作業之排程問題

3.2 半導體封裝投料之方式介紹

半導體封裝製程中，各製程之生產方式及產能均不相同，分析所有主要製程

從前段的晶片切割、黏晶製程、銲線製程與封裝後段的壓模製程、成型製程。其

中又以封裝後段的壓模製程在產品更換上需時最久，因此目前各半導體代工廠之

投料方式，除了考慮各製程之總產能限制及各式各樣產品顧客需求之急迫性，為

使整體機台使用率提升，有效的控制投料次數以及投料時間成為關鍵因素。主要

的考慮點在於依據後段壓模製程產能，以壓模機台更機次數最少為考量因素，決

定其投料方式。最終的目的在於使各製程更機次數最少，產能限制最少，而同時

又能滿足最多客戶需求。

茲就半導體封裝投料方式有二說明如下 :

1. 固定投料量之投料方式 :

此種固定投料量之投料方式，主要用於壓模模具換模困難度高之產品投料方

式，通常這種壓模機型為固定產品方式，更換產品時，除了需更換壓模模具之外，

機台上料機構、下料機構、機台送片軌道等機構，全部需更換及調整。此種換模

模式，更換產品換模需時 3 天甚至 3 天以上，因考量更換壓模模具困難度高，

目前各半導體代工廠，針對這種更換產品困難度高之投料方式，均採用近似平均

投料之方式，即將一週或一個月所需生產的訂單，平均分算成每天、每班需生產

的產量，可再搭配相當之前段銲線機產能，達到壓模機台不更機為原則之投料方

式。

如表 3.1 所列 : 以各種不同的產品投料量，每天、每班投料量平均，以各

種產品之投料量不超過該產品之最大產能限制，且以各機台不需更換產品為原

則 。

- 45 -
 第三章 封裝壓模製程作業之排程問題

表 3.1 PC 投料之方式 ( 1 )

9 月 2 日 ~ 9 月 5 日 每班投料量 ( K )

日期 Date 9月2日 9月3日 9月4日 9月5日

每班最大
產品種類 產能限制 A B C A B C A B C A B C
SONB 8L D/N 20 20 20 20 20 20 20 20 20 20 20 20 20

SONB 8L M/S 185 170 185 170 185 170 170 185 170 170 170 170 170

SONB 14L M/S 15 15 15 15 15 15 15 15 15 15 15 15 15

SONB 16L M/S 55 55 55 55 55 55 55 55 48 40 57 55 55

SOWB 16L S/S (EG) 60 59 61 59 54 58 60 50 50 49 50 50 40

SOWB 20L S/S (EG) 40 38 40 40 40 40 40 40 40 40 40 40 35

SOWB 20L M/S 35 35 35 35 35 35 35 35 35 35 35 35 35

SOWB 24L S/S (EG) 60 60 60 59 60 60 60 60 60 60 60 60 60

MFP 14L 25 25 25 25 25 25 25 25 25 25 25 25 25

MFP 16L 35 35 35 35 35 35 35 35 35 35 35 35 35

當日投料量合計 1556 1552 1507 1502

前述之固定投料量之投料方式，對生產管理者而言，不用考慮更換產品、更

換模具之問題是最大優點。如果半導體代工廠接單穩定，而且投料量及產品均能

固定，則採用固定投料量之投料方式是最佳方式。但是，實際上因為客戶需求及

景氣循環等外在因素，需求量變化相當大，如果採用固定投料量方式投料，將有

以下缺點 :

（1）.某產品需求量增加時，原本安排機台之產能無法完全順利生產時，其他機台

又無法相互支援，將造成產量達不到需求量、交期延後之問題 。

（2）.現在半導體生產之種類及式樣繁多，所以同一生產線上同時存在許多不同的

產品種類及式樣，且其批量大小不一。採用固定投料量方式投料，將無法達

成機台之最大產能，機台待料之時間及次數高 。

（3）.機台固定生產產品種類，缺乏彈性生產，無法應付生產產品種類及式樣。

- 46 -
 第三章 封裝壓模製程作業之排程問題

2. 彈性批量投料量之投料方式 :

半導體封裝生產的投料量，並無法完全如固定投料量之投料方式，因此後期

之壓模機台設計，除壓模模具因產品種類不同，無法共用之外，其他部份如機台

上料機構、機台下料機構、送片軌道等均朝快速換模之方式設計，所以可以在很

短時間完成更換產品之設計。如此的設計方式改變，也改變了半導體投料方式，

將不再只是固定投料量之投料方式，而是計算壓模機台最大產能，將各式各樣產

品之投料量加總之後，只要不超出最大產能皆可以彈性生產。因此壓模機台模具

可以快速的換模，此種換模方式，一般更換模具及清潔模面洗模可在 4 小時完

成。目前本研究案例工廠之投料方式，為採用批量投料方式，以最大產品為考量

依據，發揮前段銲線機之最大產能，以壓模快速換模為原則之投料方式。

如表 3-2 所列 : 以某半導體封裝廠 9 月 2 日 至 9 月 5 日 每班投料量

為例，各種不同的產品投料量，不需將每天、每班投料量平均，以各產品批量下

料為原則。而是以考量晶圓廠出貨數量，以整批下料、整批代工生產為原則。

- 47 -
 第三章 封裝壓模製程作業之排程問題

表 3.2 PC 投料之方式 ( 2 )

9 月 2 日 ~ 9 月 5 日 每班投料量 ( K )
日期 Date 9月2日 9月3日 9月4日 9月5日
模具每
班最大
產品種類 產能 A B C A B C A B C A B C
TQFP EP 4*4*1.0 108 20 20 20 20 20 20
TQFP EP 5*5*1.0 90 20 20 20 20
TQFP 7*7*1.0 36 37 37 10 37 37 10
TQFP 10*10*1.0 30 27 17 25 25 8
TQFP EP 10*10*1.0 60 50 35 30
TQFP 12*12*1.0 30 30 30 30 30
TQFP 14*14*1.0 42 42 42 42 42
TQFP EP 14*14*1.0 56 30 30 30 30 30 30 30 40 40 30 40 30
LQFP 4*4*1.4 108 15 10 10 10 20 20
LQFP 5*5*1.4 90 10 10 10 10
LQFP 7*7*1.4 108 38 40 40 40
LQFP 10*10*1.4 30 30 30
LQFP EP 10*10*1.4 30 8
LQFP 12*12*1.4 30 30 30 30
LQFP 14*14*1.4 42 16 16 16 16 16
LQFP 14*20*1.4 42 28 28 28 28
LQFP 20*20*1.4 28 20 20 20 20 20 20

當日投料量合計 536 471 558 451

前述之彈性批量投料量之投料方式，對生產管理者而言，所需考慮的因素很

多，如壓模機台生產該產品之最大產能、所需生產產品之種類、投料量、產品交

期等，再則更換模具之時機、更換模具之次數，產品生產之先後順序等。

更由於半導體產品之設備昂貴，尤其是壓模機台系統，每台動輒需台幣 2,000

萬，又單一產品需求量並無法滿足機台之最大產能，因此一台壓模機台生產數種

產品而且只增加模具之成本，是彈性生產最大優點。又如果半導體代工廠接單不

穩定，而且投料量及產品無法固定，則採用彈性批量投料量之投料方式是最佳方

- 48 -
 第三章 封裝壓模製程作業之排程問題

式。而且，實際上因為客戶需求及景氣循環等外在因素，需求量變化相當大，惟

有採用一台壓模機台生產數種產品之生產模式，才能滿足低成本、最大產能應用、

客戶需求等因素 。

本研究所研究的範圍，即為研究彈性批量投料量之投料方式。

3.3 人工排程之模具排程

目前壓模機台模具之配備及安排完全是人工排程決定出來，如表 3-3 所示，

為生產線主管根據生管人員投料量，排定之生產換模計劃表，其中模具之換模時

機及換模模具數量往往掌握不當或安排不當，造成換模次數增加及換模模具數量

不佳。如果能透過有效的排程，將可改善人工排程不當之缺失。

- 49 -
 第三章 封裝壓模製程作業之排程問題

表 3.3 壓模各機台模具配置範例(人工排程)
9 月 2日 至 9 月5 日 壓模機台排程換模計劃表
日期 9月2日 9月3日 9月4日 9月5日
機台 班別 A B C A B C A B C A B C
產品 TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP TQFP EP

種類 4*4*1.0 4*4*1.0 4*4*1.0 5*5*1.0 5*5*1.0 4*4*1.0 4*4*1.0 4*4*1.0 5*5*1.0 5*5*1.0 4*4*1.0 5*5*1.0

生產 換模生 換模生 換模生 換模生 換模生

MY01 狀態 產 產 產 產 產

產品 LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP

種類 10*10*1.4 10*10*1.4 10*10*1.4 10*10*1.4 10*10*1.4 24*24*1.4 24*24*1.4 10*10*1.4 10*10*1.4 10*10*1.4 10*10*1.4 10*10*1.4

生產 換模生 換模生

MY02 狀態 產 產

產品 TQFP TQFP LQFP TQFP TQFP LQFP TQFP TQFP LQFP TQFP TQFP LQFP

種類 10*10*1.0 10*10*1.0 4*4*1.4 10*10*1.0 10*10*1.0 4*4*1.4 10*10*1.0 10*10*1.0 4*4*1.4 10*10*1.0 10*10*1.0 4*4*1.4

生產 換模生 換模生 換模生 換模生

MY03 狀態 產 產 產 產

產品 LQFP LQFP LQFP LQFP LQFP LQFP LQFP TQFP TQFP TQFP TQFP TQFP

種類 14*14*1.4 14*14*1.4 14*14*1.4 14*14*1.4 14*14*1.4 14*14*1.4 14*14*1.4 14*14*1.0 14*14*1.0 14*14*1.0 14*14*1.0 14*14*1.0

生產 換模生

MY04 狀態 產

TQFP TQFP TQFP TQFP TQFP TQFP TQFP TQFP

產品 LQFP 4*4*1.0 4*4*1.0 LQFP 4*4*1.0 4*4*1.0 LQFP 4*4*1.0 4*4*1.0 LQFP 4*4*1.0 4*4*1.0

種類 5*5*1.4 EP EP 5*5*1.4 EP EP 5*5*1.4 EP EP 5*5*1.4 EP EP

生產 換模生 換模生 換模生

MY05 狀態 換模生產 產 產 產

產品 LQFP LQFP LQFP LQFP LQFP LQFP TQFP TQFP TQFP TQFP TQFP TQFP

種類 14*20*1.4 14*20*1.4 14*20*1.4 14*20*1.4 14*20*1.4 14*20*1.4 14*14*1.0 14*14*1.0 14*14*1.0 14*14*1.0 14*14*1.0 14*14*1.0

生產 換模生

MY06 狀態 產

產品 LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP LQFP

種類 24*24*1.4 24*24*1.4 24*24*1.4 24*24*1.4 24*24*1.4 24*24*1.4 14*20*1.4 14*20*1.4 14*20*1.4 24*24*1.4 24*24*1.4 24*24*1.4

生產 換模生 換模生

MY07 狀態 產 產

- 50 -
 第三章 封裝壓模製程作業之排程問題

3.4 換模排程

壓模機台排程之決定，取決於訂單數量、機台數量、模具數量限制及各壓

模機台對應各種產品之產能。產能計算說明如下 :

3.4.1 封裝壓模機台產能之計算作業介紹

說明壓模機台產能之計算作業前，先就模數、條數、顆數說明如下 :

如圖 3.1 所示，目前壓模機台，每台有四個模組所組成。

如圖 3.6 所示，壓模機台之模組，以 14X14 材料為例，每個模組為二條材料

所組成。

如圖 3.7 所示，壓模機台之材料，以 14X14 材料為例，每條材料為 14 顆材

料所組成。

圖 3.6 壓模機台 14X14 產品材料之模組，每個模組為二條材料所組成

圖 3.7 壓模 14X14 產品材料，每條材料為 14 顆材料所組成

- 51 -
 第三章 封裝壓模製程作業之排程問題

而壓模生產設備系統之產能計算，取決於以下幾項因素 :

（1）. 壓模生產設備系統之總模數 ( Modules ) :每一台壓模機台所能生產之

模組數。

（2）. 每一模之總條數(Strips /Shot) :每一台壓模機台模組一次能生產之產品

條數。

（3）. 每一條材料所含之總顆數 ( Units / Strips ) :每一條材料內含之總顆數

（4）. 每生產一模所需之總時間 ( Cycle Time ): 每生產一模所需之總時間，

單位 : 秒

（5）. 機台使用率 ( Utilization ) :

其公式如下 :

產能 = ( 壓模生產設備系統之總模數 *每一模之總條數 *每一條材料所含

之總顆數 * 機台使用率 * 生產期間 ) / 每生產一模所需之總時間

以一部生產 LQFP 44ld 之機台生產一小時（3,600 秒）之產能為例，計算該

產品產能如下 :

產能 UPH ( 一小時 ) = ( 壓模生產設備系統之總模數總模數 (4) *每一模之

總條數(2) *每一條材料所含之總顆數(30) * 機台使用率(0.75) * 生產時間(3600) )

/每生產一模所需之總時間 (120) = 4 * 2 * 30 * 0.75 * 3600 / 120 = 5,400 顆

上式表示一台壓模機台生產 LQFP 44ld 產品一小時可以產出 5,400 顆產品 。

以 UPH ( 一小時產能 ) 再乘上所生產之小時數 (8) 即可得到一個班的產能

= 5,400*8 = 43,200 顆產品。

再乘上所生產之小時數 (24) 即可得到一天的產能

= 5,400* 24 = 129,600 顆產品。

再乘上所生產之小時數 (720)即可得到一個月的產能

= 5,400* 720 = 3,888,000 顆產品。

由以上之公式 可以算出每部壓模系統生產之產品的產能 。

- 52 -
 第三章 封裝壓模製程作業之排程問題

如表 3.4 所示為壓模系統生產之產品產能。

表 3.4 壓模系統生產之產品月產能

3.4.2 壓模各種產品模具數量及 UPH

如表 3.5，此表即為本研究之各種壓模模具之現況，計 25 種產品，表中所列

即為各種不同產品之模具總數量、每一個模具生產該產品之每模數量，以及每一

個模具之 UPH 對照表。此表在本研究中各種產品之最大產能將受限於模具數量

之限制，而無法全面更換，在所有壓模機台生產設備系統之生產同一種產品。

- 53 -
 第三章 封裝壓模製程作業之排程問題

表 3.5 壓模各種壓模模具及 UPH 對照表

各種產品模具數量及 UPH

現有模子 每模可生 每模
ITEM 產品種類 使用模具 數量 產數量 UPH (顆)
1 TQFP 64L 768
14*14*1.0 9 32
2 TQFP 128L 768
3 LQFP 64 768
14*14*1.4 4 32
4 LQFP 72L 768
5 LQFP 128L 14*20*1.4 4 32 768
6 PQFP 100L 14*20*2.72 9 32 768
7 TQFP 144L 20*20*1.0 2 12 288
8 LQFP 160L 24*24*1.4 4 12 288
9 PQFP 160L 28*28*3.32 17 10 240
10 LQFP 160 L 672
24*24*1.4 5 28
11 LQFP 216 L 672
12 LQFP 160 L 28*28*1.4 17 24 576
13 LQFP 80L 10*10*1.4 5 60 1440
14 TQFP 44L 10*10*1.0 4 60 1440
15 TQFP 80L EP 1440
12*12*1.0 1 60
16 TQFP 72L 1440
17 LQFP 80L 12*12*1.4 5 60 1440
18 LQFP 144L 20*20*1.4 2 60 1440
19 TQFP 20L 5184
4*4*1.0 5 216
20 TQFP 24L 5184
21 LQFP 24L 4*4*1.4 5 216 5184
22 LQFP 32L 5*5*1.4 5 180 4320
23 TQFP 32L EP 1728
24 TQFP 48L 7*7*1.0 2 72 1728
25 TQFP 32L 1728

- 54 -
 第三章 封裝壓模製程作業之排程問題

如表 3.6，此表即為本研究之生產時間計算方式， 第一項之 TQFP 64L

14x14x1.0 產品每週下料 360K，則再根據表 3.5 中可查出 TQFP14x14x1.0
產品之 UPH 為 768 顆，計算生產此產品所需之單一模具生產時間為 468.8
分。
計算公式如下 : 單一模具生產時間 = INPUT 數量 / UPH
計算結果如下 : 單一模具生產時間 = 360 K / 768 = 468.8 小時
但一週之總時數為 168 小時 ， 以一個模具無法達到產能需求 。
所以模具最少需求數之計算方式為
計算公式如下 : 模具需要數量 = 單一模具生產時間 / 168
計算結果如下 : 模具需要數量 = 單一模具生產時間 / 168 =
= 468.8 / 168 = 2.8

計算出表 3.6 中每一種生產產品之模具需要數量，再對照表 3.5 中之現有

模具數量，即可初步判定 Input 需求量是否在最大產能以內。而不致出現
受限於模具數量之最大產能比 Input 需求量小，而無法全面生產之狀況 。

再針對表 3.6 中每一種生產產品之投料量，表中為一週投料量之總合，但在

生產線安排時，必須依據每天的投料量加以安排排程。而且本研究中之限制目前

當天投料量在當天安排及完成生產。

- 55 -
 第三章 封裝壓模製程作業之排程問題

表 3.6 壓模各種產品投料需求量及總需生產時間計算（週）

各種產品 Input 量及模具需要數量

每模 UPH INPUT 數 單一模具生產 模具需要
ITEM 產品種類 使用模具 (顆) 量 (K) 所需時間 數量
1 TQFP 64L 768 360 468.8 2.8
14*14*1.0
2 TQFP 128L 768 30 39.1 0.2
3 LQFP 64 768 360 468.8 2.8
14*14*1.4
4 LQFP 72L 768 20 26.0 0.2
5 LQFP 128L 14*20*1.4 768 60 78.1 0.5
6 PQFP 100L 14*20*2.72 768 360 468.8 2.8
7 TQFP 144L 20*20*1.0 288 20 69.4 0.4
8 LQFP 160L 24*24*1.4 288 100 347.2 2.1
9 PQFP 160L 28*28*3.32 240 100 416.7 2.5
10 LQFP 160 L 672 500 744.0 4.4
24*24*1.4
11 LQFP 216 L 672 50 74.4 0.4
12 LQFP 160 L 28*28*1.4 576 600 1041.7 6.2
13 LQFP 80L 10*10*1.4 1440 40 27.8 0.2
14 TQFP 44L 10*10*1.0 1440 40 27.8 0.2
15 TQFP 80L EP 1440 30 20.8 0.1
12*12*1.0
16 TQFP 72L 1440 40 27.8 0.2
17 LQFP 80L 12*12*1.4 1440 10 6.9 0.0
18 LQFP 144L 20*20*1.4 1440 60 41.7 0.2
19 TQFP 20L 5184 30 5.8 0.0
4*4*1.0
20 TQFP 24L 5184 10 1.9 0.0
21 LQFP 24L 4*4*1.4 5184 60 11.6 0.1
22 LQFP 32L 5*5*1.4 4320 280 64.8 0.4
23 TQFP 32L EP 1728 10 5.8 0.0
24 TQFP 48L 7*7*1.0 1728 10 5.8 0.0
25 TQFP 32L 1728 400 231.5 1.4

- 56 -
 第三章 封裝壓模製程作業之排程問題

3.4.3 壓模各種產品共用模具資料

表 3.7 共用模具資料表

各種產品共用模具對照表

是否有共
ITEM 產品種類 使用模具 用模具 共用之模具
1 TQFP 64L Y 與 2 共用
14*14*1.0
2 TQFP 128L Y 與 1 共用
3 LQFP 64 Y 與 4 共用
14*14*1.4
4 LQFP 72L Y 與 3 共用
5 LQFP 128L 14*20*1.4 N
6 PQFP 100L 14*20*2.72 N
7 TQFP 144L 20*20*1.0 N
8 LQFP 160L 24*24*1.4 N
9 PQFP 160L 28*28*3.32 N
10 LQFP 160 L Y 與 11 共用
24*24*1.4
11 LQFP 216 L Y 與 10 共用
12 LQFP 160 L 28*28*1.4 N
13 LQFP 80L 10*10*1.4 N
14 TQFP 44L 10*10*1.0 N
15 TQFP 80L EP Y 與 16 共用
12*12*1.0
16 TQFP 72L Y 與 15 共用
17 LQFP 80L 12*12*1.4 N
18 LQFP 144L 20*20*1.4 N
19 TQFP 20L Y 與 20 共用
4*4*1.0
20 TQFP 24L Y 與 19 共用
21 LQFP 24L 4*4*1.4 N
22 LQFP 32L 5*5*1.4 N
23 TQFP 32L EP Y 與 24,25 共用
24 TQFP 48L 7*7*1.0 Y 與 23,25 共用
25 TQFP 32L Y 與 23,24 共用

- 57 -
 第三章 封裝壓模製程作業之排程問題

如表 3.7，此表再針對本研究之各種壓模模具之 25 種產品，找出其共用模具

之情形。雖然所生產之產品腳數不同，但是由於產品之外觀尺寸相同，在生產製

程中，可以不用更換模具即可以生產。正因為如此，排程中可以根據共用模具，

不須換模之特性，減少更機之次數。

總合表 3.5，表 3.6 及表 3.7 成一個總表如表 3.8 所示:

表 3.8 壓模各種產品模具、UPH、投料量、生產總需時間及共用模具表

- 58 -
 第三章 封裝壓模製程作業之排程問題

而共用模具之二種不同產品，為什麼不能視為單一種產品？那是因為在整

個封裝製程中，在銲線、去框及切腳成型時不同產品之生產製具不同，不能視為

同一種產品生產，所以考量產品種類時以不同產品做為區分。

3.4.4 封裝壓模機台更換模具對產能之影響計算

如 3.2.2 節壓模生產設備系統之總產能計算，其中有一項因素為“ 總生產

時間 “ 而為了生產各式各樣的產品，不得不更換模具，然而每更換一次模具，依

更換程度之不同需時 3~8 小時；再加上剛更換之模具需升溫約 1 小時，升溫完成

之後，必需再清模及潤滑模面，合計每更換一次模具，從開始更換到清模潤模完

成，平均每次更換模具需時 4 小時。壓模更換模具所須設置時間如表 3.9 所示。

表 3.9 壓模更換模具設置時間

壓模更換模具設置時間
項目
更換上料、下料 更換模具 模具升溫及清 調整機構及生
機構所須時間 時間 洗模面時間 產試機時間 合計時間
所須時間
(小時) 2~4 1 2 1 3~8
必要程序 X Y Y X

當更換產品之產品寬度與之前的產品不同時，就必須更換上料、下料機構，

及調整機構及生產試機。更換上料、下料機構所須時間。

3.4.5 換模排程構想敘述

當在此排程問題中，主要的決策是各種產品的生產順序及換模順序，但在數

學模式中要表示各種產品之生產順序並不容易，因此將各種產品之生產順序以時

間之先後順序來代替，以代表各種產品之生產順序的時間，決定各種產品開始生

- 59 -
 第三章 封裝壓模製程作業之排程問題

產的時間後，同樣也代表各種產品生產的順序。另外，在壓模實際作業所使用的

資源中，部分的資源有數量上的限制，如共用治具，模具數量，模座型式等共用

資源。而各種不同產品有搶用相同資源的機會，所以形成多資源的衝突，此為壓

模實際作業各種產品排序的一大特色，因此在限制函數中，將描述資源在數量上

的限制。

除上述的各項描述外，交期同樣是一項重要的描述，若忽略了交期的問題，

整體研究的實際性將降低很多，因此特別將交期納入考慮。交期的限制可分為兩

種形式，其中一種是所謂的硬式交期，是將交期列為一種限制條件。另一種則是

所謂的軟式交期，將交期設為一種衡量指標。此種描述方式就如同實際個情況中，

當延遲交貨將會產生額外的成本。在本數學模式中，若使用硬式交期的描述方式，

可能造成無解的情況。這並非模式本身有問題，問題的癥結可由實際狀況予以瞭

解。能夠如期交貨必然是所有顧客的要求，但在產能方面的掌控有時並無法精確，

因此延遲交貨依然是可以接受的。因此在模式中使用軟式交期，將交期的衡量以

及機器的使用率轉換成成本的觀念。

3.5 結語

壓模生產系統為平行機設備，壓模生產系統之所以能生產各式各樣不同種類

之產品，完全取決於壓模模具之不同，才能生產各式各樣之產品。而一種模具只

能生產單一種外觀尺寸( Case Outline )之產品。

半導體封裝投料方式有二；一為固定投料量之投料方式，以各機台不需更換

產品為原則。二為彈性批量投料量之投料方式，由於半導體產品之設備昂貴，尤

其是壓模機台系統，每台動輒需台幣 2,000 萬，又單一產品需求量並無法滿足機

台之最大產能，因此一台壓模機台生產數種產品，只須增加模具之成本即可。實

際上因為客戶需求及景氣循環等外在因素，需求量變化相當大，惟有採用一台壓

模機台生產數種產品之生產模式，才能滿足低成本、最大產能應用、客戶需求等

- 60 -
 第三章 封裝壓模製程作業之排程問題

因素。本研究所研究的範圍，即為研究彈性批量投料量之投料方式。

由於彈性批量投料量之投料方式，因此更機、換模成為無法避免的課題，現

階段壓模機台模具之配備及安排，完全是人工排程決定出來，生產線主管根據生

管人員投料量，排定之生產換模計劃表，其中模具之換模時機及換模模具數量往

往掌握不當或安排不當，造成換模次數增加及換模模具數量不佳。如果能透過有

效的排程，將可改善人工排程不當之缺失。因此本研究之問題核心，為如何在必

須生產多樣產品之情況下，而且受限於模具必須更換，以演算法之方式，找到當

日最少之換模次數。

- 61 -
 第四章 封裝壓模排程之基因演算法探討

第四章 封裝壓模排程之基因演算法探討

4.1 封裝壓模排程演算模式描述

本研究主要是探討壓模平行機器的排程問題，此問題乃是在探討有 n 個

獨立的工作，每個工作都需經過壓模製程程序，此壓模製程有多部性能相同的機

器能夠執行壓模製程工作，而此類排程的目的乃是要將工作安排到各個機器中，

並決定各種不同產品的生產及換模順序，並尋求績效指標(Performance Measure)

的最佳化。亦即最少之生產設置時間及最少之換模次數。本研究運用基因演算法

作為主要的搜尋方法，基於整個研究架構，本文所建立的整個演算流程如圖 4.1

所示，並說明如下。
編碼並形成起始解

基因演算法運算

記錄輸出
結束
是否符合
是
結束條件

圖 4.1 系統演算步驟流程

(1) .Evolver 模擬軟體選用 :

為了解決複雜的排程問題，排定換模計劃表及壓模機台產能排定之問題，本

實驗選用視窗平台上的解決問題工具 “Evolver” 。 “Evolver”是微軟試算表的外掛

工具運用，以領先的基因演算法 ( Genetic Algorithm )為基礎的最佳化軟體有幾個

主要的強化功能，包括快速的三十二位元資料處理 (32-Bit Processing)， 比之前

快二十倍或更多的最佳化處理器 (Optimizer)，可選擇的基因運算器(Selectable

Genetic Operators) 和創新的自動演化技術 (Auto-mutation)。Evolver 軟體是設計用

- 62 -
 第四章 封裝壓模排程之基因演算法探討

來處理傳統的最佳化問題，像是排定進度表，資源分配，產品混合和工程設計。

就像一些以前的最佳化軟體，Evolver 會產生解答例如最好的搭配或是最有效率的

輸入組合，這些結果可以降低成本而且顯著的提昇工作或是產品的表現。但是

Evolver 已超越這些原有的"solver"軟體，可以處理更複雜的組合、訂單、排程計劃

表和混合型的問題還有一些以前被認為無法解決的問題。可在更短的時間內，得

到更好的答案，來解決排程最佳化的問題。

本研究先將平行機器的生產模型建構於模擬軟體，一方面對於各種產品在不

同機台生產順序及各種不同產品搭配對應模具之狀態建構 ，另一方面有利於使用

者由系統所提供之範例動畫作模式正確性之驗證。將遺傳演算法母體所提供之各

染色體進行解碼，取得各產品的加工順序、生產批量、被指派的加工機器、所屬

工作等資訊輸入至模擬軟體，經由本研究在模擬軟體建立的平行機器生產模型來

求解各工作之排程時間及績效目標( 最少之生產時間及最少之換模次數 ) 。

(2).基因演算法運算 :

本研究運用遺傳演算法作為平行機器排程問題的主要搜尋方法，針對本研究

適用性作一些適度的修改及調整，並將基因演算法與 Evolver 模擬軟體結合，提

供複雜排程問題的求解方法。 Evolver 模擬軟體已超越了傳統的"solver"方式而使

用基因演算法來解決最困難而且之前被認為無解的問題，像一些需要不斷查詢複

雜資料表格的問題。這些演算法就像是自然界中的進化過程：突變(mutate)，交配

(crossover)然後進化到最佳的而且是最適合的解決方式。

- 63 -
 第四章 封裝壓模排程之基因演算法探討

(3)停止條件 :

傳統的基因演算法常採用最大演化世代數作為基因演算法的停止條

件，以致無法在適當的時間停止演算，造成許多不必要的演算世代數，增加

演算的時間，為了在短時間內能得到較佳解，本研究增設一個停止條件，當

最大演化世代數 60,000 代時即停止。

4.2 實驗結果與分析

4.2.1 問題說明

一般而言，Evolver 軟體應用基因演算法之方法，使用在搜尋最小值或最少

時間；所以本研究將之應用在搜尋半導體封裝壓模製程中之更換模具的最佳排

程，其結果可求得在一固定工單下所耗用的最少生產設置時間，或在一固定時間

下生產，可獲得的最大產量，以及最少的更機次數，可減少維修人員更換模具的

負擔。針對以上需求，我們必須將 Evolver 基因演算法之架構加以局部修改並

予以建立，才能將其應用在半導體封裝壓模機的排程。

本壓模生產系統組態之實驗條件設定產品種類共 25 種，而壓模機台數為7

台，構成至少 C 725 種生產系統組態。根據客戶訂單，生管單位依據交貨時間及

交貨數量，排定每天下料之數量，製造單位再依可用之機台及模具，排定每部機

台之生產產品及更換產品之時機，運用基因演算法之方法，搜尋半導體封裝壓模

製程中之更換模具的最佳排程，以及最少的更機次數 。

- 64 -
 第四章 封裝壓模排程之基因演算法探討

4.2.2 假設與說明

基於 4.2.1 章節中所述之原因，本研究在做演算之前必須做些假設與說明。

（1）、本研究將以三種 QFP 膠體外觀尺寸( 長度、寬度、厚度 ) 不同之系

列產品； PQFP 、TQFP 、LQFP 的生產排程，做為研究的對象。

（2）、由於 QFP 系列產品的種類繁多不下五、六十種，為了本研究方便且

容易說明與瞭解，所以將產品種類縮小為 25 種，並就其生產的排程加以研究分

析。

（3）、本研究假設在 7 台自動壓模機（Auto Mold）及 25 種生產材料下進

行最適排程的研究。

、在封裝壓模機設備方面，由於本研究所舉的實例樣本皆為 QFP 產品，

（4）

然其膠體外觀尺寸( 長度、寬度、厚度 )不同，則需使用不同模具，各種產品外觀

尺寸(長度、寬度、厚度) 所列，相同的膠體長度、寬度與厚度才得使用相同的封

膠模具，所以在安排封裝壓模機排程時必需考慮到盡量減少其更換壓模機模具的

次數，以增加壓模機製程的效率。

、封裝壓模機在更換模具（Chase 及 Conversion Kit）的時間，估計為 4

（5）

小時，此乃因為機器設備需先降溫方可更換，且需再升溫方可生產所致。

（6）、不考慮插單急件，以達成原生管單位排定之交貨時間為目標。若無法

達成準時交貨，以最少延遲時間為原則( 軟性交期 )。在封裝壓模製程，假設沒有

瓶頸，而且生產按下料方式批量生產至壓模製程 。

（7）、每天的排程以延續前一天之排程為原則，亦即前一天之最後機台排程

模式為後一天之最初機台排程模式。

、本研究以 7 天的工單為基準，以求得壓模機台的最佳排程，即其最短
（8）

工時及產出量。

（9）、一種產品可在一台以上之機台生產，所有機台上之模具數量不大於模

具之總數量，並以該產品在該機台之最大產能計算。

（10）
、可於同一時間內多部機台同時更換產品，不考慮更換產品人力，不考

- 65 -
 第四章 封裝壓模排程之基因演算法探討

慮開機人員技能不足，不考慮機台當機問題，不考慮缺水、電、氣之生產必須條

件 。

（11）、當天之投料量，排程時以當天要能生產完成當日投料量為原則。

由以上 3 及 4，進一步假設（亦可說是依據實際狀況）
：一台壓模機若

全力生產 TQFP14x14x1.0，其每一模之 UPH（Unit Price Hour）為 768 顆，如果

機台之 4 個模組全部生產 TQFP14x14x1.0 產品，則每小時的產出量為 4*768 =

3,072 顆；同樣的，一台壓模機若全力生產 TQFP14x14x1.0 一個班 ( 8 小時 )，

則其一個班的產能為 8 * 3072= 24,576 顆，所以若要保持一台壓模機之生產不致

斷料或形成瓶頸，則一天 ( 24 小時)必須要有 73,728 顆之投料量，才能符合要求

不用更換模具生產。其它則依此類推。然而必須注意的是，各種不同產品各自使

用不同的封膠模具，若於壓模的生產過程中，產品的模具有所變更時，則必需花 4

小時更換模具及洗模。

4.2.3 實驗求解步驟

為比較清楚說明此問題，先舉一簡單假設例，以方便說明。假設生產之壓模

機台只有 3 台；產品數目只有 5 種。加以說明及解釋求解步驟如下:

步驟一 : 訂單數量必須轉變成製程生產時間 :

求此問題解時，訂單數量無法直接輸入在程式中，必須先將訂單數量，轉換

為壓模製程所須時間。為比較清楚說明此問題，先假設生產之壓模機台只有 3

台；產品數目只有 5 種，舉一假設例為壓模機台生產各種產品之 UPH，每日收

到的工單數量及其順序；求得每份工單於完成壓模製程所需的時間，如表 4.1 所示：

- 66 -
 第四章 封裝壓模排程之基因演算法探討

表 4.1 壓模機台生產產品別及 UPH； PC 投料數量；生產所須時間

產品別及 UPH PC 投料數量 機台生產所須時間 (分)

每生產
產品 1K 所須 SUN MON TUE WED SUN MON TUE WED
時間
1 20 100 120 2000 0 2400 0
2 0.4 40 25 25 25 16 10 10 10
3 10 250 200 2500 0 0 2000
4 0.1 100 50 10 0 5 0
5 8 10 30 30 80 240 0 240

步驟二 : 定義排程起始解 :

由本研究先前所提之說明，可知半導體封裝製程之壓模製程之特性為，壓模

機的換模時間較長，所以銲線製程的排程組合乃以滿足壓模機最短生產時間及最

少之換模次數為標的。此外，根據 4.2.2 的假設與說明，於系統設計時就必須考慮

到產品於壓模製程中之連續性，以減少壓模機台更換模具的次數。根據以上之特

性，將壓模機之排程導入基因演算法以求得壓模機之最佳化排列組合，其運算邏

輯規則說明模式如下 ：

（1）. 產品有 5 種，壓模機只有 3 台，每一訂單之生產將可能跨越二個生

產週期； 例如表 4.1 中產品（1）及（3）皆有超過一天的投料量。

（2）. 上週期已在執行生產之排程不予重排，故不計入起始解組合。

（3）. 因本週期新訂單的加入，使得上週期尚未生產之初步排程，可再次調

整順序為新最適解排程 。

（4）. 根據以上三種方式，在限制式中判定，找出起始解。

- 67 -
 第四章 封裝壓模排程之基因演算法探討

步驟三 : 找出最佳解 :

在 Evolver 限制式中，有二個儲存格，一者代表最短生產時間，另一代表最

少之更機次數，執行 Evolver 程式前，必須要先找出較佳的母體數、交換率、突

變率、演化世代等參數。搜尋較佳參數之方法為假設並固定其中三個參數，接著

透過各種條件假設，以找出較佳之參數設定。當 Evolver 程式執行時，會經過隨

機之演進、交配、及突變之方式，找到最佳解。而該程式停止時，所得到的參數

即為最有效之排程模式 。

步驟四 : 實例搜尋，找出最佳解 :

在測試程式完成之後，反複測試無誤時，便可將求解限制式之模式，擴展至

應用實例，以找出在實例之最佳排程，解決生產線管理主管排程方面之困難，及

得到最佳之效率，將生產過程與機器設備做最佳之安排 。

4.2.4 實驗結果 :

本實驗解說例，以 3 部壓模機台及 5 種產品為例，加以說明，比較先進先

出法及基因演算法之差異。

本實驗以 Evolver 程式為主，設定一個主要條件為換模更機之次數為最少。

在滿足這個主要條件之排程模式，所找出之最佳解，即為我們所求之有效排程的

解。

以實例一，輸入產品種類，訂單數量，產品之 UPH，求出此產品之生產所需

時間，利用排程演算法之選擇、交換及突變過程來尋找不同的生產順序以得到最

少生產所需時間的最佳排程及最少之換模次數。

Evolver 演算法終止後得到搜尋結果，最終結果染色體內容僅代表各種產品

與搭配壓模機台的順序，因此要將其轉換成排序的結果，轉換的方式是 Evolver 以

模擬系統依照染色體內容進行模擬，以得到各種產品與搭配壓模機台的順序的詳

細排程內容。

- 68 -
 第四章 封裝壓模排程之基因演算法探討

4.2.5 假設例實驗結果討論 :

1、以先進先出法求最適解 :

在本研究之前，現階段研究中之排程方式採用先進先出之排程模式，而先進

先出法就是工廠的生產排程依收到的工單先後次序安排生產及出貨，假設接單的

次序如表 4.1，則首先考慮的是盡量減少更換壓模模具更換的次數，以節省生產時

間、增加產量。為表達方便，同樣以 1、2、3、4、5，做為各產品的代號， (1)、

(2)、(3)，各代表工單的順序。 先前已根據經驗將壓模機做分配，不再說明，所

以根據先進先出法做出以下的排程：

第一天（SUN）所接的工單，投入壓模機生產所需工時：

壓模機 1：(1) 1440 分

壓模機 2：(2) 16 分 + 4h+ (3) 1184 分 = 1440 分

壓模機 3：(4) 10 分 + 4h+ (5) 80 分 = 330 分

由以上可知，三台壓模機中 ， 壓模機 3 於第一天將有 1440-330 = 1110 分

的待料時間，因為壓模機 3 只生產了產品 (4) 及 (5) 及更換模具一次，共 330 分

鐘的生產及換模時間。

第二天（MON）所接的工單，投入壓模機生產所需工時：

壓模機 1：(1) 560 分

壓模機 2：(3) 1316 分

壓模機 3：(5) 240 分 + 4h+ (2) 10 = 490 分

由以上可知，三台壓模機中，壓模機 1 於第二天將有 1440-560 = 880 分的待

料時間，壓模機 2 於第二天將有 1440-1316 = 124 分的待料時間，壓模機 3 於第

二天將有 1440-490 = 950 分的待料時間，因為壓模機 3 生產了產品 (5) 之後再更

換模具生產 (2)，共 490 分鐘的生產及換模時間。

第三天（TUE）所接的工單，投入壓模機生產所需工時：

- 69 -
 第四章 封裝壓模排程之基因演算法探討

壓模機 1： (1) 1440 分

壓模機 2： 4h + (4) 5 + 4h = 485 分

壓模機 3： (2) 10 分

由以上可知，三台壓模機中 ， 壓模機 1 於第三天生產產品 (1) ，壓模機 2

於第三天將有 1440-485 = 955 分的待料時間，壓模機 3 於第三天將有 1440-10 =

1430 分的待料時間，因為壓模機 3 只生產了產品 (2) 之後 10 分鐘之後即待料。

第四天（WED）所接的工單，投入壓模機生產所需工時：

壓模機 1： (1) 960 分

壓模機 2： (3) 1440 分

壓模機 3： (2) 10 分 + 4h + (5) 240 + 4h + (3) 560 = 1290 分

此時壓模機 1 於第四天生產產品 (1) ，壓模機 2 於第四天生產產品 (3)，因

為無法全部生產完成，將有 2000-1440 = 560 分的材料留到第五天生產，壓模機 3

於第四天將有 1440-1290 = 150 分的待料時間，因為壓模機 3 不只生產了產品 (2)

10 分鐘之後，再更換模具生產 (5)，再更換模具生產 (3)共 1290 分鐘的生產及

換模時間。

由以上四天的排程總計得知每台壓模機所生產的產品及更換模具次數如下 ：

壓模機 1：（1）、（1）、（1）
、（1）四天生產的產品全部是（1） 無更換模具；

壓模機 2：（2）、（3）、（3）
、（4）、（3） 四天共更換 3 次模具；

壓模機 3：
（4）
、（5）
、（5）
、（2）
、（2）
、（2）
、（5）
、（3）四天共更換 4 次模具 。

所以，完成所有產品，每台壓模機生產產品及更換模具所花的時間分別為：

壓模機 1 = 1440 + 560 + 1440 + 960 = 4400 分

壓模機 2 = 1440 + 1316 + 485 + 1440 = 4681 分

壓模機 3 = 330 + 490 + 10 + 1290 = 2120 分

所以，若計算到第四天為止，所生產的產品數量及更換模具所花的時間合計 ；

- 70 -
 第四章 封裝壓模排程之基因演算法探討

三台壓模機生產及更換模具所花的時間為 4400 + 4681 + 2120 = 11,201 分 。

經計算純生產時間則為 4400 +（4681 – 240*3 ）+（2120 – 240*4 ）= 9,521

分。

先進先出法(FIFO)壓模機生產及排程時間 ，如表 4.2 先進先出法(FIFO)壓模

機生產及排程時間 。

表 4.2 先進先出法(FIFO)壓模機生產及排程時間

日期 第一天 第二天 第三天 第四天 合計

生產 換模 生產 換模 生產 換模 生產 換模 生產 換模
機台 \ 時間 時間 時間 時間 時間 時間 時間 時間 時間 時間 時間 總時間

壓模機 1 1440 0 560 0 1440 0 960 0 4400 0 4400

壓模機 2 1200 240 1316 0 5 480 1440 0 3961 720 4681

壓模機 3 90 240 250 240 10 0 810 480 1160 960 2120

合計 2730 480 2126 240 1455 480 3210 480 9521 1680 11201
資料來源：本研究整理

- 71 -
 第四章 封裝壓模排程之基因演算法探討

2、以基因演算法求最適解 :

與先進先出法相同的訂單，假設接單的次序如表 4.1，在本研究中，以基因演

算法求最適解之排程模式，同樣首先考慮的是盡量減少更換壓模模具更換的次

數，以節省生產時間、增加產量。為表達方便，同樣以 1、2、3、4、5，做為各產

品的代號， (1)、(2)、(3)，各代表工單的順序。先前已根據經驗將壓模機做分配，

不再說明，所以根據基因演算法做出以下的排程：

第一天（SUN）所接的工單，投入壓模機生產所需工時：

壓模機 1：(1) 1440 分

壓模機 2：(3) 1440 分

壓模機 3：(5) 80 分

由以上可知，三台壓模機中 ， 壓模機 3 於第一天將有 1440-80 = 1360 分

的待料時間，因為壓模機 3 只生產了產品 (5) 80 分，共 80 分鐘的生產時間。

第二天（MON）所接的工單，投入壓模機生產所需工時：

壓模機 1：(1) 560 分

壓模機 2：(3) 1060 分 + 4h + (4) 10 = 1310 分

壓模機 3：(5) 240 分 + 4h + (2) 26 = 506 分

由以上可知，三台壓模機中 ， 壓模機 1 於第二天將有 1440-560 = 880 分的

待料時間，壓模機 2 於第二天將有 1440-1310 = 130 分的待料時間，壓模機 3 於

第二天將有 1440-506 = 934 分的待料時間，因為壓模機 3 生產了產品 (5) 之後再

更換模具生產 (2)，共 506 分鐘的生產及換模時間。

第三天（TUE）所接的工單，投入壓模機生產所需工時：

壓模機 1： (1) 1440 分

壓模機 2： (4) 5 + 4h = 245 分

- 72 -
 第四章 封裝壓模排程之基因演算法探討

壓模機 3： (2) 10 分

由以上可知，三台壓模機中 ， 壓模機 1 於第三天生產產品 (1) ，壓模機 2

於第三天將有 1440-245 = 1195 分的待料時間，壓模機 3 於第三天將有 1440-10 =

1430 分的待料時間，因為壓模機 3 只生產了產品 (2) 之後 10 分鐘之後即待料。

第四天（WED）所接的工單，投入壓模機生產所需工時：

壓模機 1： (1) 960 分

壓模機 2： (3) 1440 分

壓模機 3： (2) 10 分 + 4h + (5) 240 + 4h + (3) 560 = 1290 分

此時壓模機 1 於第四天生產產品 (1) ，壓模機 2 於第四天生產產品 (3)，因

為無法全部生產完成，將有 2000-1440 = 560 分的材料留到第五天生產，壓模機 3

於第四天將有 1440-1290 = 150 分的待料時間，因為壓模機 3 不只生產了產品 (2)

10 分鐘之後，再更換模具生產 (5)，再更換模具生產 (3)共 1290 分鐘的生產及

換模時間。

由以上四天的排程總計得知每台壓模機所生產的產品及更換模具次數如下 ：

壓模機 1：（1）、（1）、（1）、（1）四天生產的產品全部是（1）無更換模具；

壓模機 2：（3）、（4）、（3） 四天共更換 2 次模具；

壓模機 3：（5）、（2）、（2）、（2）、（5）、（3）四天共更換 3 次模具 。

所以，完成所有產品，每台壓模機生產產品及更換模具所花的時間分別為：

壓模機 1 = 1440 + 560 + 1440 + 960 = 4400 分

壓模機 2 = 1440 + 1310 + 245 + 1440 = 4435 分

壓模機 3 = 80 + 506 + 10 + 1290 = 1886 分

- 73 -
 第四章 封裝壓模排程之基因演算法探討

另外，第五天為止銲線機所生產的產品數量如下：

所以，若計算到第四天為止，所生產的產品數量及更換模具所花的時間合計 ；

三台壓模機生產及更換模具所花的時間為 4400 + 4435 + 1886 = 10,721 分 。

經計算純生產時間則為 4400 +（4435 – 240*2 ）+（1886 – 240*3 ）= 9,521

分。

基因演算法法壓模機生產及排程時間 ，如表 4.3 基因演算法壓模機生產及

排程時間 。

表 4.3 基因演算法壓模機生產及排程時間 。

日期 第一天 第二天 第三天 第四天 合計

生產 換模 生產 換模 生產 換模 生產 換模時 生產 換模
機台 \ 時間 時間 時間 時間 時間 時間 時間 時間 間 時間 時間 總時間

壓模機 1 1440 0 560 0 1440 0 960 0 4400 0 4400

壓模機 2 1200 240 1310 0 5 240 1440 0 3955 480 4435

壓模機 3 80 0 266 240 10 0 810 240 1166 720 1886

合計 2720 240 2126 240 1455 240 3210 240 9521 1200 10721

以下就先進先出法及基因演算法所作的排程加以比較，如表 4.2 及 4.3 得知，

累計四天壓模機之生產時間，基因演算法比先進先出法少（11201- 10721）÷ 11201

＝0.043 （即 4.3﹪）
；所有壓模機更換模具之時間，基因演算法比先進先出法節省

2 次（1680－1200）÷ 1680 ＝ 0.286（即 28.6﹪）

，所以在壓模機製程上的產出量

或更換模具所花的時間，基因演算法皆比先進先出法來得有效率。表 4.4 則為基因

演算法與先進先出法，完成所有工單所需的工時之比較。

- 74 -
 第四章 封裝壓模排程之基因演算法探討

表 4.4 壓模機台完成所有工單所需的工時之比較(資料來源：本研究整理)

排程方法 先進先出法 基因演算法

機台 \ 時間 生產時間 換模時間 總時間 生產時間 換模時間 總時間

壓模機 1 4400 0 4400 4400 0 4400

壓模機 2 3961 720 4681 3955 480 4435

壓模機 3 1160 960 2120 1166 720 1886

合計 9521 1680 11201 9521 1200 10721

- 75 -
 第四章 封裝壓模排程之基因演算法探討

4.3 基因演算法問題之設計

4.3.1 基因演算法基本架構

基因演算法最主要的目的為嚴謹地架構出自然生物系統的進化過程，以期由

此激起自然系統和人工系統兩大領域發展上的大突破，近來被廣泛的應用於搜尋

問題的最佳解，藉由生物物種的基本運算子，在每代間進行演化，終而尋得適當

問題的最佳解。

其基本的精神為：

（1）.對於問題搜尋自然參數解的自然集合。

（2）.將所要參數編碼成一字串，隨機重複 N 個原始物種（字串）
，然後依據

求解來得到適應函數（fitness function）。

（3）.適應高的函數被挑到交配池，經過複製、交配、及突變過程的運算下，

完成一代基因演算法則，如此重複下去，以產生適應力強大的物種，其基本架構

如圖 4.2 所示。

將參數解碼計算適應函數值

是否滿足終止條件 最佳參數解

複 製 過 程

交 配 過 程

突 變 過 程

圖 4.2 基因演算法架構

- 76 -
 第四章 封裝壓模排程之基因演算法探討

遺傳基因演算法與一般最佳化方法所不同之主要特性如下：

（1）.基因演算法的運算，主要在參數經過位元編碼的字串上，而非參數本

身，所以在搜尋分析上不受參數連續性的限制。

（2）.基因演算法採用多點隨機搜尋的方式（複製→交配→突變）
，而非傳統

的單點依序搜尋方式，因此可以避免侷限在區域的最佳解上，而得到問題的最佳

解。

（3）.基因演算法在運算時，只需訂定問題要求的目標函數（Objective

Function）
，並不需要其他的輔助資訊（如函數的微分性、連續性）
，所以適合各類

問題的目標函數。

4.3.2 染色體設計

由表 4.5 各種不同產品一週之投料量，問題所架構的模型 ，可以知道本次

改善的重點是透過有效的排程來安排機台生產之先後順序，使得壓模封裝製程的

更換模具次數能達到最少。根據 Evolver 之 Order 模組之功能，本研究將設計二條

染色體，如表 4.6 所示，用以表示哪一生產產品安排於哪一機台生產。兩者均以整

數表示，第一條染色體中的數字為壓模機台的代號，第二條染色體為各種不同產

品的代號。本實驗設定壓模機台數為 7 台，各種不同產品有 25 種，所以共有 C 725

種組合可能，壓模機台生產哪一生產產品為隨機產生，空白則表示沒有安排生產

產品。

- 77 -
 第四章 封裝壓模排程之基因演算法探討

表 4.5 各種產品投料量及 UPH 對照表

PC 每日投料量 ( K ) 產能

日期 UPH(units
SUN MON TUE WED THU FRI SAT Unit/min
產品 per hour)

1 60 60 60 60 60 60 0 768 12.8
2 50 40 80 60 70 30 30 768 12.8
3 0 0 60 0 0 0 0 768 12.8
4 50 50 50 60 50 50 50 768 12.8
5 0 5 0 5 0 5 5 288 4.8
6 10 20 10 20 10 20 10 288 4.8
7 20 10 20 10 20 10 10 240 4.0
8 50 100 100 50 100 50 50 672 11.2
9 0 300 0 0 0 0 300 576 9.6
10 0 0 0 0 50 0 0 672 11.2
11 0 0 20 20 0 0 0 1440 24.0
12 0 0 0 0 0 40 0 1440 24.0
13 0 0 0 30 0 0 0 1440 24.0
14 0 0 0 0 0 0 10 1440 24.0
15 0 10 0 10 10 0 0 768 12.8
16 20 0 0 0 0 0 0 768 12.8
17 10 10 10 10 10 10 0 1440 24.0
18 0 0 10 10 10 10 0 1440 24.0
19 0 0 0 0 0 0 30 5184 86.4
20 0 0 0 10 0 0 0 5184 86.4
21 5 20 10 12 6 3 20 5184 86.4
22 30 100 20 100 10 20 0 4320 72.0
23 0 0 0 0 0 0 10 1728 28.8
24 0 0 0 0 0 0 10 1728 28.8
25 100 0 100 100 50 50 0 1728 28.8

- 78 -
 第四章 封裝壓模排程之基因演算法探討

表 4.6 染色體編碼方式

Day SUN
機台
M1 M2 M3 M4 M5 M6 M7
產品
1 *
2 *
3 *
4 *
5 *
6 *
7 *
8 *
9 *
10 *
11 *
12 *
13 *
14 *
15 *
16 *
17 *
18 *
19 *
20 *
21 *
22 *
23 *
24 *
25 *
* 表示此產品在該機台生產

- 79 -
 第四章 封裝壓模排程之基因演算法探討

4.3.3 適當值（Fitness Value）

本研究所採用的適當值為最少生產總時間及更換模具次級。 因為壓模產品不

同，所需之模具也不同，使得『更換模具』成為無可避免的動作之一，而『更換

模具』本身對於壓模整個製程而言，更換模具時，根本無任何產品產出，而且『更

換模具』後，又必須洗模，
『更換模具』次數愈多，所耗費的壓模製程時間也愈長，

所耗費的成本及交期也就愈長，因此，當『更換模具』愈少時，則表示壓模機台

相對生產之時間愈多，也就工廠的製程時間縮短，當然成本也就降低，故當壓模

機器排程配置時，需促使『更換模具』次數最少。

4.3.4 演算法程序（Overall Algorithm）

Step 1. 設定系統參數

1.1 基因演算法參數：母群體數量（Population Size）、交配率（Crossover

Probability）
、突變率（Mutation Probability）以及演化代數（Number of Generation）
。

1.2 系統參數：機器型號代號與工作站代號、亂數起始種子。

1.3 限制參數：機台變異數及製程時間變異數。

Step 2. 讀入資料

2.1 讀入訂單資料檔，包含各種產品訂單數量、投料時間、產品共用模之設

定、機台對應生產產品之 UPH 及製程時間。

2.2 讀入機台資料檔，包含機台數量、型號及其代號。

2.3 讀入工作站資料檔。

2.4 讀入染色體位於 Excel 中之絕對位置，包含機台代號染色體及各種產品

代號染色體。

2.5 讀入機台數變異數之絕對位置亦或讀入各種產品生產時間變異數之絕

對位置。

Step 3. 產生起始解

- 80 -
 第四章 封裝壓模排程之基因演算法探討

3.1 將各種產品代號隨機分配置於壓模機台上

Step 4. 計算適當值

4.1 設定 Fit = 0、start = 1。

4.2 for i = 1 to m。

4.3 for j = 1 to n。

if 儲存格 <> 0

4.3.1 s = s + r。 /*計算單一機台之更機次數*/

4.3.2 start = j。

else

4.4 Next j。

4.5 Fit = Fit + s。 /*計算單一天機台之更機次數*/

4.6 Next i。 /*計算全部之更機次數*/

Step5. Next Loop。

- 81 -
 第四章 封裝壓模排程之基因演算法探討

4.3.5 參數選擇

要使基因演算法求解，首先必須先決定各項參數值，包含：母體數、交配率、

突變率。本研究以 4.2.1 節之壓模生產系統組態，實驗條件設定產品種類共 25

種 ，而壓模機台數為 7 台，構成至少 C 725 種生產系統組態；所建立之問題架

構進行實驗，以進步率及總生產時間來評估參數值的好壞。

4.3.5.1 選擇母群體

選擇母體數，先將演化代數設定為 15,000 代、突變率設定為 0.0001、交配

率設定為 1 ，並選定母體數 10，20，30，40，50 等 5 種母體群數，在不同母體

群數下，更機次數的收斂趨勢由圖 4.3 中，由進步率曲線發現母體數的設定與更機

次數之關係，可以發現，母體數設為 40，使得進步率最高，而且觀察表 4.7 可以

發現，母體數設為 40，使得進步率最高、更機次數最低。因此本研究在選定母體

數 40 為實驗參數。圖 4.4 則表示在不同母體群數下，更機次數的收斂趨勢。起始

值為亂數種子所產生。

表 4.7 母體數對系統之影響

母體群數 10 20 30 40 50
起始值（次）
88 88 88 88 88
（a）
最終值（次）
78 72 70 63 65
（b）
進步率（%）
11.3636 18.1818 20.4545 28.4091 26.1364
（c = 1-（b/a））

演化代數：15,000、突變率：0.0001、交配率：1

- 82 -
 第四章 封裝壓模排程之基因演算法探討

更機次數 進步率
80 30
25
75
更機次數(次)

進步率(%)
20
70 15
10
65
5
60 0
10 20 30 40 50
母體數

圖 4.3 母體數、進步率與更機次數之關係

10 20 30 40 50
90

85
更機次數(次)

80

75

70

65

60
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

演化代數(千代)

圖 4.4 不同母體數之更機次數收斂趨勢

- 83 -
 第四章 封裝壓模排程之基因演算法探討

4.3.5.2 選擇交配率

選擇交配率，先將母體數設定為 40 、演化代數同樣設定為 15,000 代、突變

率設定為 0.0001 ，並選定交配率為 0.005，0.01，0.03，0.05，0.1，0.3，0.5，0.75，

0.9，0.95 等 10 種不同交配率，在不同交配率下，更機次數的收斂趨勢由表 4.8

中發現，交配率為 0.3 時，其進步率為 29.5455%，更機次數值為 62 次為最佳。

因此本研究選擇 0.3 為交配率的參數。圖 4.5 表示不同交配率與更機次數與進步率

之間之關係；圖 4.6 則表示不同交配率之更機次數收斂情況。

表 4.8 交配率對系統之影響

交配率 0.005 0.01 0.03 0.05 0.1

起始值（次）
88 88 88 88 88
（a）
最終值（次）
79 73 74 64 67
（b）
進步率（%）
（c = 1 – 10.2273 17.0455 15.9091 27.2727 23.8636
（b/a））

交配率 0.3 0.5 0.75 0.9 0.95

起始值（次）
88 88 88 88 88
（a）
最終值（次）
62 69 64 75 74
（b）
進步率（%）
（c = 1 – 29.5455 21.5909 27.2727 14.7727 15.9091
（b/a））

母體群數：40、演化代數：15,000、突變率：0.0001

- 84 -
 第四章 封裝壓模排程之基因演算法探討

更機次數 進步率
85 35
80 30
更機次數(次)

75 25

進步率(%)
70 20
65 15
60 10
55 5
50 0
0.005 0.01 0.03 0.05 0.1 0.3 0.5 0.75 0.9 0.95

交配率

圖 4.5 交配率、更機次數與進步率之間之關係

0.005 0.01 0.03 0.05 0.1

0.3 0.5 0.75 0.9 0.95

90

85

80
更機次數(次)

75

70

65

60
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

演化代數(千代)

圖 4.6 不同交配率之更機次數收斂情況

- 85 -
 第四章 封裝壓模排程之基因演算法探討

4.3.5.3 選擇突變率

選擇突變率，先將母體數設定為 40 、演化代數同樣設定為 15,000 代、交配

率設定為 0.3 ，並選定突變率為 0.005，0.01，0.03，0.05，0.1，0.3，0.5，0.75，

0.9，0.95 等 10 種不同突變率，在不同突變率下，更機次數的收斂趨勢由表分析

表 4.9 之數據，當突變率為 0.03 時，進步率最高且更機次數值 70 為最低，因此本

研究採用 0.03 為突變率參數。圖 4.7 表示突變率、更機次數與進步率之間之關係；

圖 4.8 則表示不同突變率之更機次數收斂情況。

表 4.9 突變率對系統之影響

突變率 0.005 0.01 0.03 0.05 0.1

起始值（次）
88 88 88 88 88
（a）
最終值（次）
82 76 70 72 79
（b）
進步率（%）
（c = 1 – 6.8182 13.6364 20.4545 18.1818 10.2273
（b/a））

突變率 0.3 0.5 0.75 0.9 0.95

起始值（次）
88 88 88 88 88
（a）
最終值（次）
75 72 76 81 83
（b）
進步率（%）
（c = 1 – 14.7727 18.1818 13.6364 7.9545 5.6818
（b/a））

母體群數：40、演化代數：15,000、交配率：1

- 86 -
 第四章 封裝壓模排程之基因演算法探討

更機次數 進步率
85 25
83
81 20
更機次數(次)

79

進步率(%)
77 15
75
73 10
71
69 5
67
65 0
0.005 0.01 0.03 0.05 0.1 0.3 0.5 0.75 0.9 0.95

交配率

圖 4.7 突變率、更機次數與進步率之間之關係

0.005 0.01 0.03 0.05 0.1

0.3 0.5 0.75 0.9 0.95

90

85
更機次數(次)

80

75

70

65
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

演化代數(千代)

圖 4.8 不同突變率之更機次數收斂情況

- 87 -
 第四章 封裝壓模排程之基因演算法探討

4.3.5.4 小結

根據上述所有實驗，可以整理出有關本範例所需的所有最佳參數，如表 4.10

演算法最佳參數組合所示。

表 4.10 演算法最佳參數組合

問題限制 起始解 母體數 交配率 突變率

7 台壓模機台
88 40 0.3 0.03
生產 25 種產品

4.3.5.5 程式執行環境

硬體部分：

CPU：Pentium IV 2.4G

Memory：

HD：40GB Quantum Fireball

其他：光碟機、音效卡、網路卡

軟體部分：

OS：Windows 2000 Professional

4.4 執行結果

根據 4.3.5 節所作參數實驗結果，母體數採用 40；交配率採用 0.3；突變率採

用 0.03 ；為較佳之參數設定，根據此參數設定，本研究進行的最佳解試算，如表

4.11 所示為累計 SUN 到 SAT；共 7 天的每天更機次數，得到 7 天的更機次數為 60

次，此結果，在最佳參數組合下，更機次數之收斂情況收斂情況如圖 4.9 所示，已

趨於穩態；

- 88 -
 第四章 封裝壓模排程之基因演算法探討

表 4.11 SUN 到 SAT 更機次數統計表

演化
代數 0 1 2 3 4 5 6 7 8 9
(千)
SUN 11 10 10 9 9 9 9 9 9 9
MON 12 12 11 11 11 11 11 11 11 11
TUE 13 11 10 9 8 8 8 8 8 8
WED 15 13 12 11 11 11 11 11 10 10
THU 13 12 12 12 11 10 10 10 10 10
FRI 13 12 11 10 10 9 9 9 9 8
SAT 11 10 10 10 10 10 9 9 9 9
合計 88 80 76 72 70 68 67 67 66 65

10 11 12 13 14 15 16 17 18 19 20

8 8 8 8 8 8 8 8 8 8 8
11 10 10 10 10 10 10 10 10 10 10
8 7 7 7 7 7 7 7 7 7 7
10 10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10 10
8 8 8 8 8 8 8 8 8 8 8
9 9 9 8 8 8 8 8 8 8 8
64 62 62 61 61 61 61 61 61 61 61

21 22 23 24 25 26 27 28 29 30

8 8 8 8 8 8 8 8 8 8
10 10 10 10 10 10 10 10 10 10
7 7 7 7 7 7 7 7 7 7
10 10 10 10 10 10 10 10 10 10
9 9 9 9 9 9 9 9 9 9
8 8 8 8 8 8 8 8 8 8
8 8 8 8 8 8 8 8 8 8
60 60 60 60 60 60 60 60 60 60

- 89 -
 第四章 封裝壓模排程之基因演算法探討

更機次數
90
85
80
更機次數(次)

75
70
65
60
55
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
演化代數(千代)

圖 4.9 更機次數收斂情況

4.5 敏度分析

4.5.1 不同起始解測試

由表 4.12 可以看出不同起始解在相同參數下演化所得之最後結果。由圖 4.10

可以看出當起始解的適當值愈低時，最後演化所得之結果也愈低，另外，圖中之

更機次數在 60~74 之間，表示起始解的不同對於系統本身有一個趨勢性的影響，

但對於求出之更機次數影響並不大。

表 4.12 不同起始解下之適當值情況

A B C D E
起始解 96 90 88 85 79
最佳解 74 71 60 61 60

母體數：40 交配率：0.3 突變率：0.03 演化代數：15,000

- 90 -
 第四章 封裝壓模排程之基因演算法探討

起始解 最佳解
100

90
更機次數 (次)

80

70

60

50
A B C D E
起始解

圖 4.10 不同起始解下之更機次數情況

4.5.2 不同參數組合之差異測試

由表 4.13 可以看出不同之參數組合之求解差異情況，最差與最適參數組合之

求解差異所得之結果。由圖 4.11 可以看出最差與最適之參數組合，所得到之更機

次數結果也不同。採用最適之參數組合，最後演化所得到最後之更機次數也較低。

另外，圖中之更機次數落在 60~69 之間，表示選擇最適之參數組合，所得到最後

之更機次數，比選擇最差之參數組合，所得到最後之更機次數少。

表 4.13 最差與最適參數組合之求解差異情況

代號 起始解 母體數 交配率 突變率 最佳解

最差參數組合 A 88 10 0.005 0.95 69
最適參數組合 B 88 40 0.3 0.03 60

演化代數：15,000

- 91 -
 第四章 封裝壓模排程之基因演算法探討

起起解 最佳解

90
更機次數 (次)
80

70

60

50
A B
參數組合

圖 4.11 不同參數組合之更機次數情況

4.5.3 不同訂單量之差異測試

由表 4.14 可以看出不同訂單量之求解差異情況，訂單量由 80% 漸漸增加到

120% 之差異所得之結果。由圖 4.12 可以看出不同訂單量，所得到之更機次數結果

也不同。圖中之更機次數落在 53~68 之間，表示訂單量較少時，所需之更機次數

也較少。

表 4.14 不同訂單量之適當值情況

80% 90% 100% 110% 120%

起始解 74 82 88 93 91
最佳解 53 56 60 63 68

母體數：40 交配率：0.3 突變率：0.03 演化代數：15,000

- 92 -
 第四章 封裝壓模排程之基因演算法探討

最佳更機次數 隨機產生更機次數
100

(次) 90
80
更機次數

70
60
50
80% 90% 100% 110% 120%
PC INPUT量(100%為原始資料量)

圖 4.12 不同訂單量之更機次數情況

4.6 執行結果討論

如表 4.5 所示為本研究中壓模機台生產各種產品之 UPH，每日收到的工單數

量及其順序，及每份工單於完成壓模製程所需的時間，研究探討壓模製程排程之

規模，如表中所列生產壓模生產機台為 7 台；生產產品數目為 25 種，並每天按

照生管所接到之訂單投料。

在未使用基因演算法前，生產線主管必須每天根據客戶訂單及生管之投料

量，再依據不同產品安排更換模具之作業，然而由於人工用先進先出之排程模式，

往往造成更機次數多，生產設置時間長等效率不佳之情形。

以下就先進先出法及基因演算法所作的排程加以比較，如表 4.15 為起始解與

最佳解當週累計時間比較表中可得知，累計 7 天壓模機之生產時間內容比較，在

製程生產時間方面，基因演算法與先進先出法同為 35,420 分。 但在更機設置時

間方面，基因演算法為 14,400 分比先進先出法 21,120 分少了很多。主要為原來

用先進先出法之起始解，其更換模具之次數為 88 次。但採用基因演算法，其更換

模具之次數為 60 次，比先進先出法少更換模具 28 次。更換模具次數有效降低

31.82% 。換算成全部生產時間亦有 11.89% 之改善率。所以在壓模機製程上的產

- 93 -
 第四章 封裝壓模排程之基因演算法探討

出量或更換模具所花的時間，基因演算法皆比先進先出法來得有效率。由此可知，

基因演算法可將工單自動分配給各機台，使得設備的負荷較為平均，而先進先出

法則容易造成設備的分配不均，浪費生產時間，導致瓶頸的出現。尤其當產能滿

載時，更能顯示出經由基因演算法所安排的排程，無論對於設備的稼動率或產能

利用率皆有不錯的效果。如圖 4.13 為 SUN 先進先出法起始解生產及更機時間甘

特圖，與圖 4.14 為 SUN 基因演算法最佳解生產及更機時間甘特圖。圖 4.15 為先

進先出法起始解當週累計時間甘特圖，與圖 4.16 基因演算法最佳解當週累計時間

甘特圖之比較，可以明顯看出比較結果。

表 4.15 起始解與最佳解當週累計時間比較表

結果比較 FIFO 起始解當週累計時間 最佳解當週累計時間

壓模機台 製程生產時間 更機設置時間 製程生產時間 更機設置時間
M1 4442 3360 4699 2160
M2 5845 3120 5928 2640
M3 5476 2880 4534 1680
M4 5890 2880 5685 1920
M5 5425 3120 5073 1920
M6 4595 3360 4817 2160
M7 3747 2400 4684 1920
總計 35420 21120 35420 14400

- 94 -
 第四章 封裝壓模排程之基因演算法探討

SUN 先進先出起始解生產及更機時間甘特圖
機台號碼

M7

M6

M5

M4

M3

M2

M1

0 200 400 600 800 1000 1200 1400

時間
第一次生產時間 更機時間 第二次生產時間 更機時間

圖 4.13 SUN 先進先出起始解生產及更機時間甘特圖

SUN 基因演算法最佳解生產及更機時間甘特圖
機台號碼
M7

M6

M5

M4

M3

M2

M1

0 200 400 600 800 1000 1200 1400 1600

時間

第一次生產時間 更機時間 第二次生產時間 更機時間 第三次生產時間 更機時間

圖 4.14 SUN 基因演算最佳解生產及更機時間甘特圖

- 95 -
 第四章 封裝壓模排程之基因演算法探討

M7
M6
M5
M4
M3
M2
M1

0 2000 4000 6000 8000 10000

起始解當週累計時間 製程生產時間
起始解當週累計時間 更機設置時間

圖 4.15 FIFO 起始解當週累計時間甘特圖

M7

M6

M5

M4

M3

M2

M1

0 2000 4000 6000 8000 10000

最佳解當週累計時間 製程生產時間
最佳解當週累計時間 更機設置時間

圖 4.16 最佳解當週累計時間甘特圖

- 96 -
 第五章 結論與未來研究方向

第五章 結論與未來研究方向

5.1 研究成果與結論:

基因演算法之最主要的精神在於利用遺傳基因方式，透過各代之編碼與解

碼、選擇與複製、基因交配、突變等演化程序，在整個演化過程中，其步驟由一

啟始解開始，經過各代的演化循環世代，演化到滿足設定條件，直到滿足終止條

件而停止演化。由本研究實例演算結果得知基因演算法在搜尋最適解的成效比傳

統的先進先出法更有效率，即使用相同的時間，而能夠生產較多的產品；最重要

的是其可減少產品於生產過程中發生瓶頸或待料的現象，並可提高設備的稼動

率，將生產過程與設備做最妥善的安排。

基因演算法除了在產品於生產過程的排程有不錯的效果之外，於產能未能達

到滿載的情況下，更可提高生設備的利用率，減少不必要的浪費；在產能利用率

滿載的情況下，除了提升設備利用率之外，更能縮短工時及增加產能。 在經濟效

益方面的衡量，以本研究中之規模，原來使用先進先出之傳統排程方式，同樣的

訂單以先進先出之傳統排程方式排出之生產時間，比應用基因演算法排程時間高

出 11.9 % ，換言之；採用基因演算法之排程模式，將可比傳統之先進先出法模

式節省 11.9 % 之機器設備投資。換算成目前研究中的規模以每部 2,000 萬台幣

計算，可省下 2,000 萬台幣的投資額。同時可再將資金做更有效率之應用。

5.2 未來研究方向與建議

本研究，基因演算法應用在半導體封裝壓模機的製程排程安排上，對於求

出最少的產出時間及最少的更機換模次數有不錯的效果外，本研究更提出以下幾

點建議，供日後從事相關研究的參考：

- 97 -
 第五章 結論與未來研究方向

本研究中為了解決複雜的排程問題，排定換模計劃表及壓模機台產能排定之

問題，實驗中假設未考慮插單急件，以達成原生管單位排定之交貨時間為目標。

若無法達成準時交貨，以最少延遲時間為原則 ( 軟性交期 )，但在真正的生產現

場，插單急件及硬性交期是經常會遇見的問題。但因為本研究本身的問題複雜，

如再考慮插單急件及硬性交期，將使得問題更形複雜化，未來可以再以現場的動

態特性加以考量，在排程發生突發急件插單，可以進行製程規劃與訂單排程，處

理更複雜的組合、訂單、排程計劃表和混合型的問題還有一些以前被認為無法解

決的問題。以找出符合現場狀況的製程規劃與訂單排程。

2、本研究採用基因演算法，除了基因演算法外，相信其他演算法亦會有意想

不到的效果，且日後從事相關研究者甚至可將不同的啟發式搜尋法在不同的情況

下做比較，以求得其適用於何種產業。

3、本研究應用於封裝壓模製程的排程，然亦可將此方法論應用於其他製程，

如封裝切腳成型，切腳成型製程本身亦是與壓模製程相似，當其生產不同腳數之

產品時，亦需更換切腳之模具，才能生產符合產品規格之產品，此問題與本研究

有相似之處，只是切腳製程其更換模具所需之設置時間比較短，所以，亦可使用

此基因演算求其最大產值、最大利潤及最短時間等等的最適解，當然其搜尋條件

就必須做適當的改變或重新假設。

- 98 -
 參考文獻

參考文獻

Alidaee, B. (1993), “Two Parallel Machine Sequencing Problems Involving

Controllable Job Processing Time”, European Journal of Operational Research, Vol. 70,

pp. 335-341.

Azizoblu, M. and Kircal, O. (1998), “Tardiness Minimization on Parallel Machines”,

International Journal of Production Economics, Vol. 55, No. 2, pp. 163-168.

Baker, K., R., 1974, Introduction to sequencing and scheduling (New York: Johen

Wiley & Sons, Inc.)

Conway, R. W., et al., 1967, Theory of Scheduling.

Goldberg, B. L., 1989, “Genetic algorithms in search” Optimization and Machine

Learning, Addison-Wesley Inc.

Grave, S. C., et al., 1997, “Scheduling of Re-Entrant Flow Shops”, Journal of

Operations Management, Vol. 3, No. 4, pp.197-207.

Holland, J., 1975, Adaptation in natural and artificial systems, University of Michigan

Press, Ann Arbor.

Hu, T.C., Kuo, Y.S., and Ruskey, F. (1987), “Some Optimal Algorithms for Scheduling

Problems with Changeover Costs”, Operations Research, Vol. 35, No. 1, pp. 94-99

- 99 -
 參考文獻

Kumar et al., 2000, “Lot streaming and scheduling heuristics for m-machine no wait

flowshop”, Computer and Industrial Engineering, Vol. 38, pp.149-172.

Sivrikaya, M. and Patnaik, M.L. (1999), “Adaptive Probabilities of Crossover and

Mutation in Genetic Algorithms”, IEEE Transctions on System, Man and Cybernetics,

Vol. 24, No. 4, pp. 656-667.

So, K.C. (1990), “Some Heuristics for Scheduling Jobs on Parallel Machines with

Setups”, Management Science, Vol. 36, No. 4, pp. 467-476.

Tadahiko, Murata, Hisao, Ishibuchi and Hideo, Tanaka, 1996, “Genetic algorithms for

flowshop scheduling problem,” Computers and Industrial Engineering. Vol. 30, No.4,

pp.1061-1071.

Vepsalainen, A.P.J. and Morton T.E. (1987), “Priority rules for job shops with weighted

tardiness costs”, Management Science, Vol. 33, pp. 1035-1047.

Wittrock, R. J., 1985, “Scheduling Algorithms for Flexible Flow Lines”, IBM Journal

of Research and Development, Vol. 29, No. 4, pp. 401-412.

李英明，半導體封裝廠交期即時協調和生產排程模式研究，中華大學未出版碩士

論文，1999。

邱俊智，"有限產能下之投料模式構建與應用之研究--以半導體測試廠為例" ，私

立中原大學工業工程學系研究所，民國 90 年

- 100 -
 參考文獻

胡朝鈞， ”多資源限制之智慧型排程-以半導體測試作業為例 ”，私立中原大學

工業工程學系研究所，民國 90 年

許天淳， 運用作業寬裕達成既定排程期望目標之研究， 交通大學未出版博士論

文，1999。

（Richard B Chase, Nicholas J. Aquilano

郭倉義譯，生產與服務作業管理，新陸書局，

F.＆ Robert Jacobs, 1998, “Production and Operations Management: Manufacturing

and Services, 8/E）, 1998，pp476-485.

游麗娟， ”基因演算法於幾何形狀最佳化設計之研究”，國立中央大學機械工程

研究所碩士論文，民國 89 年。

蔡杭助， 結合基因演算法與離散事件模擬求解即時性平行機台之派工規劃問題，

成功大學未出版碩士論文，2002。

蔡瑜明， ”半導體後段 IC 封裝最適排程之研究禁忌搜尋法之應用 ”， 國立中

山大學企業管理學系研究所碩士在職專班碩士論文，民國 92 年

錢明淦，”遺傳基因演算法相關文獻探討”，私立元智大學工業工程研究所，民

國 89 年。

謝文樂，台灣構裝設備製造業之回顧與前瞻，機械工業雜誌，1995， pp.195-199.

- 101 -
 附錄

附 錄

附錄 1 LQFP 產品規格及產品種類
LQFP 產品規格及產品種類

- 102 -
 附錄

資料來源 : 日月欣半導體內部網站產品介紹

- 103 -
 附錄

附錄 2 TQFP 產品規格及產品種類
TQFP 產品規格及產品種類

- 104 -
 附錄

資料來源 : 日月欣半導體內部網站產品介紹

- 105 -
 附錄

附錄 3 PQFP 產品規格及產品種類
PQFP 產品規格及產品種類

資料來源 : 日月欣半導體內部網站產品介紹

- 106 -
 個人簡介

作者簡介

姓名：蔡瑞桐

性別：男

出生地：台灣省雲林縣

生日：55 年 8 月 20 日

學歷：私立中原大學工業工程所

經歷：摩托羅拉半導體股份有限公司封裝製造主任

日月欣半導體股份有限公司封裝製造經理

連絡地址：桃園縣平鎮市北富里大勇街 2 巷 6 弄 16 號

連絡電話：（03）4593416

行動電話：0936-336-814

E-mail：jt.tsai@msa.hinet.net

- 107 -