1. CUIR at Chulalongkorn University
  2. Faculty and Institute
  3. Faculty of Engineering - Eng
  4. Eng - Theses
Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/32600
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorปารเมศ ชุติมา-
dc.contributor.authorกรรณ จิตเมตตา-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2013-07-02T01:42:16Z-
dc.date.available2013-07-02T01:42:16Z-
dc.date.issued2554-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/32600-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554en_US
dc.description.abstractสายการประกอบผลิตภัณฑ์ผสมแบบสองด้านถูกออกแบบมาเพื่อผลิตภัณฑ์ที่มีลักษณะคล้ายคลึงกัน และมีขนาดใหญ่ ในการใช้งานสายการประกอบดังกล่าว จะต้องพิจารณาเกี่ยวกับการจัดลำดับการผลิต เพื่อทำให้สายการประกอบสามารถทำงานได้อย่างเต็มประสิทธิภาพ แต่ทว่าปัญหาการจัดลำดับสำหรับสายการประกอบดังกล่าวนี้ถูกจัดอยู่ในประเภท NP-Hard ทำให้การค้นหาคำตอบที่ดีที่สุดสำหรับปัญหาขนาดใหญ่เป็นไปได้ยาก ดังนั้นงานวิจัยนี้จึงนำเสนออัลกอริทึมที่มีชื่อว่า วิธีการหาค่าที่เหมาะสมแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (Particle Swarm Optimization with Negative Knowledge : PSONK) เพื่อประยุกต์ใช้ในการแก้ปัญหาดังกล่าว โดยจะพิจารณาฟังก์ชันวัตถุประสงค์ 2 ฟังก์ชัน ไปพร้อมๆ กัน ได้แก่ ค่าใช้จ่ายการปรับตั้งเครื่องจักรน้อยที่สุด และปริมาณงานที่ทำไม่เสร็จน้อยที่สุด โดยจะเทียบประสิทธิภาพของ PSONK กับอัลกอริทึมที่ได้รับการยอมรับทั่วไปว่ามีประสิทธิภาพสูง ได้แก่ COMSOAL NSGA-II DPSO และ BBO ผลการเปรียบเทียบพบว่า PSONK สามารถค้นหาคำตอบได้อย่างรวดเร็ว โดยคำตอบที่ค้นพบยังใกล้เคียงกับกลุ่มคำตอบที่แท้จริงมากที่สุด ทั้งในด้านการลู่เข้าสู่กลุ่มคำตอบที่แท้จริงและอัตราส่วนของจำนวนกลุ่มคำตอบที่ค้นพบเทียบเท่ากลุ่มคำตอบที่แท้จริง ดังนั้น PSONK จึงเป็นวิธีที่มีประสิทธิภาพและมีความเหมาะสมสำหรับใช้แก้ปัญหาในงานวิจัยนี้มากกว่าอัลกอริทึมอื่นen_US
dc.description.abstractalternativeMixed-model two-side assembly lines are suitable for high volume manufacturing of similar and large-sized product models, e.g. buses, trucks, automobiles and appliances. To achieve the highest effectiveness of the assembly lines, the sequencing problem needs to be optimized. Since this type of problem is NP-hard, a new metaheuristic namely Particle Swarm Optimization with Negative Knowledge (PSONK) is adapted for multi-objective sequencing problems on mixed-model two-sided assembly lines. Two objectives are simultaneously considered, i.e. minimize total setup cost and minimize total utility work. The performance of PSONK is tested against 4 well-known algorithms, namely Computer Method of Sequencing Operations for Assembly Lines (COMSOAL), Non-dominated Sorting Genetic Algorithm (NSGAII), Discrete Particle Swarm Optimization (DPSO) and Biogeography-Based Optimization (BBO), based on 4 metrics. The computational results show that PSONK outperforms COMSOAL NSGA-II DPSO and BBO at convergence, ratio of Pareto-optimal solutions and less CPU time.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2011.375-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectการวางแผนการผลิตen_US
dc.subjectวิศวกรรมการผลิตen_US
dc.subjectการจัดสมดุลสายการผลิตen_US
dc.subjectProduction planning-
dc.subjectProduction engineering-
dc.subjectAssembly-line balancing-
dc.titleการประยุกต์ใช้วิธีการหาค่าที่เหมาะสมแบบฝูงอนุภาคสำหรับปัญหาการจัดลำดับการผลิตที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบสองด้านen_US
dc.title.alternativeApplication of particle swarm optimization for multi-objective sequencing problems on mixed-model two-sided assembly linesen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมอุตสาหการen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorParames.C@chula.ac.th-
dc.identifier.DOI10.14457/CU.the.2011.375-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
karn_ji.pdf7.22 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.