การจัดสมดุลแบบหลายวัตถุประสงค์บนสายการประกอบแบบหลายคนผลิตภัณฑ์ผสม

Abstract

สายการประกอบแบบหลายคนใช้กันมากในสายการประกอบผลิตภัณฑ์ขนาดใหญ่ เช่น รถบรรทุก ซึ่งในสายการประกอบนี้จะมีการทำงานทั้งสี่ด้านของชิ้นงาน ปัญหาการจัดสมดุลสายการประกอบแบบหลายคน เป็นปัญหา NP-Hard ซึ่งยากต่อการค้นหาคำตอบที่เหมาะสมเมื่อขนาดปัญหาใหญ่ขึ้น การหาค่าที่เหมาะสมที่สุดแบบวิธีการบรรจวบแบบขยาย (Combinatorial Optimization with Coincidence Expand: COIN-E) เป็นฮิวริสติกที่ได้รับแนวคิดมาจากการหาค่าที่เหมาะสมแบบวิธีการบรรจวบเดิม โดยใช้ตารางความน่าจะเป็นร่วมเพียงตารางเดียวในการคัดเลือกคำตอบ แต่วิธีการบรรจวบแบบขยายจะเพิ่มตารางความน่าจะเป็นร่วมขึ้นอีก 2 ตาราง ซึ่งได้จากการหาผลเฉลยของวัตถุประสงค์แต่ละวัตถุประสงค์มาสร้างตารางความน่าจะเป็นร่วม โดยทำการนำผลเฉลยของวัตถุประสงค์ที่ดีและไม่ดีแต่ละวัตถุประสงค์มาปรับปรุงตารางความน่าจะเป็นร่วมในการคัดเลือกคำตอบที่ดีและได้เพิ่มการค้นหาเฉพาะที่เพื่อให้ได้คำตอบที่ดีและมีความหลากหลายมากยิ่งขึ้น โดยมีวัตถุประสงค์ในการจัดสมดุลจำนวนทั้งสิ้น 4 วัตถุประสงค์ที่จะถูกทำให้เหมาะสมที่สุดไปพร้อม ๆ กัน ได้แก่ จำนวนพนักงานน้อยที่สุด จำนวนสถานีงานน้อยที่สุด ความสมดุลของภาระงานระหว่างสถานีงานสูงที่สุด และความสัมพันธ์ของงานสูงที่สุด พร้อมกันนี้ได้ทำการเปรียบเทียบสมรรถนะของ COIN-E กับอัลกอริทึมอื่นๆ ที่เป็นที่นิยมจำนวน 3 อัลกอริทึม ได้แก่ การหาค่าที่เหมาะสมที่สุดแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ (BBO) อัลกอริทึมเชิงพันธุกรรมแบบการจัดลำดับที่ไม่ถูกครอบงำ II (NSGA-II) และวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคไม่ต่อเนื่อง (DPSO) ผลจากการทดลองแสดงให้เห็นอย่างชัดเจนว่า COIN-E มีสรรถนะในการแก้ปัญหาการจัดสมดุลประเภทนี้สูงกว่าอัลกอริทึมอื่นๆ ทั้งในด้านการลู่เข้าสู่กลุ่มคำตอบที่เหมาะสมที่สุดแบบพาเรโต การกระจายตัวของคำตอบ อัตราส่วนของคำตอบที่ไม่ถูกครอบงำ และจำนวนคำตอบที่ไม่ถูกครอบงำ แต่เวลาที่ใช้ในการคำนวณคำตอบ พบว่า BBO ใช้เวลาในการค้นหาคำตอบเร็วกว่า NSGA-II COIN-E และ DPSO ตามลำดับ