Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/11983
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | ปารเมศ ชุติมา | - |
dc.contributor.author | ณพงศ์ ตันตนาตระกูล | - |
dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
dc.date.accessioned | 2010-02-09T09:25:09Z | - |
dc.date.available | 2010-02-09T09:25:09Z | - |
dc.date.issued | 2542 | - |
dc.identifier.isbn | 9743340556 | - |
dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/11983 | - |
dc.description | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2542 | en |
dc.description.abstract | ปัญหาการออกแบบผังโรงงานเป็นปัญหาที่สำคัญอย่างหนึ่งในระบบการผลิต โดยทั่วไปนิยมออกแบบผังโรงงาน โดยพิจารณาถึงวัตถุประสงค์เพียงอย่างเดียว คือเพื่อมีค่าใช้จ่ายของการขนถ่ายพัสดุภายในโรงงานต่ำที่สุด โดยใช้ข้อมูลเชิงปริมาณ (Quantitative) หรือเพื่อให้มีความสัมพันธ์ระหว่างแผนกต่างๆ โดยรวมสูงที่สุด โดยใช้ข้อมูลเชิงคุณภาพ (Qualitative) แต่ในความเป็นจริงนั้นจำเป็นจะต้องคำนึงถึง วัตถุประสงค์ทั้งสองควบคู่กันไป (Multi-Objective) ดังนั้นงานวิจัยฉบับนี้จึงเสนอ การประยุกต์ใช้เจนเนติกอัลกอริทึม (Genetic algorithms) ในการค้นหาคำตอบของปัญหาการออกแบบผังโรงงานทั้งแบบวัตถุประสงค์เดียว (Single-Objective) และแบบหลายวัตถุประสงค์ (Multi-Objective) โดยปัญหาที่ใช้ในการวิจัยจะมีลักษณะใกล้เคียงกับความเป็นจริงกล่าวคือแต่ละแผนกมีข้อจำกัดด้านขนาดและรูปร่างแตกต่างกัน เนื่องจากเจนเนติกอัลกอริทึมมีความสัมพันธ์กับพารามิเตอร์เป็นอย่างมาก จึงจำเป็นต้องกำหนดค่าพารามิเตอร์ให้เหมาะสมกับปัญหา ดังนั้นจึงได้ออกแบบการทดลองเพื่อทดสอบผลของพารามิเตอร์ต่างๆ ที่มีต่อการหาคำตอบของเจนเนติกอัลกอริทึม ซึ่งพบว่าพารามิเตอร์ที่มีผลต่อการหาคำตอบ อย่างมีนัยสำคัญนั้นแตกต่างตามแต่ละรูปแบบของปัญหา พบว่าเจนเนติกอัลกอริทึมสามารถช่วยในการจัดผังโรงงาน ทั้งแบบวัตถุประสงค์เดียวและแบบหลายวัตถุประสงค์ที่มีข้อจำกัดด้านต่างๆ ได้อย่างมีประสิทธิภาพภายในเวลาที่กำหนด แต่นั่นมิได้หมายความว่าผังโรงงานได้จากเจนเนติกอัลกอริทึมนั้น เป็นคำตอบที่ดีที่สุดเสมอเพราะเนื่องจากคำตอบที่ได้นั้นอาจจะติดอยู่ใน Local Optima และไม่สามารถเข้าสู่ Global Optima ได้ก่อนเสร็จสิ้นกระบวนการ | en |
dc.description.abstractalternative | Plant layout design is one of the most critical problems in production system design. Most algorithms to this problem generally focus only on a single objective, either minimizing transportation cost (using quantitative data) or maximizing total department relationships (using qualitative data). In reality, plant layout designers have to consider both objectives (multi-objective) concurrently so as to attain a good solution that can respond to the given design requirements. Genetic algorithms (GA) which is one of the most promising techniques for such problem is applied in this research. GA is very sensitive to its parameters. There for the experimental design has to be setup to test the significant of several parameters of GA including problem sizes, population sizes, crossover types, probability of crossover, mutation types and probability of mutation. It is found that the significant parameters are different and depend on problem specifications. The research finds that GA is an efficient method that can search for a good solution for both single and multi-objective plant layout design problems within an acceptable time limit. But GA doesn't guarantee the best solution because the solution maybe located in local optimum, not global one. | en |
dc.format.extent | 866960 bytes | - |
dc.format.extent | 754283 bytes | - |
dc.format.extent | 733253 bytes | - |
dc.format.extent | 830932 bytes | - |
dc.format.extent | 756584 bytes | - |
dc.format.extent | 720290 bytes | - |
dc.format.extent | 978422 bytes | - |
dc.format.extent | 751311 bytes | - |
dc.format.extent | 856110 bytes | - |
dc.format.extent | 1075452 bytes | - |
dc.format.extent | 835322 bytes | - |
dc.format.extent | 2276592 bytes | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.format.mimetype | application/pdf | - |
dc.language.iso | th | es |
dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en |
dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en |
dc.subject | การวางผังโรงงาน | en |
dc.subject | จีเนติกอัลกอริทึม | en |
dc.title | การประยุกต์เจนเนติกอัลกอริทึมในการออกแบบผังโรงงาน ที่แผนกมีขนาดไม่เท่ากัน | en |
dc.title.alternative | Application of genetic algorithms inplant layout design for unequal-size departmental area | en |
dc.type | Thesis | es |
dc.degree.name | วิศวกรรมศาสตรมหาบัณฑิต | es |
dc.degree.level | ปริญญาโท | es |
dc.degree.discipline | วิศวกรรมอุตสาหการ | es |
dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en |
dc.email.advisor | Parames.C@Chula.ac.th | - |
Appears in Collections: | Eng - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Napong_Ta_front.pdf | 846.64 kB | Adobe PDF | View/Open | |
Napong_Ta_ch1.pdf | 736.6 kB | Adobe PDF | View/Open | |
Napong_Ta_ch2.pdf | 716.07 kB | Adobe PDF | View/Open | |
Napong_Ta_ch3.pdf | 811.46 kB | Adobe PDF | View/Open | |
Napong_Ta_ch4.pdf | 738.85 kB | Adobe PDF | View/Open | |
Napong_Ta_ch5.pdf | 703.41 kB | Adobe PDF | View/Open | |
Napong_Ta_ch6.pdf | 955.49 kB | Adobe PDF | View/Open | |
Napong_Ta_ch7.pdf | 733.7 kB | Adobe PDF | View/Open | |
Napong_Ta_ch8.pdf | 836.04 kB | Adobe PDF | View/Open | |
Napong_Ta_ch9.pdf | 1.05 MB | Adobe PDF | View/Open | |
Napong_Ta_ch10.pdf | 815.74 kB | Adobe PDF | View/Open | |
Napong_Ta_back.pdf | 2.22 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.