Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/11983
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorปารเมศ ชุติมา-
dc.contributor.authorณพงศ์ ตันตนาตระกูล-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2010-02-09T09:25:09Z-
dc.date.available2010-02-09T09:25:09Z-
dc.date.issued2542-
dc.identifier.isbn9743340556-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/11983-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2542en
dc.description.abstractปัญหาการออกแบบผังโรงงานเป็นปัญหาที่สำคัญอย่างหนึ่งในระบบการผลิต 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 ได้ก่อนเสร็จสิ้นกระบวนการen
dc.description.abstractalternativePlant 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.extent866960 bytes-
dc.format.extent754283 bytes-
dc.format.extent733253 bytes-
dc.format.extent830932 bytes-
dc.format.extent756584 bytes-
dc.format.extent720290 bytes-
dc.format.extent978422 bytes-
dc.format.extent751311 bytes-
dc.format.extent856110 bytes-
dc.format.extent1075452 bytes-
dc.format.extent835322 bytes-
dc.format.extent2276592 bytes-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.language.isothes
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen
dc.subjectการวางผังโรงงานen
dc.subjectจีเนติกอัลกอริทึมen
dc.titleการประยุกต์เจนเนติกอัลกอริทึมในการออกแบบผังโรงงาน ที่แผนกมีขนาดไม่เท่ากันen
dc.title.alternativeApplication of genetic algorithms inplant layout design for unequal-size departmental areaen
dc.typeThesises
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตes
dc.degree.levelปริญญาโทes
dc.degree.disciplineวิศวกรรมอุตสาหการes
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen
dc.email.advisorParames.C@Chula.ac.th-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
Napong_Ta_front.pdf846.64 kBAdobe PDFView/Open
Napong_Ta_ch1.pdf736.6 kBAdobe PDFView/Open
Napong_Ta_ch2.pdf716.07 kBAdobe PDFView/Open
Napong_Ta_ch3.pdf811.46 kBAdobe PDFView/Open
Napong_Ta_ch4.pdf738.85 kBAdobe PDFView/Open
Napong_Ta_ch5.pdf703.41 kBAdobe PDFView/Open
Napong_Ta_ch6.pdf955.49 kBAdobe PDFView/Open
Napong_Ta_ch7.pdf733.7 kBAdobe PDFView/Open
Napong_Ta_ch8.pdf836.04 kBAdobe PDFView/Open
Napong_Ta_ch9.pdf1.05 MBAdobe PDFView/Open
Napong_Ta_ch10.pdf815.74 kBAdobe PDFView/Open
Napong_Ta_back.pdf2.22 MBAdobe PDFView/Open


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