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/123456789/29469
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorปารเมศ ชุติมา-
dc.contributor.authorสุชาดา คิดอ่าน-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2013-03-09T08:21:08Z-
dc.date.available2013-03-09T08:21:08Z-
dc.date.issued2553-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/29469-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)-- จุฬาลงกรณ์มหาวิทยาลัย, 2553en
dc.description.abstractอุตสาหกรรมในปัจจุบันมีการปรับเปลี่ยนกลยุทธ์ในการบริหารตลอดเวลา เพื่อตอบสนองความต้องการของลูกค้า ดังนั้นในงานวิจัยได้ทำการพัฒนาอัลกอริทึมใหม่ในการแก้ปัญหาการจัดสมดุลที่มีหลายวัตถุประสงค์ที่ชื่อว่า การหาค่าที่เหมาะสมแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (Particle Swarm Optimization Algorithm with Negative Knowledge : PSONK) และได้ทำการพัฒนารวมกับเมมเมติกอัลกอริทึมในการหาค่าที่เหมาะสมแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (M-PSONK) เพื่อนำมาใช้ในการแก้ปัญหาการจัดสมดุลสายการประกอบตัวยูบนสายการประกอบผลิตภัณฑ์แบบผสมที่มีสถานีงานแบบขนาน โดยมีวัตถุประสงค์เพื่อพิจารณา (1) จำนวนสถานีทำงานน้อยที่สุด (2) ความสมดุลระหว่างสถานีงาน และ (3) ความสมดุลภายในสถานีงาน ที่หาได้จากอัลกอริทึม COMSOAL อัลกอริทึม NSGA-II วิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาค วิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ และวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบรวมกับเมมเมติกอัลกอริทึมที่ เพื่อทำการเปรียบเทียบคำตอบจากอัลกอริทึมทั้งหมดจากตัวชี้วัดสมรรถนะ ในด้านคำตอบที่มีการลู่เข้าใกล้กลุ่มคำตอบที่ดีที่สุดที่แท้จริง ด้านการกระจายของกลุ่มคำตอบที่หาได้ และด้านอัตราส่วนของจำนวนกลุ่มคำตอบที่หาได้เทียบเท่ากับกลุ่มคำตอบที่แท้จริง ทำให้พบว่าวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบรวมกับเมมเมติกอัลกอริทึมจะมีประสิทธิภาพดีที่สุดen
dc.description.abstractalternativeIndustries have to change manufacturing strategies continuously to promptly meet the requirement of customers. This paper presents a new evolutionary method called Particle Swam Optimization Algorithms with Negative Knowledge (PSONK) for multi-objectives and developed with a Memetic algorithm (M-PSONK), solve balancing problems on mixed-model U-shaped assembly lines with parallel workstation. The objective was to consider (1) minimum number workstations, (2) balance between workstations and (3) balance the workloads within each workstation. Obtained from COMSOAL, NSGA-II, Particle Swarm Optimization Algorithm, Particle Swarm Optimization Algorithm with Negative Knowledge and with Memetic algorithm, compare results all algorithms form four key performance indicators are selected for assessing results, Convergence to the Pareto-optimal set, Spread to the Pareto-optimal set, Ratio of Non-Dominated Solution. We find that in M-PSONK gives the best results.en
dc.format.extent4935651 bytes-
dc.format.mimetypeapplication/pdf-
dc.language.isothes
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen
dc.relation.urihttp://doi.org/10.14457/CU.the.2010.155-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen
dc.subjectอัลกอริทึมen
dc.subjectการกำหนดงานการผลิตen
dc.subjectอุตสาหกรรมเสื้อผ้า -- การควบคุมการผลิตen
dc.subjectอุตสาหกรรมอาหารทะเล -- การควบคุมการผลิตen
dc.subjectระบบการผลิตแบบทันเวลาen
dc.titleการประยุกต์ใช้เมมเมติกอัลกอริทึมสำหรับปัญหาการจัดสมดุลที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบลักษณะตัวยูที่มีสถานีงานแบบขนานในระบบผลิตแบบทันเวลาพอดีen
dc.title.alternativeApplication of memetic algorithms for mutii-objective balancing problems on mixed-model u-shaped assembly lines with parallel workstation in just in time production systemsen
dc.typeThesises
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตes
dc.degree.levelปริญญาโทes
dc.degree.disciplineวิศวกรรมอุตสาหการes
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen
dc.email.advisorไม่มีข้อมูล-
dc.identifier.DOI10.14457/CU.the.2010.155-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
suchada_ki.pdf4.82 MBAdobe PDFView/Open
Show simple item record


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