Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/50328
| Title: | การจัดลำดับการผลิตที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบหลายคน |
| Other Titles: | Multi-objective sequencing problem on mixed-model multi-manned assembly lines |
| Authors: | การันต์ กันภัย |
| Advisors: | ปารเมศ ชุติมา |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Parames.C@Chula.ac.th,Parames.C@Chula.ac.th |
| Subjects: | สายการผลิต กรรมวิธีการผลิต วิศวกรรมการผลิต การหาค่าเชิงการจัดที่เหมาะที่สุด Assembly-line methods Manufacturing processes Production engineering Combinatorial optimization |
| Issue Date: | 2558 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | การจัดลำดับการผลิตที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบหลายคนงาน จัดเป็นปัญหาแบบเอ็นพียาก (non-deterministic polynomial time hard; NP-Hard) ซึ่งวิธีการแก้ปัญหานั้นจำเป็นต้องใช้วิธีการทางฮิวริสติก (Heuristic) บทความนี้นำเสนอการหาค่าที่เหมาะสมที่สุดแบบวิธีการบรรจวบแบบขยาย (Combinatorial Optimization with Coincidence Extended: COIN-E) เพื่อใช้สำหรับแก้ปัญหาดังกล่าว โดยมี 3 วัตถุประสงค์ที่จะถูกทำให้เหมาะสมที่สุดไปพร้อมกัน ได้แก่ ความผันแปรของการผลิตน้อยที่สุด ปริมาณงานที่ทำไม่เสร็จในการผลิตน้อยที่สุด และเวลาของการปรับตั้งเครื่องจักรน้อยที่สุด ผลจากการทดลองแก้ปัญหาที่มีลักษณะต่างๆที่แตกต่างกัน แสดงให้เห็นว่า COIN-E มีสมรรถนะในการแก้ปัญหาที่สูงกว่าการหาค่าที่เหมาะสมที่สุดแบบเจนเนติกอัลกอริทึม (NSGA-II) การหาค่าที่เหมาะสมที่สุดแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ (BBO) และการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคไม่ต่อเนื่อง (DPSO) ซึ่งเป็นอีกอัลกอริทึมที่ได้รับความนิยม ทั้งในดัชนีการลู่เข้าสู่คำตอบที่เหมาะสมที่สุดแบบพาเรโต ดัชนีด้านอัตราส่วนของจำนวนคำตอบที่ไม่ถูกครอบงำเทียบกับจำนวนคำตอบทีอัลกอริทึมหาได้ (RNDS-I) อัตราส่วนของจำนวนคำตอบที่ไม่ถูกครอบงำเทียบกับจำนวนคำตอบที่แท้จริง (RNDS-II) จำนวนคำตอบที่เหมาะสมที่สุดเชิงพาเรโต (NNDS) และดัชนีเวลาที่ใช้ในการคำนวณหาคำตอบ |
| Other Abstract: | Multi-objective sequencing problem on mixed-model multi-manned assembly lines is known to be NP-hard resulting in being nearly impossible to obtain an optimal solution for practical problems. This research presents a method called Combinatorial Optimization with Coincidence Expand Algorithm (COIN-E) for the sequencing problem. Three objectives are simultaneously considered; minimum production rates variance, minimum utility work, and minimum setup times. The results from the experiments clearly show that COIN-E has better performances than other three well-known algorithms, namely Non-dominated Sorting Genetic Algorithms (NSGA-II), Biogeography Based Optimization (BBO) and Discrete Particle Swarm Optimization (DPSO) in terms of convergence to the Pareto-optimal set, ratio of non-dominated solution I (RNDS-I), ratio of non-dominated solution II (RNDS-II), Number of Non-dominated Solution (NNDS) and computation time to solution |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมอุตสาหการ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/50328 |
| URI: | http://doi.org/10.14457/CU.the.2015.565 |
| metadata.dc.identifier.DOI: | 10.14457/CU.the.2015.565 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5670491921.pdf | 11.68 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.