Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/52205
Title: | Marker planning for fabric cutting with sewing schedule constraint in mass customization context |
Other Titles: | ปัญหาการวางแผนในการวางแบบตัดที่คำนึงถึงข้อจำกัดเรื่องกำหนดการในการเย็บประกอบ ในบริบทของการผลิตเฉพาะลูกค้าเชิงมวล |
Authors: | Kritsada Puasakul |
Advisors: | Paveena Chaovalitwongse |
Other author: | Chulalongkorn University. Faculty of Engineering |
Advisor's Email: | Paveena.C@Chula.ac.th,cpaveena@gmail.com |
Subjects: | Production planning Production scheduling Heuristic algorithms การวางแผนการผลิต การกำหนดงานการผลิต ฮิวริสติกอัลกอริทึม |
Issue Date: | 2016 |
Publisher: | Chulalongkorn University |
Abstract: | The objective of this research is to develop heuristics for marker planning problem within a sewing schedule under mass customization production context. In this context, a number of sizes and an amount of demand in each size are varied in a wider range than a mass production system but with lesser total demand. The proposed problem is divided into two subproblems. The first subproblem corresponds with the cost dimension of a marker planning. Hence, the objective is to minimize the total cost related to a number of markers and excessive units. The second subproblem aims to integrate a sewing schedule into marker planning. Therefore, the objective is to minimize a work-in-process inventory workload. The initial solution from the first heuristic is determined by an LP relaxation of marker planning. Then, it is improved by a greedy-based algorithm. This algorithm focuses on reducing an unnecessary plies and adjusting marker patterns. Furthermore, initial solutions are randomized to avoid getting stuck with a local optimum. The second heuristic further improve a first heuristic’s solution by focusing on rearranging marker patterns in order to correspond with a sewing schedule. To measure performance of the proposed heuristics, the first heuristic is tested with many problems. For small-and medium-sized problems, the heuristic can reach to the optimal solutions in all problems while with large-sized problems, heuristic solutions are better than solutions from GA which can reach to optimal solutions as well. The second heuristic is tested with large-sized problems. The second heuristic can perform better than GA method. |
Other Abstract: | งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อสร้างฮิวริสติกสำหรับปัญหาการวางแผนในการวางแบบตัดภายใต้ข้อจำกัดของกำหนดการเย็บประกอบ ในบริบทของการผลิตเฉพาะลูกค้าเชิงมวล ภายใต้บริบทการผลิตเช่นนี้คำสั่งซื้อจะมีความหลากหลายมากขึ้นทั้งจำนวนไซส์ และปริมาณสั่งซื้อในแต่ละไซส์ โดยมีคุณลักษณะจำเพาะอีกประการคือขนาดสั่งซื้อจะน้อยกว่ากรณีการผลิตแบบเชิงมวล งานวิจัยนี้ได้แบ่งปัญหาการวางแผนแบบตัดออกเป็น 2 ส่วน โดยที่งานส่วนแรกมีวัตถุประสงค์เพื่อตอบสนองการวางแผนแบบตัดด้านค่าใช้จ่าย ดังนั้นงานในส่วนนี้เป็นการพิจารณาปัญหาการวางแผนแบบตัดที่มีฟังก์ชั่นวัตถุประสงค์ในการลดค่าใช้จ่ายที่เกิดจากจำนวนแบบตัดที่ใช้และจำนวนตัวเกินที่เกิดขึ้น จากนั้นงานในส่วนที่สองจะมีวัตถุประสงค์เพื่อให้การวางแผนมีความสอดคล้องกับกำหนดการเย็บประกอบ ดังนั้นงานในส่วนที่สองจะเป็นการวางแผนแบบตัดที่มีฟังก์ชั่นวัตถุประสงค์ในการลดภาระการจัดเก็บชิ้นส่วนระหว่างผลิตลง ฮิวริสติกสำหรับปัญหาแรกจะใช้ Linearized marker planning model ในการหาคำตอบเบื้องต้น จากนั้นคำตอบที่ได้จะถูกปรับปรุงโดยหลักการ Greedy ที่มุ่งเน้นไปที่การลดจำนวนชั้นผ้าที่เกินกว่าความจำเป็นลง และการปรับเปลี่ยนแบบตัดให้เหมาะสมด้วยวิธีการย้ายสแต็ค อีกทั้งยังมีการ randomize คำตอบตั้งต้นเพื่อหลีกเลี่ยงการติดอยู่กับ local optimum อีกด้วย ส่วนฮิวริสติกสำหรับปัญหาที่สองจะนำคำตอบจากวิธีการแรกมาปรับปรุงโดยมุ่งเน้นไปที่การปรับเปลี่ยนแบบตัดให้สอดคล้องกับกำหนดการเย็บประกอบ ด้วยวิธีการจัดเรียงแบบตัดให้เหมาะสมและการย้ายสแต็คเป็นหลัก ในการวัดสมรรถนะของวิธีการที่พัฒนาขึ้น ฮิวริสติกที่หนึ่งได้ถูกนำไปทดลองกับปัญหาหลากหลายขนาด สำหรับปัญหาขนาดเล็กและกลาง ฮิวริสติกสามารถให้คำตอบที่ดีที่สุดในทุกปัญหา และผลการทดสอบกับปัญหาขนาดใหญ่ ฮิวริสติกก็สามารถให้คำตอบที่ดีกว่าวิธีการแบบ GA ที่สามารถให้คำตอบที่ดีที่สุดกับปัญหาขนาดเล็กและกลางเช่นกัน ในขณะที่ฮิวริสติกที่สองได้ถูกทดลองกับปัญหาขนาดใหญ่ ซึ่งผลลัพธ์ที่ได้เมื่อเปรียบเทียบกับวิธีการแบบ GA เช่นกัน ก็สามารถให้คำตอบที่ดีกว่าอย่างชัดเจน |
Description: | Thesis (Ph.D.)--Chulalongkorn University, 2016 |
Degree Name: | Doctor of Philosophy |
Degree Level: | Doctoral Degree |
Degree Discipline: | Industrial Engineering |
URI: | http://cuir.car.chula.ac.th/handle/123456789/52205 |
URI: | http://doi.org/10.58837/CHULA.THE.2016.1642 |
metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2016.1642 |
Type: | Thesis |
Appears in Collections: | Eng - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
5671401621.pdf | 3.33 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.