ดาวน์โหลด All Proceeding - AS Nida
ดาวน์โหลด All Proceeding - AS Nida
ดาวน์โหลด All Proceeding - AS Nida
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
มหาวิทยาลัยศิลปากร Silpakorn University<br />
หนังสือรวมบทความ<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติประจําป 2554<br />
<strong>Proceeding</strong>s of OR-Net 2011<br />
National Operations Research Conference 2011 (OR-Net 2011)<br />
2<br />
วันที่<br />
8 -9 กันยายน 2554<br />
โรงแรม เอส. ดี. อเวนิว กรุงเทพฯ<br />
ผูสนับสนุน<br />
www.m‐focus.co.th www.thaibev.com
สารอธิการบดี<br />
การจัดประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๔ ที่จัดขึ้น<br />
ณ โรงแรม เอส ดี อเวนิว<br />
กรุงเทพมหานคร ระหวางวันที่<br />
๘-๙ กันยายน ๒๕๕๔ โดยภาควิชาวิศวกรรมอุตสาหการและการจัดการ คณะ<br />
วิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากร ไดรับเกียรติเปนเจาภาพรวมกับเครือขายวิจัยรวมดาน<br />
การวิจัยดําเนินงาน ซึ่งการจัดงานประชุมวิชาการฯ<br />
ครั้งนี้ไดจัดตอเนื่องเปนปที่<br />
๘ โดยมุงสงเสริมใหคณาจารย<br />
นักวิชาการ<br />
นักวิจัย นักศึกษาและผูสนใจในหนวยงานของรัฐและเอกชน<br />
นําเสนอผลงานวิจัยที่เปนองคความรูใหมๆ<br />
ไดมีโอกาสพบปะ<br />
แลกเปลี่ยนความรูและประสบการณอันจะนําไปสูความรวมมือทางวิชาการ<br />
การวิจัย และนวัตกรรมใหมๆ นอกจากนี้ยังเปน<br />
การเผยแพรผลงานวิจัยสูสังคม<br />
เกิดการนําความรูตางๆ<br />
ไปประยุกตใชใหเปนประโยชนตอการพัฒนาเศรษฐกิจและสังคม<br />
ของประเทศตอไป<br />
ผมมีความยินดีเปนอยางยิ่งที่เห็นความรวมมือระหวางคณาจารยจากสวนงานตางๆ<br />
ทั้งในภาควิชาวิศวกรรมอุตสา<br />
หการและการจัดการ คณะวิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากร และเครือขายวิจัยรวมดาน<br />
การวิจัยดําเนินงานระหวางมหาวิทยาลัย ที่รวมกันสรางบรรยากาศและเวทีเพื่อสงเสริมงานวิจัยที่จะเปนประโยชนตอการ<br />
พัฒนาเศรษฐกิจ และสังคมของประเทศ รวมทั้งเปนประโยชนตอนักวิจัยในการพัฒนางานวิจัยตอยอดหรือนําผลการวิจัยไป<br />
ใชประโยชนใหกวางขวางยิ่งขึ้น<br />
ทั้งนี้<br />
ขอขอบคุณทุกทาน ทุกหนวยงานที่รวมจัดการประชุมวิชาการ<br />
รวมทั้งผูที่เขารวม<br />
ประชุมทุกทาน ที่ทําใหการจัดประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ<br />
ประจําป ๒๕๕๔ สําเร็จลุลวงไปไดดวยดี<br />
ก<br />
อาจารย ดร.อุทัย ดุลยเกษม<br />
อธิการบดีมหาวิทยาลัยศิลปากร
คณะกรรมการที่ปรึกษา<br />
1. ผศ.ดร.เจษฎาวรรณ วิจิตรเวชการ มหาวิทยาลัยศิลปากร ประธานกรรมการ<br />
2. รศ.ดร.วิชิต หลอจีระชุณหกุล สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
3. รศ.ดร.พีระยุทธ ชาญเศรษฐิกุล มหาวิทยาลัยเกษตรศาสตร กรรมการและเลขานุการ<br />
์<br />
์<br />
<br />
์<br />
คณะกรรมการอํานวยการ<br />
1. รศ.ดร.พัชราภรณ เนียมมณี สถาบันบัณฑิตพัฒนบริหารศาสตร ประธานกรรมการ<br />
2. รศ.ดร.สุดา ตระการเถลิงศักดิ มหาวิทยาลัยศิลปากร กรรมการ<br />
3. รศ.ดร.พงศชนัน เหลืองไพบูลย มหาวิทยาลัยธรรมศาสตร กรรมการ<br />
4. รศ.ดร.วลัยลักษณ อัตธีรวงศ สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง กรรมการ<br />
5. ผศ.ดร.กอโชค ภูนิคม มหาวิทยาลัยอุบลราชธานี กรรมการ<br />
6. ผศ.ดร.เจริญชัย โขมพัตราภรณ มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี กรรมการ<br />
7. ผศ.นราธิป แสงซาย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
8. ผศ.ดร.นิลวรรณ ชุมฤทธิ<br />
มหาวิทยาลัยศรีนครินทรวิโรฒ กรรมการ<br />
9. ผศ.ดร.วเรศรา วีระวัฒน มหาวิทยาลัยมหิดล กรรมการ<br />
10. ผศ.ดร.ภูพงษ พงษเจริญ มหาวิทยาลัยนเรศวร กรรมการ<br />
11. ผศ.ดร.รัชนี ภูวิพัฒนะพันธุ มหาวิทยาลัยรามคําแหง กรรมการ<br />
12. ผศ.ฑาริณี อัศววงศสวัสดิ มหาวิทยาลัยสงขลานครินทร กรรมการ<br />
13. อ.ดร.ปุน<br />
เที่ยงบูรณะธรรม<br />
มหาวิทยาลัยเชียงใหม กรรมการ<br />
14. ผศ.ดร.สีรง ปรีชานนท จุฬาลงกรณมหาวิทยาลัย กรรมการ<br />
15. อ.ดร.ศิวิกา ดุษฎีโหนด สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
16. อ.ดร.วิชัย รุงเรืองอนันต<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
17. อ.ดร.กัญจนา ทองสนิท มหาวิทยาลัยศิลปากร กรรมการ<br />
18. ผศ.ดร.ประจวบ กลอมจิตร มหาวิทยาลัยศิลปากร กรรมการและเลขานุการ<br />
์<br />
คณะกรรมการวิชาการ<br />
1. ผศ.ดร.ประจวบ กลอมจิตร มหาวิทยาลัยศิลปากร ประธานกรรมการ<br />
2. รศ.สมเกียรติ จงประสิทธิ์พร<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
3. ผศ.ดร.กรุง สินอภิรมยสราญ จุฬาลงกรณมหาวิทยาลัย กรรมการ<br />
4. ผศ.ดร.จักรินทร ศุขหมอก สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
5. ผศ.ดร.ฉัฐไชย สีนาวงศ สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง กรรมการ<br />
6. ผศ.ชาติชาย อัศดรศักดิ มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
7. ผศ.ดร.ดนุพันธ วิสุวรรณ มหาวิทยาลัยธรรมศาสตร กรรมการ<br />
8. ผศ.มิตรมาณี ตรีวัฒนาวงศ มหาวิทยาลัยศรีนครินทรวิโรฒ กรรมการ<br />
9. อ.ดร.กาญจนภา อมรัชกุล สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
10. อ.พิสิษฐ แสงชูโต มหาวิทยาลัยรามคําแหง กรรมการ<br />
ค
11. ผศ.ดร.อนุกัลยณ จีระลักษณกุล สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
12. อ.ดร.กัญจนา ทองสนิท มหาวิทยาลัยศิลปากร กรรมการ<br />
13. อ.ดร.วิชัย รุงเรืองอนันต<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการและเลขานุการ<br />
์<br />
์<br />
์<br />
<br />
์<br />
คณะกรรมการผูทรงคุณวุฒิอานผลงาน<br />
1. อ.ดร.วิชัย รุงเรืองอนันต<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ ประธานกรรมการ<br />
2. รศ.ดร.วิชิต หลอจีระชุณหกุล สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
3. รศ.ดร.พีระยุทธ ชาญเศรษฐิกุล มหาวิทยาลัยเกษตรศาสตร กรรมการ<br />
4. รศ.สมเกียรติ จงประสิทธิ์พร<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
5. ผศ.ดร.กรุง สินอภิรมยสราญ จุฬาลงกรณมหาวิทยาลัย กรรมการ<br />
6. ผศ.ดร.จักรินทร ศุขหมอก สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
7. ผศ.ดร.ฉัฐไชย สีนาวงศ สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง กรรมการ<br />
8. ผศ.ดร.ดนุพันธ วิสุวรรณ มหาวิทยาลัยธรรมศาสตร กรรมการ<br />
9. ผศ.ดร.อนุกัลยณ จีระลักษณกุล สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
10. ผศ.ชาติชาย อัศดรศักดิ มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
11. ผศ.มิตรมาณี ตรีวัฒนาวงศ มหาวิทยาลัยศรีนครินทรวิโรฒ กรรมการ<br />
12. อ.ดร.กาญจนภา อมรัชกุล สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
13. อ.พิศิษฐ แสงชูโต มหาวิทยาลัยรามคําแหง กรรมการ<br />
14. รศ.ดร.พัชราภรณ เนียมมณี สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
15. รศ.ดร.สุดา ตระการเถลิงศักดิ มหาวิทยาลัยศิลปากร กรรมการ<br />
16. รศ.ดร.พงศชนัน เหลืองไพบูลย มหาวิทยาลัยธรรมศาสตร กรรมการ<br />
17. รศ.ดร.วลัยลักษณ อัตธีรวงศ สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง กรรมการ<br />
18. ผศ.ดร.กอโชค ภูนิคม มหาวิทยาลัยอุบลราชธานี กรรมการ<br />
19. อ.ดร.เจริญชัย โขมพัตราภรณ มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี กรรมการ<br />
20. ผศ.ดร.นิลวรรณ ชุมฤทธิ<br />
มหาวิทยาลัยศรีนครินทรวิโรฒ กรรมการ<br />
21. ผศ. ดร.วเรศรา วีระวัฒน มหาวิทยาลัยมหิดล กรรมการ<br />
22. ผศ.ดร.ภูพงษ พงษเจริญ มหาวิทยาลัยนเรศวร กรรมการ<br />
23. ผศ.ดร.รัชนี ภูวิพัฒนะพันธุ มหาวิทยาลัยรามคําแหง กรรมการ<br />
24. ผศ.ฑาริณี อัศววงศสวัสดิ มหาวิทยาลัยสงขลานครินทร กรรมการ<br />
25. อ.ดร.ปุน<br />
เที ่ยงบูรณะธรรม มหาวิทยาลัยเชียงใหม กรรมการ<br />
26. ผศ.ดร.สีรง ปรีชานนท จุฬาลงกรณมหาวิทยาลัย กรรมการ<br />
27. อ.ดร.ศิวิกา ดุษฎีโหนด สถาบันบัณฑิตพัฒนบริหารศาสตร กรรมการ<br />
28. อ.ดร.วิชัย รุงเรืองอนันต<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการ<br />
29. อ.ดร.กัญจนา ทองสนิท มหาวิทยาลัยศิลปากร กรรมการ<br />
30. ผศ.ดร.ประจวบ กลอมจิตร มหาวิทยาลัยศิลปากร กรรมการ<br />
31. ผศ.นราธิป แสงซาย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ กรรมการและเลขานุการ<br />
ง
กําหนดการ<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติประจําป 2554<br />
National Operations Research Conference 2011 (OR-NET 2011)<br />
วันที่<br />
8 -9 กันยายน 2554<br />
โรงแรม เอส. ดี. อเวนิว กรุงเทพฯ<br />
………………………………………….<br />
่ วันที 8 กันยายน 2554<br />
8.30 – 9.00 น. ลงทะเบียน<br />
9.00 – 9.20 น. พิธีเปด<br />
โดย อาจารย ดร.อุทัย ดุลยเกษม อธิการบดีมหาวิทยาลัยศิลปากร<br />
9.20 – 10.30 น. การบรรยายพิเศษ เรื่อง<br />
“Applications of Combinatorial Optimization”<br />
โดย ศาสตราจารย ดร. ประภาส จงสถิตยวัฒนา<br />
10.30 – 10.50 น. พัก-รับประทานอาหารวาง<br />
10.50 – 12.00 น. ประชุมวิชาการ<br />
12.00 – 13.00 น. พัก-รับประทานอาหารกลางวัน<br />
13.00 – 15.00 น. ประชุมวิชาการ<br />
15.00 – 15.20 น. พัก-รับประทานอาหารวาง<br />
15.20 – 17.00 น. ประชุมวิชาการ<br />
่ วันที 9 กันยายน 2554<br />
8.30 – 9.00 น. ลงทะเบียน<br />
9.00 – 10.20 น. การบรรยายพิเศษและ Workshop เรื<br />
โดย ผศ.ดร. กรุง สินอภิรมยสราญ<br />
10.20 – 10.40 น. พัก-รับประทานอาหารวาง<br />
10.40 – 12.00 น. การบรรยายพิเศษและ Workshop เรื<br />
โดย ผศ.ดร. กรุง สินอภิรมยสราญ<br />
12.00 – 13.00 น. พัก-รับประทานอาหารกลางวัน<br />
13.00 – 15.00 น. ประชุมวิชาการ<br />
15.00 – 15.20 น. พัก-รับประทานอาหารวาง<br />
15.20 – 17.00 น. ประชุมวิชาการ<br />
ฉ<br />
่อง การใช Open source ทางดานการวิจัยดําเนินงาน<br />
่อง การใช Open source ทางดานการวิจัยดําเนินงาน
กําหนดการนําเสนอผลงาน<br />
วันที่<br />
8 กันยายน 2554<br />
หองอัมรินทร 1,2<br />
8.30 – 9.00 น. ลงทะเบียน<br />
9.00 – 9.20 น. พิธีเปด<br />
โดย อาจารย ดร.อุทัย ดุลยเกษม อธิการบดีมหาวิทยาลัยศิลปากร<br />
9.20 – 10.30 น. การบรรยายพิเศษ เรื่อง<br />
“Applications of Combinatorial Optimization”<br />
โดย ศาสตราจารย ดร. ประภาส จงสถิตยวัฒนา<br />
หองอัมรินทร 1<br />
Section Optimization Theory & Applications<br />
13.00น.-15.00น. OT01 การศึกษาสภาวะที่เหมาะสมของการกัดปาดผิวหนาไมตาลโตนดดวยเครื่องกัดควบคุมดวยคอมพิวเตอร<br />
OT02 การสรางแบบจําลองทางคณิตศาสตรเพื่อแกปญหาการจัดตารางสอบ<br />
OT03 การพัฒนาตัวแบบคณิตศาสตรสําหรับปญหาการจัดตารางสอนในมหาวิทยาลัย<br />
OT04 The Study of Suitable Factor for Welding on Food-Can By Design of Experiment Method<br />
หองอัมรินทร 1<br />
Section Optimization Theory & Applications<br />
15.20น.-17.00น. OT05 การปรับปรุงกระบวนการเจียระไนเสนผานศูนยกลางดานนอกของเพลาดวยเทคนิคการออกแบบการทดลองทาง<br />
วิศวกรรม<br />
OT06 การจัดเซลลการผลิตในระบบการผลิตแบบเซลลูลารโดยใชขั้นตอนวิธีเชิงพันธุกรรม<br />
OT07 Meandering Improvement of Stealth Laser Dicing Process via Mixed Integer Linear Constrained Response<br />
Surface Optimization Model<br />
OT08 Flexible Printed Circuit Process Improvement via Interchangeable Linear Constrained Response Surface<br />
Optimization Models<br />
หองอัมรินทร 2<br />
Section Inventory & Transportation Management<br />
13.00น.-15.00น. IV01 การคัดเลือกขนาดของบัฟเฟอรโดยอาศัยเทคนิคการจําลองสถานการณ<br />
IV02 The Evaluation for Decision Making of Product Transportation to Storage Area in Carbon Black Factory<br />
IV03 การจัดการวัตถุดิบคงคลังประเภทสารเคมีที่ใชในโรงงานฟอก-ยอมสิ่งทอ<br />
IV04 การวางแผนผัง เพื่อการจัดเก็บน้ําสุรา<br />
กรณีศึกษา บริษัทผลิตสุราแหงหนึ่ง<br />
หองอัมรินทร 2<br />
Section Inventory & Transportation Management<br />
15.20น.-17.00น. IV05 การพัฒนากลยุทธการสั่งซื้อวัสดุ<br />
กรณีศึกษา: การสั่งซื้อวัสดุในอุตสาหกรรมฮารดดิสกไดรฟ<br />
IV06 การนําระบบการผลิตแบบโตโยตามาใชในกระบวนการประกอบแบตเตอรี่รถยนต<br />
IV07 การลดความลาชาของการสงมอบงานของกระบวนการผลิตกระสุน<br />
IV08 การสั่งซื้อแบบประหยัดสําหรับสินคาที่บางสวนไมผานเกณฑและขาดแคลนได<br />
โดยมีสวนลดครั้งเดียว<br />
ช
วันที่<br />
9 กันยายน 2554<br />
หองอัมรินทร 1,2<br />
8.30 – 9.00 น. ลงทะเบียน<br />
9.00 – 12.00 น. การบรรยายพิเศษและ Workshop เรื่อง<br />
การใช Open source ทางดานการวิจัยดําเนินงาน<br />
โดย ผศ.ดร. กรุง สินอภิรมยสราญ<br />
หองอัมรินทร 1<br />
Section Optimization Theory & Applications<br />
13.00น.-14.30 น. OT09 การลดตนทุนในการจัดเสนทางการขนสงดวยแบบจําลองทางคณิตศาสตร<br />
กรณีศึกษา : โรงงานอุบลอควาริส จ.อุบลราชธานี<br />
OT10 การออกแบบวิธีการจัดเสนทางการขนสง โดยการประยุกตใชวิธีการอาณานิคมมด<br />
กรณีศึกษา บริษัทเจียรนัยน้ําดื่ม<br />
จํากัด<br />
OT11 Optimal Cash Inventory Management for ATM Network with Subjective Demand: A Probabilistic Approach<br />
หองอัมรินทร 1<br />
Section Approximation Algorithms & Heuristic Method<br />
14.45น.-16.30 น. AH01 การประยุกตใชเจเนติกอัลกอริทึมสําหรับสรางแผนการทดลองแบบเติมเต็มปริภูมิ<br />
AH02 การปรับปรุงเสนทางการขนสงดวยวิธีฮิวริสติก กรณีศึกษา รานโตงน้ําแข็ง<br />
อําเภอวารินชําราบ จังหวัดอุบลราชธานี<br />
AH03 Investigation of Firefly Algorithm Parameter Setting for Solving Job Shop Scheduling Problems<br />
หองอัมรินทร 2<br />
Section Applied Statistics<br />
13.00น.-14.30 น. <strong>AS</strong>09 โครงการพัฒนากระถางตนไมจากขี้เลื่อย<br />
<strong>AS</strong>10 การหาสภาวะที่เหมาะสมสําหรับกระบวนการผลิตแกนกระทุงคลัตชที่มีผลตอผลตอบสนองหลายตัว<br />
กรณีศึกษาโรงงานผลิตชิ้นสวนรถจักรยานยนต<br />
<strong>AS</strong>11 การหาจุดแบงของตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภทสําหรับการพยากรณการจําแนกขอมูล<br />
โดยใชฟงกชันคอมพลีเมนทารี ล็อก ล็อก เปนฟงกชันเชื่อมโยง<br />
หองอัมรินทร 2<br />
Section Applied Statistics<br />
14.45น.-16.30 น. <strong>AS</strong>12 การเปรียบเทียบการจัดอันดับและมูลคาความเสี่ยงระหวางตัวแบบโพรบิทแบบพลวัต<br />
และตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบพลวัต<br />
<strong>AS</strong>13 การหาจุดอิสระที่เหมาะสมที่สุดเพื่อสรางแถบความเชื่อมั่นแบบเชิงเสนเปนชวง<br />
สําหรับตัวแบบการถดถอยเชิงเสนพหุ<br />
<strong>AS</strong>14 การเพิ่มสมรรถนะการดําเนินงานขององคกรปกครองสวนทองถิ่น<br />
กรณีศึกษาการประยุกตใชหลักวิทยาศาสตรการตัดสินใจ<br />
หองศาลายา<br />
Section System Simulation<br />
13.00น.-14.30 น. SS01 การออกแบบระบบหอกลั่นสําหรับการทําใหเอทานอลบริสุทธิ์<br />
SS02 การประยุกตใชแบบจําลองความปนปวน<br />
K-epsilon (k-ε) และ K-omega (k-ω)<br />
สําหรับการวิเคราะหรอบการหมุนของกังหันน้ําผลิตไฟฟาแบบแกนตั้ง<br />
SS03 การลดเวลาในการปรับตั้งคาเครื่องจักร<br />
กรณีศึกษา โรงงานผลิตชิ้นสวนอิเล็กทรอนิกส<br />
ฌ
หองศาลายา<br />
Section System Simulation<br />
14.45น.-16.30 น. OH01 ระบบสนับสนุนการตัดสินใจระบบแถวคอยการใหบริการกองคลัง มหาวิทยาลัยรามคําแหง:<br />
กรณีศึกษาเคานเตอรรับชําระเงินคาธรรมเนียมการศึกษา<br />
Section Applied Operations Research<br />
14.45น.-16.30 น. AO01 ระบบสนับสนุนการตัดสินใจเพื่อกําหนดเสนทางที่เหมาะสมในการขนสงน้ํามัน<br />
:<br />
กรณีศึกษา บริษัท บางจากปโตรเลียม จํากัด (มหาชน)<br />
AO02 ปญหาการจัดเสนทางเมื่อมีขอจํากัดดานเชื้อเพลิง<br />
หองมณียา<br />
Section Applied Statistics<br />
13.00น.-14.30 น. <strong>AS</strong>15 การศึกษาสภาวะความเครียดที่เกิดขึ้นบนชิ้นงานในการทดสอบแบบเปาโปงดวยน้ํา<br />
<strong>AS</strong>16 การวิเคราะหความนาเชื่อถือของการขึ้นรูปชิ้นงานพาราโบลิกที่เกิดจากความเบี่ยงเบนของคุณสมบัติโลหะแผน<br />
Section Facilities Design & Location<br />
13.00น.-14.30 น. FL01 Interaction of Crossover and Mutation Operations for Designing Non-rotatable Machine Layout<br />
หองมณียา<br />
Section Applied Operations Research<br />
14.45น.-16.30 น. AO03 การพัฒนาแบบจําลองการจัดตารางการผลิตสําหรับโรงงานตูปาเปาอิเล็กทรอนิกส<br />
AO04 การใชวิธีการโครงขายประสาทเทียมแบบผสมในการจัดตารางการผลิตใหกับสายประกอบแบบไหลเลื่อน<br />
ญ
สารบัญ<br />
หนา<br />
VP01<br />
บรรยายพิเศษ<br />
Applications of combinatorial optimization<br />
Prof. Prabhas Chongstitvatana, Ph.D.<br />
A<br />
VP02 Open source in Operation Research B<br />
Asst.Prof. Krung Sinapiromsaran, Ph.D.<br />
์<br />
OT01<br />
1. Optimization Theory & Applications<br />
การศึกษาสภาวะที่เหมาะสมของการกัดปาดผิวหนาไมตาลโตนดดวยเครื่องกัดควบคุมดวยคอมพิวเตอร<br />
สุรสิทธิ ระวังวงศ<br />
1<br />
, , จักรนรินทร ฉัตรทอง, จุฬาลักษณ โรจนานุกูล และ วรพงค บุญชวยแทน<br />
OT02 การสรางแบบจําลองทางคณิตศาสตรเพื่อแกปญหาการจัดตารางสอบ<br />
อนิสรา ไชยเรศ และ กัญจนา ทองสนิท<br />
8<br />
OT03 การพัฒนาตัวแบบคณิตศาสตรสําหรับปญหาการจัดตารางสอนในมหาวิทยาลัย<br />
รณกฤต วัฒนมะโน และ กัญจนา ทองสนิท<br />
14<br />
OT04 The Study of Suitable Factor for Welding on Food-Can By Design of Experiment Method<br />
Prachuab Klomjit and Paisan Chantasoponno<br />
19<br />
OT05 การปรับปรุงกระบวนการเจียระไนเสนผานศูนยกลางดานนอกของเพลา<br />
ดวยเทคนิคการออกแบบการทดลองทางวิศวกรรม<br />
วันชัย ลีลากวีวงศ, สิริพงศ จึงถาวรรณ และ ณัฐวุฒิ ขุนสอาดศรี<br />
24<br />
OT06 การจัดเซลลการผลิตในระบบการผลิตแบบเซลลูลารโดยใชขั้นตอนวิธีเชิงพันธุกรรม<br />
รัฐพงศ แมนยํา, ขวัญนิธิ คําเมืองนธิ และ ภาณุ บูรณจารุกร<br />
34<br />
OT07 Meandering Improvement of Stealth Laser Dicing Process via Mixed Integer Linear Constrained<br />
Response Surface Optimization Model<br />
Wanwisa Sayrasang and Pongchanun Luangpaiboon<br />
44<br />
OT08 Flexible Printed Circuit Process Improvement via Interchangeable Linear Constrained<br />
Response Surface Optimization Models<br />
Pichpimon Kanchanasuttisang and Pongchanun Luangpaiboon<br />
51<br />
OT09 การลดตนทุนในการจัดเสนทางการขนสงดวยแบบจําลองทางคณิตศาสตร<br />
กรณีศึกษา : โรงงานอุบลอควาริส จ.อุบลราชธานี<br />
ธารชุดา พันธนิกุล, กนกอร โรหิตะ และ รุงฤดี<br />
บัวศรียอด<br />
60<br />
OT10 การออกแบบวิธีการจัดเสนทางการขนสง โดยการประยุกตใชวิธีการอาณานิคมมด<br />
กรณีศึกษา บริษัทเจียรนัยน้ําดื่ม<br />
จํากัด<br />
ฐิติวรดา คําแหน และ สมบัติ สินธุเชาวน<br />
65<br />
ฎ
LS09 การวางแผนที่เหมาะสมสําหรับระบบโลจิสติกสน้ํามันดีเซลที่มีการลดราคาหลายรูปแบบหลายคลังน้ํามัน<br />
148<br />
และหลายรูปแบบการขนสง<br />
มนพร คุปตาสา, ชอแกว จตุรานนท, เจริญชัย โขมพัตราภรณ และ เตือนใจ สมบูรณวิวัฒน<br />
์ SS01<br />
4. System Simulation<br />
การออกแบบระบบหอกลั่นสําหรับการทําใหเอทานอลบริสุทธิ<br />
อัญชลี กาญจนบัตร และ ผศ.ดร.อมรชัย อาภรณวิชานพ<br />
156<br />
SS02 การประยุกตใชแบบจําลองความปนปวน<br />
K-epsilon (k-ε)และ K-omega (k-ω)<br />
สําหรับการวิเคราะหรอบการหมุนของกังหันน้ําผลิตไฟฟาแบบแกนตั้ง<br />
วีระยุทธ หลาอมรชัยกุล<br />
162<br />
SS03 การลดเวลาในการปรับตั้งคาเครื่องจักร<br />
กรณีศึกษา โรงงานผลิตชิ้นสวนอิเล็กทรอนิกส<br />
วันชัย ลีลากวีวงศ, สิริพงศ จึงถาวรรณ และ อภัสนันท แพงทอง<br />
169<br />
IV01<br />
5. Inventory & Transportation Management<br />
การคัดเลือกขนาดของบัฟเฟอรโดยอาศัยเทคนิคการจําลองสถานการณ<br />
ชมพูนุท เกษมเศรษฐ และ วรทัศร ขจิตวิชยานุกูล<br />
177<br />
IV02 The Evaluation for Decision Making of Product Transportation to Storage Area in Carbon Black Factory 183<br />
Prachuab Klomjit and Warangkana Pumdeeying<br />
IV03 การจัดการวัตถุดิบคงคลังประเภทสารเคมีที่ใชในโรงงานฟอก-ยอมสิ่งทอ<br />
พรรณวิภา พุฒิภาษ และ พรธิภา องคคุณารักษ<br />
187<br />
IV04 การวางแผนผัง เพื่อการจัดเก็บน้ําสุรา<br />
กรณีศึกษา บริษัทผลิตสุราแหงหนึ่ง<br />
ชาตรี พลชัย และ ณัฐพล ศรีสวาง<br />
195<br />
IV05 การพัฒนากลยุทธการสั่งซื้อวัสดุ<br />
กรณีศึกษา: การสั่งซื้อวัสดุในอุตสาหกรรมฮารดดิสกไดรฟ<br />
สรณธร ไกรภิญญามาศ และ อรรถกร เกงพล<br />
204<br />
IV06 การนําระบบการผลิตแบบโตโยตามาใชในกระบวนการประกอบแบตเตอรี่รถยนต<br />
สมพร จุลวรรณ, อนันต มุงวัฒนา<br />
และ ปวิณ สุวแข<br />
208<br />
IV07 การลดความลาชาของการสงมอบงานของกระบวนการผลิตกระสุน<br />
ธีรวิทย เลิศลบ และ สีรง ปรีชานนท<br />
212<br />
IV08 การสั่งซื้อแบบประหยัดสําหรับสินคาที่บางสวนไมผานเกณฑและขาดแคลนได<br />
โดยมีสวนลดครั้งเดียว<br />
ปรวีณ โชติพิทยสุนนท และ ระวี สุวรรณเดโชไชย<br />
219<br />
MF01<br />
6. Manufacturing Management<br />
การจัดตารางการผลิตแบบรอคอยงานในงานทดสอบคุณสมบัติฟลมสี<br />
กฤษณพล สิงหอุบล และ ศุภรัชชัย วรรัตน<br />
223<br />
MF02 ระบบสนับสนุนการตัดสินใจ ในการปรับปรุงการวางแผนการผลิต:<br />
กรณีศึกษาโรงงานผลิตชิ้นสวนยานยนต<br />
อรศิริ ดําสนิท<br />
227<br />
ฐ
MF03 Process Improvement by Using FMEA and AHP at Dyeing Section in The Sample Factory 235<br />
Prachuab Klomjit and Thanitpol Juntasom<br />
7. Productivity & Business Strategy<br />
PS01 Applications of Reliability Centered Maintenance for Reducing Downtime in a Paper Plant 239<br />
Prachuab Klomjit and Pichet Kaewsaithom<br />
PS02 อิทธิพลของมิติในโครงสรางองคกรตอดัชนีผลิตภาพแรงงาน 247<br />
ตอเกียรติ นอยสําลี และ ดร.ภูษิต วงศหลอสายชล<br />
8. Facilities Design & Location<br />
FL01 Interaction of Crossover and Mutation Operations for Designing Non-rotatable Machine Layout 252<br />
Srisatja Vitayasak and Pupong Pongcharoen<br />
AO01<br />
9. Applied Operations Research<br />
ระบบสนับสนุนการตัดสินใจเพื่อกําหนดเสนทางที่เหมาะสมในการขนสงน้ํามัน<br />
:<br />
กรณีศึกษา บริษัท บางจากปโตรเลียม จํากัด (มหาชน)<br />
จารุณี ฐิติรังสรรค และ มาริสา แกวสุวรรณ<br />
261<br />
AO02 ปญหาการจัดเสนทางเมื่อมีขอจํากัดดานเชื้อเพลิง<br />
269<br />
AO03<br />
ปุณยนุช ชัยเจริญธาดา, อนันต มุงวัฒนา<br />
และ ศักเกษม สุจินตนารัตน<br />
การพัฒนาแบบจําลองการจัดตารางการผลิตสําหรับโรงงานตูปาเปาอิเล็กทรอนิกส<br />
วิจิตรา กิจชัยนุกูล และ วิชัย รุงเรืองอนันต<br />
273<br />
AO04 การใชวิธีการโครงขายประสาทเทียมแบบผสมในการจัดตารางการผลิตใหกับสายประกอบแบบไหลเลื่อน<br />
281<br />
วัชรพันธ สุขเกิด และ ธีรเดช วุฒิพรพันธ<br />
<strong>AS</strong>01<br />
10. Applied Statistics<br />
การศึกษาอัตราสวนทองคํา กรณีศึกษา : กลุมประชากรตัวอยาง<br />
292<br />
<strong>AS</strong>02<br />
จันทรเพ็ญ อนุรัตนานนท, ประจวบ กลอมจิตร, ทิพวัลย ตันกสิกิจ และ พนิดา สุอุย<br />
การหาจุดเหมาะสมโดยใชการออกแบบการทดลอง CCD ในกระบวนการผลิตแล็กเกอร<br />
จันทรเพ็ญ อนุรัตนานนท, สุชาวดี พัฒนวัชรกุล และ มานิต สรอยเพชร<br />
296<br />
<strong>AS</strong>03 ผลของสารตัวเติมเขมาดําและความเร็วสกรูการอัดรีดที่มีตอคุณสมบัติของยางอีพีดีเอ็ม<br />
กุลจณี พนาวรางกูร และ จุฑา พิชิตลําเค็ญ<br />
301<br />
<strong>AS</strong>04 ความรับผิดชอบตอสังคม ในฐานะปจจัยที่เชื่อมโยงสูความจงรักภักดีตอตราสินคา<br />
ของอุตสาหกรรมเซรามิก<br />
มนตรี พิริยะกุล และ บุญฑวรรณ วิงวอน<br />
307<br />
<strong>AS</strong>05 การหาคาพารามิเตอรริดจที่เหมาะสมเพื่อแกปญหาพหุสัมพันธในการวิเคราะหความถดถอยโลจิสติก<br />
แบบสองกลุม<br />
สาวิตรี บุญพัชรนนท และ กัลยา วานิชยบัญชา<br />
312<br />
ฑ
<strong>AS</strong>06 การหาจุดแบงของตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภท สําหรับการพยากรณการจําแนกขอมูล<br />
โดยใชฟงกชันโลจิทเปนฟงกชันเชื่อมโยง<br />
อรุณรัตน โพธิ์คํา<br />
และ สุพล ดุรงควัฒนา<br />
319<br />
<strong>AS</strong>07 การคัดเลือกตัวแบบไมติดกลุมอยางสมบูรณของตัวแบบถดถอยโลจิสติกทวินาม<br />
โดยใชฟงกชันคอมพลีเมนทารี ล็อก-ล็อกเปนฟงกชันเชื่อมโยง<br />
ศิวรัตน รสจันทร และ สุพล ดุรงควัฒนา<br />
324<br />
<strong>AS</strong>08 ตัวชวยเพิ่มอัตราการคลิกผานการโฆษณาในกูเกิลแอดเวิรด<br />
วฐา มินเสน และ ปรารถนา มินเสน<br />
332<br />
<strong>AS</strong>09 โครงการพัฒนากระถางตนไมจากขี้เลื่อย<br />
พรเทพ แกวเชื้อ<br />
และ วรินทร เกียรตินุกูล<br />
338<br />
<strong>AS</strong>10 การหาสภาวะที่เหมาะสมสําหรับกระบวนการผลิตแกนกระทุงคลัตชที่มีผลตอผลตอบสนองหลายตัว<br />
กรณีศึกษาโรงงานผลิตชิ้นสวนรถจักรยานยนต<br />
เอราวิล ถาวร และ ประไพศรี สุทัศน ณ อยุธยา<br />
345<br />
<strong>AS</strong>11 การหาจุดแบงของตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภทสําหรับการพยากรณการจําแนกขอมูล<br />
โดยใชฟงกชันคอมพลีเมนทารี ล็อก ล็อก เปนฟงกชันเชื่อมโยง<br />
นิภาพรรณ ไพจินดา และ สุพล ดุรงควัฒนา<br />
349<br />
<strong>AS</strong>12 การเปรียบเทียบการจัดอันดับและมูลคาความเสี่ยงระหวางตัวแบบโพรบิทแบบพลวัต<br />
และตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบพลวัต<br />
ศรัณยา สมทรง และ เสกสรร เกียรติสุไพบูลย<br />
354<br />
<strong>AS</strong>13 การหาจุดอิสระที่เหมาะสมที่สุดเพื่อสรางแถบความเชื่อมั่นแบบเชิงเสนเปนชวง<br />
สําหรับตัวแบบการถดถอยเชิงเสนพหุ<br />
ธีรุตม สุขสกุลวัฒน และ เสกสรร เกียรติสุไพบูลย<br />
361<br />
<strong>AS</strong>14 การเพิ่มสมรรถนะการดําเนินงานขององคกรปกครองสวนทองถิ่น<br />
กรณีศึกษาการประยุกตใชหลักวิทยาศาสตรการตัดสินใจ<br />
คณิศร ภูนิคม และ ภีม พรประเสริฐ<br />
368<br />
<strong>AS</strong>15 การศึกษาสภาวะความเครียดที่เกิดขึ้นบนชิ้นงานในการทดสอบแบบเปาโปงดวยน้ํา<br />
ชลากร อุดมรักษาสกุล, ธนสาร อินทรกําธรชัย และ สุวัฒน จีรเธียรนาถ<br />
376<br />
<strong>AS</strong>16 การวิเคราะหความนาเชื่อถือของการขึ้นรูปชิ้นงานพาราโบลิกที่เกิดจากความเบี่ยงเบน<br />
ของคุณสมบัติโลหะแผน<br />
กชกร วิรัชกุล, ธนสาร อินทรกําธรชัย และ สุวัฒน จรีเธียรนา<br />
383<br />
์ ์<br />
OH01<br />
11. OTHER<br />
ระบบสนับสนุนการตัดสินใจระบบแถวคอยการใหบริการกองคลัง มหาวิทยาลัยรามคําแหง:<br />
กรณีศึกษาเคานเตอรรับชําระเงินคาธรรมเนียมการศึกษา<br />
นันทศักดิ สุขสวัสดิ และ มาริสา แกวสุวรรณ<br />
390<br />
OH02 การกําหนดที่ตั้งศูนยกระจายกลาไมยูคาลิปตัสดวยตัวแบบการโปรแกรมเชิงเสนแบบผสม<br />
นลินรัตน นอยฉวี และ พัชราภรณ เนียมมณี<br />
395<br />
ฒ
Applications of Combinatorial Optimization<br />
A<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Prof. Prabhas Chongstitvatana, Ph.D.<br />
Department of Computer Engineering, Faculty of Engineering, Chulalongkorn University<br />
Abstract<br />
Combinatorial optimization is the optimization where the domains of feasible solutions are discrete. Examples of this domain are traveling<br />
salesman problem, minimum spanning tree problem, set-covering problem, knapsack problem, etc. Combinatorial optimization has many applications<br />
for operational research. The talking will outline Coincidence Algorithm. It is an algorithm in the class of Evolutionary Algorithm, specialized to<br />
solve combinatorial problems. It makes use of models to generate solutions instead of searching traditional population. The presentation also<br />
illustrates its applications to some interesting problems in manufacturing, both in single-objective and multi-objective domain.<br />
Speaker Background<br />
Prabhas Chongstitvatana is a professor in the department of computer engineering, Chulalongkorn University since 2007. He earned<br />
B.Eng. in Electrical Engineering from Kasetsart University, Thailand in 1980 and Ph.D. from the department of artificial intelligence, Edinburgh<br />
University, U.K. in 1992. His research involves robotics, evolutionary computation, computer architecture, bioinformatics and grid computing. He is<br />
actively promote the collaboration to create Thai national grid for sustainable computing. He is the member of Thailand Engineering Institute, Thai<br />
Academy of Science and Technology, Thai Robotics Society, Thai Embedded System Association, ECTI Association of Thailand and IEEE Robotics<br />
and Automation Society.
Open source in Operation Research<br />
Asst. Prof. Krung Sinapiromsaran, Ph.D.<br />
Department of Mathematical and Computer Science, Faculty of Science,<br />
Chulalongkorn University<br />
B<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Abstract<br />
Operations research is one of the well-known research area. It can be identified as a scientific methodology that deals with a managerial<br />
decision making using the mathematical methods and computing capability of computers. Tools used by operational researchers are statistics,<br />
probability, queuing theory, game theory, decision analysis, mathematical modeling, simulation and optimization.<br />
Work in this area can be categorized as (1) fundamental work using probability theory, mathematical optimization and dynamical systems<br />
theory; (2) modeling work using programming language, modeling language or computer software; (3) application work which integrates various<br />
tools to deal with the real world problem.<br />
With the current development of the open-source technology, researchers can access the state-of-the-art optimization solver via the web<br />
browser and generate the live manuscripts using the client-server architecture. In this workshop, the SAGE mathematical software will be used to<br />
illustrate the wide ranges of mathematical tools concentrating in solving the mathematical programming problem with the use of Python language for<br />
a data manipulation step. An attendant will have a hand-on experience using the SAGE as a stand alone or client-server environment to perform the<br />
mathematical analysis on selected optimization problems.<br />
Keywords: Open source software, Operations Research, SAGE, client-server environment, live manuscript<br />
ประวัติ<br />
ผูชวยศาสตราจารย<br />
ดร. กรุง สินอภิรมยสราญ<br />
ตําแหนง:<br />
- อาจารยระดับ 8 ภาควิชาคณิตศาสตรและวิทยาการคอมพิวเตอร คณะวิทยาศาสตร จุฬาลงกรณมหาวิทยาลัย<br />
- ที่ปรึกษาอาวุโส<br />
/ นักวิเคราะหเหมืองขอมูลอาวุโส<br />
- อาจารยอบรมการใชงานซอฟตแวร S<strong>AS</strong><br />
การศึกษา:<br />
2539-2543 ดุษฎีบัณฑิตสาขาวิทยาการคอมพิวเตอร มหาวิทยาลัยวิสคอนซิน-เมดิสัน สหรัฐอเมริกา<br />
2537-2539 มหาบัณฑิตสาขาวิทยาการคอมพิวเตอร มหาวิทยาลัยวิสคอนซิน-เมดิสัน สหรัฐอเมริกา<br />
2528-2532 ปริญญาบัณฑิตสาขาคณิตศาสตร คณะวิทยาศาสตร จุฬาลงกรณมหาวิทยาลัย<br />
(เกียรตินิยมอันดับหนึ่งเหรียญทอง)<br />
ประสบการณการทํางาน:<br />
- ผูชวยศาสตราจารย<br />
ประจําภาควิชาคณิตศาสตรและวิทยาการคอมพิวเตอร คณะวิทยาศาสตร จุฬาลงกรณมหาวิทยาลัย<br />
- ผูอบรมนักวิเคราะหการทําเหมืองขอมูล<br />
โดยใชทั้งซอฟตแวรของ<br />
S<strong>AS</strong>, Microsoft, IBM, Open source software<br />
- ที่ปรึกษาอาวุโส/นักวิเคราะหเหมืองขอมูลอาวุโส<br />
บริษัท อินโฟลิสต<br />
- กรรมการเครือขาย OR-CRN<br />
- อาจารยพิเศษ มหาวิทยาลัยรังสิต มหาวิทยาลัยเทคโนโลยีมหานคร ฯลฯ
ประสบการณ:<br />
- วิทยากรอบรมดานตางๆ เชน “Mathematics in Game Theory”, "Open source optimization software”, “Graph algorithm III:Minimum<br />
spanning tree and minimum spanning arborescense”, "Mathematical programming seminar and Knowledge discovery seminar”, "Semiautomated<br />
customer retention using data mining tools", “Sales and Operation Planning System for SCCC”, "Forecasting Credibility:<br />
Statistical Approach vs. Judgemental Approach”, "WEKA software in Data mining", "Data Mining Effectiveness: from Data to<br />
Knowledge", "Data Mining for Traffic Accident and Safety", "Data warehouse and OLAP concept", "Optimization modeling and tools",<br />
"PMML (Predictive Model Markup Language)", "Understanding Data Warehouse and its architecture for the IT staff"<br />
- กรรมการฝายเทคโนโลยีสารสนเทศของงานประชุมวิชาการระดับชาติ “Annual Mathematics Conference”, จัดโดยภาควิชาคณิตศาสตร คณะ<br />
วิทยาศาสตร จุฬาลงกรณมหาวิทยาลัย<br />
- วิทยากรอบรม “Forecasting Workshop: Practical Time Series Forecasting Analysis”, “Data Mining Workshop for Analytical Marketing<br />
and Customer Strategic Planning”<br />
- ที่ปรึกษา<br />
"ICT MARKET OUTLOOK 2005", จัดโดย National Electronics and Computer Technology Center (NECTEC) รวมกับ Software<br />
Industry Promotion Agency (SIPA), Thailand, ที่ปรึกษา<br />
"BKK Sales Distribution Network Restructuring" จัดโดย บริษัท กรีนสปอรต<br />
งานวิจัย:<br />
- ฐานขอมูล คลังขอมูล เหมืองขอมูล ธุรกิจอยางชาญฉลาด<br />
- สถิติขั้นสูง<br />
สมการถดถอยโลจิสติก การแบงกั้นแบบเวียนเกิด<br />
การวิเคราะหไทมซีรีส<br />
- กําหนดการเชิงเสนและกําหนดการไมเชิงเสน, การแกปญหาที่เหมาะที่สุดของฟงกชันจําลอง,<br />
ขั้นตอนวิธีขั้นสูง<br />
- การนําคณิตศาสตรและกําหนดการเชิงคณิตศาสตรเชน กําหนดการเชิงเสน กําหนดการเครือขาย กําหนดการไมเชิงเสน ตรรกศาสตร การ<br />
เรียนรูดวยเครื่อง<br />
และเทคนิคทางสถิติ เพื่อแกปญหาในหลายสาขา<br />
ทักษะความชํานาญ:<br />
- ภาษาคอมพิวเตอร: C, C++, Java, Perl, FORTRAN, Lisp, PROLOG, PL/1, Pascal, APL, B<strong>AS</strong>IC, Erlang, Collection of S<strong>AS</strong>® software<br />
- เครือขายอินเทอรเน็ต: JavaScript, Html, XML, PMML, AML, CGI<br />
- ซอฟตแวรการทําเหมืองขอมูล: S<strong>AS</strong>® EM, Weka, Orange, R (rattle), KNIME<br />
- ซอฟตแวรเพื่อการคํานวณเชิงตัวเลข:<br />
Mathcad, Matlab, Mathematica, GNU Octave, Scilab, R<br />
- ซอฟตแวรแกปญหาที่เหมาะที่สุด:GAMS,<br />
AMPL, GLPK, Coin-OR, scip<br />
- ซอฟตแวรระบบฐานขอมูล: Access, SAPDB, MySQL<br />
- ซอฟตแวรระบบธุรกิจแบบชาญฉลาด: S<strong>AS</strong>® BI<br />
- ระบบปฏิบัติการ: Windows 95/98/NT, Linux (Mandrake, Redhat), Ubuntu<br />
- ซอฟตแวรอื่น:<br />
OpenOffice, Dia, Word, Excel, Access, PowerPoint, WordPerfect, Quattro Pro, Paradox, SPSS, R, Minitab, Poseidon<br />
UML, argoUML, S<strong>AS</strong>® EGUIDE, S<strong>AS</strong>® Forecasting Studio<br />
สาขาวิชาชีพ:<br />
- ระบบความชาญฉลาดโดยใชเครื่อง:<br />
ฐานขอมูล (Database) คลังขอมูล (Data Warehouse) เหมืองขอมูล (Data Mining) และระบบบีไอ<br />
(Business Intelligence), การแกปญหาที่เหมาะที่สุด<br />
(Optimization)<br />
- ขั้นตอนวิธีและทฤษฎีของกําหนดการเชิงคณิตศาสตร<br />
(Mathematical programming algorithms and theories)<br />
- ขั้นตอนวิธีและทฤษฎีการเรียนรูดวยเครื่อง<br />
(Machine learning algorithms and theories)<br />
- ขั้นตอนวิธีของคณิตศาสตรภิณทนะ<br />
(Discrete algorithms), สถิติ (Statistics)<br />
C
1<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การศึกษาสภาวะที่เหมาะสมของการกัดปาดผิวหนาไมตาลโตนดดวยเครื่องกัดควบคุมดวยคอมพิวเตอร<br />
The Study of Proper Conditions in Face Milling Palmyra Palm Wood by<br />
Computer Numerical Controlled Milling Machine<br />
สุรสิทธิ์<br />
ระวังวงศ 1 จักรนรินทร ฉัตรทอง 2 จุฬาลักษณ โรจนานุกูล 3 และวรพงค บุญชวยแทน 4<br />
1, 2, 3, 4<br />
สาขาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย อ.เมือง จ.สงขลา 90000<br />
โทรศัพท: 074-317-162 E-mail: 1 sitnong2@yahoo.co.th, 3 julaluk_r@yahoo.co.th<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อศึกษาอิทธิพลตัวแปรที่มีผลตอ<br />
ความขรุขระผิวในการกัดปาดผิวหนาไมตาลโตนดดวยเครื่องกัดควบคุม<br />
ดวยคอมพิวเตอร เพื่อประยุกตใชในอุตสาหกรรมการผลิตชิ้นสวน<br />
เฟอรนิเจอรไมตาลโตนด โดยใชดอกเชลลเอ็นมิล วัสดุเครื่องมือตัดเปน<br />
เหล็กรอบสูง จํานวน 6 คมตัด ปจจัยที่ใชทดลองคือ<br />
ความเร็วรอบ อัตรา<br />
ปอน ความลึกในการกัด และทิศทางการกัด ที่ใหคาความขรุขระผิวอยู<br />
ในชวง 3.0-9.0 ไมโครเมตร การทดลองนี้ใชไมตาลโตนดที่ความชื้น<br />
11-13% โดยกําหนดความเร็วรอบ 800-1200 รอบ/นาที อัตราปอน 0.03-<br />
0.05 มิลลิเมตร/ฟน และจากการทดลองเบื้องตนพบวา<br />
ความลึก และ<br />
ทิศทางในการกัด ไมมีผลตอคาความขรุขระผิว จึงกําหนดความลึกในการ<br />
กัดคงที่<br />
1 มิลลิเมตร และทิศทางในการกัด 0 องศา ตามแนวเสี้ยน<br />
จากการ<br />
ทดลองพบวาปจจัยที่สงผลตอความขรุขระผิว<br />
คือ อัตราปอน และ<br />
ความเร็วรอบ โดยมีแนวโนมวาคาความขรุขระผิวจะลดลงเมื่อใชอัตรา<br />
ปอนต่ําลง<br />
และใชความเร็วรอบเพิ่มขึ้น<br />
และสามารถกําหนดสภาวะการ<br />
กัดปาดผิวหนาดวยสมการ Ra = 0.954 + 20.4 feed + 0.00126 speed การ<br />
นําสมการนี้ไปใชควรอยูในขอบเขต<br />
ความเร็วรอบ 800-1200 รอบ/นาที<br />
อัตราปอน 0.03-0.05 มิลลิเมตร/ฟน จากการทดลองเพื่อการยืนยันผล<br />
กําหนดคาความคลาดเคลื่อนไมเกิน<br />
10% พบวาคาความขรุขระผิวที่ได<br />
จากสมการเมื่อเปรียบเทียบกับคาที่วัดจริงเทากับ<br />
6.10% ซึ่งนอยกวาคา<br />
ความคลาดเคลื่อนที่ไดกําหนดไวและคาอยูในเกณฑที่ยอมรับได<br />
คําสําคัญ: การออกแบบการทดลอง เครื่องกัดควบคุมดวยคอมพิวเตอร<br />
ไมตาลโตนด ความขรุขระผิว<br />
Abstract<br />
The purpose of this research is to investigate the effect of<br />
main factors on the surface roughness (R a) in Palmyra palm wood face<br />
process by computer numerical controlled (CNC) milling machine and<br />
using shell end mill cutting tools 6 edges. The main factors, namely,<br />
cutting speed, feed rate, depth of cut and angle of cut were investigated<br />
for optimum surface roughness. Normally, acceptable surface roughness<br />
was between 3.0-0.9 µm for this before sanding process. In the<br />
experiment, Palmyra palm wood of 11-13% humidity was use at 800-<br />
1200 rpm in cutting speed and feed rate at 0.03-0.05 mm/tooth and the<br />
result of preliminary trial shown that depth of cut and angle of cut had<br />
no effect on surface roughness. It was found from the experiment that<br />
the factor affecting surface roughness was feed rate and cutting speed,<br />
with tendency for reduction of roughness value at lower feed rate and<br />
greater cutting speed. Therefore, in the facing Palmyra palm wood it<br />
was possible determine a facing condition by means of the equation<br />
R a = 0.954 + 20.4 feed + 0.00126 speed Leading this equation goes to<br />
use is in limitation cutting speed 800-1200 rpm at feed rate 0.03-0.05<br />
mm/tooth The result from the experiment of mean absolute percentage<br />
error (MEPE) of the equation of surface roughness is 6.10% which is<br />
less than the margin of error, and is acceptable<br />
Keywords: design of experiment, computer numerical controlled<br />
milling machine, Palmyra palm wood, surface roughness<br />
1. บทนํา<br />
ตาลโตนด [1] มีประโยชนตอมนุษยแทบทุกสวนนับตั้งแตใบ<br />
ใบออน ใชในการจักสานทําของใชของเลนสําหรับเด็ก ใบแก ใชทํา<br />
หลังคากันแดดฝน ทองใบสดของทางกานใบลอกนํามาทําเชือกที่ความ<br />
เหนียว ตาลโตนดทั้งเพศผูเพศเมียที่ยังไมแกเต็มที่<br />
จะใหน้ําตาลที่นําไปทํา<br />
น้ําตาลปบ<br />
ลูกตาลโตนดใชทําเปนอาหาร ขนม เปลือกที่หุมใชทํา<br />
เชื้อเพลิง<br />
ซึ่งใหความรอนสูงมาก<br />
ลําตนใชทํากระดาน ทําเสา ทํา<br />
เฟอรนิเจอรตั้งแตโตะ<br />
เกาอี้<br />
เตียงนอนจนถึงของชํารวยเล็ก ๆ เชน ครก<br />
จาน ชอน แจกันใสดอกไม กําไลมือ เชิงเทียน ปจจุบันเปนที่นิยมมาก<br />
เนื่องจากมีลายไมที่สวยงาม<br />
มีความแข็งแรงทนทาน และราคาไมแพงไม<br />
ตาลโตนดเปนไมเนื้อแข็งและมีเสี้ยนไมทําใหเกิดปญหาตอการแปรรูป<br />
ปญหาที่พบคือ<br />
ผิวของชิ้นงานเมื่อผานการตัดขึ้นรูป<br />
เชน งานไสเรียบ
งานกลึง หรืองานกัด ผิวของชิ้นงานที่ออกมาจะมีความขรุขระไมไดตาม<br />
ความตองการ ทําใหเสียเวลาในการปรับแตงชิ้นงานและอาจทําใหขนาด<br />
ชิ้นงานเปลี่ยนแปลง<br />
ปญหาดังกลาวอาจจะเกิดจากตัวแปรหลายอยาง<br />
เชน วัสดุคมตัด ความเร็วตัด อัตราปอน ความลึก และทิศทางในการกัด<br />
เปนตน [1-12] โดยทั่วไปแลวผูปฏิบัติงานจะใชความชํานาญและ<br />
ประสบการณเปนตัวบงบอกทําใหขาดความแมนยํา<br />
จากเหตุผลดังกลาวผูวิจัยจึงศึกษาสภาวะที่เหมาะสมในการกัด<br />
ผิดหนาไมตาลโตนด เพื่อใชเปนประโยชนกับอุตสาหกรรมเฟอรนิเจอร<br />
ไมตาลโตนดในแงของการเลือกใชสภาวะในการกัดที่เหมาะสม<br />
เพื่อให<br />
ไดคุณภาพของผิวชิ้นงานที่ดีที่สุด<br />
ลดการสูญเสียของเนื้อไม<br />
ลดเวลาใน<br />
กระบวนการตัด ชวยเพิ่มผลผลิตในอุตสาหกรรมการผลิตผลิตภัณฑดวย<br />
ไมตาลโตนด และลดตนทุนการผลิต นอกจาก นี้เพื่อจะเปนแนวทางสู<br />
งานวิจัยในเชิงลึกตอไป<br />
2. เครื่องจักรและอุปกรณ<br />
งานวิจัยนี้ศึกษาถึงอิทธิพลตัวแปรที่มีผลตอความขรุขระผิวใน<br />
การกัดปาดผิวหนาไมตาลโตนดดวยเครื่องกัดควบคุมดวยคอมพิวเตอร<br />
โดยใชเครื่องจักรอุปกรณและเครื่องมือ<br />
ดังนี้<br />
2.1 ชิ้นงานไมตาลโตนด<br />
ไมตาลโตนดแหงขนาด 50×50×300 มิลลิเมตร มีความชื้นใน<br />
เนื้อไมระหวาง<br />
11-13% ดังรูปที่<br />
1<br />
รูปที่<br />
1 ชิ้นงานไมตาลโตนด<br />
2.2 เครื่องมือตัด<br />
ใชดอกกัดเชลลเอ็นมิล (Shell End Mill) จํานวน 6 คมตัด วัสดุ<br />
เครื่องมือตัดเปนเหล็กรอบสูง<br />
(High Speed Steel) ยี่หอ<br />
รามาทูล (Rama<br />
Tool) ชนิดกัดละเอียด โคบอลท 8% ขนาดเสนผานศูนยกลาง<br />
40 มิลลิเมตร ดังรูปที่<br />
2<br />
2<br />
รูปที่<br />
2 ดอกกัดเชลลเอ็นมิล 6 คมตัด<br />
2.3 เครื่องกัดควบคุมดวยคอมพิวเตอร<br />
เครื่องกัดควบคุมดวยคอมพิวเตอร<br />
(CNC) ยี่หอเอ็มโก<br />
พีซีมิล<br />
50 คุณลักษณะทางเทคนิคเบื้องตนประกอบดวย<br />
ความเร็วรอบสูงสุด<br />
2,500 รอบ/นาที และควบคุมอัตราปอนระหวาง 0-70 มิลลิเมตร/นาที<br />
ดังรูปที่<br />
3<br />
รูปที่<br />
3 เครื่องกัดซีเอนซี<br />
2.4 เครื่องวัดความขรุขระผิว<br />
เครื่องวัดความขรุขระผิว<br />
ยี่หอ<br />
มิตูโตโย รุน<br />
เซิฟเทส 301<br />
ดังรูปที่<br />
4<br />
รูปที่<br />
4 เครื่องวัดความขรุขระผิว
3. การออกแบบวิธีการวัดความขรุขระผิว<br />
การวัดคาความขรุขระผิว จะวัดหนาผิวไมตาลโตนดที่ผานการ<br />
กัดปาดผิวหนาดวยเครื่องวัดความขรุขระผิว<br />
ในแตละคาของสภาวะการ<br />
กัดจะทําการวัดซ้ํา<br />
5 ครั้ง<br />
เพื่อหาคาเฉลี่ยโดยคาที่วัดไดมีคาความหยาบผิว<br />
คือ Ra = คาเฉลี่ยทางเลขคณิต<br />
รูปที่<br />
5 ชวงการวัดชิ้นงาน<br />
4. วิธีดําเนินงานวิจัย<br />
การดําเนินงานวิจัยแบงออกเปน 4 ขั้นตอนดังนี้<br />
ขั้นตอนที่<br />
หนึ่ง<br />
หาขนาดสิ่งตัวอยางในการกัด<br />
ขั้นตอนที่สองศึกษาปจจัยที่คาดวา<br />
มีผลตอความขรุขระผิวในการกัดปาดผิวหนาไมตาลโตนด ขั้นตอนที่สาม<br />
ทดลองปรับตัวแปรเพื่อหาคาความขรุขระผิวและเพื่อหาสมการ<br />
ที่เหมาะสมที่ใชในงานกัด<br />
และขั้นตอนสุดทาย<br />
เปนการทดลองเพื่อ<br />
ยืนยันผล<br />
การทดลองตอนที่<br />
1 หาขนาดสิ่งตัวอยางในการกัดออกแบบ<br />
การทดลองโดยใชโปรแกรม มินิแทบ รุน<br />
15 ใชสถิติในการวิเคราะห<br />
ขอมูลที่ระดับความเชื่อมั่น<br />
95% ที่ระดับนัยสําคัญ<br />
5%<br />
การทดลองตอนที่<br />
2 การทดลองเบื้องตน<br />
เพื่อทําการศึกษา<br />
ปจจัยที่คาดวาจะมีผลตอความขรุขระของผิวไมตาลโตนด<br />
โดยใชสถิติใน<br />
การวิเคราะหผลการทดลอง และใชหลักการวิเคราะหขอมูลแบบแผนการ<br />
ทดลองแบบสุมสมบูรณ<br />
ทดลองซ้ํา<br />
8 ครั้ง<br />
และวัดซ้ํา<br />
3 ครั้ง<br />
เพื่อลดความ<br />
แปรปรวนของตัวอยาง ศึกษาปจจัยที่คาดวามีผลตอความขรุขระผิว<br />
และ<br />
ใชโปรแกรมมินิแทป รุน<br />
15 ชวยในการคํานวณคาทางสถิติ และทําการ<br />
วิเคราะหผลการทดลองหลายปจจัยแบบ 2 4 โดยคาสถิติที่ใชในการ<br />
วิเคราะหขอมูลคือ อัตราความเปลี่ยนแปลง<br />
(F-Ratio) และที่ระดับความ<br />
เชื่อมั่น<br />
95 เปอรเซ็นต และที่ระดับนัยสําคัญ<br />
5 เปอรเซ็นต (α = 0.05)<br />
กําหนดปจจัย 4 ปจจัย ประกอบดวยทิศทาง การกัดเทียบกับแนวเสี้ยนไม<br />
2 ระดับ คือ 0 องศา และ 90 องศา คาอัตราการปอน 2 ระดับ คือ 0.03 และ<br />
0.05 มิลลิเมตร/ฟน คาความเร็วรอบ 2 ระดับ คือ 800 และ 1000 รอบ/<br />
นาที คาความลึกในการกัด 2 ระดับ คือ 1 มิลลิเมตร และ 3 มิลลิเมตร<br />
ผลตอบสนองเปนคาความขรุขระผิวไมตาลโตนด<br />
3<br />
่ ตารางที 1 กําหนดคาตัวแปรเบื้องตนสําหรับการทดลอง<br />
Factor High Low<br />
Speed (rpm) 1000 800<br />
Feed (mm/tooth) 0.05 0.03<br />
Depth (mm) 3 1<br />
Angle (degree) 90 0<br />
การทดลองตอนที่<br />
3 การทดลองเพื่อปรับตัวแปรเพื่อหาความ<br />
ขรุขระผิวครั้งที่หนึ่งที่มีผลตอการทดลอง<br />
และเพื่อหาสภาวะที่เหมาะสม<br />
ในการกัด โดยกําหนดความเร็วรอบ 3 ระดับ คือ 800, 1000, 1200 รอบ/<br />
นาที กําหนดอัตราปอน 3 ระดับ คือ 0.03, 0.04 และ 0.05 มิลลิเมตร/ฟน<br />
กําหนดคาคงที่ทิศทางการกัดที่<br />
0 องศา กําหนดคาคงที่ความลึกในการกัด<br />
ที่<br />
1 มิลลิเมตร เนื่องจากการทดลองเบื้องตนพบวา<br />
ทิศทางการกัด<br />
และความลึกในการกัด ไมมีผลตอความขรุขระผิว และนําขอมูลที่ไดจาก<br />
การทดลองหาสภาวะที่เหมาะสมในการกัด<br />
่ ่ ่ ตารางที 2 กําหนดคาตัวแปรสําหรับการทดลองตอนที 3 ครั้งที<br />
1<br />
Factor Level 1 Level 2 Level 3<br />
Speed (rpm) 1200 1000 800<br />
Feed (mm/tooth) 0.05 0.04 0.03<br />
Depth (mm) 1 1 1<br />
Angle (degree) 0 0 0<br />
การทดลองตอนที่<br />
4 การทดลองเพื่อยืนยันผล<br />
เปนการทดลอง<br />
เพื่อยืนยันวา<br />
ผลการทดลองใหการทดลองที่สอดคลองกัน<br />
โดยเปนการนํา<br />
สมการเชิงเสนจากสมการการทดลองตอนที่<br />
3 นํามาพยากรณสภาวะการ<br />
กัดผิวหนาไมตาลโตนดที่เกิดจาการสุมเลือก<br />
เพื่อนํามาเปรียบเทียบกับ<br />
คาที่ไดจากการทดลอง<br />
5. ผลการดําเนินงานวิจัย<br />
ผลการทดลองวิเคราะหผลการทดลองตอนที่<br />
1 เพื่อหาขนาด<br />
สิ่งตัวอยางในการกัด<br />
ใชโปรแกรม มินิแทบ รุน<br />
15 ออกแบบการทดลอง<br />
ใชสถิติในการวิเคราะหขอมูลที่ระดับความเชื่อมั่น<br />
95% ที่ระดับนัยสําคัญ<br />
5% โดยการเก็บขอมูลจากอัตราปอน 0.03 มิลลิเมตร/ฟน ความเร็วรอบ<br />
1000 รอบ/นาที ความลึกในการกัด 2 มิลลิเมตร ทิศทางในการกัด 0 องศา<br />
ทดลองซ้ําในสภาวะการกัด<br />
12 ครั้ง<br />
หาคาเฉลี่ยของความขรุขระผิว<br />
เทากับ 2.75 µm หาคาความเบี่ยงเบนมาตรฐานไดเทากับ<br />
0.732 µm<br />
ผลการหาขนาดสิ่งตัวอยางกับ<br />
6 ตัวอยาง<br />
ผลการทดลองและวิเคราะหผลการทดลองตอนที่<br />
2 การ<br />
วิเคราะหคาความแปรปรวนจากการทดลองวัดความขรุขระผิวตามที่ได<br />
ออกแบบไวไดผลวา R 2 มีคาเทากับ 67.71 % และคา Adjust R 2 มีคา<br />
เทากับ 59.10 % ซึ่งมีความหมายวาถาหากความแปรปรวนในขอมูลมี<br />
100<br />
µm 2 แลวความแปรปรวน 67.71 % µm 2 สามารถอธิบายไดดวยตัวแบบ
ถดถอย สวนปริมาณที่เหลือไมสามารถอธิบายไดเนื่องจากสาเหตุที่ไม<br />
สามารถควบคุมได<br />
ดังนั้นจะเห็นไดวาความผันแปรของขอมูลวัดความขรุขระผิว<br />
สวนใหญสามารถอธิบายไดตัวแบบถดถอย แสดงวาการออกแบบการ<br />
ทดลองนี้มีความถูกตองและมีความเหมาะสม<br />
จึงสามารถวิเคราะหตอไป<br />
ไดดวยการวิเคราะหความแปรปรวนโดยผลการวิเคราะห ดังรูปที่<br />
6<br />
รูปที่<br />
6 การวิเคราะหความแปรปรวนของคาความขรุขระผิว<br />
รูปที่<br />
7 การปฏิสัมพันธของความขรุขระผิว<br />
รูปที่<br />
8 การเปลี่ยนแปลงของความขรุขระผิวจากการเปลี่ยนระดับ<br />
ของปจจัยหลัก<br />
4<br />
การทดลองเบื้องตน<br />
รูปที่<br />
6 รูปที่<br />
7 และ รูปที่<br />
8 พบวาปจจัย<br />
หลักที่สงผลตอความขรุขระผิวไมตาลโตนดคือ<br />
อัตราปอน และความเร็ว<br />
รอบ โดยมีแนวโนมวาเมื่อเพิ่มอัตราปอนจาก<br />
0.03 เปน 0.05 มิลลิเมตร/<br />
ฟน คาความขรุขระผิวจะเพิ่มขึ้นโดยที่ความเร็วรอบมีแนวโนมวาเมื่อเพิ่ม<br />
ความเร็วรอบ จาก 1000 เปน 1200 รอบ/นาที คาความขรุขระผิวจะลดลง<br />
และเมื่อปรับอัตราปอนลดลง<br />
และความเร็วรอบเพิ่มขึ้นทําใหความขรุขระ<br />
ผิวของไมตาลโตนดลดลงดวย รูปที่<br />
6 และ รูปที่<br />
7 พบวาปจจัยรวมอื่น<br />
ๆ<br />
ไมสงผลตอความขรุขระผิว<br />
ผลการทดลองและผลการวิเคราะหตอนที่<br />
3 การปรับตัวแปร<br />
เพื่อหาคาความขรุขระผิว<br />
การวิเคราะหคาความแปรปรวน จากการ<br />
ทดลองวัดคาความขรุขระผิวตามที่ไดออกแบบไวไดผลวา<br />
สัมประสิทธิ์<br />
แสดงการตัดสินใจ มีคาเทากับ 64.23 % และคา Adjust R 2 มีคาเทากับ<br />
54.25% ซึ่งมีความหมายวาถาความแปรปรวน<br />
100 µm 2 แลวความ<br />
แปรปรวน 64.23 µm 2 สามารถอธิบายไดดวยตัวแบบถดถอย สวนปริมาณ<br />
ที่เหลือไมสามารถอธิบายไดเนื่องจากสาเหตุที่ไมสามารถควบคุมได<br />
ดังนั้นจะไดวา<br />
ความแปรปรวนของขอมูลวัดความขรุขระผิว<br />
สวนใหญสามารถอธิบายไดดวยอัตราปอน และความเร็วรอบ แสดงวา<br />
การออกแบบการทดลองนี้ถูกตอง<br />
และมีความเหมาะสมจึงสามารถ<br />
วิเคราะหตอไปไดดวยการวิเคราะหความแปรปรวนโดยผลการวิเคราะห<br />
ดังรูปที่<br />
9<br />
รูปที่<br />
9 การวิเคราะหความแปรปรวนของคาความขรุขระผิว<br />
รูปที่<br />
10 การปฏิสัมพันธของความขรุขระผิว
รูปที่<br />
11 การเปลี่ยนแปลงของความขรุขระผิวจากการเปลี่ยนระดับ<br />
ของปจจัยหลัก<br />
การทดลองเบื้องตน<br />
รูปที่<br />
6 รูปที่<br />
7 และ รูปที่<br />
8 พบวาปจจัย<br />
หลักที่สงผลตอความขรุขระผิวไมตาลโตนดคือ<br />
อัตราปอน และความเร็ว<br />
รอบ โดยอัตราปอนมีแนวโนมวาเมื่อเพิ่มอัตราปอน<br />
คาความขรุขระผิวจะ<br />
เพิ่มขึ้น<br />
โดยที่ความเร็วรอบมีแนวโนมวาเมื่อเพิ่มความเร็วรอบจากคา<br />
ความขรุขระผิวจะลดลง และเมื่อปรับอัตราปอนลดลง<br />
และความเร็วรอบ<br />
เพิ่มขึ้นทําใหความขรุขระผิวของไมตาลโตนดลดลงดวย<br />
รูปที่<br />
10 และ รูป<br />
ที่<br />
11 พบวาปจจัยรวมอื่น<br />
ๆ ไมสงผลตอความขรุขระผิว<br />
จากนั้นเปนการวิเคราะหการถดถอย<br />
(Regression analysis)<br />
ของความขรุขระผิวกับอัตราปอน และความเร็วรอบ โดยใชขอมูลจาก<br />
การทดลองปรับตัวแปรเพื่อหาคาความขรุขระผิว<br />
กําหนดอัตราปอน 3<br />
ระดับ คือ 0.03 0.04 และ 0.05 มิลลิเมตร/ฟน ความเร็วรอบ 3 ระดับคือ<br />
800 1000 และ 1200 รอบ/นาที กําหนดความลึกคงที่<br />
คือ 1 มิลลิเมตร<br />
ทิศทางในการกัดคงที่<br />
คือ 0 องศา เนื่องจากไมสงผลตอการทดลอง<br />
นํามา<br />
วิเคราะหการถดถอยโดยใชโปรแกรมมินิแทบ รุน15<br />
ซึ่งสามารถวิเคราะห<br />
การถดถอยโดยผลการวิเคราะห ดังรูปที่<br />
12<br />
รูปที่<br />
12 การวิเคราะหการถดถอยของคาความขรุขระผิว<br />
การวิเคราะหความสัมพันธจากการวิเคราะหการถดถอย<br />
สามารถสรางความสัมพันธระหวางปจจัยหลักและตัวแปรตามในรูป<br />
5<br />
สมการเชิงเสนของคาความขรุขระผิวกับความเร็วรอบ และอัตราปอน<br />
โดยสามารถแสดงไดดังนี้<br />
R a = 0.954 + 20.4 feed + 0.00126 speed (1)<br />
ผลการทดลองและวิเคราะหผลการทดลองตอนที่<br />
5 เปนการ<br />
ทดลองเพื่อยืนยันผลที่ไดสอดคลองกับการทดลองที่ผานมา<br />
โดยการนํา<br />
สมการเชิงเสนมาพยากรณความขรุขระผิว โดยทําการสุมสภาวะการกัด<br />
อยูในขอบเขตที่กําหนดแลวมาเปรียบเทียบคาจริง<br />
จากการทดลองเพื่อการ<br />
ยืนยันผล กําหนดคาความคลาดเคลื่อนไมเกิน<br />
10% พบวาคาความขรุขระ<br />
ผิวที่ไดจากสมการเมือเปรียบเทียบกับคาที่วัดจริงเทากับ<br />
6.10% ซึ่งนอย<br />
กวาคาความคลาดเคลื่อนที่ไดกําหนดไวและคาอยูในเกณฑที่ยอมรับได<br />
6. สรุปผลการทดลอง<br />
การศึกษาสภาวะที่เหมาะสมของการกัดปาดผิวหนาไม<br />
ตาลโตนดดวยเครื่องกัดควบคุมดวยคอมพิวเตอร<br />
เพื่อหาคาความขรุขระ<br />
ผิวเพื่อผลิตชิ้นสวนเฟอรนิเจอรจากไมตาลโตนด<br />
โดยใชวิธีการออกแบบ<br />
การทดลองแบบสุมสมบูรณ<br />
(Completely randomized factorial design)<br />
ในการทดลองเบื้องตนไดกําหนดตัวแปรที่คาดวามีผลตอการทดลองคือ<br />
อัตราปอน ความเร็วรอบ ทิศทางการกัด ความลึกในการกัด ผลตอบสนอง<br />
คือความขรุขระผิว จากผลการศึกษาพบวา<br />
1. ปจจัยที่มีผลตอความขรุขระผิวไมตาลโตนด<br />
คือ อัตราปอน<br />
มีผลมากสุด รองลงมา คือ ความเร็วรอบ โดยมีแนวโนมวาการใชอัตรา<br />
ปอนต่ํา<br />
และการเพิ่มความเร็วรอบใหสูงขึ้นมีผลทําใหคาความขรุขระผิว<br />
ลดลง<br />
2. จากการทดลองไดสมการเชิงเสนดังนี้<br />
R a = 0.954 + 20.4 feed + 0.00126 speed<br />
สมการนี้ใชกับดอกเชลลเอ็นมิล<br />
(Shell End Mill) วัสดุเหล็ก<br />
รอบสูง (HSS) จํานวน 6 คมตัด ความเร็วรอบ อยูในชวง<br />
800-1200 รอบ/<br />
นาที อัตราปอน อยูในชวง<br />
0.03-0.05 มิลลิเมตร/ฟน<br />
3. จากการทดลองเพื่อยืนยันผล<br />
เปรียบเทียบคาที่ไดจาก<br />
สมการกับคาที่วัดจริงโดยกําหนดคาความคลาดเคลื่อนของการพยากรณ<br />
สําหรับวัดคาความขรุขระผิวไมเกิน 10% ผลจากการทดลองหาคาเฉลี่ย<br />
เปอรเซ็นตของคาเฉลี่ยของความคลาดเคลื่อนสมบูรณของสมการความ<br />
ขรุขระผิว เทากับ 6.10% ซึ่งนอยกวาคาความคลาดเคลื่อนที่กําหนดไว<br />
และคาอยูในเกณฑที่ยอมรับได<br />
7. ขอเสนอแนะ<br />
1. ในการวัดชิ้นงานพบวาเนื้อไมตาลโตนดมีความแปรปรวน<br />
มากทําใหเกิดความคลาดเคลื่อนในการวัดความขรุขระผิว<br />
ซึ่งเปนปจจัยที่<br />
ไมสามารถควบคุมได และทําใหเสียเวลาทดลอง ดังนั้นควรหลีกเลี่ยงการ<br />
วัดสวนที่เปนไสไม
2. งานวิจัยนี้จํากัดอยูเฉพาะเครื่องกัดซีเอ็นซีขนาดเล็กซึ่งมี<br />
กําลังและคาทางเทคนิคไมสูง จะเหมาะสําหรับการขึ้นรูปและกัดปาด<br />
ผิวหนาชิ้นสวนเฟอรนิเจอรไมตาลโตนดขนาดเล็ก<br />
8. กิตติกรรมประกาศ<br />
งานวิจัยนี้ไดรับการสนับสนุนทุนวิจัยจากงบประมาณรายได<br />
มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย และทุนสรางความพรอมดาน<br />
การวิจัยสําหรับสถาบันอุดมศึกษาในเขตพัฒนาเฉพาะกิจจังหวัดชายแดน<br />
ภาคใต ประจําป 2552 สํานักงานคณะกรรมการการอุดมศึกษา และ<br />
ขอขอบคุณศูนยเครื่องจักรกลอัตโนมัติ<br />
คณะวิศวกรรมศาสตร<br />
มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย ที่ใหความอนุเคราะหเครื่องจักร<br />
และอุปกรณในการทดลอง<br />
เอกสารอางอิง<br />
[1] ดวงนภา ตลับนาค, “ตาลโตนดและประโยชนใชสอย”,<br />
โรงพิมพสถาบันราชภัฎเพชรบุรี, เพชรบุรี, 2543.<br />
[2] ศุภโชค วิริยโกศล, “การตัดวัสดุ”, ภาควิชาวิศวกรรมอุตสาหการ<br />
คณะวิศวกรรมศาสตร, มหาวิทยาลัยสงขลานครินทร, สงขลา, 2543.<br />
[3] กุศล พรอมมูล พงศพันธ แกวตาทิพย และ เทิดศักดิ์<br />
อาลัย,<br />
“อิทธิพลของตัวแปรตาง ๆ ในการตัดไมยางพาราโดยใชใบมีด<br />
ทังสเตนคารไบด”, การประชุมวิชาการขายงานวิศวกรรมอุตสาหการ<br />
, 13, 20-22 ตุลาคม, หนา 74-79, 2547.<br />
[4] กุศล พรอมมูล พงศพันธ แกวตาทิพย สุรพันธ สุวรรณกูฏ และเทิด<br />
ศักดิ์<br />
อาลัย, “การหาเงื่อนไขการตัดไมที่เหมาะสมของใบมีด<br />
PCD”,<br />
การประชุมเครือขายวิศวกรรมเครื่องกลแหงประเทศไทย,<br />
16, 14-16<br />
ตุลาคม, หนา 526-530, 2545.<br />
[5] สุรสิทธิ์<br />
ระวังวงศ และ จักรนรินทร ฉัตรทอง, “การศึกษาสภาวะที่<br />
เหมาะสมของงานกัดตัวอักษรบนไมยางพาราดวยเครื่องกัดควบคุม<br />
ดวยระบบคอมพิวเตอร”, การประชุมวิชาการขายงานวิศวกรรมอุต<br />
สาหการ, 24-26 ตุลาคม, หนา 121-129, 2550.<br />
[6] สุรสิทธิ์<br />
ระวังวงศ และ จักรนรินทร ฉัตรทอง, “การศึกษาสภาวะที่<br />
เหมาะสมในการกลึงไมตาลโตนดดวยใบมีดคารไบด”. การประชุม<br />
วิชาการขายงานวิศวกรรมอุตสาหการ, 20-22 ตุลาคม, หนา 787-795,<br />
2551.<br />
[7] สุรสิทธิ์<br />
ระวังวงศ จักรนรินทร ฉัตรทอง จุฬาลักษณ โรจนานุกูล<br />
และ จตุพร ใจดํารงค, “การศึกษาสภาวะที่เหมาะสมของงานกัดตัว<br />
อักษรบนไมตาลโตนดดวยเครื่องกัดควบคุมดวยระบบ<br />
คอมพิวเตอร”, การประชุมวิชาการขายงานวิศวกรรมอุตสาหการ, 13-<br />
15 ตุลาคม, 2553.<br />
[8] Yung-Kuang Yang, Ming-Tsan Chuang and Show-Shyan Lin.<br />
“Optimization of dry machining parameters for high-purity<br />
6<br />
graphite in end milling process via design of experiments<br />
methods”, Journal of Materials Processing Technology 209,<br />
4395-4400, 2009.<br />
[9] K.A. Abou-El-Hossein, K. Kadirgamaa, M. Hamdib and K.Y.<br />
Benyounis, “Prediction of Cutting Force in End Milling<br />
Operation of Modified AISI P20 Tool Steel”, Journal of<br />
Materials Processing Technology, 182, 241-247, 2007<br />
[10] Abdel-Moez, E. Bayoumi and John A. Bailey, “The Role of Tool<br />
Composition and Tool Geometry in Controlling the Surface Finish<br />
in Machining of Metals”, Wear, 103, 311-320, 1985.<br />
[11] John, A. Bailey Abdel, E. Bayoumi John, S. Stewart, “Were of<br />
Some Cemented Tungsten Carbide Tools in Machining OAK”,<br />
Wear, 85, 69-79, 1983.<br />
[12] S. Miklaszewski, P. Beer, M. Zbie, B.G. Wendler, S. Mitura, A.<br />
Michalski, “Micromechanism of Polycrystalline Cemented<br />
Diamond Tool were During Milling of Wood-Based Materials”,<br />
Diamond and Related Materials, 9, 1125-1128, 2000.<br />
[13] ประไพศรี สุทัศน ณ อยุธยา และ พงศชนัน เหลืองไพบูลย, “การ<br />
ออกแบบและวิเคราะหการทดลอง”, ทอป, กรุงเทพฯ, 2551.<br />
[14] กิติศักดิ์<br />
พลอยพานิชเจริญ, “สถิติสําหรับงานวิศวกรรม เลม 2<br />
ประมวลผลดวย Minitab”, พิมพครั้งที่<br />
4, สมาคมสงเสริมเทคโนโลยี<br />
(ไทย-ญี่ปุน),<br />
กรุงเทพฯ, 2545.<br />
[15] Montgomery, D.C., “Design and Analysis of Experiments”, 5th<br />
edition, John Wiley & Sons Inc., 2005.<br />
ผูชวยศาสตราจารยสุรสิทธิ์<br />
ระวังวงศ<br />
สําเร็จการศึกษา วศ.บ. วิศวกรรมอุตสาหการ<br />
วศ.ม. วิศวกรรมระบบการผลิต งานวิจัยที่สนใจ<br />
การ<br />
ออกแบบการทดลอง การบริหารคุณภาพ การเพิ่มผลผลิต<br />
การยศาสตร กรรมวิธีการผลิต<br />
นายจักรนรินทร ฉัตรทอง<br />
สําเร็จการศึกษา วศ.บ. วิศวกรรมอุตสาหการ<br />
วศ.ม. วิศวกรรมการผลิต<br />
งานวิจัยที่สนใจ<br />
การวางแผนการผลิต การเพิ่มผลผลิต<br />
กรรมวิธีการผลิต<br />
นางสาวจุฬาลักษณ โรจนานุกูล<br />
สําเร็จการศึกษา วศ.บ. วิศวกรรมอุตสาหการ<br />
วศ.ม. วิศวกรรมอุตสาหการ<br />
งานวิจัยที่สนใจ<br />
การออกแบบการทดลอง การบริหาร<br />
คุณภาพ กรรมวิธีการผลิต<br />
การเพิ่มผลผลิต
นายวรพงค บุญชวยแทน<br />
สําเร็จการศึกษา วศ.บ. วิศวกรรมอุตสาหการ<br />
วศ.ม. วิศวกรรมอุตสาหการและระบบ งานวิจัยที่สนใจ<br />
การออกแบบการทดลอง วิศวกรรมการเชื่อม<br />
การยศาสตร<br />
กรรมวิธีการผลิต<br />
7
8<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การสรางแบบจําลองทางคณิตศาสตรเพื่อแกปญหาการจัดตารางสอบ<br />
A mathematical model for solving problems of exam timetabling<br />
อนิสรา ไชยเรศ 1 และกัญจนา ทองสนิท 2<br />
1,2<br />
ภาควิชาวิศวกรรมอุตสาหการและการจัดการ คณะวิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากร<br />
อ.เมือง จ.นครปฐม 73000<br />
โทรศัพท/โทรสาร: 088-5202215 E-mail: 1 nunam_79@hotmail.com, 2 kajanath@su.ac.th<br />
บทคัดยอ<br />
งานวิจัยนี้เปนการศึกษาปญหาการจัดตารางสอบเนื่องจาก<br />
ปจจุบันนักศึกษามีจํานวนเพิ่มมากขึ้น<br />
ในขณะที่ปริมาณหองเรียนและ<br />
ชวงเวลาในการสอบมีอยูอยางจํากัด<br />
เมื่อมีความตองการใชหองเพิ่มจะมี<br />
คาใชจายเกิดขึ้น<br />
หากปริมาณหองสอบไมเพียงพอจะตองไปใชหองสอบ<br />
ของคณะอื่นทําใหเกิดคาใชจายและตองใชเวลาในการจัดการเพิ่มมากขึ้น<br />
การจัดตารางสอบมีหลายปจจัยที่จะตองพิจารณา<br />
อาทิเชน จํานวน<br />
นักศึกษา ความจุของหอง คาใชจาย นอกจากนี้ยังคํานึงถึงประเด็นปญหา<br />
ในบางวิชาที่มีจํานวนนักศึกษานอยทําใหการใชหองไมเกิดประสิทธิภาพ<br />
สูงสุดจึงสามารถกําหนดเงื่อนไข<br />
1 หองสามารถสอบไดหลายวิชามาใช<br />
ในการพิจารณา โดยมีวัตถุประสงคเพื่อใหไดตนทุนที่ต่ําที่สุดจึงไดเสนอ<br />
การแกปญหาโดยใชแบบจําลองทางคณิตศาสตรและหาคําตอบโดยใช<br />
IBM ILOG CPLEX ในการคํานวนผลลัพธ กรณีศึกษา: คณะ<br />
วิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากร<br />
คําสําคัญ: แบบจําลองทางคณิตศาสตร, การจัดตารางสอบ<br />
Abstract<br />
This research studies the problem of exam timetabling. In<br />
present, amounts of student have been increased while the amounts of<br />
classroom and time are limited in the exam. Classroom requirements<br />
increases cost. When there are not enough room, students must use<br />
classrooms at another faculty which causes increases cost and time of<br />
management. The exam timetabling construction must be considered<br />
amounts of student, capacities of classroom and cost. In addition, must<br />
subjects had less amounts of student cause the using of classroom were<br />
not effective. Therefore, in order to one classroom can be conducted the<br />
exam more than one subject. In this research offers mathematical model<br />
for solving and determining by using IBM ILOG CPLEX (case study :<br />
Faculty of Engineering and Industrial Technology, Silpakorn<br />
University) for lowest cost.<br />
Keyword: mathematical model, exam timetabling<br />
1. บทนํา<br />
การจัดตารางสอบเปนกระบวนการจัดระเบียบตารางเวลาที่<br />
เกี่ยวของกับ<br />
นักศึกษา วัน เวลา สถานที่<br />
และรายวิชาที่จัดสอบในแตละ<br />
ภาคการศึกษา และเพื่อใหการสอบของนักศึกษาดําเนินไปไดโดยไม<br />
ติดขัด จะตองมีการบริหารจัดการทรัพยากรซึ่งไดแก<br />
ปริมาณหองเรียน<br />
และชวงเวลาในการสอบที่มีอยูอยางจํากัดใหเกิดประสิทธิภาพและ<br />
ประโยชนสูงสุด เนื่องจากการเรียนการสอนในมหาวิทยาลัยนั้นนักศึกษา<br />
แตละคนสามารถเลือกลงทะเบียนเรียนไดหลายวิชาตามแตละสาขาวิชา<br />
และหลักสูตรที่เปดสอนแตกตางกันไปและแตละวิชาจะตองมีการสอบ<br />
เพื่อวัดผลในแตละภาคการศึกษา<br />
นักศึกษาทุกคนจะตองมีตารางสอบ<br />
สําหรับทุกวิชาโดยไมเกิดการซ้ําซอนกันของตารางเวลา<br />
ปญหาการจัด<br />
ตารางสอบจึงมีความยุงยากในการจัดการตามจํานวนวิชาและนักศึกษาที่<br />
เพิ่มมากขึ้นและจะตองมีการจัดทําอยูบอยครั้ง<br />
ดังนั้นผูศึกษาจึงไดเล็งเห็นปญหาการจัดตารางสอบวามี<br />
ความสําคัญเปนอยางมาก ซึ่งจากการศึกษาปญหาการจัดตารางสอบ<br />
คณะ<br />
วิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรมพบวาสํานักงานบริหาร<br />
การศึกษาของคณะเปนผูรับผิดชอบเรื่องการจัดตารางสอบทั้งหมด<br />
ซึ่ง<br />
กระบวนการจัดตารางสอบเปนการจัดทําดวยมือโดยมิไดมีโปรแกรมหรือ<br />
เครื่องมีอใด<br />
ๆ ชวย จึงทําใหเกิดความลาชาทั้งยังพบวาปจจุบันจํานวน<br />
นักศึกษาและรายวิชามีจํานวนเพิ่มขึ้นเรื่อย<br />
ๆ ในขณะปริมาณหองเรียน<br />
และชวงเวลาในการสอบมีอยูเทาเดิมทําใหปญหามีความซับซอนยิ่งขึ้น<br />
ในการสอบทุกครั้งจะมีตนทุนเกิดขึ้นจากการใชหองสอบ<br />
ซึ่งหากปริมาณ<br />
หองสอบไมเพียงพอจะตองไปใชหองสอบของคณะอื่น<br />
ซึ่งจะมีคาใชจาย<br />
เพิ่มมากขึ้นกวาใชหองสอบของตัวเองเนื่องจากจะตองเสียคาใชจายใน<br />
อัตราที่สูงกวา<br />
และตองมีการติดตอประสานงานจากหลายฝายซึ่งตองใช<br />
เวลาในการจัดการเพิ่มมาก<br />
จากปญหาดังกลาวจะเห็นไดวาการจัดตาราง<br />
สอบเปนงานทียุงยากและมีหลายปจจัยที่จะตองพิจารณา<br />
อาทิเชน จํานวน<br />
นักศึกษา ความจุของหอง คาใชจาย ผูสอบจะซ้ําซอนกันไมได<br />
ชวงเวลา<br />
หนึ่ง<br />
ๆ นอกจากนี้ยังตองคํานึงถึงประเด็นปญหาในบางวิชาที่มีจํานวน<br />
นักศึกษานอยทําใหการใชหองไมเกิดประสิทธิภาพสูงสุด การจัดตาราง
ดังสรุปขอมูลในตารางที่<br />
1 แสดงความจุของหองเรียนและคาใชจาย<br />
หองเรียนและตารางที่<br />
2 วิชาที่สอบกลุมนักศึกษาที่สอบและจํานวน<br />
นักศึกษาในแตละรายวิชา<br />
่ ตารางที 1 ความจุของหองเรียนและคาใชจายหองเรียน<br />
หอง (j)<br />
ความจุของหอง (bj) (คน)<br />
คาใชจาย (Cj) (บาท/ครั้ง)<br />
1 30 60<br />
2 30 60<br />
3 30 60<br />
4 50 120<br />
5 50 120<br />
6 50 120<br />
7 50 120<br />
8 80 180<br />
9 80 180<br />
10 100 250<br />
ตารางที่<br />
2 วิชาที่สอบกลุมนักศึกษาที่สอบและจํานวนนักศึกษาในแตละ<br />
รายวิชา<br />
วิชา (i) กลุม<br />
(Sis) จํานวน (ai) (คน)<br />
A 2 25<br />
B 4 15<br />
C 3 23<br />
D 1 45<br />
E 3 35<br />
F 4 60<br />
G 2 20<br />
H 3 12<br />
I 1 18<br />
J 2 55<br />
K 2 45<br />
L 4 35<br />
M 3 67<br />
N 1 43<br />
O 2 35<br />
P 1 40<br />
Q 4 50<br />
R 3 50<br />
S 3 45<br />
T 2 70<br />
U 1 67<br />
11<br />
่ ตารางที 2 (ตอ)<br />
วิชา (i) กลุม<br />
(Sis) จํานวน (ai)<br />
(คน)<br />
V 2 50<br />
W 4 87<br />
X 1 38<br />
Y 2 45<br />
5.2 ผลการศึกษา<br />
จํานวนตัวแปรในแบบจําลองทางคณิตศาสตรที่ใชเปนตัวแปร<br />
ตัดสินใจในการแกปญหาการจัดตารางสอบนี้มีทั้งสิ้น<br />
i×j×k = 2,500 ตัว<br />
แปร ซึ่งในการศึกษาการแกปญหาการจัดตารางสอบดวยแบบจําลองทาง<br />
คณิตศาสตรไดนําผลการทดลองการหาคําตอบที่ดีที่สุดจากแบบจําลอง<br />
ทางคณิตศาสตรโดยใชโปรแกรม IBM ILOG CPLEX ในการหาคําตอบ<br />
ซึ่งคําตอบที่ไดคือตารางสอบโดยมีคาใชจายที่เกิดขี้นต่ําที่สุดดังแสดงใน<br />
ตารางที่<br />
3<br />
ตารางที่<br />
3 วันเวลาและหองสอบในแตละวิชา<br />
หอง<br />
สอบ<br />
1<br />
จันทร อังคาร พุธ พฤหัสบดี ศุกร<br />
เชา บาย เชา บาย เชา บาย เชา บาย เชา บาย<br />
2 B I A<br />
3<br />
4 R Y S<br />
5 Q<br />
6 K D<br />
7 V<br />
8 T O,P F,G M<br />
9 C,J L,X E,N U<br />
10 H,W<br />
จากผลการคํานวนโดยใชโปรแกรม IBM ILOG CPLEX ใน<br />
การหาคําตอบจะไดตารางสอบดังแสดงในตารางที่<br />
3 ซึ่งจะแสดงวันเวลา<br />
และหองสอบในแตละวิชา ซึ่งนอกจากโปรแกรมยังชวยตรวจสอบการ<br />
ซอนทับของกลุมนักศึกษาแลวยังชวยในการคํานวนเรื่องคาใชจายที่<br />
เกิดขึ้น<br />
จากตารางดังกลาวจะคํานวนเลือกใชหองในการจัดสอบที่ทําให<br />
เกิดคาใชจายต่ําที่สุดซึ่งมีคาเทากับ<br />
2,710 บาท จะเห็นไดวาแบบจําลอง<br />
ทางคณิตศาสตรนี้ชวยใหการจัดตารางสอบมีความสะดวกรวดเร็วขึ้น<br />
พรอมทั้งชวยใหการสอบในแตละครั้งมีคาใชจายที่เกิดขึ้นนอยที่สุดอีก<br />
ดวย
และผูศึกษาจึงไดทําการศึกษาผลลัพธของสมการโดยการเพิ่ม<br />
จํานวนทรัพยากร (ตัวแปรที่ใชในการตัดสินใจ)<br />
เพื่อศึกษาวาหากมีการ<br />
เพิ่มจํานวนของทรัพยากรแลวในผลตอการหาผลลัพธของสมการหรือไม<br />
โดยทําการศึกษาวิเคราะหผลของคําตอบที่ไดจากกราฟความสัมพันธ<br />
ระหวางขนาดของตัวแปรตัดสินใจและขนาดของเวลาที่ใหในการหา<br />
คําตอบ<br />
จากกราฟความสัมพันธระหวางขนาดของตัวแปรตัดสินใจ<br />
และขนาดของเวลาที่ใหในการหาคําตอบ<br />
ทําใหผูศึกษาพบวาการเพิ่มขึ้น<br />
ของจํานวนวิชาที่สอบ<br />
(การเพิ่มขนาดของปญหา)<br />
สงผลตอเวลาในการหา<br />
คําตอบของสมการ นั้นคือแสดงใหเห็นวาหากหลักสูตรและจํานวน<br />
นักศึกษามีการเพิ่มจํานวนขึ้นความยุงยากและซับซอนในการหาคําตอบ<br />
จะแปรผันตามการเพิ่มขนาดของปญหา<br />
6. สรุปผลและขอเสนอแนะ<br />
จากที่ไดกลาวมาแลวขางตนคงจะพอแสดงใหเห็นถึงแนว<br />
ทางการประยุกตใชหลักการวิจัยการดําเนินงานโดยใชแบบจําลองทาง<br />
คณิตศาสตร เพื่อชวยในการแกปญหาการจัดตารางสอบโดยตัวอยางที่ยก<br />
มานําเสนอนี้เปนการดึงขอมูลจริงในบางสวนของปญหามาแสดงเทานั้น<br />
ซึ่งโดยทั่วไปการจัดตารางสอบมักจะไมไดคํานึงถึงคาใชจายมากนัก<br />
ใน<br />
ความเปนจริงแลวมหาวิทยาลัยถือไดวาเปนองคกรหนึ่งที่จะตองคํานึงถึง<br />
การจัดสรรทรัพยากรและงบประมาณในการบริหารจัดการงาน จาก<br />
แบบจําลองทางคณิตศาสตรที่ไดนําเสนอไปนั้น<br />
ยังสามารถนําหลักการ<br />
และรูปแบบในการดําเนินการศึกษาในงานวิจัยฉบับนี้ไปใชในการ<br />
แกปญหาไดอีกหลายปญหา เชน ปญหาการจัดตารางเรียน ปญหาการจัด<br />
ตารางเวลาในอุตสาหกรรม โรงพยาบาล และอื่นๆ<br />
เปนตน ซึ่งปญหาที่<br />
กลาวมาเพิ่มเติมนั้นเปนปญหาที่สําคัญมากในการแขงขันกันในเชิง<br />
อุตสาหกรรม เพราะการจัดสรรการใชทรัพยากรใหเกิดประโยชนสูงสุด<br />
12<br />
นั้นแสดงถึงการทํางานที่มีประสิทธิภาพนั้นเอง<br />
การทําสามารถควบคุม<br />
งบประมาณและตนทุนในการดําเนินงานไดนั้นถือเปนเปาหมายหลักของ<br />
การดําเนินงานของทุกองคกร และจากการศึกษาปญหาการจัดตารางสอบ<br />
ที่ไดกลาวมาขางตนนี้<br />
เปนเพียงสวนหนึ่งของงานวิจัยเทานั้น<br />
ผูศึกษายังมี<br />
แผนที่จะนําเสนอรูปแบบสมการที่พิจารณาเงื่อนไข<br />
1 วิชาหลายหอง ใน<br />
งานวิจัยนี้อีกดวยเพื่อใหครอบคลุมปญหามากยิ่งขึ้นและจะไดนําเสนอใน<br />
โอกาสตอไป<br />
เอกสารอางอิง<br />
[1] วิจิตร ตัณฑสุทธิ์,<br />
วันชัย ริจิรวนิช และ ศิริจันทร ทองประเสริฐ.<br />
การวิจัยการดําเนินงาน. กรุงเทพฯ : ซีเอ็ดยูเคชั่น,<br />
2540.<br />
[2] บุญสม ศิริโสภณา, ปญหาการกําหนดงาน (<strong>AS</strong>SIGNMENT<br />
PROBLEM) [Online], accessed 10 May 2011. Available from<br />
http://www.eco.ru.ac.th/eco/article/Y6C2/Y6C2_09.pdf<br />
[3] M. Dimopoulou and P. Miliotis. “Implementation of a university<br />
course and examination timetabling system”, Athens University,<br />
2000<br />
[4] Abdelaziz Dammak et al. “Classroom assignment for exam<br />
timetabling”, University of Sfax, 2006<br />
[5] Mujgan Sagir et al. “Exam scheduling: Mathematical modeling and<br />
parameter estimation with the Analytic Network Process<br />
approach”, Anadolu University, 2010<br />
[6] M.N.M. Kahar et al. “The examination timetabling problem at<br />
Universiti Malaysia Pahang: Comparison of a constructive heuristic<br />
with an existing software solution”, Universiti Malaysia Pahang,<br />
2010<br />
[7] Luca Di Gaspero et al. “Tabu Search Techniques for Examination<br />
Timetabling”, Universit`a di Udine<br />
[8] Edmund K. Burke et al. “A Memetic Algorithm for University<br />
Exam Timetabling”, University Park Nottingham<br />
[9] Ching-Chin Chern et al. “A heuristic algorithm for the hospital<br />
health examination scheduling problem”, Ming Chuang University,<br />
2008<br />
[10] Ahmed Wasfy and Fadi A. Aloul. “Solving the University Class<br />
Scheduling Problem Using Advanced ILP Techniques”, American<br />
University of Sharjah<br />
[11] Janewit Nakasuwan et al. “Class Scheduling Optimization”,<br />
Thammasat University, 2542<br />
[12] นายกิตติพงศ พลพิพัฒนพงศ “การออกแบบและพัฒนาระบบ<br />
สารสนเทศเพื่อการจัดการตารางสอน<br />
ตารางสอบและทุนผูชวยสอน<br />
ในระดับภาควิชา”, 2550
ประวัติผูเขียนบทความ<br />
นางสาวอนิสรา ไชยเรศ<br />
ประวัติทางการศึกษา<br />
ปการศึกษา 2548-2551<br />
วิศวกรรมศาสตรบัณฑิต<br />
สาขาวิชาวิศวกรรมอุตสาหการมหาวิทยาลัยศิลปากร<br />
ปการศึกษา 2552<br />
กําลังศึกษาตอปริญญาโท<br />
สาขาวิชาการจัดการงานวิศวกรรม มหาวิทยาลัยศิลปากร<br />
งานวิจัยที่สนใจ<br />
-Applied Operations Research<br />
- Manufacturing Management<br />
13
14<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การพัฒนาตัวแบบคณิตศาสตรสําหรับปญหาการจัดตารางสอนในมหาวิทยาลัย<br />
The development of mathematical model for a University course timetabling problem<br />
รณกฤต วัฒนมะโน 1 และกัญจนา ทองสนิท 2<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการและการจัดการ คณะวิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากร<br />
อ.เมือง จ.นครปฐม 73000<br />
โทรศัพท/โทรสาร: 084-0964990 E-mail: 1 wattanamano_@hotmail.com, 2 kanjanath7@yahoo.com<br />
บทคัดยอ<br />
งานวิจัยนี้เปนการศึกษาปญหาการจัดตารางสอน<br />
เนื่องจาก<br />
ปจจุบันมีจํานวนนักศึกษาพิ่มมากขึ้น<br />
ผูจัดตารางการเรียนการสอนตองจัด<br />
ตารางใหอยูภายใต<br />
จํานวนหองเรียน ความจุหองเรียน ชวงเวลา จํานวน<br />
อาจารย ที่มีอยูอยางจํากัด<br />
นอกจากนี้การจัดตารางสอนยังตองคํานึงถึงการ<br />
เลือกขนาดของหองเรียนใหเหมาะสมกับปริมาณนักศึกษา หากความจุ<br />
หองเรียนไมเหมาะสมกับปริมาณนักศึกษาจะทําใหเกิดคาใชจายที่มาก<br />
และทําใหเกิดการรอคอยการใชหอง จึงตองมีการเพิ่มชวงเวลาการเรียน<br />
เชนมีการเรียนการสอนตั้งแตเวลา<br />
15.45-18.25 น.สงผลใหการเรียนไมมี<br />
ประสิทธิภาพเทาที่ควร<br />
เพราะฉะนั้นจําเปนตองจัดตารางสอนโดย<br />
คํานึงถึงคาใชจายและการจัดตารางสอนนอกชวงเวลา งานวิจัยนี้ศึกษา<br />
การจัดตารางการเรียนการสอนของมหาวิทยาลัยศิลปากร โดยการสราง<br />
แบบจําลองทางคณิตศาสตร เพื่อหาคําตอบที่ดีที่สุด<br />
ซึ่งมีวัตถุประสงค<br />
เพื่อใหเกิดคาใชจาย<br />
และการสอนนอกชวงเวลาราชการต่ําที่สุด<br />
โดย<br />
โปรแกรมที่นํามาศึกษาในการแกสมการครั้งนี้<br />
คือ IBM ILOG CPLEX<br />
12.2 จากการทดลองพบวาการแกปญหาการจัดตารางสอนโดยใช<br />
แบบจําลองทางคณิตศาสตรสามารถลดคาใชจายได 8,115 บาท/สัปดาห<br />
และสามารถลดการเรียนการสอนนอกชวงเวลาราชการได 4 วิชา<br />
คําสําคัญ: แบบจําลองทางคณิตศาสตร, จัดตารางสอน<br />
Abstract<br />
This research is to study the problem of classroom timetable<br />
generating due to an increase amount of student. The generator of<br />
classroom timetable needs to arrange it properly according to the<br />
limited resources as are; a number of classrooms, loading capacity of<br />
classroom, periods, and number of teachers. Importantly, the generating<br />
of this timetable construction has to be considered together-with the<br />
proportion between capacity of classroom and number of students<br />
;otherwise, it will result in cueing and extra-periods requiring from<br />
15.45-18.25 as occur often at present that lead to ineffective learning<br />
and expense increasing. Consequently, the generating of timetable need<br />
to be concerned about time and expense. This research is to study a<br />
course timetabling problem of Silpakorn University by building up<br />
mathematical model to find out an optimized solution. The main<br />
objectives are 1) the lowest expense generating; and 2) The least extraperiod<br />
spending. The programs used for the mathematical solution in<br />
this research are IBM ILOG CPLEX 12.2 . The result of solving the<br />
classroom timetable problem using a mathematical model found that<br />
can reduce costs 8115 baht / week and reduce extra-periods 4 subjects<br />
Keywords: mathematical model, Classroom timetable<br />
1. บทนํา<br />
ปญหาการจัดตารางสอน เปนปญหาเกี่ยวกับการคนหา<br />
ตารางสอนที่มีความเหมาะสมและมีความสัมพันธกับตัวผูสอน<br />
กลุมนัก<br />
เรียน รายวิชา หองเรียน ทรัพยากรและขอจํากัดตางๆ ในดานความตอง<br />
การของบุคคล ทําใหการจัดตารางสอนมีความยุงยากซับซอน ในปจจุบัน<br />
นักศึกษาตองเรียนวิชาชื้นฐาน<br />
วิชาเอก วิชาโท วิชาเลือกเสรีหรือวิชาเลือก<br />
ทั่วไปทั้งในคณะและนอกคณะ<br />
ซึ่งเปนผลใหการจัดตารางสอนเปน<br />
ขั้นตอนที่ซับซอนเพราะการจัดวิชาเรียนแตละวิชาไดนั้นตองคํานึงถึง<br />
ชวงเวลา จํานวนหอง ความจุของหอง จํานวนนักศึกษาที่ลงทะเบียน<br />
เรียน อาจารยผูสอนที่มีอยูอยางจํากัด<br />
จึงทําใหเสียเวลาตอผูจัดตารางสอน<br />
เปนอยางมากทั้งนี้เปนเพราะผูจัดตารางสอนไมมีรูปแบบมาตรฐานเพื่อใช<br />
ในการจัดตารางสอน การจัดตารางสอนที่เหมาะสมตองคํานึงถึงการเลือก<br />
ขนาดของหองเรียนใหเหมาะสมกับปริมาณนักศึกษา หากความจุ<br />
หองเรียนไมเหมาะสมกับปริมาณนักศึกษาจะทําใหเกิดคาใชจายที่ไม<br />
จําเปนและ ทําใหรายวิชาที่จําเปนตองใชหองเรียนเลื่อนชวงเวลาออกไป<br />
เพื่อรอใชหองเรียนนั้นทําใหตองมีการเรียนการสอนนอกชวงเวลา<br />
ราชการ ซึ่งปญหาเหลานี้อาจผลตอความพึงพอใจ<br />
สภาพจิตใจของผูเรียน<br />
และผูสอน<br />
สงผลใหการเรียนไมมีประสิทธิภาพเทาที่ควร
งานวิจัยนี้ไดเสนอวิธีการแกปญหาการจัดตารางสอนโดยนํา<br />
ปญหาทางคณิตศาสตรเขามาชวยจัดตารางสอนของมหาวิทยาลัย โดย<br />
สรางแบบจําลองทางคณิตศาสตรที่มีวัตถุประสงคคือคาใชจายจากการใช<br />
หองเรียนและการสอนนอกชวงเวลาราชการใหนอยสุด<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
2.1 รูปแบบมาตรฐานโปรแกรมเชิงเสน<br />
รูปแบบมาตรฐานโปรแกรมเชิงเสนมีอยูดวยกัน<br />
2 ลักษณะ [1]<br />
ทั้งนี้ขึ้นอยูกับวาปญหาโปรแกรมเชิงเสนที่พิจารณาอยูนั้นเปนปญหาใน<br />
ลักษณะที่ตองการหาคาต่ําสุดหรือสูงสุด<br />
(Maximize, Minimize) ตัวแบบ<br />
โปรแกรมเชิงเสนมาตรฐาน โดยทั่วไปจะประกอบดวยสวนตางๆ<br />
3 สวน<br />
ดวยกัน<br />
1) ฟงกชันเปาหมายหรือจุดประสงค ไดแก สมการที่<br />
2) สมการแสดงเงื่อนไข(Constrains)<br />
ซึ่งแสดงถึงปจจัยหรือ<br />
ทรัพยากรที่มีอยูอยางจํากัดไดแก<br />
สมการที่<br />
3) สมการขอจํากัดตัวแปรตัดสินใจที่จะตองเปนคาที่ไมติดลบ<br />
ไดแก<br />
สมการที่<br />
2.2 การมอบหมายงาน(Assignment)<br />
ปญหาการมอบหมายงาน [2] เปนปญหาที่พัฒนามาจาก<br />
รูปแบบปญหาการขนสง Transportation problem ไดแก ปญหาที่เกี่ยวกับ<br />
การจัดสรรบุคลากร อุปกรณ เครื่องจักร<br />
ใหเหมาะสมกับงานหนาที่<br />
สถานที่<br />
ปญหาการจัดตารางสอนเปนการจัดวิชาลงหองเรียนลงชวงเวลา<br />
ภายใตเงื่อนไขตางๆ<br />
โดยคํานึงถึงคาใชจายต่ําสุดหรือเพื่อใหไดประโยชน<br />
สูงสุด<br />
2.3 ปญหาการจัดตารางการเรียนการสอน<br />
ปญหาการจัดตารางสอนเปนปญหาที่มีขอจํากัดเปนจํานวน<br />
มากซึ่งจัดเปนปญหาแบบ<br />
NP-complete [3] ซึ่งยังไมมีการออกแบบ<br />
อัลกอริทึมที่หาคําตอบไดเร็วและดีที่สุด<br />
เพื่อลดปญหาความยุงยากและ<br />
ซับซอนของการจัดตารางสอน Janewit [4] ไดศึกษาความเปนไปไดใน<br />
การนําโปรแกรมทางคณิตศาสตร (Linear Programming) เขามาใชในการ<br />
แกปญหาการจัดตารางเรียนตารางสอนโดยมีวัตถุประสงคใหเกิด<br />
คาใชจายจากการใชหองเรียนต่ําสุดและคาใชจายที่เกิดขึ้นเมื่อมีที่นั่งวาง<br />
เหลือ [5] ซึ่งเปนการแกปญหาการจัดตารางสอนโดยมีวัตถุประสงคเพียง<br />
อยางเดียวคือตองการใหเกิดคาใชจายต่ําสุด<br />
นอกจากการหาคาใชจาย<br />
ต่ําสุด<br />
[6] ใชเทคนิค Integer Linear Programming เพื่อลดการสอน<br />
ชวงเวลาพักเที่ยง<br />
เวลาของมูลลิม สุวพร [7] ไดสรางแบบจําลองทาง<br />
คณิตศาสตรโดยมีวัตถุประสงค 2 ประการคือ 1)คาใชจายในการใช<br />
หองเรียนต่ําสุด<br />
2)ระยะทางระหวางหองเรียนกับที่ทําการคณะมีคาต่ําสุด<br />
โดยใชลําดับการใหความสําคัญของอาคารเรียน นอกจากการแกปญหา<br />
การจัดตารางสอนดวยวิธีการ Linear Programming มีการใช GA (Genetic<br />
15<br />
Algorithms) เขามาชวยในการแกปญหาการจัดตารางสอนเพื่อลดความ<br />
ยุงยาก<br />
[8,9,10]<br />
3. ขั้นตอนการสรางแบบจําลองคณิตศาสตร<br />
ขั้นตอนในการสรางแบบจําลองคณิตศาสตรสําหรับการจัด<br />
ตารางสอน มีขั้นตอนดังนี้<br />
1) ศึกษาการจัดตารางสอน จากการสอบถามผูเกี่ยวของ<br />
พบวาการ<br />
จัดตารางสอนแบบเดิมเปนการจัดวิชาเรียนลงชวงเวลา พิจารณาจากวิชาที่<br />
เปดสอน โดยชวงเวลาของการเรียนการสอนไมทับซอนกัน และจัดสรร<br />
หองเรียนใหแตละรายวิชา ขอมูลสําหรับจัดตารางสอนคือ จํานวนวิชาที่<br />
เปดสอน จํานวนอาจารยที่สอนแตละวิชา<br />
กลุมนักศึกษาเละจํานวน<br />
นักศึกษาที่ลงทะเบียนเรียนแตละวิชา<br />
จํานวนหองเรียน และความจุของ<br />
หองเรียนแตละหอง<br />
2) การเก็บรวบรวมขอมูลที่เกี่ยวของกับการจัดตารางสอนไดแก<br />
วิชา<br />
เรียนตางๆ วันและเวลาในการเรียนการสอน จํานวนหองเรียน จํานวน<br />
นักศึกษาที่ลงทะเบียนเรียนแตละวิชา<br />
และจํานวนอาจารย<br />
3) สรางตัวแบบคณิตศาสตรที่ใชนี้มีวัตถุประสงค<br />
2 ประการ คือ<br />
- คาใชจายในการใชหองเรียนต่ําสุด<br />
- การเรียนการสอนนอกชวงเวลาต่ําสุด<br />
4) วิเคราะหผลคาใชจายและจํานวนวิชาเรียนนอกเวลาราชการที่<br />
เกิดขึ้นจากการจัดตารางสอนแบบเดิมและการจัดตารางสอนดวย<br />
แบบจําลองทางคณิศาสตร กรณีศึกษาการจัดตารางสอนภาควิชาอุตสา<br />
หการมหาวิทยาลัยศิลปากร<br />
5) สรุปการผลการนําแบบจําลองทางคณิตศาสตรในการแกปญหา<br />
การจัดตารางสอนโดยผลที่ไดออกมาไดแกคาใชจายที่เกิดขึ้นจากการใช<br />
หองเรียนและการสอนนอกชวงเวลาต่ําสุด<br />
4. แบบจําลองคณิตศาสตร<br />
4.1 ปญหาการจัดตารางสอน<br />
งานวิจัยนี้ไดศึกษาการแกปญหาการจัดตารางสอนโดย<br />
คํานึงถึงคาใชจายและการจัดตารางสอนนอกชวงเวลาต่ําสุด<br />
ซึ่งการจัด<br />
ตารางสอนเปนการจัดวิชาเรียนลงหองในชวงเวลาที่เหมาะสม<br />
ภายใต<br />
จํานวนหองเรียน ความจุหองเรียน ชวงเวลา จํานวนผูสอนที่มีอยูอยาง<br />
จํากัด โดยมีเงื่อนไขดังนี้<br />
ความสามารถของหองเรียนในแตละชวงเวลา<br />
สามารถจัดวิชาเรียนไดไมเกิน 1 วิชา แตละวิชาตองถูกจัดใหมีการเรียน<br />
การสอน หองเรียนสามารถรับนักศึกษาไดไมเกินความจุของหองเรียน<br />
ผูสอนไมสามารถสอนทับซอนกันไดในแตละชวงเวลา<br />
นักศึกษาแตละ<br />
กลุมชั้นปไมสามารถเรียนทับซอนกันไดในแตละชวงเวลา<br />
4.2 แบบจําลองทางคณิตศาสตร<br />
สรางตัวแบบคณิตศาสตรสําหรับการจัดตารางสอนโดย<br />
กําหนดให<br />
1) กําหนดตัวแปรตางๆสําหรับการสรางแบบจําลองคณิตศาสตร
ดัชนี (Indices)<br />
r คือ อาจารยผูสอนโดยที่<br />
r = 1, 2, …, R<br />
s คือ กลุมนักศึกษา<br />
โดยที่<br />
s = 1, 2, …, S<br />
i คือ รายวิชาเรียนโดยที่<br />
i = 1, 2, …, I<br />
j คือหองเรียนโดยที่<br />
j = 1, 2, …, J<br />
k คือ ชวงเวลาสําหรับการเรียนโดยที่<br />
k = 1, 2, …,K<br />
พารามิเตอร (Parameters)<br />
Fj = ความจุหอง j<br />
Ni = จํานวนนักศึกษาที่ลงวิชา<br />
i<br />
Air = เซตของวิชา i ที่อาจารย<br />
r เปนผูสอน<br />
Bis = เซตของวิชา i ที่กลุมนักศึกษา<br />
s เปนผูเรียน<br />
Tk = น้ําหนักชวงเวลาพิเศษ<br />
Cj = คาใชจายตอหอง j<br />
ตัวแปรตัดสินใจ (Decision Variables)<br />
2) สมการเปาหมาย (Objective Function)กําหนดให<br />
- คาใชจายในการใชหองเรียนต่ําสุด<br />
- การเรียนการสอนนอกชวงเวลาต่ําสุด<br />
ฟงกชันคาต่ําสุด<br />
(Minimize) เปนฟงกชันการหาคาใชจายจาก<br />
การจัดตารางสอน และการจัดตารางสอนนอกชวงเวลา โดยฟงกชัน<br />
คือคาใชจายจากการจัดวิชา i ลงหองเรียน j ในชวงเวลา k ต่ําสุด<br />
และ<br />
ฟงกชัน คือชวงเวลา k ที่ถูกจัดนอกชวงเวลาราชการต่ําสุด<br />
คา Tar<br />
เปนคาที่ต่ําสุดของสมการเปาหมายนั้นๆ<br />
เชน Tar1 มีคาเปน 1000 บาท<br />
หมายถึงคาใชจายต่ําสุดที่สามารถเปนไปไดมีคา<br />
1000 บาท ในการหาการ<br />
จัดนอกชวงเวลาที่ต่ําสุดแตละชวงเวลาถูกกําหนดคาน้ําหนัก<br />
Tk โดย<br />
กําหนดชวงเวลานอกราชการมีน้ําหนักมากกวา<br />
กําหนดชวงเวลาของการ<br />
เรียนการสอนนอกชวงเวลาราชการใหคาน้ําหนักมากเปน<br />
2 และชวงเวลา<br />
ของการเรียนการสอนนอกในเวลาราชการใหคาน้ําหนักนอยเปน<br />
1<br />
จากตัวแบบหลายวัตถุประสงค (Multi Objectives) สามารถ<br />
เขียนเปนสมการเพื่อแกปญหาโดยใชโปรแกรมเชิงเสนไดดังนี้<br />
(3)<br />
จากสมการที่<br />
(3) คา เปนคาถวงน้ําหนักแสดง<br />
ความสําคัญ คา เปนคาถวงน้ําหนักของคาใชจายในการใชหองเรียน<br />
เปนคาถวงน้ําหนักของการเรียนการสอนนอกชวงเวลา<br />
โดย<br />
กําหนดให = 1<br />
(1)<br />
(2)<br />
16<br />
3) สมการเงื่อนไข<br />
(Constrained)<br />
- ในแตละหองเรียน ณ ชวงเวลาหนึ่งๆสามารถจัดรายวิชาลงหองเรียนได<br />
ไมเกิน 1 วิชา<br />
(4)<br />
- ในแตละรายวิชา i ตองถูกจัดใหมีการเรียนการสอนในหองเรียน j และ<br />
ชวงเวลา k (5)<br />
- จํานวนนักศึกษาที่ลงเรียนรายวิชา<br />
i ในหองเรียนที่<br />
j ชวงเวลาที่<br />
k จะตอง<br />
มีจํานวนไมเกินความจุของหองเรียน j ที่สามารถรับได<br />
(6)<br />
- ณ วัน-เวลาหนึ่งๆ<br />
อาจารยผูสอนจะทําการสอนไดเพียง<br />
1 วิชา<br />
เทานั้น<br />
(7)<br />
- ณ วัน-เวลาหนึ่งๆ<br />
นักศึกษาแตละกลุมชั้นปสามารถเรียนไดเพียง<br />
1วิชา<br />
เทานั้น<br />
(8)<br />
4.1 กรณีศึกษา<br />
กรณีศึกษาการจัดตารางสอนของภาควิชาอุตสาหการและการ<br />
จัดการ มหาวิทยาลัยศิลปากร ปจจุบันมีหองเรียน ( j) ที่ใชในการเรียนการ<br />
สอนของภาควิชาและของทางคณะทั้งหมด<br />
10 หอง เปนหองเรียนของ<br />
ภาควิชา 2 หอง หองเรียนของคณะมี 8 หอง มีวิชาเรียน ( i ) ทั้งหมด<br />
48<br />
วิชา และมีการเรียนการสอนวันจันทรถึงวันเสาร ( k ) ตั้งแตเวลา<br />
9.25 -<br />
18.25 น. กลุมนักศึกษาที่เรียนมีภาควิชาอุตสาหการ<br />
ภาควิชาการจัดการ<br />
และโลจิสติกส ( s ) ชั้นปที่<br />
1 ถึงปที่<br />
4 มีอาจารยผูสอน<br />
( r ) 21 คน เพื่อ<br />
แสดงถึงการประยุกตใชตัวแบบคณิตศาสตรที่สรางขึ้นนี้<br />
ผูวิจัยไดนํา<br />
ขอมูลที่เกี่ยวกับการจัดตารางสอนของภาควิชาอุตสาหการและการจัดการ<br />
มหาวิทยาลัยศิลปากร ในปการศึกษา 2553 ภาคเรียนที่<br />
2 มาใชดังนี้<br />
ขอมูล<br />
คาใชจายของหองเรียนจากขอกําหนดของคณะวิศวกรรมศาสตรฯ<br />
มหาวิทยาลัยศิลปากรดังตารางที่<br />
1 ขอมูลผูสอนและกลุมนักศึกษาที่<br />
ลงทะเบียนเรียนแตละรายวิชารายวิชาดังตารางที่<br />
2 เซตของอาจารยที่สอน<br />
แตละรายวิชาดังตารางที่<br />
3 และเซตของนักศึกษาที่เรียนแตละรายวิชาดัง<br />
ตารางที่<br />
4<br />
ตารางที่<br />
1 ความจุของหองเรียนและคาใชจายหองเรียน<br />
หอง ( j ) ความจุของหอง F j (คน) คาใชจาย C j (บาท/คาบเรียน)<br />
515 60 75<br />
513 100 135<br />
135 80 270<br />
136 80 270<br />
137 80 270<br />
138 80 270<br />
(9)
ตารางที่<br />
1 (ตอ)<br />
หอง( j ) ความจุของหอง F j (คน) คาใชจาย C j (บาท/คาบเรียน)<br />
139 80 270<br />
140-1 120 360<br />
142-3 120 360<br />
144-6 180 540<br />
ตารางที่<br />
2 ตัวอยางรายวิชาและจํานวนกลุมนักศึกษาที่ลงทะเบียนเรียน<br />
วิชา<br />
( i )<br />
อาจารย<br />
( r )<br />
กลุมนักศึกษา<br />
( s )<br />
จํานวนนักศึกษา<br />
ลงทะเบียนเรียน<br />
(N i)<br />
614442 อาจารย A อุตสาหาร ป 4 80<br />
614352 อาจารย B อุตสาหาร ป 3 80<br />
619352 อาจารย C การจัดการ ป 3 85<br />
619353 อาจารย D การจัดการ ป 3 90<br />
ตารางที่<br />
3 ตัวอยางเซตของอาจารยที่สอนแตละรายวิชา<br />
(Rir )<br />
อาจารย( r ) วิชา( i )<br />
อาจารย A 614442, 614432, 614346, 614341, 614343<br />
อาจารย B 614352, 614351, 614212<br />
อาจารย C 614330, 614331<br />
อาจารย D 619353, 619492<br />
ตารางที่<br />
4 ตัวอยางเซตของนักศึกษาที่เรียนแตละรายวิชา<br />
(Sis )<br />
กลุมนักศึกษา<br />
( s ) วิชา( i )<br />
อุตสาหาร ป 4 614442, 614351, 614362, 614413, 614442<br />
การจัดการ ป 3 614331, 614101, 614322, 614341, 614344,<br />
619352, 619353, 619311<br />
วันและชวงเวลาหรือคาบเรียน เนื่องจากปจจุบันไดจัดใหมี<br />
การเรียนการสอนทั้งหมด<br />
6 วัน ใน 1 สัปดาห แตละวิชาถูกจัดใหมีการ<br />
เรียนการสอนทั้งหมด<br />
3 ชั่วโมงตอ<br />
1 คาบเรียน ในแตละวันมีการเรียนการ<br />
สอนตั้งแต<br />
9.25 - 18.25 น. แบงออกเปน 3 คาบเรียนคือ คาบที่<br />
1 ตั่งแต<br />
9.25 - 12.05 น. คาบที่<br />
2 ตั่งแต<br />
13.00 - 15.40 น. และคาบที่<br />
3 เปนการ<br />
เรียนการสอนนอกชวงเวลาราชการตั่งแต<br />
15.40 - 18.25 น. โดยกําหนดคา<br />
ถวงน้ําหนักของคาใชจายในการใชหองเรียนและคาการเรียนการสอน<br />
นอกชวงเวลามีคาเปน0.5<br />
4.2 ผลการวิจัย<br />
จํานวนตัวแปรในแบบจําลองทางคณิตศาสตรที่เปนตัวแปร<br />
ตัดสินใจในปญหาการจัดตารางเรียนตารางสอนนี้มีทั้งสิ้น<br />
i×j×k = 8,640<br />
ตัวแปร<br />
ในการศึกษาการแกปญหาการจัดตารางสอนดวยแบบจําลอง<br />
ทางคณิตศาสตร ไดนําผลการทดลองการหาคําตอบที่ดีที่สุดจาก<br />
17<br />
แบบจําลองทางคณิตศาสตรโดยใชโปรแกรม IBM ILOG CPLEX 12.2<br />
ในการหาคําตอบไดตารางการเรียนการสอนโดยสรุปเปนตารางการใช<br />
หองเรียนของแตละวิชาไดดังแสดงในตารางที่<br />
2 - 6<br />
ตารางที่2<br />
ตารางการใชหอง 515<br />
หอง 515 9.25-12.05น. 13.00-15.40น. 15.45-18.25น.<br />
จันทร 614202 619316 614323<br />
อังคาร 29 r8 s7 614413<br />
พุธ 614301 40 r19 s8 614432<br />
พฤหัสบดี 614101 614432 614445<br />
ศุกร 619314 614362<br />
เสาร<br />
614395<br />
ตารางที่3<br />
ตารางการใชหอง 513<br />
หอง 513 9.25-12.05น. 13.00-15.40น. 15.45-18.25น.<br />
จันทร 614331 614231 619352<br />
อังคาร 614454 614344 619313<br />
พุธ 619353 619311<br />
พฤหัสบดี 614203 614322<br />
ศุกร<br />
เสาร<br />
614101 614341<br />
ตารางที่4<br />
ตารางการใชหอง 135<br />
หอง 135 9.25-12.05น. 13.00-15.40น. 15.45-18.25น.<br />
จันทร 614394 614343<br />
อังคาร 614330 614352<br />
พุธ<br />
614442<br />
พฤหัสบดี 614351 614351<br />
ศุกร<br />
เสาร<br />
614452 614322<br />
ตารางที่5<br />
ตารางการใชหอง 142-3<br />
หอง 142-3 9.25-12.05น. 13.00-15.40น. 15.45-18.25น.<br />
จันทร<br />
614211<br />
อังคาร 614211 6 r11 s6<br />
พุธ 614101 614212<br />
พฤหัสบดี 614213 619254<br />
ศุกร<br />
เสาร<br />
614291 614232<br />
ตารางที่6<br />
ตารางการใชหอง 144-6<br />
หอง 144-6 9.25-12.05น. 13.00-15.40น. 15.45-18.25น.<br />
จันทร 619211<br />
อังคาร<br />
619251<br />
พุธ<br />
พฤหัสบดี<br />
614111<br />
ศุกร<br />
เสาร<br />
619253
จากผลการทดลองผูวิจัยไดทําการเปรียบเทียบคาใชจายและ<br />
การจัดตารางสอนนอกชวงเวลาจากการจัดตารางสอนแบบเดิมกับการจัด<br />
ตารางสอนโดยใชแบบจําลองทางคณิตศาสตรพบวาการจัดตารางสอน<br />
โดยใชแบบจําลองทางคณิตศาสตรมีคาใชจาย 10,500 บาท/สัปดาห มีการ<br />
เรียนการสอนนอกชวงเวลาราชการ 6 วิชา และการจัดตารางสอน<br />
แบบเดิมมีคาใชจาย 18,615 บาท/สัปดาห มีการเรียนการสอนนอก<br />
ชวงเวลาราชการ 10 วิชา ซึ่งการแกปญหาการจัดตารางสอนโดยใช<br />
แบบจําลองทางคณิตศาสตรสามารถลดคาใชจายได 8,115 บาท/สัปดาห<br />
และสามารถลดการเรียนการสอนนอกชวงเวลาราชการได 4 วิชา<br />
5. สรุปผลและขอเสนอแนะ<br />
จากปญหาการจัดตารางสอนที่ไมเหมาะสมเนื่องจากการเลือก<br />
หองเรียนไมเหมาะสมกับปริมาณนักศึกษา สงผลใหเกิดคาใชจายที่มาก<br />
และ ทําใหรายวิชาที่จําเปนตองใชหองเรียนเลื่อนชวงเวลาออกไปเพื่อรอ<br />
ใชหองเรียนทําใหตองมีการเรียนการสอนนอกชวงเวลาราชการ งานวิจัย<br />
นี้ไดเสนอการแกปญหาการจัดตารางสอนดวยวิธีกําหนดการเชิงเสน<br />
(Linear Programming) โดยมีวัตถุประสงคใหเกิดคาใชจายและการเรียน<br />
การสอนนอกชวงเวลาราชการที่ต่ํา<br />
จากจําลองปญหาการจัดตารางสอน<br />
เปนตัวแบบทางคณิตศาสตร และใช IBM ILOG CPLEX 12.2 เพื่อหา<br />
คําตอบของปญหา กรณีศึกษาการจัดตารางสอนภาควิชาอุตสาหการ ภาค<br />
วิชาการจัดการและโลจิสติกส คณะวิศวกรรมศาสตรฯ มหาวิทยาลัย<br />
ศิลปากร พบวาสามารถลดคาใชจายได 8,115 บาท/สัปดาห และสามารถ<br />
ลดการเรียนการสอนนอกชวงเวลาราชการได 4 วิชา โดยผลลัพธที่ไดไป<br />
ตามวัตถุประสงคคือเกิดคาใชจายและการเรียนการสอนนอกชวงเวลา<br />
ราชการที่ต่ํา<br />
เนื่องจากในการดําเนินการศึกษางานวิจัยนี้ทําภายใตมีขอบเขต<br />
ผูสอน<br />
1 คน ตอรายวิชา และมีการเรียนการสอน 1 ครั้งตอสัปดาห<br />
ใน<br />
หลายมหาวิทยาลัยมีการกําหนดใหแตละวิชาสามารถมีผูสอนไดมากกวา<br />
1 คน และมีการเรียนการสอนมากกวา 1 ครั้งตอสัปดาห<br />
ซึ่งสามารถเพิ่ม<br />
เงื่อนไขดังกลาวเพื่อใหสามารถนําไปใชจัดตารางสอนในแตละมหาวิยา<br />
ลัยไดมากขึ้น<br />
เอกสารอางอิง<br />
[1] S. Hiranvarodom, “Modeling of Strategy for Photovoltaic<br />
Development and Dissemination in Thailand”, 3 rd World<br />
Conference on Photovoltaic Energy Conversion, Osaka, Japan,<br />
May 11-18, 2003.<br />
[1] ประกอบ จิรกิติ การโปรแกรมเชิงเสน 2535 โครงการสงเสริม<br />
เอกสารวิชาการสถาบันบัณฑิตพัฒนบริหารศาสตร พิมพครั้งที่<br />
1<br />
18<br />
[2] ณกร อินทรพยุง 2548 การแกปญหาการตัดสินใจในอุตสาหกรรม<br />
การขนสงและลอจิสติกส หนาที่37-38<br />
[3] Ahmed Wasfy et al. “Solving the University Class Scheduling<br />
Problem Using Advanced ILP ”, Techniques University of<br />
Sharjah<br />
[4] Janewit Nakasuwan et al. “Class Scheduling Optimization”,<br />
Thammasat University, 2542<br />
[5] กลมวรรณ กลั่นเกลี้ยง<br />
“การจัดตารางเรียนตารางสอนโดยใช<br />
กําหนดการเชิงเสน: กรณีศึกษาภาควิชาสถิติคณะวิทยาศาสตร<br />
มหาวิทยาลัยขอนแกน”, มหาวิทยาลัยขอนแกน, 2547<br />
[6] Oladokun et al. “An Integer Linear Programming Model of a<br />
University Course Timetabling Problem”, University of Ibadan,<br />
2551<br />
[7] สุวพร นาคะปรีชา “ตัวแบบคณิตศาสตรสําหรับการจัดสรรหอง<br />
เรียน”, สถาบันบัณฑิตพัฒนบริหารศาสตร, 2548<br />
[8] ไพฑูรย ศรีนิลและคณะ “การจัดตารางสอนอัตโนมัติแบบเลือกสรร<br />
ไดโดยใชจีนีติกอัลกอริทึม”, สถาบันเทคโนโลยีพระจอมเกลาเจาคุณ<br />
ทหารลาดกระบัง, 2548<br />
[9] ณัฐกฤตา ศักดิ์เรืองฤทธิ์<br />
“ระบบจัดตารางเรียนตารางสอนโดยใช<br />
ขั้นตอนวิธีเชิงพันธุกรรม”,<br />
มหาวิทยาลัยเชียงใหม, 2550<br />
[10] สิริลักษณ จุณณทัศนและคณะ “การจัดตารางสอนโรงเรียนดวย<br />
ขั้นตอนวิธีเชิงพันธุกรรมแบบหลายจุดประสงค”,<br />
มหาวิทยาลัยพระ<br />
จอมเกลาพระนครเหนือ, 2548<br />
ประวัติผูเขียนบทความ<br />
นายรณกฤต วัฒนมะโน<br />
ประวัติทางการศึกษา<br />
ปการศึกษา 2548-2551<br />
วิศวกรรมศาสตรบัณฑิต<br />
สาขาวิชาวิศวกรรมอุตสาหการมหาวิทยาลัยศิลปากร<br />
ปการศึกษา 2552<br />
กําลังศึกษาตอปริญญาโท<br />
สาขาวิชาการจัดการงานวิศวกรรม มหาวิทยาลัยศิลปากร<br />
งานวิจัยที่สนใจ<br />
-Applied Operations Research<br />
- Manufacturing Management<br />
-Logistic
19<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
The Study of Suitable Factor for Welding on Food-Can By Design of Experiment Method<br />
Prachuab Klomjit 1 and Paisan Chantasoponno 2<br />
1, 2 Department of Industrial Engineering and Management, Faculty of Engineering and Industrial Technology<br />
Silpakorn University, Muang Nakornpathom 73000<br />
Tel/Fax: 034-219-362 E-mail: 1 prachuab@su.ac.th, 2 p_chantasoponno@hotmail.com<br />
Abstract<br />
Design of experiment was applied in this research. The main<br />
factors included the electric current, a spring pressure, size of copper<br />
wire and overlap. By testing the response variable, welding strong, weld<br />
flexible, weld thickness, then study aimed to use the proper conditions<br />
for high quality. The results indicated that electric current, a spring<br />
pressure, overlap and size of copper wire have an influence in welding<br />
strong, welding articulate and weld thickness. Electric current and<br />
spring pressure have an influence in post weld overlap. Finally the<br />
appropriate conditions were electric current 55 Amp, a spring pressure<br />
60 daN, welding force 2.10 mm., and overlap 0.7 mm.<br />
Keywords: The Study of Suitable Factor, Design of Experiment,<br />
Welding, Food-Can<br />
1. Introduction<br />
Canned Food Containers are useful for food preservation.<br />
Current packaging of canned food is an essential and commonly used.<br />
In Thailand, the production of canned food contains about 900 million<br />
cans per year. Manufacturing canned food and fruit packed with<br />
competitive quality and price.<br />
Therefore, an important step that will lead to the production<br />
of quality canned food packaging. Depends on the state of the factors<br />
that can optimize the manufacturing process, coating process, polyesterpowder,<br />
weld on the process of sealing cans.<br />
The survey data in the production process found the sample<br />
products defects in the “603x700 size” that had the highest value. The<br />
cause of problem may be it was the highest height, therefore, the risk<br />
may occur greater than in other sizes. The nature of the problem was<br />
divided into 3 categories: “Hot weld”, “Narrowed weld”, and “Cold<br />
weld”. The characteristics testing of weld strength has 4 types as<br />
follows: “Rip test”, “Ball test”, “Post weld test”, and “Stretch weld<br />
test”. The whole problem was happen when the waste was unable to be<br />
reused.<br />
Welding process was the process of forming connections<br />
between the pressing of metal electrodes on both sides. Heat was<br />
generated by electricity and passed the plates. Electricity runs through<br />
the electrode to the steel heat distribution. Anti-heat, hot steel electrode<br />
is higher than the heat of electrode. Distribution was reflected in the<br />
normal welding process. Electrodes E1 and E2 were the I (volume) heat<br />
capacity and configured to connect the rules of the Joule heat spots. The<br />
amount of heat Q was balanced with the work of W when the power<br />
was connected to link and when the connection was set up correctly.<br />
Thermal conductive metal joint The first step was the connection<br />
between the two sheets. Part of the heat distributed and some heat was<br />
lost by the cooling water system.<br />
Figure1 Welding Roll<br />
From the picture tin Plate was connected with copper wire<br />
electrode through the weld tin the steel melt at 230 degrees wire was<br />
melted and prevent contamination Welding Roll. Therefore, copper wire<br />
the groove welding roll must clean stop and check periodically, key<br />
points of the wire stiffness effect on the nature of access. Therefore,<br />
high-quality wire should be thoroughly tested. A wire form has changed<br />
over time in the case of machine development. Contacted and the<br />
related effect of electricity on a piece of steel. Only one side was<br />
affected as a result of changes in the flow of heat means that even if<br />
other settings were usually heat up at the point where the flow can be<br />
seen more clearly. The best amount of electricity from the power<br />
measured by the flow based on the maximum number of beads on a
piece of iron metal by the spec or the spec of the can thickness great<br />
power it was the lowest or the power to cover not tear when tested by<br />
connecting them with the power to set the 2 / 3 of the minimum value<br />
for the production.<br />
Pareamas Chutima has the meaning of 3k Factorial Design<br />
that the design factor consists of three levels .The symbol of the factors<br />
to be represented by a capital letter Low, Medium, High may be<br />
replaced with k 0 (Low) 1 (Medium) 2 (High) by first of symbol mean<br />
level of factor, for 3 2 number 00 mean experiment with factors that<br />
both A and B are low. Refers to experiments with a low factor A and B<br />
are moderate.<br />
Figure 2 Co-factor for the experiment design 3 3<br />
Model adequacy checking<br />
Equation Y ij = µ + Γ i + ε ij<br />
µ = Average<br />
Γ = Influence factors that cause<br />
ε = discrepancy<br />
In the design of experiments often assume in the analysis of<br />
y (Variable) were normal distribution Therefore, y will be distributed to<br />
the ε has a normal distribution and must be distributed independently.<br />
ε ij ~ NID(0,σ 2 )<br />
Verified independently by scatter plot then distribution<br />
function of the point on the chart that represents the data format that<br />
was independent or not. and variance stability verification by margin of<br />
error scatter plot in factors at each level. If the shape of the distribution<br />
of the information out was not the nature of the increase or decrease of<br />
variance Indicate that information is variance stability.<br />
Other research data showed that the research on multiple<br />
tasks such research such as “Finding the optimum conditions for coating<br />
of lacquer on a piece of tin coated steel by means of experimental<br />
design” by Tosapol Kieatchareanpol . Principles of experimental design<br />
and analysis of the experiment was to study the four factors were types<br />
of lacquers, Lacquer weight per area, Temperature, incubation time. By<br />
20<br />
examining six types of lacquer coating were flexible testing, scratch,<br />
rub test, resistance to penetration of water test, strength of adhesion<br />
between the lacquer and metal texture test and delamination of the<br />
lacquer from the heating sterilization test. The results can be Summary<br />
of optimum conditions Z lacquer weight 8-9 grams per square meter<br />
curing temperature 250 o C and 13 minutes for incubate. “A Study of the<br />
TIG welding that influence the properties of welding for stainless steel<br />
pipes tesis” By Sutiwat Mahakaporn Experimented by welding factor<br />
were Electricity, Voltage,welding speed and set of factors at high and<br />
low levels in the experimental conditions 8 types for try to connect<br />
using the value of the specified factors pipe from the experimental<br />
results to Mechanical testing. Measured tensile strength of welds and<br />
expansion of the pipe diameter test pipe task and see structure of the<br />
weld metal Then the results were analyzed with the structure of weld<br />
metal .Analyze test results and trial And “Factors that were appropriate<br />
for polyester powder coating, spray cans on the welds” tesis By Staporn<br />
Pimsarn. The experimental design was used to study the appropriate<br />
factors for polyester spray on the can welding. And Utumporn<br />
Pongudom study of problems in the factory radiator. There were several<br />
reasons for the need to fix the problem of waste and the impact on costs.<br />
Most of the waste pipe related to the aluminum roll forming process to<br />
make raw material radiator. Researchers have analyzed that the main<br />
problem was there were two reasons were forming method and setting<br />
machine. The first problem caused by the size of the forming of a sheet<br />
of aluminum do not meet requirements and scale adjustment of the<br />
machine reading the uncertainty due to scale too rough. The researchers<br />
modified the procedure manuals, standard operational. The second,<br />
problem factors were welding speed and welding voltage. Using 3 2<br />
factorial Design for determine the appropriate level as a factor in setting<br />
the standard equipment. From experiments using the manual operation<br />
and set the appropriate connection speed 106.1 m / min Include equal<br />
access to electrical power as 268 voltage It can reduce the waste from<br />
9.62% to 2.71% is also a have standard factory more.<br />
This study aimed to investigate the factors that are<br />
appropriate for welding cans, food packaging and to reduce losses to be<br />
used as the benchmark in product 603x700 process control. The four<br />
factors were studied electrical, pressure springs, copper wire, size, area<br />
of overlap of steel by examining four types of welding are Rip test<br />
,Ball test ,post weld test ,stretch weld test
Table 3 The weight rating of the results.<br />
3. Results<br />
Figure 3 Analysis of the normal distribution of the error of the<br />
results of testing the strength of the weld.<br />
Figure 3 Analysis of the normal distribution<br />
When the testing strength of the weld data was analyzed and<br />
plot with the distribution of the error, the data distributed along a<br />
straight line was estimated that was normally distributed.<br />
Figure 4 Graph of the response variable to test the strength of the weld.<br />
22<br />
Table 4 Test the strength of the weld.<br />
The results response variables of the strength test of the weld<br />
showed that the main factor was the power voltage of 4 spring area of overlap<br />
and size of welding wire. They influenced of the strength of the weld.<br />
- The amount of power at 45 amps was the best condition to test<br />
the strength of the weld.<br />
- The best condition of the pressure spring was at the level 60 daN<br />
- 0.9 mm in the area overlap areas of overlap at the overlapping<br />
area of the weld strength will rise as the area of overlap.<br />
- The size of the wire affect the strength of the weld to increase<br />
the size of the welding wire. It was found that the size of the welding wire is<br />
2.08 mm.<br />
This variable response has been test the strength of the weld to<br />
suggest the optimal conditions for the canned food to the strength of the welds<br />
are to a great extent, the amount of current. 55 amp electrical voltage spring 60<br />
daN areas of overlap and the size of 0.7 mm to 2.10 mm wire.<br />
Evaluation criteria used to score the highest points total of the<br />
four test results is to test the strength of the weld. Testing of the weld<br />
interface. To test the width of the weld. And the elongation of the welds. The<br />
optimum conditions in the canned food conditions in the 26 is<br />
1. Factor A (+): 55 amps of electricity.<br />
2. Factor B (0): the pressure spring 60 daN.<br />
3. Factor C (0): the space of 0.7 mm overlap.<br />
4. Factor D (+): the wire size of 2.10 mm.<br />
The results were weigh as follows.<br />
Test the strength of the weld was 10 points.<br />
Test results, the coordination of the weld to be 9 points.<br />
Test area of overlap is 10 points.<br />
Elongation of the test welds to 9 points.<br />
Table 5 compares the average test results.
The comparison showed that the appropriate conditions of the<br />
experiment with the properties of welds better. The strength of the weld is<br />
coordination 97 percent to 98 percent of the welds better than 89 percent to 90<br />
percent he width of the weld increased from 0.48 MM. to 0.5 mm, and<br />
elongation of the welds can withstand increased from 110 MPa to 106 MPa.<br />
4. Conclusion.<br />
The design of experiments to study the factors that was<br />
appropriate for the canned food, found that the strength of the weld and<br />
coordination tin of the weld were important factors that influence the power<br />
and pressure spring. The width of the weld was an important factor influencing<br />
the area of overlap of the plate and extending the boundaries of the study<br />
showed that all factors were factors that have an important influence.<br />
Analysis of test welds found conditions were appropriate for the<br />
size 603 * 700 kinds of canned food tin coated steel as follows: 55 amp<br />
electric pressure spring 60 daN. Copper wire (and compressed) 2.10. mm. the<br />
area of overlap of the plate 0.7 mm.<br />
5. Suggestion<br />
- The effects of electric current can be seen that there are three<br />
levels at very wide of the level. It should adjust the factors used in the<br />
experiment smaller than this.<br />
- It should be added a number of factors in the experiment more<br />
and to determine the appropriate point. (More optimization)<br />
6. References<br />
[1] Parems Chutima, 2545. Experimental design and engineering<br />
publisher, Chulalongkorn University, Bangkok, Thailand.<br />
[2] Kanlaya Vanichakarn Intelligence, 2549. Statistical Analysis:<br />
Statistics for management and research publishing, Chulalongkorn<br />
University, Bangkok, Thailand.<br />
[3] Thotsapol Kieatcharoenphol, 2537. To find the optimum conditions<br />
for the coating of lacquer on a piece of tin coated steel by means of<br />
experimental design. . Master's thesis. Department of Industrial<br />
Engineering. Graduate School. Chulalongkorn University.<br />
[4] Panayyakorn Aungkurapinan 2544. The study of factors affecting<br />
the tensile strength of the seam. In the process, U-shaped carrying<br />
bag. Master's thesis. Department of Industrial Engineering.<br />
Graduate School. King Mongkut’s University of Technology North<br />
Bangkok.<br />
[5] Sutiwat Mahakapakorn, 2539. The study of the integration process<br />
of TIG for stainless steel pipes, drums, casings of SUS436L.<br />
Master's thesis. Chulalongkorn University.<br />
[6] Sataporn Pimsarn, 2547. Factors that are suitable for application on<br />
polyester powder coating welding cans. . Master's thesis.<br />
23<br />
Department of Industrial Engineering. King Mongkut’s University<br />
of Technology North Bangkok.<br />
[7] Pemika Suwanmanee, 2548. The appropriate factors in the process<br />
of painting furniture. The experimental design. Case Study: A<br />
manufacturer of furniture Thesis Master. Department of Industrial<br />
Engineering. King Mongkut’s University of Technology North<br />
Bangkok..<br />
[8] Uthumporn Pongudom, 2552. The factors that fit into the<br />
aluminum tube from a roll forming process. Case factory radiator<br />
Thesis Master. Department of Industrial Engineering. Loading.<br />
[9] Saowapa season, 2549. The appropriate factors in the process of<br />
offset printing on the packaging by designing the experiment. Case<br />
Study: A manufacturer of packaging paper. Master's thesis.<br />
Department of Industrial Engineering. King Mongkut’s University<br />
of Technology North Bangkok.<br />
[10] Yaowapa Loahataweechoke, 2544. Factors that are suitable for<br />
coating aluminum Thesis Master. Department of Industrial<br />
Engineering. King Mongkut’s University of Technology North<br />
Bangkok.<br />
[11] Tanee Sriwongchai, 2540. Factors that are suitable for anther<br />
culture of barley to be used in the hybrid. 1. Master of Science.<br />
Department of Plant farm University Library, Kasetsart University.<br />
[12] Duangkamol Reangturakit, 2545. The appropriate factors in the<br />
manufacture of rubber soles on the method of experimental design.<br />
Master thesis. Department of Industrial Engineering. King<br />
Mongkut’s University of Technology North Bangkok.<br />
[13] Victor chew,1958.Experiment Design in Industry .New York :<br />
John Wiley & Son.<br />
[14] Raymond H.Myers and Douglas C.Montgomery.2002<br />
ResponseSurface Methodology.2 rd ed. United Stated of America<br />
John Wiley & Son.
24<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การปรับปรุงกระบวนการเจียระไนเสนผานศูนยกลางดานนอกของเพลา<br />
ดวยเทคนิคการออกแบบการทดลองทางวิศวกรรม<br />
Improvement Outside Diameter Grinding Process of Shaft with Engineering Experimental Design<br />
วันชัย ลีลากวีวงศ 1 สุวัฒน เณรโต 2 สิริพงศ จึงถาวรรณ 3 และณัฐวุฒิ ขุนสอาดศรี 4<br />
1, 2, 3,4<br />
ภาควิชาวิศวกรรมอุตสาหการและการจัดการ คณะวิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม<br />
มหาวิทยาลัยศิลปากร อ.เมือง จ.นครปฐม 73000 โทรศัพท/โทรสาร: 034-219-362<br />
E-mail: 1 lwanchai@ymail.com, 2 suwat@su.ac.th, 3 kn19119@hotmail.com, 4 mr.bodyslam_27@hotmail.com<br />
บทคัดยอ<br />
บทความนี้มีวัตถุประสงคเพื่อลดของเสียของชิ้นงานเพลา<br />
โมเดลแพนเทอรบี (Panther-B) ที่มีขนาดเสนผานศูนยกลางดานนอกเล็ก<br />
กวาชวงควบคุม (Lower specification limit: LSL) ที่เกิดจากกระบวนการ<br />
เจียระไน โดยมีเปาหมายคือลดอัตราของเสียลง 50 เปอรเซ็นต การ<br />
ดําเนินงานจะเริ่มจากสํารวจปญหาที่เกิดขึ้นพบวา<br />
ขนาดเสนผาน<br />
ศูนยกลางดานนอกของชิ้นงานที่เล็กกวาชวงควบคุมเปนสาเหตุทําใหเกิด<br />
ของเสียมากที่สุด<br />
จึงนําปญหานี้มาทําการวิเคราะหหาสาเหตุและแกไข<br />
จากนั้นจึงทําการเลือกปจจัยที่ไดจากการวิเคราะหและรวบรวมขอมูลใน<br />
กระบวนการผลิตมาทําการหาปจจัยหลักที่มีผลตอจํานวนของเสียที่<br />
เกิดขึ้น<br />
โดยใชการทดสอบการแจกแจงแบบปกติ การทดสอบแบบเอฟ<br />
(F-test) และการทดสอบแบบที (T-test) ซึ่งผลจากการทดสอบพบวา<br />
การ<br />
ปรับเวลาในการขัดแบบหยาบสเกลสิบ (Macro time) และการปรับเวลา<br />
ในการขัดแบบละเอียดสเกลหนวย (Micro time) เปนปจจัยหลักที่มีผลตอ<br />
ขนาดเสนผานศูนยกลางดานนอกของชิ้นงานที่เล็กกวาชวงควบคุม<br />
จึงทํา<br />
การออกแบบการทดลองโดยใชการทดลองเชิงแฟคทอเรียลแบบสมบูรณ<br />
(Full Factorial Design: FFD) พบวาการปรับเวลาในการขัดแบบหยาบ<br />
สเกลสิบ และการปรับเวลาในการขัดแบบละเอียดสเกลหนวยมีคาระดับ<br />
ปจจัยที่เหมาะสมที่ทําใหของเสียในกระบวนการลดนอยที่สุด<br />
คือ 20 และ<br />
0 ตามลําดับ สามารถลดของเสียลงไดถึง 93.75% ของจํานวนของเสีย<br />
ทั้งหมด<br />
ซึ่งบรรลุตามเปาหมายที่ตั้งไว<br />
คําสําคัญ: การปรับปรุง, เจียระไน, เสนผานศูนยกลาง, การออกแบบการ<br />
ทดลอง<br />
Abstract<br />
This article had the objective to decrease waste matter<br />
quantity of shaft model Panther-B which was diameter outside size was<br />
smaller than the Lower specification limit (LSL). We determined it to<br />
decrease waste matter rate more than 50 percents. First, we started<br />
survey, and then we found problems that the major problem was the<br />
diameter outside size was smaller than LSL. So, we led this major<br />
problem to analyze and improve. Next, we selected the major cause<br />
with Normal distribution test, F-test and T-test. The result of research<br />
found adjustment macro time and micro time were the major factors<br />
that affect to diameter. We designed experiment with Full Factorial<br />
Design method (FFD). Thus, we found the optimization point were<br />
Macro time at 20 and Micro time at 0 that have decreased waste matter<br />
93.75% of all waste matter amounts.<br />
Keywords: Improvement, Grinding, Diameter, Design of experiment<br />
1. บทนํา<br />
1.1 ความสําคัญและที่มาของปญหา<br />
อุตสาหกรรมคอมพิวเตอร อุปกรณและสวนประกอบ เปนอีก<br />
อุตสาหกรรมหนึ่งที่มีของเสียเกิดขึ้นในกระบวนการผลิต<br />
ซึ่งถือเปน<br />
ชิ้นงานที่ไมสามารถสงขายใหกับลูกคาได<br />
โดยสิ่งเหลานี้ถือเปนการ<br />
สูญเสียและเปนตนทุนที่เพิ่มขึ้น<br />
จึงจําเปนตองอาศัยเทคนิคที่มีความ<br />
เหมาะสม มาทําการปรับปรุงสภาพการผลิตใหตนทุนสินคาต่ําและมี<br />
คุณภาพที่สามารถแขงขันในตลาดได<br />
ตารางที่<br />
1 การผลิตชิ้นงานเพลาโมเดลแพนเทอรบี<br />
ม.ค.-เม.ย. 2553<br />
เดือน ปจจัยปอนเขา ปจจัยนําออก งานเสีย % งานเสีย<br />
ม.ค. 1,510,682 1,507,623 1,763 0.12<br />
ก.พ. 2,316,196 2,312,676 1,405 0.06<br />
มี.ค. 3,048,143 3,041,601 3,015 0.10<br />
เม.ย. 3,022,771 3,021,353 1,451 0.05<br />
คาเฉลี่ย<br />
2,474,448 2,470,813.25 1,908.5 0.08<br />
ที่มา:<br />
โรงงานผลิตอุปกรณและสวนประกอบคอมพิวเตอรตัวอยาง, 2553
จากตารางที่<br />
1 เปนขอมูลของการผลิตชิ้นงานเพลาโมเดลแพน<br />
เทอรบี ซึ่งเปนสวนประกอบที่สําคัญของมอเตอรสปนเดิล<br />
โดยเปน<br />
สวนประกอบที่ทําหนาที่เปนแกนหมุนในการใชงานของหัวอานสําหรับ<br />
ฮารดดิสก พบวาชิ้นงานเพลามีของเสียในลักษณะที่ขนาดเสนผาน<br />
ศูนยกลางดานนอกเล็กกวาชวงควบคุมเฉลี่ยอยูที่<br />
0.08% ของปริมาณการ<br />
ผลิตตอเดือน จึงจําเปนอยางยิ่งที่จะตองตรวจสอบหาสาเหตุและ<br />
ดําเนินการแกไขเพื่อตองการลดเปอรเซ็นตของเสียที่เกิดขึ้น<br />
ดังนั้นคณะผูวิจัยจึงมีความสนใจที่จะทําการปรับปรุง<br />
กระบวนการผลิต เพื่อลดจํานวนชิ้นงานเพลาที่มีขนาดเสนผานศูนยกลาง<br />
ดานนอกเล็กกวาชวงควบคุมลง โดยมีแนวความคิดที่จะประยุกตใชหลัก<br />
ของการออกแบบและวิเคราะหการทดลอง (Design and Analysis of<br />
Experiments: DOE) ในการศึกษาหาปจจัยที่แทจริงที่สงผลตอความ<br />
คลาดเคลื่อนของขนาดเสนผานศูนยกลางดานนอกชิ้นงานเพลา<br />
1.2 วัตถุประสงค<br />
1. เพื่อศึกษากระบวนการผลิตชิ้นงานเพลา<br />
2. เพื่อวิเคราะหปจจัยที่มีผลตอการเกิดของเสีย<br />
พรอมทั้งหา<br />
ระดับปจจัยที่เหมาะสมในกระบวนการผลิตชิ้นงานเพลาที่มีผลตอขนาด<br />
เสนผานศูนยกลางดานนอกชิ้นงาน<br />
โดยประยุกตใชเทคนิคการออกแบบ<br />
การทดลอง<br />
3. เพื่อลดเปอรเซ็นตของเสียของชิ้นงานเพลาโมเดลแพนเทอร<br />
บีที่มีขนาดเสนผานศูนยกลางดานนอกเล็กกวาชวงควบคุมลง<br />
50<br />
เปอรเซ็นต<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
ทางคณะผูวิจัยไดทําการรวบรวมเอกสาร<br />
แนวความคิด และ<br />
งานวิจัยที่เกี่ยวของ<br />
โดยจะใชการอางอิงจากทฤษฎีดังตอไปนี้<br />
1. งานกลึง คือ การตัดโลหะโดยใหชิ้นงาน<br />
(Work Piece)<br />
หมุนรอบตัวเองโดยมีดกลึงเคลื่อนที่เขาหาชิ้นงาน<br />
การกลึงมี 2 ลักษณะ<br />
ใหญ คือ 1) การกลึงปาดหนา คือ การตัดโลหะโดยใหมีดตัดชิ้นงานไป<br />
ตามแนวขวาง 2) การกลึงปอก คือ การตัดโลหะโดยใหมีดตัดเคลื่อนที่ตัด<br />
ชิ้นงานไปตามแนวขนานกับแนวแกนของชิ้นงาน<br />
2. ซิกซ ซิกมา (Six Sigma) คือ กระบวนการเพื่อลดความ<br />
ผิดพลาด (Defect) ที่เกิดขึ้นในกระบวนการตางๆโดยมุงเนนใหเกิดความ<br />
ผิดพลาดนอยที่สุด<br />
และมีความสูญเสียไดไมเกิน 3.4 หนวยในลานหนวย<br />
หรือเรียกอีกอยางวา ลดความสูญเสียโอกาสลงใหเหลือเพียงแค 3.4<br />
หนวยนั่นเอง<br />
(Defect per Million Opportunities: DPMO) สัญลักษณที่<br />
นิยมใชกันทางสถิติคือ ตามความหมายของซิกซ ซิกมา ทางสถิติ<br />
หมายถึง ขอบเขตขอกําหนด (Specification Limit) และการแจกแจงปกติ<br />
(Normal Distribution) ขอบเขตขอกําหนดบนมีคาเปน 6 หมายถึง ที่ระดับ<br />
ซิกมา มีของเสียเพียง 0.022 ชิ้นจากจํานวนของทั้งหมด<br />
1,000,000 ชิ้น<br />
3. การออกแบบการทดลอง (Design and Analysis of<br />
Experiment: DOE) เปนเทคนิคทางสถิติชั้นสูงที่ใชในการปรับคาสภาวะ<br />
25<br />
ของกระบวนการใหเปนไปตามสภาพที่เราตองการ<br />
ซึ่งขอแตกตางอยาง<br />
เห็นไดชัดระหวางวิธีการโดยทั่วไปกับเทคนิคของการออกแบบการ<br />
ทดลอง คือ วิธีการโดยทั่วไปมักเปนการทดลองแบบ<br />
ลองผิดลองถูก หรือ<br />
ใชการทดลองปรับตั้งคากระบวนการทีละคา<br />
(One-Factor-at-a-Time) จะ<br />
ใหผลตอบสนองเขาสูจุดมุงหมายที่ตองการไดชามาก<br />
และสิ้นเปลือง<br />
ทรัพยากรในการวิเคราะหรวมถึงตองเก็บขอมูลมาก และยังไมเหมาะสม<br />
อยางยิ่งกับกระบวนการที่มีผลของความสัมพันธรวม<br />
(Interaction Effect)<br />
ระวางตัวแปรของกระบวนการดวยกันเอง<br />
4. งานวิจัยที่เกี่ยวของ<br />
กฤษดา อัศวรุงแสงกุล<br />
(2542) ไดทําการศึกษาปจจัยที่มีผลตอ<br />
รอยบิ่นและรอยราวในกระบวนการตัดขั้นสุดทายของการตัดหัวอาน<br />
เขียนขอมูลฮารดดิสก และหาวิธีการที่เหมาะสม<br />
โดยขั้นตอนการ<br />
ดําเนินงานวิจัยเริ่มตนจากการพิจารณาหาปจจัยที่มีอิทธิพลตอการเกิดรอย<br />
บิ่น<br />
และรอยราวของหัวอานเขียนขอมูลฮารดดิสก โดยมีปจจัยทั้งหมด<br />
5<br />
ปจจัย คือความเร็วรอบในการตัด ความลึกของใบมีดในการตัด อัตราปอน<br />
ตัด จํานวนครั้งในการเดินลับมีด<br />
และทิศทางในการตัด โดยใชแผนการ<br />
ทดลองแฟชั่นนอลแบบครึ่งหนึ่งของวิธีแฟคทอเรียล<br />
โดยปจจัยทุกปจจัย<br />
มีระดับของปจจัยเทากับ 2 ระดับ จากผลการทดลองพบวาความเร็วรอบ<br />
ในการตัด และทิศทางในการตัด มีอิทธิพลอยางมีนัยสําคัญตอการเกิดรอย<br />
บิ่นและรอยราว<br />
ซึ่งสภาวะที่เหมาะสมสําหรับความเร็วรอบในการตัดคือ<br />
8,500 รอบ/นาที และสําหรับทิศทางในการตัดคือ ทิศทางการตัดจากดาน<br />
โพลสูดานเทเปอร<br />
ชัยรัตน แจงเจนรบ (2545) ไดทําการปรับปรุงคุณภาพของ<br />
กระบวนการผลิตชิ้นสวนประกอบของชุดหัวอานเขียนขอมูลฮารดดิสก<br />
โดยอาศัยกรรมวิธีการออกแบบการทดลอง งานวิจัยนี้ไดใหความสําคัญ<br />
กับปจจัยที่มีอิทธิพลตอปริมาณกาวที่ติดอยูระหวาง<br />
Flex และ Suspension<br />
จากการวิเคราะหทําใหทราบไดวามี 6 ปจจัย ที่มีผลกระทบกับปริมาณ<br />
กาวที่ติดอยูระหวาง<br />
Flex และ Suspension ปจจัยเหลานี้ประกอบไปดวย<br />
ขนาดของหยดกาว ความสูงของการหยดกาวที่จุดตัวเรือน<br />
ระยะของการ<br />
หยดกาวที่จุดคอชิ้นงาน<br />
ความสูงของการหยดกาวที่จุดคอชิ้นงาน<br />
ระยะเวลาของการหยดกาวที่จุด<br />
Gimbal ของชิ้นงาน<br />
และความสูงของ<br />
การหยดกาวที่จุด<br />
Gimbal ของชิ้นงาน<br />
โดยที่ไดใชการออกแบบการ<br />
ทดลองแบบ One-half Fractional Factorial Design เพื่อวิเคราะหวาปจจัย<br />
ใดบางที่มีผลอยางมีนัยสําคัญตอปริมาณกาว<br />
จากผลการทดลองพบวามี<br />
เพียงปจจัย 2 ชนิด เทานั้น<br />
ที่มีผลตอปริมาณกาว<br />
คือ ระยะเวลาของการ<br />
หยดกาวที่จุด<br />
Gimbal ของชิ้นงาน<br />
และความสูงของการหยดกาวที่<br />
Gimbal ของชิ้นงาน<br />
หลังจากนั้นจึงไดทําการทดลองเพิ่มเติมโดยอาศัย<br />
การออกแบบการทดลองเชิงแฟคทอเรียลแบบสามระดับ (3k Factorial<br />
Design) ซึ่งสภาวะที่เหมาะสมที่จะทําใหปริมาณกาวไดตามคาเปาหมาย<br />
คือระยะเวลาของการหยดกาวที่จุด<br />
Gimbal ของชิ้นงานที่ระดับ<br />
350<br />
มิลลิวินาที และความสูงของการหยดกาวที่<br />
Gimbal ของชิ้นงานที่ระดับ
0.35 มิลลิเมตร หลังจากที่ไดจุดที่เหมาะสมสําหรับการควบคุม<br />
กระบวนการจึงนําผลดังกลาวไปใชในการผลิตจริงปรากฏวา ปริมาณของ<br />
เสียดังกลาวไดลดลงอยางมีนัยสําคัญ คือกอนทําการปรับปรุงมีปริมาณ<br />
ของเสียอยูที่ระดับ<br />
1.74% และภายหลังจากการปรับปรุงมีปริมาณของเสีย<br />
เหลือเพียง 1.01% ทําใหสามารถประหยัดคาใชจายไดเปนจํานวนเงิน<br />
1,300,000 บาท/เดือน<br />
ทรงพล พิเชษฐวัฒนา (2541) ไดทําการศึกษาถึงปจจัยที่มี<br />
อิทธิพลตอแรงดึงระหวาง Slider และ Flexure ของหัวอานขอมูลใน<br />
ฮารดดิสกไดรฟ และเสนอเงื่อนไขที่เหมาะสมเพื่อคุณภาพของแรงดึงของ<br />
หัวอานเขียนขอมูลดังกลาวภายใตเงื่อนไขที่เปนจริง<br />
งานวิจัยนี้เริ่มตนจาก<br />
การอาศัยความรูและความชํานาญของผูเชี่ยวชาญ<br />
และจากเอกสารจํานวน<br />
มากที่เกี่ยวของ<br />
เพื่อระบุถึงปจจัยทั้งหมดที่มีผลตอแรงดึงของหัวอาน<br />
เขียนขอมูลโดยใชแผนภาพแสดงเหตุและผล (Cause and Effect<br />
Diagram) จากการวิเคราะหแผนภูมิดังกลาว ทําใหทราบวามีปจจัยที่<br />
สามารถเปลี่ยนแปลงและควบคุมไดโดยไมเสียคาใชจายในการผลิต<br />
เพิ่มขึ้นอยางมากมายแตประการใด<br />
ปจจัยเหลานี้ประกอบดวย<br />
อัตรา<br />
สวนผสมของสารยึดเหนี่ยว<br />
อุณหภูมิในการอบ เวลาในการอบ และชนิด<br />
ของน้ําหนักกด<br />
การออกแบบการทดลองแบบแฟคทอเรียลไดถูกนํามาใช<br />
เพื่อที่จะวิเคราะหวาปจจัยใดบางที่มีผลอยางมีนัยสําคัญตอแรงดึง<br />
และ<br />
ปจจัยใดบางที่มีอันตรกิริยา<br />
(Interaction) ระหวางกัน จากผลการทดลอง<br />
พบวา ปจจัยเพียง 3 ชนิดเทานั้นที่มีผลตอแรงดึง<br />
กลาวคือ อัตราสวนผสม<br />
ของสารยึดเหนี่ยว<br />
อุณหภูมิในการอบ และเวลาในการอบ การทดลอง<br />
แบบแฟคทอเรียลไดถูกนํามาใชอีกครั้งหนึ่ง<br />
โดยที่มีจํานวนของการทําซ้ํา<br />
(Replication) ของแตละปจจัยเพิ่มขึ้น<br />
เพื่อหาสภาวะการทํางานที่<br />
เหมาะสมที่จะทําใหไดคาแรงดึงสูงสุดโดยไมขัดกับเงื่อนไขทางไฟฟาที่<br />
เกิดขึ้นกับหัวอานเขียน<br />
ผลการทดลองแสดงวา สภาวะที่เหมาะสมที่ทําให<br />
หัวอานเขียนมีคาแรงดึงสูงสุดคือ อัตราสวนผสม 4:1 อุณหภูมิในการอบ<br />
300 องศาฟาเรนไฮต และเวลาที่ใชในการอบ<br />
16 นาที และเมื่อนําคาแรง<br />
ดึงที่ไดไปเปรียบเทียบในเชิงสถิติกับคาแรงดึงของหัวอานเขียนใน<br />
ปจจุบันพบวา คาแรงดึงเฉลี่ยที่สภาวะใหมนี้มีคาสูงกวาคาแรงดึงที่เปนอยู<br />
ในสภาวะปจจุบันอยางมีนัยสําคัญทางสถิติ<br />
Yasir Hadi, Salah Gasim Ahmed (2006) ไดศึกษาเรื่องการ<br />
พัฒนารูปแบบสําหรับพยากรณคาความหยาบผิวในการกระบวนกลึง<br />
อลูมิเนียม โดยศึกษาพารามิเตอรดังนี้<br />
ความเร็วรอบ, อัตราปอนและระยะ<br />
ปอนลึก ดวยการออกแบบการทดลองเชิงแฟคทอเรียลแบบสามระดับ (3k<br />
Factorial Design) พบวา เมื่อกําหนดอัตราปอนระดับต่ํา<br />
และความเร็ว<br />
รอบที่ระดับสูง<br />
จะทําใหไดคาความหยาบผิวที่นอยที่สุด<br />
และไดสมการ<br />
สําหรับพยากรณคาความหยาบผิวในการกระบวนกลึงอลูมิเนียมที่มีความ<br />
ผิดพลาดนอย คือ SR = 15.8S -1.155 F1.125 D0.125<br />
3. วิธีการดําเนินการ<br />
3.1 ขั้นตอนและวิธีการดําเนินการ<br />
26<br />
1. ทําความเขาใจถึงปญหา กระบวนการผลิต และศึกษาสภาพ<br />
ปญหาหลัก<br />
2. ทําการวิเคราะหระบบการวัด เพื่อประเมินความเที่ยงตรง<br />
ของระบบการวัด<br />
3.ทําการวิเคราะหหาสาเหตุของปญหา เพื่อเลือกปจจัยมาทํา<br />
การทดลอง<br />
4. เลือกคาผลลัพธ โดยตองมั่นใจวาคาผลลัพธนี้จะใหขอมูล<br />
เกี่ยวกับกระบวนการที่กําลังศึกษาอยู<br />
และวิธีวัดคาผลลัพธเหลานี้<br />
กอนที่<br />
จะเริ่มทําการทดลองจริง<br />
5. ทําการพิสูจนความเปนนัยสําคัญของปจจัยปอนเขา เพื่อดูวา<br />
ปจจัยปอนเขาเปนปจจัยที่สงผลตอขนาดเสนผานศูนยกลางดานนอก<br />
ชิ้นงานที่เล็กกวาชวงควบคุมอยางมีนัยสําคัญหรือไม<br />
6. เลือกปจจัย ระดับปจจัยที่ใชในการทดลองและการ<br />
ออกแบบการทดลอง โดยจะเกี่ยวของกับการพิจารณาขนาดของตัวอยาง<br />
การเลือกลําดับที่เหมาะสมของการทดลองที่จะใชในการเก็บขอมูลและ<br />
ตัวสถิติที่จะใชในการทดลอง<br />
7. ดําเนินการทดลอง เมื่อทําการทดลองจะตองติดตาม<br />
กระบวนการทํางานอยางระมัดระวังเพื่อใหแนใจวาการดําเนินการทุก<br />
อยางเปนไปตามแผนที่ไดวางไว<br />
8. วิเคราะหขอมูลเชิงสถิติ ทําการวิเคราะหขอมูลเชิงสถิติแลว<br />
นํามาผนวกกับความรูทางวิศวกรรม<br />
ความรูเกี่ยวกับกระบวนการ<br />
และ<br />
สามัญสํานึก จะทําใหขอสรุปที่ไดมีเหตุผลสนับสนุนและมีความ<br />
นาเชื่อถือ<br />
9. สรุปผลการทดลองและขอเสนอแนะ คือหาขอสรุปในทาง<br />
ปฏิบัติและแนะนําแนวทางของกิจกรรมที่จะเกิดขึ้น<br />
ทําการทดลองยืนยัน<br />
ผลเพื่อตรวจสอบความถูกตองของขอสรุปที่เกิดขึ้น<br />
3.1.1 ทําความเขาใจถึงปญหา<br />
เทอรบี<br />
ลักษณะผลิตภัณฑ ดังรูปที่<br />
1 เปนผลิตภัณฑเพลาโมเดลแพน<br />
OD.1<br />
ปก<br />
รูปที่<br />
1 ชิ้นงานหลังสําเร็จ<br />
OD.2
กระบวนการผลิตชิ้นงาน<br />
เริ่มจากกระบวนการที่<br />
1 การตัดขึ้น<br />
รูป (Turning) เปนการนําวัตถุดิบมาทําการตัดดวยเครื่องจักร<br />
CNC และ<br />
ทําการขึ้นรูปใหไดสเปคตามแบบกําหนดดังรูปที่<br />
1<br />
กระบวนการที่<br />
2 การอบชุบ (Heat treatment) เปนการอบชุบ<br />
ชิ้นงานเพลาเพื่อเพิ่มคาความแข็ง<br />
(Hardness) ใหสูงขึ้น<br />
กระบวนการที่<br />
3 1 st อินฟด (1 st Infeed) เปนการขัดผิวบริเวณ<br />
เสนผานศูนยกลางดานนอก (OD.2) และกัดใตปกของชิ้นงานเพลาดวย<br />
หินเจียระไนใหไดสเปคตามแบบกําหนด ดังรูปที่<br />
2<br />
รูปที่<br />
2 กระบวนการที่<br />
3 1 st อินฟด<br />
กระบวนการที่<br />
4 การขัดผิวหนาชิ้นงาน<br />
(Face Grinding) เปน<br />
การขัดผิวหนาของชิ้นงานเพลาบริเวณปกดวยหินเจียระไนใหได<br />
สเปคตามแบบกําหนด ดังรูปที่<br />
3<br />
รูปที่<br />
3 กระบวนการที่<br />
4 การขัดผิวหนาชิ้นงาน<br />
กระบวนการที่<br />
5 การขัดผิวเสนผานศูนยกลางดานนอก (OD.1<br />
Grinding) เปนการขัดผิวและลบมุมบริเวณเสนผานศูนยกลางดานนอก<br />
(OD.1) ของชิ้นงานดวยหินเจียระไนใหไดสเปคตามแบบกําหนด<br />
ดังรูปที่<br />
4<br />
รูปที่<br />
4 กระบวนการที่<br />
5 การขัดผิวเสนผานศูนยกลางดานนอก<br />
27<br />
กระบวนการที่<br />
6 2 nd อินฟด (2 nd Infeed) เปนการขัดผิวขั้น<br />
สุดทายบริเวณเสนผานศูนยกลางดานนอก (OD.2) ของชิ้นงานดวยหิน<br />
เจียระไน ใหไดสเปคและกลุมตามแบบที่กําหนด<br />
ดังรูปที่<br />
5<br />
รูปที่<br />
5 กระบวนการที่<br />
6 2 nd อินฟด<br />
กระบวนการที่<br />
7 การทําใหผิวมันวาว (Barrel) เปนการลบเศษ<br />
บริเวณรอบๆตรงขอบชิ้นงานที่เกิดจากการขัดของหินเจียระไน<br />
และทํา<br />
ใหผิวชิ้นงานมันวาว<br />
กระบวนการที่<br />
8 ตรวจสอบสกรู 100% (Check Screw 100%)<br />
เปนการตรวจสอบจํานวนรอบเกลียวของชิ้นงานเพลา<br />
100% ใหไดสเปค<br />
ตามแบบกําหนด<br />
กระบวนการที่<br />
9 ตรวจสอบขนาดเสนผานศูนยกลางดานนอก<br />
100% (Check OD.1 100%) เปนการตรวจสอบ 100% ของชิ้นงานเพลา<br />
บริเวณเสนผานศูนยกลางดานนอก โดยดูวาชิ้นงานที่ไดนั้นมีขนาดตรง<br />
ตามสเปคที่กําหนดหรือไม<br />
ศึกษาขั้นตอนการทํางานของกระบวนการขัดผิวเสนผาน<br />
ศูนยกลางดานนอกชิ้นงาน<br />
(OD.1 Grinding: Micro Process) โดย<br />
กระบวนการขัดผิวเสนผานศูนยกลางดานนอกชิ้นงานเปนกระบวนการที่<br />
คณะผูวิจัยสนใจศึกษา<br />
สําหรับขั้นตอนการทํางานของกระบวนการ<br />
สามารถอธิบายได ดังนี้<br />
1) เมื่อพนักงานเทชิ้นงานลงใน<br />
Part Feeder ชิ้นงานก็จะไหล<br />
เรียงตัวกันลงมาตาม Chute จากนั้น<br />
Loader จะทําการโหลดชิ้นงานไปที่<br />
Roller ดังรูปที่<br />
6<br />
Roller<br />
Chute<br />
รูปที่<br />
6 ลักษณะการโหลดชิ้นงาน<br />
Loader
2) หินเจียระไนจะเคลื่อนที่เขามาหาชิ้นงานเพลาบริเวณเสน<br />
ผานศูนยกลางดานนอกแตยังไมโดนตัวชิ้นงาน<br />
โดยมีระยะหางระหวาง<br />
หินเจียระไนจนถึงตําแหนงที่เสนผานศูนยกลางดานนอกมีขนาดตรงตาม<br />
แบบที่กําหนดเทากับ<br />
0.66 มิลลิเมตร ดังรูปที่<br />
7<br />
รูปที่<br />
7 ลักษณะการขัดชิ้นงานเพลาบริเวณเสนผานศูนยกลาง<br />
ดานนอกของหินเจียระไน<br />
3) Gauge Head จะใช Gauge Contact เขามาจับชิ้นงานตรง<br />
บริเวณเสนผานศูนยกลางดานนอกเพื่อตรวจสอบและควบคุมขนาด<br />
ในขณะขัดแลวแสดงผลไปยัง Amplifier ดังรูปที่<br />
8 และ 9<br />
รูปที่<br />
8 ลักษณะของ Gauge Contact<br />
รูปที่<br />
9 ลักษณะการจับชิ้นงานเพลาบริเวณเสนผานศูนยกลาง<br />
ดานนอกของ Gauge Contact<br />
28<br />
4) หินเจียระไนจะเคลื่อนที่เขามาขัดชิ้นงาน<br />
โดยมีAmplifier<br />
เปนตัวแสดงวาขนาดเสนผานศูนยกลางดานนอกของชิ้นงานขัดถึง<br />
ตําแหนงที่ไดตามแบบกําหนดหรือยัง<br />
โดยเงื่อนไขของอัตราปอนที่ใชใน<br />
การขัดของเครื่องเจียระไนมีดังนี้<br />
่ ตารางที 2 อัตราปอนที่ใชในการขัดของเครื่องเจียระไน<br />
กระบวนการ ระยะ ระยะ/เวลา หรือ เวลา<br />
Approach 0.5000 mm 8.000 mm/s<br />
่<br />
่<br />
่<br />
่<br />
ปอนครั้งที<br />
1 0.1200 mm 0.500 mm/s<br />
ปอนครั้งที<br />
2 0.0250 mm 0.100 mm/s<br />
ปอนครั้งที<br />
3 0.0100 mm 0.025 mm/s<br />
ปอนครั้งที<br />
4 0.0050 mm 0.010 mm/s<br />
Spark Out - 0.100 s<br />
Over feed 0.0050 mm 0.003 mm/s<br />
3.1.2 วิเคราะหหาสาเหตุของปญหา<br />
ในการวิเคราะหหาสาเหตุของปญหาจะใชแผนผังกางปลาเปน<br />
เครื่องมือในการหาสาเหตุ<br />
ซึ่งสาเหตุหลักๆ<br />
จะถูกแบงเปนปจจัยตางๆ<br />
ตามหลักการ 4M โดยการระดมความคิดจากบุคคลที่มีทักษะและความ<br />
ชํานาญในพื้นที่เพื่อหาสาเหตุที่นาจะสงผลทําใหขนาดเสนผานศูนยกลาง<br />
ดานนอกของชิ้นงานเพลาเล็กกวาชวงควบคุม<br />
แสดงดังรูปที่<br />
10<br />
รูปที่<br />
10 แผนผังกางปลา<br />
จากการวิเคราะหผานแผนผังกางปลา ทําใหทราบปจจัยที่<br />
นํามาวิเคราะหประกอบดวย 3 ปจจัย คือ ชนิดของหิน (Type G/W) การ<br />
ปรับเวลาในการขัดแบบหยาบสเกลสิบ (Macro time) และการปรับเวลา
ในการขัดแบบละเอียดสเกลหนวย (Micro time) โดยจะทําการวิเคราะหที<br />
ละสาเหตุทีละปจจัยเพื่อหาขอมูลสนับสนุนตามสมมติฐานที่ตั้งไว<br />
1) การวิเคราะหชนิดของหิน<br />
เนื่องจากโครงสรางของหินเจียระไน<br />
ดังรูปที่<br />
11<br />
ประกอบดวยเม็ดเกรน ที่ใชในการตัดเฉือนชิ้นงาน<br />
ซึ่งหินเจียระไนแตละ<br />
ชนิดจะมีขนาดของเม็ดเกรนที่แตกตางกัน<br />
และเมื่อมีการขัดชิ้นงาน<br />
เกิดขึ้นก็จะมีเศษที่มาจากการขัดอยู<br />
2 สวน คือเศษชิ้นงานและเศษเม็ด<br />
เกรนซึ่งขนาดของเม็ดเกรนที่ใหญเกินไปอาจสงผลใหขนาดเสนผาน<br />
ศูนยกลางดานนอกชิ้นงานเล็กกวาชวงควบคุม<br />
จากสาเหตุดังกลาวจึง<br />
ดําเนินการทดสอบสมมติฐานเพื่อตองการทราบวาชนิดของหินจะสงผล<br />
ตอขนาดเสนผานศูนยกลางดานนอกชิ้นงานที่เล็กกวาชวงควบคุมที่<br />
เกิดขึ้นหรือไม<br />
รูปที่<br />
11 โครงสรางของหินเจียระไน<br />
รูปที่<br />
12 ชนิดของหินที่ใชในปจจุบัน<br />
WA 320 เม็ดเกรน 50 µm<br />
29<br />
รูปที่<br />
13 ชนิดของหินที่ใชในการทดสอบ<br />
CB 600 เม็ดเกรน 28 µm<br />
2) การวิเคราะหการปรับเวลาในการขัดแบบหยาบสเกลสิบ<br />
และการปรับเวลาในการขัดแบบละเอียดสเกลหนวย<br />
จากการวิเคราะหเบื้องตนสาเหตุที่นาจะสงผลตอปญหาคือ<br />
เวลาในการขัด เนื่องจากเวลาในการขัดที่นานเกินไปอาจจะสงผลใหเศษ<br />
เม็ดเกรนที่เกิดจากการขัดเขาไปติดอยูระหวางตัวชิ้นงานบริเวณเสนผาน<br />
ศูนยกลางดานนอกกับ Gauge Contact จึงสงผลใหขนาดเสนผาน<br />
ศูนยกลางดานนอกของชิ้นงานเล็กกวาชวงควบคุม<br />
สําหรับเงื่อนไขการปรับเวลาในการขัดนั้นจะตองใช<br />
Amplifier เปนตัวปรับระดับซึ่งจะมีอยู<br />
2 สวนที่จะตองทําการปรับระดับ<br />
คือเงื่อนไข<br />
2 และ 3 โดยเงื่อนไข<br />
2 คือการปรับเวลาแบบหยาบสเกลสิบ<br />
ซึ่งชวงสเกลที่เครื่องจักรสามารถทดลองไดคือ<br />
10-20 และเงื่อนไข<br />
3 คือ<br />
การปรับเวลาแบบละเอียดสเกลหนวยซึ่งชวงสเกลที่เครื่องจักรสามารถ<br />
ทดลองไดคือ 0-5<br />
รูปที่<br />
14 ตําแหนงการปรับเวลาในการขัด<br />
4. ผลการทดลอง<br />
4.1 ผลการวิเคราะหระบบการวัด<br />
เงื่อนไข<br />
2<br />
เงื่อนไข<br />
3<br />
สเกล<br />
จากการวิเคราะหระบบการวัดเพื่อทดสอบความเที่ยงตรงของ<br />
เครื่องวัดขนาดเสนผานศูนยกลางดานนอกที่ไดใชในการทดลอง<br />
(LED)<br />
ดังตารางที่<br />
3 พบวาระบบการวัดมี % Study Var มีคา 2.46 % ซึ่งมีคานอย
กวาคาการยอมรับที่กําหนดไวไมใหเกิน<br />
10 % หมายความวาระบบการวัด<br />
มีความผันแปรอยูในระดับที่ยอมรับได<br />
และจากคา Number of Distinct<br />
Categories (NDC) ซึ่งเปนคาการยอมรับที่กําหนดไวคือตองมากกวา<br />
5<br />
โดยคาที่ไดมีคาเทากับ<br />
57 แสดงวาระบบการวัดสามารถแยกประเภทของ<br />
ขอมูลที่มีความแตกตางกันได<br />
57 ประเภทอยางถูกตองและแมนยํา<br />
ตารางที่<br />
3 ผลการวิเคราะห Gauge R&R ของเครื่อง<br />
LED<br />
Source<br />
StdDev<br />
(SD)<br />
Study Var<br />
(6*SD)<br />
%Study Var<br />
(%SV)<br />
%Tolerance<br />
(SV/Toler)<br />
Total Gauge R&R 0.0000417 0.0002505 2.46 4.17<br />
Repeatability 0.0000417 0.0002505 2.46 4.17<br />
Reproducibility 0.0000000 0.0000000 0.00 0.00<br />
Opt. 0.0000000 0.0000000 0.00 0.00<br />
Part-To-Part 0.0016965 0.0101789 99.97 169.65<br />
Total Variation 0.0016970 0.0101820 100.00 169.70<br />
Number of Distinct Categories (NDC) = 57<br />
4.2 การทดลองสําหรับพิสูจนความเปนนัยสําคัญของปจจัย<br />
ปอนเขา<br />
การทดลองสําหรับพิสูจนความเปนนัยสําคัญของปจจัย<br />
ปอนเขาของกระบวนการนั้น<br />
จะใชการทดสอบการแจกแจงแบบปกติ<br />
(Normality Test) กอน เพื่อดูการแจกแจงแบบปกติของขอมูลแลวทําการ<br />
ทดสอบแบบเอฟ (F-Test) เพื่อดูความแปรปรวนของชุดขอมูลแลวจึงใช<br />
การทดสอบแบบที (T-Test) ตอ เพื่อทดสอบวาปจจัยที่เลือกนั้นเปนปจจัย<br />
หลัก (Critical KPIV) ที่สงผลตอขนาดเสนผานศูนยกลางดานนอก<br />
ชิ้นงานที่เล็กกวาชวงควบคุมอยางมีนัยสําคัญหรือไม<br />
4.2.1 ผลการทดลองสําหรับปจจัยที่<br />
1 ชนิดของหิน<br />
จากผลการทดสอบการแจกแจงแบบปกติพบวาคา P-Value<br />
ของหินปจจุบันและหินทดสอบมีคาเทากับ 0.246 และ 0.196 ตามลําดับ<br />
ซึ่งมีคามากกวาระดับนัยสําคัญ<br />
0.05 แสดงวาขอมูลที่นํามาทําการ<br />
วิเคราะหมีการแจกแจงแบบปกติ และผลการทดสอบแบบเอฟพบวา คา<br />
P–Value มีคานอยกวาระดับนัยสําคัญ 0.05 และชวงความแปรปรวนของ<br />
ขอมูลระหวางหินปจจุบันและหินทดสอบมีความแตกตางกันอยางมี<br />
นัยสําคัญ ดังนั้นจึงไมนําปจจัยชนิดของหินไปทําการทดสอบแบบที<br />
และ<br />
จะไมนําหินทดสอบไปทําการออกแบบการทดลอง<br />
30<br />
4.2.2 ผลการทดลองสําหรับปจจัยที่<br />
2 การปรับเวลาแบบหยาบ<br />
สเกลสิบ (Macro time)<br />
จากผลการทดสอบการแจกแจงแบบปกติพบวาคา P-Value<br />
ของการปรับเวลาแบบหยาบสเกลสิบที่<br />
10 มีคาเทากับ 0.384 และที่<br />
20 มี<br />
คาเทากับ 0.171 ซึ่งมีคามากกวาระดับนัยสําคัญ<br />
0.05 ดังนั้นแสดงวาขอมูล<br />
ที่นํามาทําการวิเคราะหมีการแจกแจงแบบปกติ<br />
ผลการทดสอบแบบเอฟ<br />
พบวา คา P–Value มีคาเทากับ 0.871 ซึ่งมากกวาระดับนัยสําคัญ<br />
0.05<br />
และชวงความแปรปรวนของขอมูลมีความแตกตางกันอยางไมมีนัยสําคัญ<br />
ดังนั้นจึงจะนําปจจัยการปรับเวลาแบบหยาบสเกลสิบไปทําการวิเคราะห<br />
การทดสอบแบบทีตอไป ผลการทดสอบแบบทีพบวาคา P -Value ของ<br />
ผลตางของคาเฉลี่ยมีคาเทากับ<br />
0.000 ซึ่งนอยกวาระดับนัยสําคัญ<br />
0.05<br />
และคาเฉลี่ยของขอมูลมีความแตกตางกันอยางมีนัยสําคัญ<br />
ดังนั้นสามารถ<br />
สรุปไดวาปจจัยการปรับเวลาแบบหยาบสเกลสิบเปนปจจัยหลักที่สงผล<br />
ตอขนาดเสนผานศูนยกลางดานนอกชิ้นงานที่เล็กกวาชวงควบคุมอยางมี<br />
นัยสําคัญ<br />
4.2.3 ผลการทดลองสําหรับปจจัยที่<br />
3 การปรับเวลาแบบ<br />
ละเอียดสเกลหนวย (Micro time)<br />
จากผลการทดสอบการแจกแจงแบบปกติพบวาคา P-Value<br />
ของการปรับเวลาแบบละเอียดสเกลหนวยที่<br />
0 มีคาเทากับ 0.480 และที่<br />
5<br />
มีคาเทากับ 0.171 ซึ่งมีคามากกวาระดับนัยสําคัญ<br />
0.05 ดังนั้นแสดงวา<br />
ขอมูลที่นํามาทําการวิเคราะหมีการแจกแจงแบบปกติ<br />
ผลการทดสอบ<br />
แบบเอฟพบวา คา P–Value มีคาเทากับ 0.464 ซึ่งมากกวาระดับนัยสําคัญ<br />
0.05 และชวงความแปรปรวนของขอมูลมีความแตกตางกันอยางไมมี<br />
นัยสําคัญ ดังนั้นจึงจะนําปจจัยการปรับเวลาแบบละเอียดสเกลหนวยไป<br />
ทําการทดสอบแบบทีตอไป และจากผลการทดสอบแบบทีพบวาคา P -<br />
Value ของผลตางของคาเฉลี่ยมีคาเทากับ<br />
0.000 ซึ่งนอยกวาระดับ<br />
นัยสําคัญ 0.05 และคาเฉลี่ยของขอมูลมีความแตกตางกันอยางมีนัยสําคัญ<br />
ดังนั้นสามารถสรุปไดวาปจจัยการปรับเวลาแบบละเอียดสเกลหนวยเปน<br />
ปจจัยหลักที่สงผลตอขนาดเสนผานศูนยกลางดานนอกชิ้นงานที่เล็กกวา<br />
ชวงควบคุมอยางมีนัยสําคัญ<br />
4.3 การเลือกปจจัย ระดับปจจัยที่ใชในการทดลองและการ<br />
ออกแบบการทดลอง
ตารางที่<br />
4 ปจจัยและระดับปจจัยที่ใชในการทดลอง<br />
ปจจัย<br />
ระดับในการทดลอง (Level)<br />
-1 (Low) 0 (Center) 1 (High)<br />
1. เวลาแบบหยาบสเกลสิบ 10 - 20<br />
2. เวลาแบบละเอียดสเกลหนวย 0 2.5 5<br />
หมายเหตุ การปรับเวลาแบบหยาบสเกลสิบปรับไดทีละ 10<br />
คณะผูวิจัยใชปจจัย<br />
ระดับปจจัยดังตารางที่<br />
4 เนื่องจากเปน<br />
ปจจัยที่ทางโรงงานตัวอยางตองการจะปรับปรุง<br />
โดยจะใชการออกแบบ<br />
การทดลองเชิงแฟคทอเรียลแบบสมบูรณ (Full Factorial Design: FDD)<br />
เนื่องจากปจจัยที่นํามาวิเคราะหมีระดับปจจัยที่แตกตางกันและจํานวน<br />
การทดลองซ้ําเทากับ<br />
2<br />
4.4 ผลการดําเนินการทดลอง<br />
โดยใชการทดลองเชิงแฟคทอเรียลแบบสมบูรณและจะทําการ<br />
ทดลอง 10,000 ชิ้นในแตละการทดลอง<br />
ซึ่งมีผลดังนี้<br />
ตารางที่<br />
5 ผลการทดลองเชิงแฟคทอเรียลแบบสมบูรณ<br />
Std Run Macro Micro % NG<br />
Order Order time (s) time (s) OD.1 U/S<br />
10 1 20 0 0.00<br />
2 2 10 2.5 0.06<br />
9 3 10 5 0.12<br />
6 4 20 5 0.08<br />
8 5 10 2.5 0.04<br />
5 6 20 2.5 0.02<br />
7 7 10 0 0.00<br />
12 8 20 5 0.09<br />
3 9 10 5 0.10<br />
1 10 10 0 0.00<br />
11 11 20 2.5 0.03<br />
4 12 20 0 0.00<br />
หมายเหตุ : NG (No Good) คือ ของเสีย OD.1 คือ บริเวณเสนผาน<br />
ศูนยกลางดานนอกชิ้นงานเพลา<br />
U/S (Under Size) คือ ขนาดเล็กกวาชวง<br />
ควบคุม<br />
4.4.1 วิเคราะหคุณสมบัติของขอมูลที่ไดจากการทดลอง<br />
ผลการวิเคราะหพบวาขอมูลมีการแจกแจงแบบปกติและการ<br />
กระจายตัวของขอมูลมีรูปแบบที่เปนอิสระ<br />
ไมมีรูปแบบที่แนนอนและไม<br />
31<br />
มีลักษณะเปนแนวโนมแตอยางใด ซึ่งหมายความวาการทดลองนี้มีความ<br />
แปรปรวนที่คงที่<br />
ดังรูปที่<br />
15<br />
รูปที่<br />
15 ผลลัพธการทดสอบของขอมูลจากการทดลอง<br />
4.4.2 ผลวิเคราะหความแปรปรวนของขอมูลจากการทดลอง<br />
ผลการวิเคราะหพบวาคา R-Sq มีคาเทากับ 97.63% แสดงวา<br />
ปจจัยที่เลือกมาทําการทดลองมีผลตอขนาดเสนผานศูนยกลางดานนอก<br />
ชิ้นงานที่เล็กกวาชวงควบคุมถึง<br />
97.63% และเมื่อพิจารณาอิทธิพลของ<br />
ปจจัยรวมระหวางปจจัย 2 ปจจัยพบวาคา P-value มีคานอยกวาระดับ<br />
นัยสําคัญ 0.05 แสดงวาอิทธิพลรวมระหวางปจจัย 2 ปจจัยมีผลตอขนาด<br />
เสนผานศูนยกลางดานนอกชิ้นงานที่เล็กกวาชวงควบคุมอยางมีนัยสําคัญ<br />
และเมื่อพิจารณาอิทธิพลของปจจัยหลักทั้งสองพบวามีคา<br />
P-value นอย<br />
กวาระดับนัยสําคัญ 0.05 จึงแสดงไดวาอิทธิพลของปจจัยหลักทั้งสองมี<br />
ผลตอขนาดเสนผานศูนยกลางดานนอกชิ้นงานที่เล็กกวาชวงควบคุมอยาง<br />
มีนัยสําคัญดวย ซึ่งสอดคลองกับคา<br />
R-Sq ที่เกิดขึ้น<br />
4.4.3 วิเคราะหหาระดับปจจัยที่เหมาะสม<br />
สําหรับการหาระดับปจจัยที่เหมาะสมที่สุดของทั้ง<br />
2 ปจจัยที่<br />
ทําใหเปอรเซ็นตของเสียที่มีขนาดเสนผานศูนยกลางดานนอกชิ้นงานเล็ก<br />
กวาชวงควบคุมมีคาต่ําสุดนั้นจะทําการวิเคราะหจากกราฟผลกระทบของ<br />
ปจจัยหลัก (Main Effects Plot) และกราฟผลกระทบของปจจัยรวม<br />
(Interaction Plot) ดังรูปที่<br />
16<br />
รูปที่<br />
16 กราฟผลกระทบของปจจัยหลัก
จากผลการวิเคราะหพบวาที่คาการปรับเวลาแบบหยาบสเกล<br />
สิบเทากับ 20 และคาการปรับเวลาแบบละเอียดสเกลหนวยเทากับ 0 ทํา<br />
ใหคาเฉลี่ยเปอรเซ็นตของเสียที่มีขนาดเสนผานศูนยกลางดานนอก<br />
ชิ้นงานเล็กกวาชวงควบคุมมีคาต่ําสุด<br />
แตจากผลการวิเคราะหความ<br />
แปรปรวนพบวา อิทธิพลรวมของปจจัยมีผลตอขนาดเสนผานศูนยกลาง<br />
ดานนอกชิ้นงานที่เล็กกวาชวงควบคุมอยางมีนัยสําคัญ<br />
จึงไมสามารถ<br />
พิจารณาผลกระทบของปจจัยหลักในการกําหนดระดับปจจัยที่เหมาะสม<br />
ได ดังนั้นจึงตองใชกราฟผลกระทบของปจจัยรวมมาวิเคราะหเพื่อหา<br />
ระดับปจจัยที่เหมาะสมแทน<br />
รูปที่<br />
17 กราฟผลกระทบของปจจัยรวม<br />
จากรูปที่<br />
17 พบวาที่คาคาการปรับเวลาแบบหยาบสเกลสิบ<br />
เทากับ 10 และคาการปรับเวลาแบบละเอียดสเกลหนวยเทากับ 0 กับที่คา<br />
คาการปรับเวลาแบบหยาบสเกลสิบเทากับ 20 และคาการปรับเวลาแบบ<br />
ละเอียดสเกลหนวยเทากับ 0 เปนระดับปจจัยที่ทําใหไดคาผลลัพธ<br />
เปอรเซ็นตของเสียที่มีขนาดเสนผานศูนยกลางดานนอกชิ้นงานเล็กกวา<br />
ชวงควบคุมต่ําสุด<br />
แตที่คาคาการปรับเวลาแบบหยาบสเกลสิบเทากับ<br />
10<br />
และคาคาการปรับเวลาแบบละเอียดสเกลหนวยเทากับ 0 มีของเสียใน<br />
ลักษณะที่ชิ้นงานเพลามีขนาดเสนผานศูนยกลางดานนอกใหญกวาชวง<br />
ควบคุมมากสุด และชิ้นงานบริเวณเสนผานศูนยกลางดานนอกยังมี<br />
ลักษณะหยาบอีกดวย ซึ่งถือเปนของเสียที่เกิดขึ้นในลักษณะอื่นแทน<br />
ดังนั้นจากผลการวิเคราะหกราฟผลกระทบของปจจัยรวมสามารถสรุปได<br />
วา ระดับปจจัยที่มีผลทําใหเปอรเซ็นตของเสียที่มีขนาดเสนผานศูนยกลาง<br />
ดานนอกชิ้นงานเล็กกวาชวงควบคุมมีคาต่ําที่สุด<br />
คือ คาการปรับเวลาแบบ<br />
หยาบสเกลสิบเทากับ 20 และคาการปรับเวลาแบบละเอียดสเกลหนวย<br />
เทากับ 0<br />
32<br />
4.5 ผลการทดลองยืนยันผล<br />
การทดลองเพื่อยืนยันผลจะทําการพิจารณาผลลัพธเปอรเซ็นต<br />
ของเสียที่มีขนาดเสนผานศูนยกลางดานนอกชิ้นงานเพลาเล็กกวาชวง<br />
ควบคุมภายใตระดับปจจัยที่ทําใหมีเปอรเซ็นตของเสียต่ําสุด<br />
โดยจะทํา<br />
การทดลองที่จํานวนชิ้นงาน<br />
100,000 ชิ้น<br />
แสดงผลดังตารางที่<br />
6 พบวา<br />
สามารถลดเปอรเซ็นตของเสียที่มีขนาดเสนผานศูนยกลางดานนอก<br />
ชิ้นงานเล็กกวาชวงควบคุมจาก<br />
0.080% เปน 0.003% ซึ่งลดลง<br />
96.25%<br />
ไดสูงกวาเปาหมายที่ตั้งไว<br />
คือ 50% หลังจากทําการทดลองเพื่อยืนยันผลที่<br />
จํานวนชิ้นงาน<br />
100,000 ชิ้น<br />
โดยทําการทดลองในกระบวนการผลิตจริง<br />
เปนระยะเวลา 1 เดือน แลวนําผลลัพธที่ไดไปเปรียบเทียบกับผลกอนการ<br />
ปรับปรุง<br />
่ ตารางที 6 เปอรเซ็นตของเสียในการทดลองเพื่อยืนยันผล<br />
จํานวนชิ้นงาน<br />
NG OD.1 U/S NG OD.1 O/S Total NG OD.1<br />
(ชิ้น)<br />
ชิ้น<br />
% ชิ้น<br />
% ชิ้น<br />
%<br />
100,000 3 0.003 1 0.001 4 0.004<br />
ตารางที่<br />
7 การเปรียบเทียบผลลัพธกอนและหลังการปรับปรุง<br />
ผลลัพธ<br />
ปจจัยปอนเขา<br />
(ชิ้น)<br />
NG OD.1 U/S<br />
ชิ้น<br />
เปอรเซ็นต<br />
กอนปรับปรุง (ธ.ค. 2553) 1,308,938 1,006 0.080<br />
หลังปรับปรุง (ก.พ. 2554) 1,466,100 78 0.005<br />
จากตารางที่<br />
7 พบวาสามารถลดเปอรเซ็นตของเสียที่มีขนาด<br />
เสนผานศูนยกลางดานนอกชิ้นงานเล็กกวาชวงควบคุม<br />
จาก 0.080% เปน<br />
0.005% ซึ่งลดลง<br />
93.75% ซึ่งสูงกวาเปาหมายที่<br />
50%<br />
5. สรุปผลการทดลอง<br />
การลดของเสียของชิ้นงานเพลาโมเดลแพนเทอรบีที่มีขนาด<br />
เสนผานศูนยกลางดานนอกเล็กกวาชวงควบคุมดวยการออกแบบการ<br />
ทดลองเชิงแฟคทอเรียลแบบสมบูรณ พบวาการปรับเวลาในการขัดแบบ<br />
หยาบสเกลสิบ และการปรับเวลาในการขัดแบบละเอียดสเกลหนวยมีคา<br />
ระดับปจจัยที่เหมาะสมที่ทําใหของเสียในกระบวนการลดนอยที่สุด<br />
คือ<br />
20 และ 0 ตามลําดับ สามารถลดของเสียลงไดถึง 93.75%<br />
6. กิตติกรรมประกาศ<br />
คณะผูวิจัยขอขอบพระคุณโรงงานตัวอยางและคณะ<br />
วิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากรที่
34<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การจัดเซลลการผลิตในระบบการผลิตแบบเซลลูลารโดยใชขั้นตอนวิธีเชิงพันธุกรรม<br />
Solving a Cell Formation Problem with Genetic Algorithms<br />
รัฐพงศ แมนยํา 1 ขวัญนิธิ คําเมือง2 และภาณุ บูรณจารุกร 3<br />
1, 2, 3<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยนเรศวร<br />
อ.เมือง จ.พิษณุโลก 65000<br />
โทรศัพท: 055-964-256 โทรสาร: 055-964-003 E-mail: 1 r_manyam@yahoo.com<br />
บทคัดยอ<br />
การผลิตแบบเซลลูลาร (Cellular Manufacturing: CM) เปน<br />
แนวคิดของระบบการผลิดที่มีความยืดหยุน<br />
โดยจะมีการจัดวางเครื่องจักร<br />
ใหอยูเปนกลุมเดียวกัน<br />
และกลุมผลิตภัณฑจะถูกจัดใหผลิตในกลุมผลิตที่<br />
เหมาะสม แตระบบการผลิตแบบเซลลูลารที่จะเพิ่มประสิทธิภาพให<br />
กระบวนการผลิตตามที่ตองการไดนั้น<br />
จะตองมีการจัดกลุมเครื่องจักรลง<br />
ในกลุมผลิต<br />
และจัดกลุมผลิตภัณฑที่มีลักษณะสอดคลองกันลงในกลุม<br />
ผลิต ซึ่งการจัดสรรทรัพยากรลงในแตละกลุมผลิตเรียกวา<br />
การจัดเซลล<br />
การผลิต (Cell Formation: CF) ซึ่งเปนที่รูกันดีในกลุมนักวิจัยวาปญหา<br />
การสรางเซลลสวนมากเปนปญหา NP-hard ในงานวิจัยนี้ไดพิจารณา<br />
ปญหาการสรางเซลลเพื่อทําใหการเคลื่อนที่ระหวางกลุมผลิตภายในผัง<br />
โรงงานต่ําที่สุด<br />
โดยไดคํานึงถึงเงื่อนไขของผลิตภัณฑที่มีลําดับการผลิตที่<br />
แตกตางไปตามเสนทางการผลิต ซึ่งแตละผลิตภัณฑนั้นสามารถเลือก<br />
เสนทางการผลิตได นอกจากนั้นยังไดกําหนดกลุมผลิตลงในตําแหนงใน<br />
ผังโรงงานเพื่อหาตําแหนงที่เหมาะสม<br />
โดยนําการหาคําตอบในบริเวณ<br />
ใกลเคียงแบบทําซ้ํา<br />
(Iterated Local Search: ILS) และขั้นตอนวิธี<br />
พันธุกรรม (Genetic algorithm: GA) มาหาคําตอบ และทําการทดลองเพื่อ<br />
เปรียบเทียบความสามารถในการหาคําตอบ รวมทั้งระยะเวลาในการหา<br />
คําตอบในแตละขนาดของปญหา โดยผลการทดลองแสดงใหเห็นวา วิธี<br />
GA ที่พัฒนาขึ้นมาใหมใหคําตอบที่ดีกวาวิธีอื่น<br />
คําสําคัญ: การผลิตแบบเซลลูลาร การหาคําตอบในบริเวณใกลเคียงแบบ<br />
ทําซ้ํา<br />
อัลกอริทึมเชิงพันธุกรรม<br />
Abstract<br />
Cellular Manufacturing (CM) is a concept of modern<br />
manufacturing systems that improve productivity and flexibility on a<br />
shop floor. One of the foremost and important steps in implementing<br />
CM is part families and machine cell grouping known as Cell<br />
Formation (CF) problem. In this paper we present a model that<br />
attempts to minimize inter-cell travel distance and considers sequence<br />
dependent and alternative routing of part process plan. The problem<br />
also assumes that locations for cells on the shop floor are known but<br />
cells need to be allocated to these locations. We propose an iterated<br />
local search and genetic algorithms (GAs) for the problem. Experiments<br />
comparing performances of the algorithms were conducted. The results<br />
show that a new GA outperformed other methods.<br />
Keywords: Cellular Manufacturing, Iterative Local Search, Genetic<br />
Algorithm<br />
1. คํานํา<br />
การผลิตแบบเซลลูลาร เปนวิธีการบริหารจัดการที่ทําใหการ<br />
ดําเนินงานมีประสิทธิภาพและใชทรัพยากรที่มีอยูใหเกิดประโยชนสูงสุด<br />
[1] ระบบผลิตแบบเซลลูลารเปนการนําเอาขอดีของระบบการผลิตแบบ<br />
Flow shop และ Job Shop มารวมเขาดวยกัน ซึ่งระบบนี้จะสามารถผลิต<br />
ผลิตภัณฑที่มีความหลากหลายไดในระดับปานกลางในปริมาณการผลิตที่<br />
ไมมากหรือนอยจนเกินไปและขอดีของการผลิตแบบเซลลูลารนั้นคือ<br />
สามารถลดเวลานํา (Lead Time) โดยจะมีการลดจํานวนครั้งในการติดตั้ง<br />
เครื่องจักรเมื่อมีการเปลี่ยนชิ้นงานที่ตองผลิต<br />
ในการนําการผลิตแบบ<br />
เซลลูลารไปใชนั้น<br />
ปญหาแรกที่เปนปญหาที่สําคัญ<br />
คือ ปญหาการจัด<br />
เซลลการผลิต โดยปญหานี้จะเปนการกําหนดวาเครื่องจักรเครื่องใดควร<br />
จัดไวอยูในเซลลการผลิตใด<br />
และผลิตภัณฑใดจะถูกจัดอยูในกลุม<br />
ผลิตภัณฑที่ทํางานกับเซลลการผลิตนั้น<br />
ปญหาการจัดเซลลการผลิตนั้น<br />
จัดเปนปญหา NP-hard [2] ดังนั้นจึงไมสามารถหาคําตอบของปญหาได<br />
ในเวลาที่เหมาะสม<br />
สําหรับปญหาขนาดใหญหากใชวิธีการหาคา<br />
เหมาะสมที่สุด<br />
(Exact Optimization Method) ปญหาการจัดเซลลการผลิต
เปนปญหาที่ไดรับความสนใจเปนอยางมากจากนักวิจัย<br />
จึงไดมีการศึกษา<br />
ถึงปญหานี้อยางแพรหลาย<br />
บทความนี้ไดมีการนําเสนอวิธีการแกปญหาดวยขั้นตอนวิธี<br />
พันธุกรรมสําหรับปญหาการจัดเซลลการผลิต โดยผลิตภัณฑแตละชนิดมี<br />
ความยืดหยุนของเสนทางการผลิต<br />
(Process Route) โดยผูผลิตตองเลือก<br />
เสนทางการผลิตใหกับผลิตภัณฑชนิดนั้นไดเพียงเสนทางเดียว<br />
และใน<br />
บทความนี้ไดตั้งสมมติฐานไววา<br />
โรงงานมีกลุมของตําแหนงสําหรับการ<br />
จัดเซลลอยูแลว<br />
คําตอบของปญหานี้ตองระบุวาเซลลการผลิตใดควรถูก<br />
จัดวางไวในตําแหนงใด<br />
ในบทความนี้<br />
หัวขัอที่<br />
2 จะกลาวถึงงานวิจัยในอดีต และ<br />
ภาพรวมของการหาคําตอบของปญหาการจัดเซลลการผลิต คําอธิบาย<br />
ปญหาและแบบจําลองกําหนดการเชิงคณิตศาสตร (Mathematical<br />
Programming Model) สําหรับปญหาที่ทําการศึกษาจะถูกกลาวถึงใน<br />
หัวขอที่<br />
3 หัวขอถัดไปจะอธิบายขั้นตอนการทํางานของวิธีการแกปญหา<br />
ตางๆ จากนั้นกลาวถึงผลการทดลองและการสรุปผล<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
ปญหาการจัดเซลลการผลิตในระบบการผลิตแบบเซลลูลาร<br />
เปนปญหาที่ไดรับความสนใจจากนักวิจัยและอุตสาหกรรมเปนจํานวน<br />
มากเพราะเปนปญหาแรกที่ตองพิจารณาหาคําตอบ<br />
หากตองนําระบบการ<br />
ผลิตแบบเซลลูลารไปใชงาน โดยปญหาการจัดเซลลการผลิตจะตองจัด<br />
เครื่องจักรจํานวนหนึ่งไวดวยกันเพื่อสรางเปนกลุมเครื่องจักรและจัด<br />
ผลิตภัณฑเขาเปนกลุมผลิตภัณฑโดย<br />
Selim และคณะ (1998) [3] ใหนิยาม<br />
ของปญหาการจัดเซลลการผลิตไววา “ถาผูวางแผนทราบจํานวนชนิดและ<br />
ความสามารถในการผลิตของเครื่องจักร<br />
จํานวนและชนิดของผลิตภัณฑที่<br />
จะผลิตและทราบเสนทางการผลิต (Routing Plan) วาผลิตภัณฑชนิดใด<br />
ตองใชเครื่องจักรชนิดใดบาง<br />
ปญหาการจัดเซลลการผลิตจะตองพิจารณา<br />
วา เครื่องจักรเครื่องใดและผลิตภัณฑใดบางที่ควรถูกจัดเขากลุมเขา<br />
ดวยกัน เพื่อสรางเซลลการผลิต”<br />
ในชวงสองทศวรรษที่ผานมาปญหาการ<br />
จัดเซลลการผลิตไดถูกศึกษากันอยางมากมายโดยไดมีการนําวิธีการที่<br />
แตกตางกันมาหาคําตอบ<br />
ในการจัดเซลลการผลิตนั้นสามารถกําหนดปญหาใหออกมา<br />
หลายลักษณะโดยจะขึ้นอยูกับเปาประสงค<br />
(Objective) โดยตัวอยาง<br />
เปาประสงคที่ถูกนํามาใชมากในปญหา<br />
ไดแก ตองการใหมีจํานวนการ<br />
เคลื่อนที่ระหวางเซลลการผลิตนอยที่สุด<br />
(Minimizing Inter-cell Move),<br />
ตองการใหมีการใชงานเครื่องจักรมากที่สุด<br />
(Maximizing Machine<br />
Utilization), ใหมีคาตัววัดประสิทธิภาพของการจัดกลุมมากที่สุด<br />
35<br />
(Maximizing Grouping Efficiency) และตองการใหมีการผันผวนของ<br />
ภาระงานของเครื่องจักรในแตละกลุมเซลลนอยที่สุด<br />
(Minimizing Cell<br />
Load Variation) เปนตน โดยเปาประสงคที่คณะผูวิจัยพิจารณาในงานวิจัย<br />
นี้นั้นไดแก<br />
ตองระยะทางการเคลื่อนที่ระหวางเซลลการผลิตในผัง<br />
โรงงานนอยที่สุดหลังจากไดกําหนดตําแหนงที่ตั้งของเซลลการผลิตใน<br />
พื้นที่โรงงานแลว<br />
เปนที่ทราบกันดีวาปญหาการจัดเซลลการผลิตเปนหนึ่งใน<br />
ปญหาแบบ NP hard ซึ่งหมายความวาในปญหาที่มีขนาดเล็กและขนาด<br />
กลาง (ปญหาที่มีจํานวนเครื่องจักรและจํานวนผลิตภัณฑไมมากนัก)<br />
คําตอบที่ดีที่สุดอาจจะสามารถหาไดโดย<br />
วิธีการหาคําตอบที่เหมาะสม<br />
ที่สุด<br />
แตเมื่อขนาดของปญหาเพิ่มมากขึ้น<br />
เวลาที่ใชในการหาคําตอบจะ<br />
เพิ่มขึ้นแบบเอ็กซโปเนนเชียล<br />
ทําใหไมสามารถหาคําตอบไดในเวลาอัน<br />
สั้นได<br />
หรืออาจจะไมสามารถหาคําตอบนั้นไดเลย<br />
ดังนั้นจึงมีงานวิจัย<br />
จํานวนมากเสนอวิธีการแกปญหาแบบฮิวริสติกส (แบบจําลองที่จะให<br />
คําตอบที่เปนไปไดแตอาจไมใชคําตอบที่ดีที่สุด)<br />
โดยวิธีในการแกปญหา<br />
สามารถแสดงวิธีการที่มีการนําไปใชทั้งแบบฮิวริสติกสและแบบที่ให<br />
คําตอบที่ดีที่สุดไดดังรูปที่<br />
1<br />
รูปที่<br />
1 รูปแบบการแกปญหาการแบงเซลล (Selim และคณะ 1998)<br />
การแกปญหาเชิงบรรยายหาเหตุผลเพื่อใชในการแบงกลุม<br />
ซึ่ง<br />
จะนํามาใชได 3 วิธี โดยวิธีแรกไดแก การกําหนดกลุมผลิตภัณฑ<br />
โดยวิธีนี้<br />
จะกําหนดกลุมของผลิตภัณฑกอนแลวจึงกําหนดวาเครื่องจักรเครื่องใด<br />
ควรจะทํางานกับกลุมผลิตภัณฑใด<br />
วิธีที่<br />
2 เปนวิธีการกําหนดกลุม<br />
เครื่องจักรโดยจะมีการพิจารณาวาเครื่องจักรเครื่องใดควรจะถูกจัดกลุม<br />
ใหอยูในเซลลการผลิตเดียวกันแลวจึงกําหนดวาผลิตภัณฑใดควรอยูใน<br />
เซลลการผลิตใดบาง และวิธีที่<br />
3 ไดแกการจัดกลุมผลิตภัณฑและกลุมของ<br />
เครื่องจักรไปพรอมกัน<br />
การวิเคราะหการจัดกลุมขอมูลที่มีความสัมพันธกันหรือมี<br />
ลักษณะจุดเดนที่เหมือนกันทางดานการยภาพ<br />
ชีวภาพ และทางสังคม
I = ระยะทางระหวางตําแหนง f ถึงตําแหนง g<br />
fg<br />
p<br />
a = ตัวแปรการใชเครื่องจักร<br />
มีคาเทากับ 1 ถาผลิตภัณฑ p ตอง<br />
ijr<br />
ใชเครื่องจักร<br />
j หลังจากเครื่องจักร<br />
i ของเสนทางการผลิตที่<br />
r<br />
และมีคาเทากับ 0 เมื่อเปนอื่นๆ<br />
ตัวแปรตัดสินใจ<br />
C = ตัวแปรตัดสินใจการทางเลือกเสนทางการผลิต มีคาเทากับ 1<br />
pr<br />
ถาผลิตภัณฑ p ตองใชเสนทางการผลิตที่<br />
r และมีคาเทากับ 0<br />
เมื่อเปนอื่นๆ<br />
y = ตัวแปรตัดสินใจ มีคาเทากับ 1 ถาเครื่องจักร<br />
i มี<br />
ia<br />
ความสัมพันธกับเซลล a และมีคาเทากับ 0 เมื่อเปนอื่นๆ<br />
x pa = ตัวแปรตัดสินใจ มีคาเทากับ 1 ถาผลิตภัณฑ p มี<br />
ความสัมพันธกับเซลล a และมีคาเทากับ 0 เมื่อเปนอื่นๆ<br />
Z af<br />
= ตัวแปรตัดสินใจ มีคาเทากับ 1 ถาเซลล a อยูในตําแหนง<br />
f<br />
และมีคาเทากับ 0 เมื่อเปนอื่นๆ<br />
L = ปริมาณการเคลื่อนที่ระหวางเซลล<br />
a ไปเซลล b เมื่อ<br />
ab<br />
n m m Rp<br />
p<br />
ab = ∑∑ ∑ ∑⎡<br />
⎣ ijr × ⎤ pr ⎦×<br />
p × pa × ia × jb<br />
p= 1 i= 1 j= 1( j≠ i) r=<br />
1<br />
L a C D x y y<br />
สมการเปาหมาย (Objective function)<br />
c c c c<br />
∑ ∑ ∑ ∑<br />
f = 1 g= 1( g≠ f ) a= 1 b= 1( b≠a) ab fg af (1) bg<br />
min TD = L × I × Z × Z<br />
s.t.<br />
c<br />
∑ x pa = 1 for p = 1,2,..., n,<br />
(2)<br />
a = 1<br />
c<br />
∑ yia = 1 for i = 1, 2,..., m,<br />
(3)<br />
a = 1<br />
n<br />
∑ x pa ≥ 1 for a = 1,2,..., c,<br />
(4)<br />
p=<br />
1<br />
m<br />
∑ yia ≥ 1 for a = 1, 2,..., c,<br />
(5)<br />
i=<br />
1<br />
Rp<br />
∑ Cpr = 1 for p = 1, 2,..., r,<br />
(6)<br />
r = 1<br />
c<br />
∑ Z af = 1 for a = 1, 2,..., c,<br />
(7)<br />
a=<br />
1<br />
c<br />
∑ Z af = 1 for f = 1, 2,..., c,<br />
(8)<br />
a=<br />
1<br />
p<br />
a , ijr ia y , xpa และ Z เปนตัวแปร 0-1 af<br />
∀ i, j, p, a, f (9)<br />
จากแบบจําลองกําหนดให L เปนปริมาณการเคลื<br />
ab<br />
่อนที่<br />
ระหวางเซลลหนึ่งไปอีกเซลลหนึ่ง<br />
สมการที่<br />
(1) เปนสมการเปาหมายที่<br />
38<br />
หาปริมาณการเคลื่อนที่เมื่อกําหนดใหเซลลอยูในตําแหนงตางๆของผัง<br />
โรงงาน สมการเงื่อนไขที่<br />
(2) และ (3) เปนการกําหนดผลิตภัณฑและ<br />
เครื่องจักรอยูในเซลลไดเพียงหนึ่งเซลล<br />
สมการเงื่อนไขที่<br />
(4) และ (5)<br />
กําหนดใหเซลลแตละเซลลสามารถมีผลิตภัณฑและเครื่องจักรไดมากกวา<br />
หนึ่งผลิตภัณฑและหนึ่งเครื่องจักร<br />
สมการเงื่อนไขที่<br />
(6) กําหนดให<br />
ผลิตภัณฑแตละชนิดสามารถมีเสนทางการผลิตไดเพียงเสนทางเดียว<br />
สมการเงื่อนไขที่<br />
(7) กําหนดใหแตละเซลลอยูไดเพียงตําแหนงเดียว<br />
เทานั้น<br />
สมการเงื่อนไขที่(8)<br />
กําหนดใหแตละตําแหนงสามารถมีเซลลได<br />
เพียงเซลลเดียวเทานั้น<br />
สมการเงื่อนไขที่<br />
(9)<br />
p<br />
a , ij ia y , x และ pa Z af<br />
เปนตัวแปรตัดสินใจที่มีคาเปน<br />
0-1 จะเห็นไดวาแบบจําลองนี้เปน<br />
แบบจําลองกําหนดการเชิงไมเปนเสนตรง (Nonlinear Programming<br />
Model) ทําใหยากตอการหาคําตอบที่เหมาะสมที่สุด<br />
จึงจําเปนตองใชวิธี<br />
ฮิวริสติกสในการหาคําตอบ<br />
4. วิธีการแกปญหา<br />
งานวิจัยนี้ไดทดลองใชวิธีการแกปญหาดวยกัน<br />
4 วิธีไดแก<br />
การหาคําตอบในบริเวณใกลเคียงแบบทําซ้ํา<br />
GAแบบที่1<br />
GAแบบที่2<br />
และ GAแบบที่3<br />
ในแตละวิธีการแกปญหาของงานวิจัยนี้ไดกําหนดให<br />
การเขารหัสเพื่อหาคําตอบ<br />
(Encoding) เหมือนกันทุกวิธี การเขารหัส<br />
ประกอบดวย 3 สวน สวนที่<br />
1 จะเปนสวนของการกําหนดเครื่องจักรลง<br />
ในเซลลการผลิตโดยกําหนดใหแตละตําแหนงคือเครื่องจักรใน<br />
กระบวนการผลิต และตัวเลขของตําแหนงแสดงถึงเซลลการผลิตที่<br />
เครื่องจักรถูกจัดลง<br />
สวนที่<br />
2 เปนสวนการกําหนดตําแหนงเซลลการผลิต<br />
ลงในผังโรงงาน ตัวเลขแตละตัวของตําแหนงในสวนนี้แสดงตําแหนง<br />
ของพื้นที่ผังโรงงาน<br />
ที่เซลลการผลิตถูกกําหนด<br />
และสวนที่<br />
3 เปนสวน<br />
ของการเลือกเสนทางการผลิตของผลิตภัณฑในแตละชนิด<br />
จากรูปที่4<br />
เปนตัวอยางการแทนคาขางตนโดยกําหนดใหมี<br />
เครื่องจักรทั้งหมด<br />
4 เครื่อง<br />
(m=4) มีตําแหนงในผังโรงงาน 3 ตําแหนง มี<br />
ผลิตภัณฑ 4 ชนิด (n=4) และแตละชนิดมีเสนทางผลิต 2 เสนทาง จากการ<br />
แทนคาเซลลการผลิตที่<br />
1 มีเครื่องจักรที่<br />
2 เซลลการผลิตที่ที่<br />
2 มี<br />
เครื่องจักรที่<br />
1 และ 4 เซลลการผลิตที่<br />
3 มีเครื่องจักรที่<br />
3 ในสวนการ<br />
กําหนดตําแหนงในผังโรงงานกําหนดใหเซลลการผลิตที่<br />
1 อยูตําแหนงที่<br />
3 เซลลการผลิตที่<br />
2 อยูตําแหนงที่<br />
2 เซลลการผลิตที่<br />
3 อยูตําแหนงที่<br />
1<br />
การกําหนดแผนการผลิตผลิตภัณฑที่<br />
1 และ 4 ใชแผนที่1<br />
ผลิตภัณฑที่<br />
2<br />
และ 3 ใชแผนที่<br />
2
เปน 14/83 ประมาณ 0.17 ในวิธีการแบบเดียวกัน หากคํานวณสัดสวน<br />
น้ําหนักความสัมพันธเครื่องจักรที่<br />
1 กับเครื่องจักรที่<br />
3,4,5,6 และ 7 จะได<br />
เปน 0.16,0.17,0.25,0.19 และ 0.23 ตามลําดับ (สังเกตไดวาเครื่องจักรที่<br />
1<br />
ไมมีความสัมพันธกับเครื่องจักรที่<br />
2 เลย) ซึ่งจะมีผลรวมความสัมพันธ<br />
เทากับ 1 เสมอ รูปที่<br />
7 เปนตัวอยางแสดงความสัมพันธระหวางเครื่องจักร<br />
ของเครื่องจักรที่<br />
1 จากความสัมพันธในไปใชในการพัฒนารหัสคําตอบ<br />
ดังรูปที่<br />
8.1 โดยเริ่มจากเลือกสุมเครื่องจักร<br />
จากตัวอยางไดเครื่องจักรที่<br />
1<br />
จากการเลือกสุมขึ้นมาและใชความสัมพันธระหวางเครื่องจักรของ<br />
เครื่องจักรที่<br />
1 ในรูปที่<br />
7 สุมเลือกตามน้ําหนักความสัมพันธ<br />
วาได<br />
เครื่องจักรที่<br />
5 จากนั้นเปลี่ยนเซลลการผลิตใหเหมือนเครื่องจักรที่<br />
1<br />
c) กําหนดตําแหนงใหกับเซลลการผลิต การสรางคําตอบใหม<br />
ทําไดโดยสุมตําแหนงขึ้นมาสองตําแหนงแลวสลับตําแหนงหมายเลข<br />
เซลลที่อยูในตําแหนงทั้งสอง<br />
โดยความนาจะเปนในการสุมของตําแหนง<br />
ทุกตําแหนงเทากัน ดังตัวอยางที่แสดงในรูปที่<br />
8.1<br />
ขั้นตอนที่<br />
3: หาคําตอบที่ดีที่สุดในคําตอบจากยานใกลเคียง<br />
Snew แลวนํา Snew ไปเปรียบเทียบกับคําตอบที่พิจารณาอยูในปจจุบัน<br />
Sc<br />
หาก Snew ใหคําตอบดีกวา Sc ก็จะกําหนดให Sc มีคาใหมเปน Snew เพื่อ<br />
ใชในการคํานวณในรอบถัดไป และหาก Snew ใหคําตอบที่ดีกวา<br />
Sc แลว<br />
Snew ก็จะถูกนําไปเปรียบเทียบกับ Sbest หาก Snew ใหคําตอบที่ดีกวา<br />
Sbest จะกําหนดให Sbest มีคาเปน Snew<br />
ขั้นตอนที่<br />
4: ทําการตรวจสอบวา Count > R หรือไม หาก<br />
มากกวาก็หยุดการทํางานไดเลย หากวาไมมากกวา ก็จะมีการดําเนินการ<br />
หาคําตอบตอไป โดยมีการตรวจสอบวา จํานวนรอบที่คา<br />
Sc ไม<br />
เปลี่ยนแปลงมากกวาคาพารามิเตอรที่กําหนดไวหรือไม<br />
ถามากกวา ใหทํา<br />
การสุมคําตอบที่นํามาพิจารณา<br />
Sc ใหม จะเห็นไดวาขั้นตอนวิธีนี้จะทํา<br />
การหาคําตอบจนกระทั่งจํานวนคําตอบที่พิจารณาในยานใกลเคียง<br />
มากกวาหรือเทากับคาพารามิเตอรที่ไดมีการตั้งคาเอาไว<br />
40<br />
รูปที่<br />
6 ตัวอยางโจทยและการคํานวณความสัมพันธ<br />
รูปที่<br />
7 ความสัมพันธระหวางเครื่องจักรของเครื่องจักรที่<br />
1<br />
8.1 สวนการสรางเซลล 8.2 สวนกําหนดตําแหนงและแผน<br />
รูปทึ่8<br />
การปรับปรุงคําตอบของ ILS<br />
4.2 ขั้นตอนวิธีพันธุกรรม<br />
(GAs)<br />
การพัฒนาคําตอบ ในงานวิจัยนี้ไดทําการทดลองสราง<br />
GA<br />
ขึ้นมา<br />
3 รูปแบบซึ่งแตละรูปแบบใชวิธีการพัฒนาคําตอบที่แตกตางกัน<br />
ชนิดที่<br />
1 เปนGA อยางงาย ชนิดที่<br />
2 และ 3 เปน GA ที่ใชความสัมพันธ<br />
ของเครื่องจักรมาใชในการแกปญหา<br />
โดย GA ทั้งสามรูปแบบมีขั้นตอน
วิธีหลักที่คลายกันแตตางกันที่รูปแบบของการสลับสายพันธุ<br />
และ การ<br />
กลายพันธุ<br />
รูปที่<br />
9 เปนแผนผังแสดงการทํางานวิธีการหลักของ GA ทั้ง<br />
สาม<br />
กําหนดตัวแปร Cp, Mp, pop, Max_gen<br />
สรางโครโมโซมตนแบบ Pop โครโมโซมจากการสุม<br />
Random<br />
กระบวนการขามสายพันธุ<br />
กระบวนการกลายพันธุ<br />
นับจํานวนโครโมโซมลูกพรอมหาคําตอบ Sc<br />
( Chomo = Chomo + 1 )<br />
Chomo = pop ?<br />
ใช<br />
เลือกโครโมโซมที่ใหคําตอบที่ดีที่สุด<br />
pop โครโมโซม ใหเปนโครโมโซมตนแบบ<br />
( Chomo = 0 ; gen = gen + 1 )<br />
gen = Max_gen ?<br />
ใช<br />
หยุด<br />
รูปที่<br />
9 การแกปญหาอัลกอริทึ่มในเชิงพันธุกรรม<br />
ขั้นตอนที่<br />
1: กําหนดคาพารามิเตอรความนาจะเปนในการ<br />
สลับสายพันธุ<br />
(Crossover Probability: Cp) ความนาจะเปนการกลายพันธุ<br />
(Mutation Probability: Mp) จํานวนประชากร (Population: pop) จํานวน<br />
รุนของประชากร<br />
(Generation: gen)<br />
ขั้นตอนที่<br />
2: การพัฒนาคําตอบ (Genetic Operators) ใน<br />
งานวิจัยไดออกแบบวิธีการแกปญหาของ GA ออกเปน 3 วิธีซึ่งมีวิธีการ<br />
พัฒนาคําตอบตอไปนี้<br />
1. การแกปญหาของ GA แบบที่<br />
1<br />
การสลับสายพันธุ<br />
จากโครโมโซมประกอบดวยสวนของการ<br />
จัดกลุมผลิตภัณฑ<br />
การจัดตําแหนงเซลลการผลิต และการกําหนดแผนการ<br />
ผลิตของผลิตภัณฑ ใชวิธีการสลับสายพันธุเหมือนกันโดยการสุมจุดตัด<br />
โครโมโซมพอและโครโมโซมแม (One point Crossover) จากการแบง<br />
โครโมโซมพอในสวนแรกและสวนที่สองของโครโมโซมแม<br />
ถายทอด<br />
ออกมาไดโครโมโซมลูก แสดงดังรูปที่10.1<br />
ไม<br />
ไม<br />
41<br />
การกลายพันธุ<br />
ใชวิธีการสุมยีนขึ้นมา<br />
2 ยีนในแตละสวน<br />
จากนั้นสุมเปลี่ยนคาอัลลีลของยีนที่สุมขึ้นมาแสดงดังรูปที่<br />
10.2 ซึ่งสวน<br />
ของการจัดกลุมผลิตภัณฑ<br />
การจัดตําแหนงเซลลการผลิต และการกําหนด<br />
แผนการผลิตของผลิตภัณฑ ใชวิธีการกลายพันธุเหมือนกัน<br />
<br />
่ ่<br />
10.1 การสลับสายพันธุ<br />
10.2 การกลายพันธุ<br />
รูปที 10 การพัฒนาคําตอบของ GA แบบที 1<br />
2. การแกปญหาของ GA แบบที่<br />
2<br />
การสลับสายพันธุ<br />
เริ่มจากเลือกโครโมโซมที่ใหคําตอบดีที่สุด<br />
เปนโครโมโซมพอและสุมเลือกโครโมโซมแม<br />
ในสวนการจัดกลุมผลิต<br />
จะทําการเลือกยีนที่มีอัลลีลที่เหมือนกันของโครโมโซมพอและแมเพื่อ<br />
ถายทอดใหโครโมโซมลูก ยีนที่เหลือของโครโมโซมลูกจะถูกสุมคาอัลลี<br />
ลขึ้นมาดวยความนาจะเปนอยางเทากัน<br />
แสดงดังรูปที่11.1<br />
ในสวนของ<br />
การกําหนดตําแหนงเซลลผลิตใชการเทียบอัลลีลของโครโมโซมพอ และ<br />
แม ถาอัลลีลเหมือนกันจะถูกถายทอดใหโครโมโซมลูก หากเทียบ<br />
อัลลีลของโครโมโซมพอ และแมตางกันโครโมโซมลูกจะถูกสุมคาอัลลี<br />
ลขึ้นแสดงดังรูปที่11.2<br />
ในสวนการกําหนดแผนการผลิตของผลิตภัณฑ<br />
จะคัดเลือกโครโมโซมที่ใหจํานวนครั้งความสัมพันธของเครื่องจักรต่ํา<br />
ที่สุด<br />
ถายทอดใหโครโมโซมลูก การคํานวณจํานวนความสัมพันธ หาได<br />
จากการสรางตารางความสัมพันธและนับจํานวนครั้งที่เครื่องจักรแตละ<br />
เครื่องตองเคลื่อนที่ระหวางกัน<br />
11.1 สวนของการจัดกลุมผลิต<br />
11.2 สวนการกําหนดตําแหนง<br />
รูปที่<br />
11 การสลับสายพันธุบของ<br />
GA แบบที่<br />
2<br />
การกลายพันธ สุมเลือกยีน<br />
2 หนวยพันธุกรรมจากโครโมโซม<br />
ตนแบบ จากนั้นเปลี่ยนคาอัลลีลที่<br />
2 ใหเหมือนอัลลีลที่<br />
1 และถายทอดให<br />
โครโมโซมลูก พัฒนาดวยวิธีการดังกลาว 2 ครั้ง<br />
รูปที่<br />
12 ยีนที่<br />
2 ถูกสุม
10% Mp ที่<br />
90% และบันทึกคาที่ใหคําตอบที่ดีที่สุดของแตละปญหา<br />
ผล<br />
การทดลองดังตารางที่<br />
1<br />
ตารางที่<br />
1 ผลการทดลอง<br />
ลักษณะ<br />
ปญหา<br />
10*10<br />
Sd=8<br />
L=3<br />
MaxC=4<br />
10*10<br />
Sd=8<br />
L=4<br />
MaxC=3<br />
20*20<br />
Sd=15<br />
L=4<br />
MaxC=5<br />
20*20<br />
Sd=13<br />
L=5<br />
MaxC=4<br />
30*30<br />
Sd=22<br />
L=6<br />
MaxC=5<br />
30*30<br />
Sd=20<br />
L=6<br />
MaxC=5<br />
วิธีแกปญหา คาพารามิเตอร คาที่ดีที่สุด<br />
คาเฉลี่ย<br />
SD เวลา (s)<br />
ILS 1,933 2,032.8 38.4 19<br />
GA1 Cp0.15/Mp0.85 1,923 1,983.3 57.4 54<br />
GA2 Cp0.75/Mp0.25 1,923 1,967.6 46.7 68<br />
GA3 Cp0.25/Mp0.75 1,923 1,943.5 22.6 59<br />
ILS 2,920 3,084.8 107.1 20<br />
GA1 Cp0.75/Mp0.25 2,849 3,049.2 151.8 54<br />
GA2 Cp0.25/Mp0.75 2,710 2,887.1 104.4 57<br />
GA3 Cp0.30/Mp0.70 2,608 2,700.3 89.3 59<br />
ILS 14,986 15,249.8 195.8 20<br />
GA1 Cp0.25/Mp0.75 14,114 14,592.1 280.9 161<br />
GA2 Cp0.10/Mp0.90 13,899 14,478.6 266.7 96<br />
GA3 Cp0.75/Mp0.25 13,843 14,342.6 242.6 106<br />
ILS 10,566 10,910.3 170.2 22<br />
GA1 Cp0.30/Mp0.70 9,911 10,316.0 250.9 105<br />
GA2 Cp0.50/Mp0.50 10,067 10,342.6 185.5 82<br />
GA3 Cp0.55/Mp0.45 9,899 10,262.9 233.9 82<br />
ILS 31,646 32,187.2 349.8 46<br />
GA1 Cp0.40/Mp0.60 29,984 30,939.5 535.1 165<br />
GA2 Cp0.55/Mp0.45 29,756 30,665.9 603.0 218<br />
GA3 Cp0.30/Mp0.70 29,289 30,264.7 474.2 224<br />
ILS 27,103 27,639.9 329.8 48<br />
GA1 Cp0.45/Mp0.55 25,458 26,474.3 455.7 177<br />
GA2 Cp0.40/Mp0.60 25,529 26,328.5 368.4 155<br />
GA3 Cp0.45/Mp0.55 25,406 26,083.7 334.8 147<br />
จากการพิจารณาวิธีการทั้งหมดจะพบวา<br />
GA ใชเวลาในการหา<br />
คําตอบมากกวา แตใหคําตอบและคาเฉลี่ยของคําตอบดีกวา<br />
ILS ในทุก<br />
ปญหา สาเหตุเปน เพราะลําดับขั้นตอนวิธีของ<br />
GA มีมากกวา ILS และ<br />
ภายใตโจทยปญหาเดียวกันยังพบวา GA แบบที่<br />
3 สามารถใหคําตอบและ<br />
คาเฉลี่ยของคําตอบต่ําที่สุดในทุกปญหา<br />
ดังนั้นการนําเอาความสัมพันธ<br />
ของเครื่องจักรมาใชในการพัฒนาคําตอบ<br />
ทําใหเกิดประสิทธิผลของ<br />
คําตอบมากขึ้น<br />
6. สรุปผล<br />
งานวิจัยนี้เปนการนําเสนอวิธีการแกปญหาการจัดเซลลการ<br />
ผลิตและกําหนดตําแหนงเซลลการผลิตในฝงโรงงานเพื่อหาระยะทางการ<br />
เคลื่อนที่ที่ต่ําที่สุดหลังจากมีการจัดเซลลลงตําแหนงในพื้นที่โรงงานแลว<br />
ผูวิจัยไดพัฒนาขั้นตอนในการหาคําตอบมาทั้งสิ้น<br />
4 วิธี และไดมีการทํา<br />
การทดลองเพื่อเปรียบเทียบประสิทธิภาพ<br />
พบวาวิธี GA แบบที่<br />
3 ให<br />
คําตอบที่ดีกวาวิธีอื่นๆ<br />
แมจะใชเวลาในการหาคําตอบมากกวาบางวิธีก็<br />
ตาม จากผลที่ไดพอจะกลาวไดวาการพัฒนาหาคําตอบโดยการนํา<br />
43<br />
ความสัมพันธในลําดับการผลิตของเสนทางการผลิตระหวางเครื่องจักร<br />
เปนแนวคิดที่สามารถนําไปพัฒนาคําตอบใหดีขึ้นไดเปนอยางดี<br />
การพัฒนางานวิจัยนี้สามารถทําไดโดยอาจนําความสัมพันธ<br />
ของเครื่องจักรไปใชในเมตาฮิวริสติกสอื่นได<br />
เพื่อเปรียบเทียบ<br />
ประสิทธิภาพที่ไดจาก<br />
GA หรือ อาจนํา GA ที่กลาวถึงในงานวิจัยนี้ไป<br />
ผสมผสาน (hybridize) กับเมตาฮิวริสติกสอื่นเพื่อใหคําตอบที่ดีขึ้น<br />
เอกสารอางอิง<br />
[1] Zhifeng Zhang “Modeling complexity of cellular manufacturing<br />
systems” Applied Mathematical Modelling, Vol,35, pp.4189–4195,<br />
2011.<br />
[2] David F. Rogers a, Shailesh S. Kulkarni, “Optimal bivariate<br />
clustering and a genetic algorithm with an application in cellular<br />
manufacturing” European Journal of Operational Research,<br />
Vol.160, pp.423–444. 2005.<br />
[3] HassanM. Selim, Ronald G.Askin, Asoo J. Vakharia, “Cell<br />
formation in group technology: Review, evaluation and directions<br />
for future research”, Computer & Industrial Engineering, Vol.34,<br />
pp.3-20, 1998.<br />
[4] L.L.Massay,C.O.Benjamin,Y.Omurtag, “Cellular manufacturing<br />
system design A holistic approach”, Manufacturing Research and<br />
Technology, Vol.24, pp.129-144, 1995.<br />
[5] Iraj Mahdavi, Mohammad Mahdi Paydar, Maghsud Solimanpur,<br />
Armaghan Heidarzade “Genetic algorithm approach for solving a<br />
cell formation problem in cellular manufacturing”, Expert Systems<br />
with Applications, Vol.36, pp.6598–6604, 2009.<br />
[6] K.yasuda, L.hu, Y.yina, “A grouping genetic algorithm for the<br />
multi-objective cell formation problem”, International Journal of<br />
ProductionResearch, Vol.43, pp.829-853, 2005.<br />
[7] Rogers, D. F. , Kulkarni, S. S., “Optimal bivariate clustering and a<br />
genetic algorithm with an application in cellular manufacturing” ,<br />
European Journal of Operational Research, Vol.160, 423-444.<br />
[8] James, T. L. Brown, E. C. และ Keeling, K. B., “A hybrid grouping<br />
genetic algorithm for the cell formation problem”, Computers &<br />
Operations Research, Vol.34, 2059-2079, 2007.<br />
[9] Wu, X. Chu, C.-H. Wang, Y. and Yan, W., “A genetic algorithm<br />
for cellular manufacturing design and layout”, European Journal of<br />
Operational Research, Vol.181, 156-167, 2007.<br />
[10] Tariq, A. Hussain, I. และ Ghafoor, A., “A hybrid genetic algorithm<br />
for machine-part grouping”, Computers & Industrial Engineering,<br />
Vol.56, 347-356, 2009.
44<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Meandering Improvement of Stealth Laser Dicing Process via<br />
Mixed Integer Linear Constrained Response Surface Optimization Model<br />
Wanwisa Sayrasang 1 and Pongchanun Luangpaiboon 2<br />
1, 2<br />
Industrial Statistics and Operational Research Unit (ISO-RU),<br />
Department of Industrial Engineering, Faculty of Engineering, Thammasat University, Pathumthani, Thailand<br />
Tel: 025643002-9 Ext 3081 Fax: 025643017 E-mail: 1 swanwisa@windowslive.com, 2 lpongch@engr.tu.ac.th<br />
Abstract<br />
This paper presents a collection of experimental design and<br />
mathematical programming techniques for meandering quality<br />
improvement in the stealth laser dicing process. The customer<br />
specification of the tolerance of meandering data has to be less than five<br />
microns with the target of zero microns. Currently the meandering data<br />
is slightly higher than the customer specification. This situation leads to<br />
a quality inspection with a large sample size with a high frequency. This<br />
brings the high level of production cost and also time and labors.<br />
Firstly, the 2 k factorial design was applied to preliminarily study the<br />
effects of those five process variables. The multiple regression models<br />
of those responses were then developed from only significant variables<br />
affecting the process response. Finally, the regression model in forms of<br />
the path of steepest descent was placed as the objective function of the<br />
linear constrained response surface optimizations model to meet the<br />
meandering target subject to the limitation from feasible ranges of<br />
significant variables. However, in this study there are some qualitative<br />
variables that need to be in forms of integer whereas the remains are<br />
quantitative. This mixed integer linear constrained response surface<br />
optimizations model provides the new operating conditions. The<br />
experimental results showed that it brings the meandering close to the<br />
target when compared or from 5.90 microns to 3.16 microns.<br />
Keywords: Stealth Laser Dicing Process, Meandering, Response<br />
Surface Methodology, Multiple Regression, Steepest<br />
Descent<br />
1. INTRODUCTION<br />
Dicing process is the process by which die are separated<br />
from a semiconductor wafer following the wafer processing. Chip<br />
carriers encapsulate individual silicon chips from the dicing process to<br />
use in building electronic devices. When wafers are diced, they are<br />
typically mounted on dicing tape to be able to hold the wafer on a thin<br />
sheet metal frame. Silicon wafers dicing may be performed by a laserbased<br />
technique or the stealth laser dicing process (SLDP). There are<br />
two stages on the process. Firstly, the beam from a pulsed laser with<br />
specific wavelengths is scanned along intended cutting lines. Defect<br />
regions are then introduced into the wafer with different depths.<br />
Secondly, an underlying carrier membrane is radically expanded to<br />
induce fracture. The cleavage initiates at the bottom. It advances to the<br />
surface and provides a high distortion density at the bottom.<br />
There some advantages of the stealth dicing process. Firstly,<br />
there is no requirement of a cooling liquid. Secondly, stealth dicing<br />
process hardly generates debris and it is possible to improve the wafer<br />
surface exploitation with a few level of loss when compared to wafer<br />
sawing. On the SLDP, the current level of meandering is still the main<br />
problem. The meandering measures are slightly higher than the<br />
customer specification. This situation leads to a quality inspection with<br />
a large sample size with a high frequency. This brings the high level of<br />
production cost and also time and labor. Therefore, the meandering<br />
quality in the SLDP needs to improve. With high technology machine,<br />
the problem has still existed. It is found that the process performance of<br />
defects is still quite high, as shown in Fig 1. In this case, the deep detail<br />
of stealth dicing process should be investigated so that the optimum<br />
working condition would be determined. Consequently, the problem of<br />
interest would be dissolved
Fig. 3 Response Surface and its Contour Plot.<br />
On the theory and practice of RSM, it is assumed that the<br />
mean response (η) is related to values of the process variables (ξ1, ξ2, …, ξk) by an fitted unknown mathematical function f [3]. The<br />
functional relationship between the mean response and k process<br />
variables can be written as η = f (ξ), if ξ denotes a column vector with<br />
elements ξ1, ξ2, …, ξk. Estimation of such surfaces, and hence<br />
identification of near optimal setting for process variables is an<br />
important practical issue with interesting theoretical aspects.<br />
The procedure begins with any types of experimental<br />
designs around the current operating condition. A sequence of first<br />
order model and line searches are conventionally justified on the basis<br />
that such a plane would be fitted well as a local approximation to the<br />
true process response. The estimated coefficients of multiple regression<br />
models are usually determined by the method of least squares. A<br />
sequence of run is carried out by moving in the direction of steepest<br />
descent with the predetermined step length. In contrast to this other<br />
algorithmic processes search the system approximation via the<br />
systematic searches or the measurement of the response in the design<br />
points. When curvature is detected, another factorial experimental<br />
design is conducted. This is used either to estimate the position of the<br />
optimum or the systematic searches to specify a new direction of<br />
steepest descent or the new design point with the better yields.<br />
In this study, the mixed integer linear constrained response<br />
surface optimization model (MI-LCRSOM) is deployed to set up a<br />
relationship of the linear constrained responses and both types of<br />
influential process variables. Originally, linear programs are problems<br />
that can be expressed in canonical form:<br />
46<br />
Minimize C T X<br />
Subject to AX ≥ B<br />
And X ≥ 0<br />
where X represents the vector of process variables (to be<br />
determined), C and B are vectors of (known) coefficients and A is a<br />
(known) matrix of coefficients of problem constraints. The expression<br />
to be maximized or minimized is called the objective function (C T X in<br />
this case). The constraints Ax ≥ B specify a convex polytype over<br />
which the objective function is to be optimized. In this problem, some<br />
of the unknown variables are required to be integers. The problem is<br />
then called a mixed integer linear programming (MILP) problem.<br />
Sequential procedures of MI-LCRSOM are repeated. A factorial<br />
experiment design is use to investigate the optimal responses of process<br />
of interest. When the model is formulated, analysis of variance<br />
(ANOVA) is applied to find statistically significant process variables<br />
and determine the most effective levels. Regression analysis is used to<br />
fit a relationship equation of the response and its factor. A restriction of<br />
process variables is also considered as the constraints of the process. A<br />
mathematical programming is use to find the optimal levels in each<br />
process variable via a generalized reduced gradient algorithm that can<br />
bring the suit levels.<br />
3.2 Mixed Integer Linear Constrained Response Surface<br />
Optimization Model (MI-LCRSOM)<br />
In order to optimize the response of meandering that might<br />
be influenced by several process variables various sequential procedures<br />
via statistic tools are then used. One among those is the multiple<br />
regression analysis. It is used to determine the relationship between the<br />
influential process variable of x’s and the dependent process variable or<br />
response of y that is modeled as a linear or nonlinear model. Multiple<br />
regression fits a linear relationship between the value of x’s and the<br />
corresponding conditional mean of y and has been use to describe the<br />
linear phenomena.<br />
To minimize the variance of the unbiased estimators of the<br />
coefficients, multiple regression analysis played and important role in<br />
the development of regression analysis, with a greater emphasis on<br />
issues of design and inference. An aim of regression analysis is to
formulate a model of the expected value of a dependent process<br />
variables or responses y in term of the value of an influential process<br />
variable of x’s. In multiple linear regression, the model<br />
∑<br />
=<br />
k<br />
0<br />
i 1<br />
i i<br />
y= β + β x + ε<br />
(1)<br />
is performed, where ε is an unobserved random with mean<br />
zero conditioned on a scalar influential process variables of x’s model.<br />
In this model, for each unit increase in the value of x, the conditional<br />
expectation of y increases by βi units of x i . Conveniently, these<br />
models are all linear from the point of view of estimation, since the<br />
regression model is linear in terms of the unknown parameters βi .<br />
Therefore, for least squares analysis, the computational and inferential<br />
problems of multiple regressions can be completely addressed using the<br />
multiple regression techniques. This is done by treating x, x 2 , ... as<br />
being distinct independent process variables in a multiple regression<br />
model.<br />
In this research, there are five process variables and the<br />
objective is to focus on the only one response of y but there are some<br />
qualitative process variables that need to be in form of integer whereas<br />
the remaining process variables are qualitative. The mixed integer linear<br />
constrained response surface optimization model (MI-LCRSOM) is<br />
then applied to this problem of interest. The detail of sequential<br />
procedure for setting up the optimum value via a relationship of<br />
significant process variables and responses are expressed. Firstly, the 2 k<br />
factorial design was applied to preliminarily study the effects of those<br />
process variables. The multiple regression models of those responses<br />
were then developed from only significant process variables affecting<br />
the response. Finally, the regression model in forms of the path of<br />
steepest descent was placed as the objective function of the linear<br />
constrained response surface optimizations model to meet the<br />
meandering target subject to the limitation from feasible ranges of<br />
significant process variables including the specific integer values for<br />
some process variables.<br />
47<br />
4. EXPERIMENTAL RESULTS AND ANALYSES<br />
In the preliminary study, a two level experimental design<br />
was performed to determine the statistically significant from five<br />
process variables which consist of the scanning height (A), scanning<br />
power # 1 (B), scanning power # 2 (C), beam shape (D) and scanning<br />
speed (E). The feasible ranges, the current operating condition and type<br />
of process variables are provided in Table 2.<br />
Table 2. Process Variables, Feasible Ranges and the Current Operating<br />
Condition.<br />
Process Variable<br />
Feasible Range<br />
Lower Upper<br />
Current Type<br />
A 1 7 4 Qualitative<br />
B 0.12 0.48 0.24 Quantitative<br />
C 0.18 0.72 0.36 Quantitative<br />
D 1 3 1 Qualitative<br />
E 100 300 300 Quantitative<br />
At this step, the objective of using a factorial experimental<br />
design is to analyze both main and interaction effects of all process<br />
variables. The 2 5 experimental designs with two replicates provide 64<br />
treatments. The two level of low and high were selected cover values of<br />
feasible ranges from the actual operating conditions in production line<br />
and the responses were measured from the meandering data average of<br />
each cutting line. By using a general linear model from the analysis of<br />
variance (ANOVA), sources of variation focusing on the main and<br />
interaction effects and their P-values are shown in Table 3. The<br />
significant factor of main effect consist of A, B, C and D as the P-value<br />
is less than or equal to 0.05 and the interaction effect of AB, AC, BC,<br />
BD, CD are also statistically significant at 95% confidence interval.<br />
Table 3. Sources of Variation Focusing on Main and Interaction Effects<br />
and their P-values.<br />
Source of Variation P-value<br />
A 0.000<br />
B 0.000<br />
C 0.000
From the process settings for all influential process variables<br />
in Table 5, the performance after the improvement for two phases can<br />
be evaluated from the meandering data. After an implementation, it has<br />
been found that the average of the response from Scenario 2 is lower<br />
than the current manufacturing system as described in the figure of a<br />
box-whisker plot (Fig. 4).<br />
Data<br />
7<br />
6<br />
5<br />
4<br />
3<br />
Box-Whisker Plot of Meandering Data from all Three Scenarios<br />
Previous<br />
Scenario 1<br />
Scenario 2<br />
Fig. 4 Box-Whisker Plot of Meandering Data from all Three Scenarios.<br />
A confirmation technique for analysing experimental data of<br />
the meandering tolerance is measured under various operating<br />
conditions. It can also be seen that these experimental results on all<br />
scenarios were statistically significant with 95% confidence interval<br />
(Table 6). The numerical results suggested that Scenario 2 provided the<br />
better performance in terms of the average meandering tolerance (Fig.<br />
5). The goodness of the linear statistical model via experimental errors<br />
or residuals is also adequate (Fig. 6). As the results, Scenario 2 is then<br />
applied to the manufacturing system under a consideration of the<br />
reduction of meandering tolerance achieved.<br />
Table 6. One-way ANOVA: Meandering versus Scenario.<br />
Source DF SS MS F P-Value<br />
Scenario 2 88.9007 44.4504 646.16 0.000<br />
Error 57 3.9211 0.0688<br />
Total 59 92.8218<br />
49<br />
Percent<br />
Frequency<br />
99.9<br />
99<br />
90<br />
50<br />
10<br />
1<br />
0.1<br />
-1.0<br />
16<br />
12<br />
8<br />
4<br />
0<br />
Fig. 5 Graphical Comparison for Three Scenarios.<br />
Normal Probability Plot Versus Fits<br />
-0.5<br />
0.0<br />
Residual<br />
0.5<br />
-0.8 -0.6 -0.4 -0.2 0.0 0.2<br />
Residual<br />
Residual Plots for Response<br />
0.4<br />
1.0<br />
Residual<br />
Residual<br />
0.5<br />
0.0<br />
-0.5<br />
-1.0<br />
3<br />
0.5<br />
0.0<br />
-0.5<br />
4<br />
5<br />
Fitted Value<br />
Histogram Versus Order<br />
Fig.6 Model Adequacy Checking.<br />
-1.0<br />
1 5 10 15 20 25 30 35 40 45 50 55 60<br />
Observation Order<br />
5. CONCLUSIONS<br />
In this study there are some qualitative process variables that<br />
need to be in forms of integer whereas the remaining variables are<br />
quantitative. This mixed integer linear constrained response surface<br />
optimizations model provides the new operating condition. The<br />
experiment in this research was restricted to only one cycle.<br />
Consequently conclusions may not be the global optimum. The<br />
experimental results showed that it brings the meandering close to the<br />
target and within specification. After an implementation, the<br />
meandering is close to the target when compared. The tolerance is<br />
changed from 5.90 to 3.16 microns. Consequently, this reduces the level<br />
of production cost and also time and labor.<br />
ACKNOWLEDGMENT<br />
The authors wish to thank the Faculty of Engineering,<br />
Thammasat University, THAILAND for the financial support.<br />
6
REFERENCES<br />
[1] Kumagai, M., Uchiyama, N., Ohmura, E., Sugiura R., Atsumi, K.<br />
and Fukumitsu K. (2007), “Advance Dicing Technology for<br />
Semiconductor Wafer-Stealth Dicing”, IEEE Transaction on<br />
Semiconductor Manufacturing, Vol. 20, No. 3, pp. 259-265.<br />
[2] Ohmura, E., Fukuyo F., Fukumitsu K. and Morita H. (2006) ,<br />
“Internal Modified-layer Formation Mechanism into Silicon with<br />
Nanosecond Laser”, Journal of Achievements in Materials and<br />
Manufacturing Engineering, Vol. 17, No. 1, pp. 381-384<br />
[3] Luangpaiboon, P. and Peeraprawit, N. (2009), “Nonlinear<br />
Constrained Steepest Ascent Method for a Laser Welding Process”,<br />
The Journal of Industrial Technology, Vol. 5, No. 1, pp. 18-25.<br />
[4] Luangpaiboon, P., Suwankham, Y. and Homrossukon S. (2010),<br />
“Constrained Response Surface Optimisation for Precisely<br />
Atomising Spraying Process”, IAENG Transactions on<br />
Engineering Technologies, Vol. 5, pp. 286-300.<br />
[5] Luangpaiboon, P. (2010), “Improving an Electrostatic Powder<br />
Coating Process via Signal to Noise Response Surface”, Am. J.<br />
Applied Sci., Vol. 7, No.11, pp. 1521-1527.<br />
[6] Luangpaiboon, P. (2011), “Constrained Response Surface<br />
Optimization for a Laser Beam Welding Process”, Journal of<br />
Mathematics and Statistics, Vol. 7, No. 1, pp. 5-11.<br />
W. Sayrasang is with the Industrial Statistics<br />
and Operational Research Unit (ISO-RU),<br />
Department of Industrial Engineering, Faculty<br />
of Engineering, Thammasat University, 12120,<br />
THAILAND.<br />
P. Luangpaiboon is an Associate Professor,<br />
ISO-RU, Department of Industrial Engineering,<br />
Faculty of Engineering, Thammasat University,<br />
12120, THAILAND.<br />
50
51<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Flexible Printed Circuit Process Improvement via<br />
Interchangeable Linear Constrained Response Surface Optimisation Models<br />
Pichpimon Kanchanasuttisang 1 and Pongchanun Luangpaiboon 2<br />
1, 2<br />
Industrial Statistics and Operational Research Unit (ISO-RU),<br />
Department of Industrial Engineering, Faculty of Engineering, Thammasat University, Pathumthani, Thailand<br />
Tel: 025643002-9 Ext 3081 Fax: 025643017 E-mail: 1 pichpimon@hotmail.com, 2 lpongch@engr.tu.ac.th<br />
Abstract<br />
This paper presents a collection of experimental design and<br />
mathematical programming techniques for quality improvement in<br />
automotive electronic parts. The quality performance of interest is<br />
measured via the relationship of the etched rate of acid solution and<br />
circuit width, one of the key failure and break down to LED of lighting<br />
vehicles. With lower levels from monitoring the product quality the<br />
manufacturer has spent a lot of cost and time for product verification<br />
procedures. This brings the production with higher levels of waste and<br />
lead time. To validate on processing and to sustain finished goods with<br />
the permanent prevention, the precisely etched condition should be<br />
optimised. The proper factorial experiments, multiple regression and<br />
mathematical programming approaches are applied to investigate the<br />
preferable levels of significant process variables in order to improve the<br />
quality of etched rate. The interchangeable constrained response surface<br />
optimisation models provide the new operating conditions. The<br />
experimental results in each part with less than twenty five lines showed<br />
that the first model decreases the bottom circuit width deviation from<br />
0.0026 to 0.0024 and the latter model decreases the etching rate from<br />
2.033 to 1.124.<br />
Keywords: Flexible Printed Circuit Process, Circuit Width, Etched<br />
Rate, Response Surface Methodology, Multiple Regression,<br />
Steepest Descent<br />
1. INTRODUCTION<br />
In the field of an electronic circuitry, the flexible printed<br />
circuits (FPC) have been developed for lighting automotive vehicles by<br />
assembling with the LED. The emission light and optical properties are<br />
mainly relied on the width of an FPC circuit line. An existing process to<br />
confirm the correct width of a lead line in an electronic field is a<br />
damaged part investigation. The process obviously causes the high<br />
quality cost in FPC manufacturers.<br />
Currently, the circuit width of the FPC is with lower process<br />
capability (Cpk) at -3.03 on the top circuit width and 0.85 on the bottom<br />
circuit width that comparing to the minimal target at 1.33 as shown in<br />
Fig. 1. In this case, the deep details of an etching process should be<br />
investigated so that the optimal working condition would be determined<br />
as a standard process.<br />
LS L<br />
Process Data<br />
0.09<br />
Target 0.1<br />
USL 0.11<br />
Sample M ean 0.0740333<br />
Sample N 60<br />
StD ev (Within) 0.00175612<br />
StD ev (O v erall) 0.00173661<br />
O bserv ed P erform ance<br />
P P M < LSL 1000000.00<br />
PPM > USL 0.00<br />
P P M Total 1000000.00<br />
LS L<br />
P rocess D ata<br />
0.09<br />
Target 0.1<br />
USL 0.11<br />
Sample M ean 0.09655<br />
Sample N 60<br />
StD ev (Within) 0.00257149<br />
StD ev (O v erall) 0.00256062<br />
O bserv ed P erform ance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
Process Capability of Top circuit width<br />
LSL Target USL<br />
0.072 0.078 0.084 0.090 0.096 0.102<br />
Exp. Within Performance<br />
P P M < LSL 1000000.00<br />
PPM > USL 0.00<br />
P P M Total 1000000.00<br />
Exp. O verall Performance<br />
P P M < LSL 1000000.00<br />
PPM > USL 0.00<br />
P P M Total 1000000.00<br />
0.108<br />
Process Capability of Bottom circuit width<br />
LSL Target USL<br />
0.0900 0.0936 0.0972 0.1008 0.1044<br />
Exp. Within Performance<br />
PPM < LSL 5430.21<br />
PPM > USL 0.08<br />
PPM Total 5430.30<br />
E xp. O v erall P erform ance<br />
PPM < LSL 5264.21<br />
PPM > USL 0.07<br />
PPM Total 5264.28<br />
0.1080<br />
Within<br />
Overall<br />
P otential (Within) C apability<br />
C p 1.90<br />
C P L -3.03<br />
CPU 6.83<br />
C pk -3.03<br />
O v erall C apability<br />
P p 1.92<br />
PPL -3.06<br />
P P U 6.90<br />
P pk -3.06<br />
Cpm 0.13<br />
Within<br />
Overall<br />
P otential (Within) C apability<br />
C p 1.30<br />
CPL 0.85<br />
CPU 1.74<br />
Cpk 0.85<br />
O v erall C apability<br />
Pp 1.30<br />
PPL 0.85<br />
PPU 1.75<br />
Ppk 0.85<br />
Cpm 0.77<br />
Fig.1 Current Performance on Top and Bottom Circuit Widths.
experimental analyses which consist of a base line analysis, an etched<br />
rate analysis and a circuit width analysis.<br />
Table 1. Responses and their Feasible Specifications.<br />
Response Specification<br />
Lower Upper<br />
Top Circuit Width 0.09 0.110<br />
Bottom Circuit Width 0.09 0.110<br />
4.1 Base Line Analysis<br />
In this first step, the experiments aim to analyse the current<br />
data of the circuit width (Rcw) by using a completely randomised design<br />
or one-way analysis of variance (ANOVA). The experimental designs<br />
were performed to determine the statistically significant process<br />
conditions or the capability of measurement system which consist of the<br />
pattern and sheet positions. The process positions and feasible ranges<br />
are provided in Table 2.<br />
Table 2. Process Positions and their Feasible Ranges.<br />
Position Level<br />
Pattern MT, Cen1, Cen2, OP<br />
Sheet S1 – S15<br />
In this study, at 95% confidence interval sources of variance<br />
and P-value were shown in Table 3. On the numerical results, the<br />
significant factor on both circuit widths is the pattern position. The<br />
pattern position is then applied as the design factor for the next two<br />
steps throughout.<br />
Table 3. ANOVA for Base Line Analysis.<br />
Source or<br />
Position<br />
P-Value<br />
Top Circuit Width Bottom Circuit Width<br />
Pattern 0.00 0.00<br />
Sheet 0.46 0.59<br />
54<br />
4.2 Etched Rate Analysis<br />
According to the results from the base line analysis the<br />
circuit width is unbalanced so the response in the second step is the<br />
etched rate (RER). Currently the etched rate is with the deviation of<br />
0.033 and the three sigma level of 6.1 as shown in Fig. 4. A two level<br />
experimental design with additional four centre design points was<br />
performed to determine the statistically significant process variables of<br />
A, B and C (an attribute factor). The low and high levels including<br />
centre points are selected cover values of feasible ranges in a production<br />
line (Table 4).<br />
The objective at this step is to analyse main and interaction<br />
effects via 20 treatments without a replication. The analysis of variance<br />
revealed that the main effects of A and B are significant, but there was<br />
no statistically significant on the interaction effect at 95% confidence<br />
interval.<br />
Frequency<br />
40<br />
30<br />
20<br />
10<br />
0<br />
42<br />
44<br />
Histogram of Etched rate (Current)<br />
Normal<br />
46 48<br />
Etched rate<br />
50<br />
Fig.4 Current Etched Rate Performance Measure.<br />
52<br />
54<br />
Mean 46.57<br />
StDev 2.033<br />
N 198<br />
Table 4. Process Variables and their Feasible and Tested Levels for<br />
Etched Rate Analysis.<br />
Process Feasible<br />
Tested Levels<br />
Variable Level Low Centre High<br />
A 30 – 60 30 45 60<br />
B 2.0 – 4.0 2.9 3.0 3.1<br />
C Attribute 1 - 2
Table 5. ANOVA with all Main Effects and Interactions.<br />
Sources P-Value for the Etched Rate<br />
A 0.001<br />
B 0.029<br />
C 0.371<br />
A*B 0.791<br />
A*C 0.675<br />
B*C 0.169<br />
A*B*C 0.201<br />
Centre Point 0.162<br />
In order to determine the appropriate setting of the process<br />
variables, the main effects were plotted in Fig. 5. The appropriate levels<br />
of process variables A and B are set at 60 and 3.1, respectively. After an<br />
implementation of the new operating condition, the response of the<br />
etched rate is improved with the deviation of 1.365 and the three sigma<br />
level of 4.1 (Fig. 6)<br />
Mean<br />
Frequency<br />
16.8<br />
15.6<br />
14.4<br />
13.2<br />
12.0<br />
16.8<br />
15.6<br />
14.4<br />
13.2<br />
12.0<br />
40<br />
30<br />
20<br />
10<br />
-1<br />
1<br />
Main Effects Plot for Range<br />
Data Means<br />
A<br />
0<br />
C<br />
2<br />
1<br />
Fig. 5 Main Effect Plots of the Etched Rate Analysis.<br />
0<br />
43.5<br />
Histogram of Etched rate (Main effect)<br />
Normal<br />
45.0<br />
46.5 48.0 49.5<br />
Etched rate<br />
-1<br />
51.0<br />
B<br />
0<br />
52.5<br />
1<br />
Mean 46.84<br />
StDev 1.365<br />
N 216<br />
Fig. 6 Etched Rate Performance Measure at New Process Condition<br />
from the Factorial Design.<br />
55<br />
The method of multiple regression analysis at 95%<br />
confidence interval is then applied for statistically significant process<br />
variables to determine the most preferable fitted equation of associated<br />
process variables of A and B to the response of the etched rate (Table<br />
6). The relationship of the process variables and the response (RER) in<br />
terms of the path of steepest descent is<br />
Expected Response of RER = 63.1-0.171A-13.9B. (3)<br />
Table 6. Regression Model including its Significant Coefficients and<br />
ANOVA Table.<br />
Predictor Coef SE Coef T P-Value<br />
Constant 63.14 17.31 3.65 0.002<br />
A -0.1708 0.0382 -4.47 0.000<br />
B -13.875 5.738 -2.42 0.027<br />
Source DF SS MS F P-Value<br />
Regression 2 135.86 67.932 12.90 0.000<br />
Residual 17 89.557 5.268<br />
Total 19 225.42<br />
The preferable levels of process variables A and B from the<br />
path of steepest descent are 60 and 3.8, respectively (Table 5). When<br />
the new levels of process variables have been applied, the new etched<br />
rate is improved with the deviation of 1.124 and the three sigma level of<br />
3.4 (Fig. 7).<br />
Frequency<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
37<br />
Histogram of Etched rate (Multiple regression)<br />
Normal<br />
38<br />
39<br />
40 41<br />
Etched rate<br />
42<br />
43<br />
Mean 39.50<br />
StDev 1.124<br />
N 216<br />
Fig. 7 Etched Rate Performance Measure at New Process Condition<br />
from the Steepest Descent.
Table 7. A Comparison of the Etched Rate among Various Settings.<br />
Setting Deviation 3σ<br />
Current 2.033 6.1<br />
Factorial Design 1.365 4.1<br />
Steepest Descent 1.124 3.4<br />
4.3 Circuit Width Analysis<br />
From the previous section, the pattern position brings the<br />
lower etched rate deviation when compared to the current operating<br />
condition. From the etched rate analysis, the process variable of A is<br />
then fixed at the suitable level of 60 and the remaining variable of B<br />
returns to be a process variable when focused on the response of the<br />
circuit width. The low and high levels of the process variables of B and<br />
D including centre points are selected cover values of feasible ranges in<br />
a production line to investigate the response of the circuit width (Rrw) (Table 8)<br />
Table 8. Process Variables and their Feasible and Tested Levels for<br />
Circuit Width Analysis.<br />
Process Feasible<br />
Tested Level<br />
Variable Level Low Center High<br />
B 2.0 – 4.0 2.9 3.1 3.3<br />
D 3.0 – 4.0 3.4 3.5 3.6<br />
The method of multiple regression analysis at 95%<br />
confidence interval is then applied for statistically significant process<br />
variables to determine the most preferable fitted equation of associated<br />
process variables of B and D to the response of the top and bottom<br />
circuit widths (Tables 9 and 10). The relationships of the process<br />
variables and the responses (RCW) in terms of the paths of steepest<br />
descent are then determined.<br />
56<br />
Table 9. Regression Model including its Significant Coefficients and<br />
ANOVA Table for Top Circuit Width.<br />
Predictor Coef SE Coef T P-Value<br />
Constant 0.05392 0.007415 7.27 0.018<br />
B -0.0162 0.000968 -16.78 0.004<br />
D 0.00750 0.001936 3.87 0.061<br />
Source DF SS MS F P-Value<br />
Regression 2 0.000045 22x10 -6 148.33 0.007<br />
Residual 2 0.0000003 15x10 -7<br />
Total 4 0.000045<br />
Table 10. Regression Model including its Significant Coefficients and<br />
ANOVA Table for Bottom Circuit Width.<br />
Predictor Coef SE Coef T P-Value<br />
Constant 0.1279 0.04287 2.98 0.096<br />
B -0.0342 0.005598 -6.12 0.026<br />
D -0.0035 0.01120 -0.31 0.784<br />
Source DF SS MS F P-Value<br />
Regression 2 0.000188 94x10 -6 18.77 0.051<br />
Residual 2 0.000010 5x10 -6<br />
Total 4 0.000198<br />
The method of steepest descent is then applied for<br />
statistically significant process variables to determine the most<br />
preferable fitted equation of associated process variables to the response<br />
of Rrw at both top and bottom circuits. The actual step size is determined<br />
by the experimenter with a consideration of other practicals or the<br />
process knowledge. These experiments will be terminated when there is<br />
an increase in responses from the last step. Eventually the experiments<br />
arrived to the vicinity of the optimum. The mathematical programming<br />
model is then formulated to minimise the desired response of the circuit<br />
width difference from the target.<br />
From the current operating condition, the relationship of the<br />
process variables and the responses are categorised by the top (Fig. 8)<br />
and bottom (Fig. 9) circuit widths. The new levels of process variables<br />
via the model are then solved via a generalised reduced gradient
Table 12. Comparison on Circuit Width.<br />
Item<br />
Top Circuit Width<br />
Before After<br />
Bottom Circuit Width<br />
Before After<br />
Mean 0.074 0.075 0.097 0.099<br />
SD 0.0017 0.0012 0.0026 0.0024<br />
3σ 0.005 0.004 0.008 0.007<br />
Cpk -3.03 -3.57 0.85 1.19<br />
5. CONCLUSIONS AND RECOMMENDATIONS<br />
In this paper the proper factorial experiments, multiple<br />
regression and mathematical programming approaches are applied to<br />
investigate the preferable levels of significant process variables in order<br />
to improve the quality of etched rate. Firstly, the 2 k factorial design was<br />
applied to preliminarily study the effects of those three factors. The<br />
responses which consist of circuit widths (RCW) and etching rate (RER) from the preset experimental designs are measured by Hand-Held<br />
Instruments of the Eddy current method. The multiple regression<br />
models of those responses were then developed from only significant<br />
factors affecting each response. Finally, the regression model of RCW in<br />
forms of the path of steepest descent was placed as the objective<br />
function of the linear constrained response surface optimisation model<br />
to minimise the circuit width subject to the remaining response and the<br />
limitation from feasible ranges of two main factors. However, in this<br />
study the RCW could be interchangeable to be only the model constraint<br />
and the RER is formulated as the response instead.<br />
After an implementation, the experimental results on top and<br />
bottom circuit widths were analysed via t-tests (Table 13). The new<br />
condition statistically affects on both top and bottom widths at 95%<br />
confidence interval. There is a decrease in the deviation from a<br />
customer requirement as appeared in the Box-Whisker plots (Fig. 11<br />
and 12). This research was scoped only on one the product and product<br />
layout. Consequently conclusions may not be globally optimal.<br />
However, the sequential procedures can be applied to the FPC<br />
manufactures with many circuit width designs and limited machine<br />
capabilities.<br />
58<br />
Data<br />
Data<br />
0.077<br />
0.076<br />
0.075<br />
0.074<br />
0.073<br />
0.072<br />
0.071<br />
Pattern position<br />
0.090<br />
Pattern position<br />
Boxplot of Top width (before), Top width (After)<br />
MT C1 C2 OP<br />
Top width (before)<br />
MT C1 C2 OP<br />
Top width (After)<br />
Fig.11 Box-Whisker Plot of Top Circuit Width.<br />
Boxplot of Bottom width (before), Bottom width (After)<br />
0.104<br />
0.102<br />
0.100<br />
0.098<br />
0.096<br />
0.094<br />
0.092<br />
MT C1 C2 OP<br />
Bottom width (before)<br />
MT C1 C2 OP<br />
Bottom w idth (After)<br />
Fig.12 Box-Whisker Plot of Bottom Circuit Width.<br />
Table 13. Comparison via Two Sample T-tests.<br />
Circuit Width T-Stat P-Value<br />
Top -2.76 0.008<br />
Bottom -4.03 0.000<br />
ACKNOWLEDGMENT<br />
The authors wish to thank the Faculty of Engineering,<br />
Thammasat University, THAILAND for the financial support.<br />
REFERENCES<br />
[1] Luangpaiboon, P. and Peeraprawit, N. (2009), “Nonlinear<br />
Constrained Steepest Ascent Method for a Laser Welding<br />
Process”, The Journal of Industrial Technology, Vol. 5, No. 1, pp.<br />
18-25.<br />
[2] Luangpaiboon, P., Suwankham, Y. and Homrossukon S. (2010),<br />
“Constrained Response Surface Optimisation for Precisely<br />
Atomising Spraying Process”, IAENG Transactions on<br />
Engineering Technologies, Vol. 5, pp. 286-300. DOI:<br />
10.1063/1.3510555
[3] Luangpaiboon, P. (2010), “Improving an Electrostatic Powder<br />
Coating Process via Signal to Noise Response Surface”, Am. J.<br />
Applied Sci., Vol. 7, No.11, pp. 1521-1527. DOI:<br />
10.3844/ajassp.2010.1521.1527.<br />
[4] Luangpaiboon, P. (2011), “Constrained Response Surface<br />
Optimisation for a Laser Beam Welding Process”, Journal of<br />
Mathematics and Statistics, Vol. 7, No. 1, pp. 5-11. DOI:<br />
10.3844/jmssp.2011.5.11.<br />
P. Kanchanasuttisang is with the Industrial Statistics<br />
and Operational Research Unit (ISO-RU), Department<br />
of Industrial Engineering, Faculty of Engineering,<br />
Thammasat University, 12120, THAILAND.<br />
P. Luangpaiboon is an Associate Professor, ISO-RU,<br />
Department of Industrial Engineering, Faculty of<br />
Engineering,<br />
THAILAND.<br />
Thammasat University, 12120,<br />
59
(distance) ในการขนสงแตละเที่ยว<br />
ทําใหตองมีการวิ่งรถเขาและออกจาก<br />
จุดเริ่มตนหลายครั้ง<br />
จึงจะใหบริการลูกคาในจุด (node) ตาง ๆ ไดครบ<br />
ปญหา VRP ถูกกลาวถึงเปนครั้งแรกตั้งแตป<br />
ค.ศ.1959 โดย Dantzig และ<br />
Ramser [2] ซึ่งในปจจุบันไดมีการพัฒนาและแยกยอยปญหา<br />
VRP<br />
ออกไปอีกหลายรูปแบบ อยางไรก็ตาม ในงานวิจัยนี้จะกลาวถึงเฉพาะ<br />
ปญหาของโรงงานกรณีศึกษา ซึ่งจัดเปนปญหา<br />
VRP ชนิดพื้นฐาน<br />
คือมี<br />
เงื่อนไขเฉพาะการจํากัดน้ําหนักที่บรรทุกเทานั้น<br />
(Capacitated Vehicle<br />
Routing Problem ; CVRP)<br />
รูปที่<br />
1 องคประกอบของปญหาการจัดเสนทางสําหรับยานพาหนะ<br />
โดยทั่วไปแลว<br />
ปญหา VRP นั้น<br />
จะประกอบไปดวย [3]<br />
1. กลุมลูกคา<br />
(Set of Customers) ลูกคาแตละรายจะถูก<br />
กําหนดใหอยูกระจายในจุด<br />
(Node) ตาง ๆ กันและมีความตองการรับหรือ<br />
สงสินคาในจํานวนตาง ๆ กัน<br />
2. ยานพาหนะ (Vehicle) หมายถึง รถ เรือ เครื่องบิน<br />
หรือ<br />
ยานพาหนะอื่นใดที่ใชในการใหบริการแกลูกคา<br />
มีหนาที่ในการเดินทาง<br />
รับ-สงสินคาระหวางลูกคาและคลังสินคา<br />
3. คลังสินคา (Depot) หมายถึง สถานที่เก็บสินคา<br />
โรงงาน<br />
หรือ ศูนยกระจายสินคา เปนสถานที่ซึ่งถูกกําหนดใหเปนจุดเริ่มตนและ<br />
จุดสิ้นสุดในการเดินทาง<br />
4. เที่ยวรถ<br />
(Route) คือเสนทางการเดินรถที่มีการกําหนดวาจะ<br />
ใหพาหนะคันใดเดินทางไปยังลูกคารายใดบาง และเดินทางตามลําดับ<br />
กอนหลังอยางไร<br />
2.2 วิธีการแกปญหา VRP<br />
ปญหาการจัดเสนทางสําหรับยานพาหนะนั้นจัดเปนปญหา<br />
การตัดสินใจแบบไมตอเนื่อง<br />
(Discrete Decision Problem) เนื่องจาก<br />
คําตอบที่ตองการนั้นมักจะอยูในรูป<br />
จํานวนเต็ม (Integer) เทานั้น<br />
หรือมี<br />
คาเปนไดเพียง 0 หรือ 1 คือ พาหนะคันนี้จะไป<br />
(x = 1) หรือไมไป (x = 0)<br />
ในเสนทางนี้เทานั้น<br />
วิธีการแกปญหา VRP สามารถแบงตามประเภทของ<br />
คําตอบไดดังนี้<br />
61<br />
2.2.1 วิธีหาคําตอบที่ดีที่สุด<br />
(Optimal Solution)<br />
วิธีการหาคําตอบที่ดีที่สุด<br />
คือ การเปรียบเทียบคําตอบทุก<br />
คําตอบเทาที่จะเปนไปได<br />
แลวจึงเลือกคําตอบที่ใหผลลัพธที่ดีที่สุดมา<br />
เพียงคําตอบเดียว เชน วิธี Complete Enumeration, วิธี Branch-and-<br />
Bound [4], วิธี Branch-and-Cut [5], วิธี Column Generation [6] เปนตน<br />
ซึ่งวิธีดังกลาวนี้<br />
จะตองใชเวลาในการคํานวณเปนเวลานาน หรือตองการ<br />
คอมพิวเตอรในการประมวลผลที่มีประสิทธิภาพสูง<br />
ทําใหเหมาะกับการ<br />
แกปญหาขนาดเล็ก คือมีจํานวนลูกคาจํานวนไมมากนัก<br />
2.2.2 วิธีหาคําตอบใกลเคียงคําตอบที่ดีที่สุด<br />
(Near Optimal<br />
Solution)<br />
การใชวิธี Heuristic และ Metaheuristic เปนวิธีที่ใชสามัญ<br />
สํานึกของมนุษยเขามาชวยในการแกปญหาอยางงาย โดยคําตอบที่ไดนั้น<br />
อาจจะไมใชคําตอบที่ดีที่สุด<br />
แตก็นับเปนคําตอบที่ดีเพียงพอและยอมรับ<br />
ได โดยใชเวลาในการคํานวณไมนานนัก<br />
2.3 โปรแกรม LINGO<br />
โปรแกรม LINGO เปน Software หนึ่งที่ใชในการแกปญหา<br />
การตัดสินใจรูปแบบตาง ๆ ทั้ง<br />
ปญหาเชิงเสนตรง (Linear Programming)<br />
ปญหาที่ไมเปนเสนตรง<br />
(Non-Linear Programming) และ ปญหาที่<br />
ตองการคําตอบเปนจํานวนเต็ม (Integer Programming) โปรแกรมนี้<br />
คิดคนโดยบริษัท LINDO System ประเทศสหรัฐอเมริกา ตั้งแตป<br />
1998<br />
ปจจุบันอยูใน<br />
Version 11 การใชงานโปรแกรมจะเริ่มจากการกําหนดตัว<br />
แปรและมิติ (Variable and Index) การกําหนดคาให ตัวแปรตางๆ<br />
การสรางสมการในการคํานวณ และสรางสมการเปาหมาย ซึ่งเราอาจใช<br />
ตัวแบบปญหา Mathematical Model เขียนในโปรแกรมโดยตรงหรือทํา<br />
การแปลงปญหาเปนแบบ Set Partitioning [7] กอนเขียนในโปรแกรมก็<br />
ได ซึ่งคําตอบที่ไดจากโปรแกรม<br />
LINGO นี้<br />
จัดเปนคําตอบแบบดีที่สุด<br />
(Optimal Solution)<br />
3. แบบจําลองทางคณิตศาสตร<br />
3.1 ดัชนี<br />
i, j ใชแทนลําดับของคลังสินคาและลูกคา โดยกําหนดให<br />
คลังสินคามี i, j = 0, ลูกคาอื่น<br />
ๆ จะมี i, j = 1, 2, ....., n<br />
k ใชแทนพาหนะคันที่<br />
1, 2, ....., k<br />
3.2 ตัวแปร<br />
C ระยะทางระหวางลูกคา หรือคลังสินคาลําดับที่<br />
i ไปยัง j<br />
ij<br />
n จํานวนลูกคาและคลังสินคาทั้งหมด<br />
qi ความตองการสินคาของลูกคาลําดับที่<br />
i<br />
Q ความสามารถในการบรรทุกสินคาของพาหนะ<br />
X k<br />
ij = 1 ถายานพาหนะ k ขนสงสินคาระหวาง i ไป j<br />
= 0 ในกรณีอื่นๆ
รูปที่<br />
2 การใชโปรแกรม iGO 8.3 ในการคํานวณระยะทาง<br />
การจัดเสนทางการขนสงกอนการปรับปรุงของโรงงาน<br />
กรณีศึกษานั้น<br />
มีทั้งสิ้น<br />
8 เสนทาง (8 เที่ยว)<br />
ดังแสดงในตารางที่<br />
2<br />
่ ตารางที 2 การจัดเสนทางของโรงงานกรณีศึกษากอนการปรับปรุง<br />
ลําดับ เสนทาง<br />
น้ําหนักบรรทุก<br />
(kg)<br />
ระยะทาง<br />
(km)<br />
1 0-1-2-3-4-0 1,926 30.9<br />
2 0-5-6-0 1,476 29.8<br />
3 0-7-8-0 1,976 37.9<br />
4 0-9-0 2,002 20<br />
5 0-10-11-12-13-0 2,050 17.71<br />
6 0-14-15-17-0 1,264.6 20.9<br />
7 0-16-0 1,450 5<br />
8 0-18-19-0 1,180 17.8<br />
รวม 180.01<br />
ระยะทางรวมของเสนทางทั้ง<br />
8 เสนทางที่โรงงานกรณีศึกษา<br />
ใชในการขนสงสินคา คิดเปน 180.01 กิโลเมตร และจากการบันทึกเข็ม<br />
ไมลและคาน้ํามันรถในชวงที่ทําการวิจัยพบวา<br />
ทางโรงงานมีตนทุนน้ํามัน<br />
เชื้อเพลิงอยูที่<br />
3.85 บาทตอระยะทาง 1 กิโลเมตร ดังนั้น<br />
ทางโรงงานจึง<br />
ตองเสียตนทุนคาขนสง คิดเปนเงิน 180.01 x 3.85 = 693.04 บาท/วัน หรือ<br />
20,791.2 บาท/เดือน<br />
4.2 การคํานวณเสนทางดวยโปรแกรม LINGO<br />
เมื่อไดขอมูลนําเขาครบแลว<br />
จึงทําการแปลงแบบจําลองทาง<br />
คณิตศาสตรใหเปนคําสั่งในโปรแกรม<br />
LINGO (version 11) แลวจึงนํา<br />
ขอมูลทั้งหมดที่ไดมาปอนเขาสูโปรแกรมเพื่อใหโปรแกรมคํานวณการจัด<br />
เสนทางใหมที่ไมขัดแยงกับเงื่อนไขออกมา<br />
63<br />
รูปที่<br />
3 การใชโปรแกรม LINGO ในการคํานวณ<br />
หลังจากใชเวลาในการประมวลผลนานประมาณ 19 ชั่วโมงจึง<br />
ไดคําตอบออกมาดังแสดงในตารางที่<br />
3<br />
่ ตารางที 3 การจัดเสนทางขนสงที่คํานวณไดจากโปรแกรม<br />
LINGO<br />
ลําดับ เสนทาง<br />
น้ําหนักบรรทุก<br />
(kg)<br />
ระยะทาง<br />
(km)<br />
1 0-6-1-7-0 1,796 26<br />
2 0-4-5-10-0 1,796 23.3<br />
3 0-8-2-14-0 2,087.6 34.1<br />
4 0-9-0 2,002 20<br />
5 0-11-12-18-13-0 2,100 17.47<br />
6 0-15-3-19-17-0 2,093 17.52<br />
7 0-16-0 1,450 5<br />
รวม 143.39<br />
เสนทางการขนสงที่ไดจากโปรแกรม<br />
LINGO นั้น<br />
ลดลงเหลือ<br />
เพียง 7 เสนทาง (7 เที่ยว)<br />
คิดเปนระยะทางรวม 143.39 กิโลเมตร และคิด<br />
เปนตนทุนคาขนสง 143.39 x 3.85= 552.05 บาท/วัน หรือ 16,561.5 บาท/<br />
เดือน<br />
5. สรุปผลและขอเสนอแนะ<br />
5.1 สรุปผลการวิจัย<br />
งานวิจัยนี้เปนการศึกษาและประยุกตใชการสรางแบบจําลอง<br />
ปญหาทางคณิตศาสตรและใชโปรแกรม LINGO ในการแกปญหาการจัด<br />
เสนทางสําหรับยานพาหนะ (VRP) ภายใตเงื่อนไขความตองการของ<br />
ลูกคาแตละรายแนนอน และขนาดการบรรทุกจํากัด เพื่อชวยลดตนทุนคา<br />
น้ํามันในการขนสงของโรงงานกรณีศึกษา<br />
คณะผูวิจัยไดทําการเก็บขอมูลความตองการและระยะทางของ<br />
ลูกคาแตละราย โดยศึกษาเฉพาะลูกคาที่มีความตองการที่แนนอนทุกวัน<br />
รวมทั้งสิ้น<br />
19 ราย จากนั้นจึงจัดรูปแบบปญหาใหเปนตัวแบบทาง<br />
คณิตศาสตร และใชโปรแกรม LINGO ทําการประมวลผล
หลากหลายมากขึ้นตามไปดวย<br />
จากอดีตจนถึงปจจุบันมีนักวิจัยได<br />
ทําการศึกษาหลายทาน เชน ในงานวิจัยของตางประเทศ Thangiah [1] ได<br />
นําเสนอวิธีการผสมผสานระหวางการอบออน (Simulated Annealing:<br />
SA), วิธีการเชิงพันธุกรรม (Genetic Algorithm: GA) และ การคนหาแบบ<br />
ทาบู (Tabu Search: TS) เพื่อใชในการแกปญหา<br />
VRP ที่มีลูกคาตั้งแต<br />
100-417 ราย ซึ่งนับเปนงานวิจัยที่เปนตนแบบในการพัฒนาขั้นตอนวิธี<br />
แบบผสมผสาน Beatrice et al. [2] ไดเสนองานวิจัยเกี่ยวกับปญหา<br />
VRP<br />
แบบมีหลายวัตถุประสงค (Multi-Objective Problem) โดยการหาจํานวน<br />
รถขนสงนอยที่สุดและผลรวมตนทุนในการเดินทางขนสง<br />
หรือระยะทาง<br />
สั้นที่สุด<br />
โดยใชวิธีการเชิงพันธุกรรม (Genetic Algorithm: GA) และ<br />
เทคนิคการเรียงลําดับแบบพาเรโต (Pareto Ranking) ซึ่งสามารถใช<br />
แกปญหาดังกลาวไดคอยขางมีประสิทธิภาพ สวนงานวิจัยในประเทศ<br />
ไดแก นิรันดร และ สมบัติ [3] นําเสนอวิธีฮิวริสติกสําหรับปญหาการจัด<br />
เสนทางยานพาหนะ โดยประยุกตใชวิธีฮิวริสติก Greedy Randomized<br />
Adaptive Search Procedure (GR<strong>AS</strong>P) สําหรับการคนหาคําตอบ โดยมี<br />
วัตถุประสงคเพื่อใหระยะทางรวมต่ําสุด<br />
ภายใตเงื่อนไขความตองการ<br />
สินคาของลูกคาแตละรายไมแนนอน ความจุของยานพาหนะมีจํานวน<br />
จํากัดพบวาวิธีฮิวริสติกที่นําเสนอใหผลลัพธอยูในระดับที่ดี<br />
ฐิตินนท และ<br />
คณะ [4] ประยุกตใชวิธีฮิวริสติก Clarke-Wright Saving Heuristic และ<br />
Nearest Neighbor Heuristic สําหรับการคนหาคําตอบ ภายใตเงื่อนไข<br />
ความตองการสินคาของลูกคาแตละรายไมแนนอน ความจุของ<br />
ยานพาหนะมีจํานวนจํากัด กระบวนการทํางานของฮิวริสติก แบงเปน 2<br />
ระยะคือ ระยะแรก เปนการสรางคําตอบเริ่มตน<br />
(Initial Solution Phase)<br />
เพื่อพิจารณาพื้นที่ของคําตอบที่เปนไปไดที่ไมขัดแยงกับเงื่อนไข<br />
โดยวิธี<br />
Clarke-Wright Saving Heuristic และ Nearest Neighbor Heuristic และ<br />
ระยะที่สองเปนการปรับปรุงคําตอบ<br />
โดยใชโปรแกรม Lingo V.11 ผล<br />
การทดสอบโดยเปรียบเทียบกับการจัดเสนทางของผูประกอบการพบวา<br />
วิธีฮิวริสติกที่นําเสนอใหผลลัพธอยูในระดับที่ดี<br />
ไชยา และ ระพีพันธ [5]<br />
ใชวิธีฮิวริสติก Nearest Neighborhood และ Cluster first – route second<br />
รวมกับ Sweep Approach ในการแกปญหา VRP พบวา มีระยะทางใน<br />
การขนสงดีกวาระยะทางที่เกิดจากเสนทางเดิมที่โรงงานกรณีศึกษาใชอยู<br />
วิธี ACO ไดถูกนํามาเผยแพรครั้งแรกโดย<br />
Dorigo et al. [6] ซึ่ง<br />
เปนวิธีเมตาฮิวริสติกสที่ประยุกตใชในการแกปญหาการเดินทาง<br />
ของ<br />
บุรุษไปรษณีย (Traveling Salesman Problem: TSP) ขั้นตอนวิธีการนี้เปน<br />
การสังเกตพฤติกรรมของฝูงมดในการคนหาอาหาร โดยมดจะมีการ<br />
ติดตอสื่อสารสงผานขอมูลเกี่ยวกับแหลงอาหารดวยฟโรโมน<br />
(Pheromone) ซึ่งจะมีจํานวนมากหรือนอยขึ้นอยูกับระยะทางและคุณภาพ<br />
ของแหลงอาหารที่คนพบ<br />
โดยมดตัวอื่นๆ<br />
จะตามรอยฟโรโมนมายังแหลง<br />
อาหารในที่สุด<br />
จากพฤติกรรมของมดดังกวาถูกนํามาสรางเปนขั้นตอน<br />
วิธีการในการแกปญหาการหาเชิงจัดการเพื่อหาคาเหมาะที่สุด<br />
ในการ<br />
จําลองพฤติกรรมนี้มดเทียมจะถูกสรางขึ้นใหคลายคลึงกับสภาวะ<br />
แวดลอมในการคนหา พื้นที่ของผลเฉลย<br />
วัตถุประสงคคือ คนหาใหเจอ<br />
66<br />
แหลงอาหารที่มีคุณภาพ<br />
และตัดแปลงความจําไวที่ฟโรโมน<br />
โดยใน<br />
ประเทศมีงานวิจัยที่นําหลักการดังกลาวมาประยุกตใชในการแกปญหา<br />
สุพรรณ และคณะ [7] นําเสนอวิธี ACO และขั้นตอนการปรับปรุง<br />
คุณภาพคําตอบดวยการสลับเปลี่ยนตําแหนง<br />
(Swap) การยาย (Move) 2opt<br />
และ 3-opt อัลกอริทึม ในการแกปญหาสถานที่ตั้งศูนยกระจายสินคา<br />
แบบหลายแหงและการจัดเสนทางการขนสง (Multi Depot Vehicle<br />
Routing Problem: MDVRP) ซึ่งปญหานี้เปนปญหาแบบเอ็นพีฮารด<br />
(NP-<br />
Hard) ประสิทธิภาพของคําตอบที่ไดอยูในเกณฑดีและใชเวลาในการ<br />
คนหาคําตอบอยางเหมาะสม<br />
3. การดําเนินการวิจัย<br />
วิธีการดําเนินการวิจัยมีขั้นตอนในการดําเนินงานดังนี้<br />
1. ศึกษารูปแบบปญหา<br />
2. ออกแบบวิธีการแกปญหาการจัดเสนทางยานพาหนะ โดย<br />
ประยุกตใชวิธีอาณานิคมมดและการปรับปรุงคุณภาพคําตอบดวยวิธีการ<br />
ยายหนึ่งตําแหนง<br />
(One Move: OM) และการสลับเปลี่ยนตําแหนง<br />
(Exchange: Ex)<br />
3. การวิเคราะหผลการวิจัย<br />
4. สรุปผลการวิจัย<br />
3.1 รูปแบบปญหา<br />
กรณีศึกษาบริษัทเจียรนัยน้ําดื่ม<br />
จํากัด มีจํานวนลูกคา 201 ราย,<br />
รถบรรทุกสําหรับขนสงน้ําจํานวน<br />
1 คัน, รถที่ใชบรรทุกน้ําดื่มสามารถ<br />
บรรจุถังน้ําได<br />
50 ถัง/คัน และถนนที่ใชในการขนสงน้ําดื่มแบงเปน<br />
2<br />
ชองทางจราจร ดังนั้นระยะทางไป<br />
– กลับ ระยะทางจะไมเทากันแสดงดัง<br />
รูปที่<br />
1<br />
รูปที่<br />
1 ระยะทางไป – กลับ ไมเทากัน<br />
ปจจุบันเจาของกิจการจัดเสนทางการขนสงดวยประสบการณ<br />
ของตนเอง โดยสงสินคาใหกับลูกคาเปนแบบสัปดาห ดังนั้นทุกสัปดาห<br />
จะสงสินคาแบบเดียวกัน และลูกคาบางรายจะมีวันสงสินคาที่แตกตางกัน<br />
เพื่อใหงายตอการคํานวณงานวิจัยนี้จะไมคิดคาใชจายที่เกิด<br />
จากการสงสินคาไมพอหรือเกินความตองการสินคา การหาคาความ<br />
ตองการสินคาของลูกคาแตละราย จะหาจากหลักทางสถิติคือฐานนิยม
70<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Optimal Cash Inventory Management for ATM Network<br />
with Subjective Demand: A Probabilistic Approach<br />
ศุภัชญา โชตยะกุล 1 จุฑา พิชิตลําเค็ญ 2 และพีรยุทธ ชาญเศรษฐิกุล 3<br />
1<br />
นักศึกษาภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเกษตรศาสตร<br />
บางเขน กรุงเทพมหานคร 10900<br />
โทรศัพท/โทรสาร: 08-6787-0671 E-mail: 1 supatchaya.jan@gmail.com<br />
2, 3<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเกษตรศาสตร<br />
บางเขน กรุงเทพมหานคร 10900<br />
โทรศัพท/โทรสาร: 0-2942-8555 ตอ 1 1675, 2 1610 E-mail: 1 juta.p@ku.ac.th, 2 fengprc@ku.ac.th<br />
บทคัดยอ<br />
บทความนี้กลาวเกี่ยวกับการบริหารการคงคลังเงินสดใน<br />
เครือขายเครื่องกดเงินสดอัตโนมัติ<br />
(Automatic Teller Machines: ATMs)<br />
สําหรับหนึ่งศูนยการจัดการเงินสด<br />
(Cash Center) ของธนาคารแหงหนึ่ง<br />
โดยอาศัยวิธีการปริมาณการสั่งในการสรางตัวแบบปญหา<br />
และแกปญหา<br />
ดวยวิธีการโปรแกรมเชิงเสนแบบผสมจํานวนเต็ม (Mixed Integer Linear<br />
Programming: MILP) วัตถุประสงคหลักของงานวิจัยนี้คือ<br />
กําหนด<br />
ปริมาณการเติมเงินที่เหมาะสมในแตละตู<br />
ATM ในชวงเวลาตางๆ เพื่อให<br />
ตนทุนรวมในการบริหารจัดการเงินคงคลังในเครือขาย ATM ต่ําที่สุด<br />
คําสําคัญ: ปญหาปริมาณการสั่ง,<br />
การบริหารการคงคลังเงินสด,<br />
การโปรแกรมเชิงเสนแบบผสมจํานวนเต็ม<br />
Abstract<br />
This paper deals with cash inventory management in ATMs<br />
to meet customer’s cash needs and to minimize bank’s costs. The<br />
objective of this research is to determine how much money to store in<br />
ATMs, and the frequency of cash replenishment in each period to<br />
minimize total cost of running the ATMs. We will formulate the model<br />
by using the dynamic lot size problem where demand is time variant.<br />
The amount of money that can be held in the ATMs is limited by their<br />
capacity. Mixed integer linear programming will be used for solving the<br />
problem.<br />
Keywords: Lot Sizing Problem, Cash Inventory Management, Mixed<br />
Integer Linear Programming<br />
1. คํานํา<br />
เงินสดคือรูปแบบการจับจายใชสอยในชีวิตประจําวันของคน<br />
ไทยโดยทั่วไป<br />
เนื่องจากรานคาสวนใหญตั้งอยูขางทาง<br />
ซึ่งไมสามารถใช<br />
บัตรเครดิต บัตรเดบิต หรือเช็คในการจับจายใชสอยได ในขณะที่คนสวน<br />
ใหญไมชอบพกเงินติดตัวเปนจํานวนมาก ทําใหเครือขาย ATM มีการ<br />
ขยายตัวอยางรวดเร็ว เนื่องจากลูกคาสามารถกดเงินสดออกมาจากเครื่อง<br />
กดเงินสดอัตโนมัติของธนาคารที่มีบัญชีอยู<br />
หรือตางธนาคารซึ่งอาจจะ<br />
ตองเสียคาธรรมเนียมในการกดเงินสด เครื่อง<br />
ATM ตั้งกระจายอยูทั้งใน<br />
หางสรรพสินคา หนารานสะดวกซื้อ<br />
หนาธนาคารพาณิชย ทั่วประเทศ<br />
ใน<br />
ปจจุบันลูกคาสามารถนําบัตร ATM ไปกดเงินที่ตู<br />
ATM ในตางประเทศ<br />
ไดอีกดวย ซึ่งทําใหการกดเงินสดมีความสะดวกและมีประสิทธิภาพ<br />
มากกวาการไปถอนเงินสดที่หนาเคาทเตอรธนาคาร<br />
เนื่องจากการถอนเงินสดจากตู<br />
ATM เพิ่มขึ้นอยางตอเนื่อง<br />
ทํา<br />
ใหธนาคารตองขยายการใหบริการเครื่อง<br />
ATM เพิ่มมากขึ้นตามจุดที่มี<br />
ชุมชนอยู<br />
เพื่อขยายตลาดลูกคาใหมากขึ้นและสามารถแขงขันกับคูแขงได<br />
ดังนั้นการบริหารจัดการเครือขาย<br />
ATM ใหมีประสิทธิภาพ สามารถ<br />
รองรับความตองการของลูกคาไดอยางทั่วถึง<br />
และใหมีตนทุนในการ<br />
บริหารจัดการต่ําที่สุด<br />
จะเพิ่มขีดความสามารถในการแขงขันมากยิ่งขึ้น<br />
โดยทั่วไปการดําเนินงานหลักที่เกี่ยวของการบริหารจัดการ<br />
เครือขาย ATM คือการจัดเงินสดไปไวยังตู<br />
ATM ในปริมาณและเวลาที่<br />
เหมาะสม เพื่อรองรับความตองการของลูกคา<br />
ทําใหมีตนทุนที่เกี่ยวของ<br />
กับการบริหารจัดการคือ ตนทุนการนําเงินไปเติมที่ตู<br />
ATM เครือขาย<br />
ตนทุนการถือครองและตนทุนคาเสียโอกาสของเงินเพื่อนําไปใช<br />
ประโยชนอยางอื่นที่ใหผลตอบแทนสูงกวา<br />
ซึ่งจะเกิดขึ้นเมื่อจํานวนเงินที่<br />
นําไปใสไวในตู<br />
ATM สูงกวาความตองการ ในขณะที่ถาจํานวนเงินที่ใส<br />
ไวไมเพียงพอกับความตองการ ก็จะทําใหตนทุนเงินขาดแคลนขึ้น<br />
เชน<br />
ความเชื่อมั่นของลูกคาลดลง<br />
ภาพลักษณของธนาคารแยลง รวมทั้งเมื่อ
ตารางที่<br />
1 (ตอ)<br />
ATM Period Z X<br />
3 1 1 3148300<br />
3 4 1 2809900<br />
4 1 1 4184200<br />
4 4 1 4566600<br />
5 1 1 1843200<br />
5 4 1 2022700<br />
6 1 1 3120400<br />
6 4 1 3457200<br />
7 1 1 5042100<br />
7 4 1 4999400<br />
8 1 1 1325100<br />
8 4 1 1830500<br />
9 1 1 1458700<br />
9 4 1 1723200<br />
10 1 1 2402900<br />
11 1 1 2998600<br />
12 1 1 2376100<br />
13 1 1 3106900<br />
14 1 1 2351900<br />
15 1 1 1906500<br />
16 1 1 1599100<br />
16 4 1 2010800<br />
17 1 1 1524100<br />
17 4 1 2423600<br />
18 1 1 2237700<br />
19 1 1 1173500<br />
19 4 1 3099900<br />
20 1 1 2075300<br />
20 4 1 2068200<br />
21 1 1 1963300<br />
21 4 1 2362500<br />
22 1 1 1263400<br />
22 4 1 1987500<br />
23 1 1 2307000<br />
23 4 1 3175000<br />
24 1 1 3192700<br />
24 4 1 3605900<br />
25 1 1 2326600<br />
25 4 1 2936700<br />
26 1 1 2963900<br />
26 4 1 4436700<br />
27 1 1 2457100<br />
27 4 1 3713500<br />
28 1 1 2557100<br />
28 4 1 3134600<br />
73<br />
ตารางที่<br />
1 (ตอ)<br />
ATM Period Z X<br />
29 1 1 3320000<br />
29 3 1 4720200<br />
29 7 1 1344800<br />
30 1 1 633800<br />
30 3 1 3286500<br />
30 5 1 3226800<br />
31 1 1 2153400<br />
32 1 1 1227800<br />
32 4 1 1684700<br />
33 1 1 3869700<br />
33 3 1 5484600<br />
33 6 1 3332700<br />
34 1 1 2893200<br />
35 1 1 2344600<br />
36 1 1 2822000<br />
37 1 1 1872900<br />
37 4 1 2253200<br />
38 1 1 2053700<br />
39 1 1 1849600<br />
39 4 1 1751700<br />
40 1 1 1807600<br />
41 1 1 2353600<br />
41 4 1 3219500<br />
42 1 1 2072900<br />
42 4 1 2346700<br />
43 1 1 1538100<br />
43 4 1 1973200<br />
44 1 1 1628500<br />
45 1 1 2630600<br />
46 1 1 2978000<br />
47 1 1 1803400<br />
47 4 1 1959900<br />
48 1 1 1982400<br />
48 5 1 1483800<br />
49 1 1 2266200<br />
50 1 1 1360100<br />
51 1 1 3692700<br />
51 5 1 2232300<br />
52 1 1 2979300<br />
52 4 1 3383200<br />
53 1 1 2924600<br />
53 4 1 3086200<br />
54 1 1 2375100<br />
54 4 1 2619400
ตารางที่<br />
1 (ตอ)<br />
ATM Period Z X<br />
55 1 1 4780900<br />
55 5 1 2526100<br />
56 1 1 4248000<br />
56 5 1 2464200<br />
57 1 1 2579800<br />
57 4 1 2762000<br />
58 1 1 5042100<br />
58 4 1 4999400<br />
59 1 1 3120400<br />
59 4 1 3457200<br />
60 1 1 4779800<br />
60 4 1 3630100<br />
61 1 1 2997000<br />
62 1 1 2160900<br />
62 4 1 1824800<br />
จากตารางสามารถอธิบายไดวา สําหรับ ATM 1 จะมีการสั่ง<br />
เติมเงินเพียงครั้งเดียวที่ชวงเวลาแรกเปนจํานวนเงิน<br />
3,094,500 บาท ATM<br />
2 จะมีการเติมเงินในวันที่<br />
1 เทากับ 2,008,200 บาท และ วันที่<br />
4 จํานวน<br />
1,988,900 บาท เปนตน<br />
7. ขอเสนอแนะสําหรับงานวิจัยในครั้งตอไป<br />
ในงานวิจัยนี้พิจารณาเฉพาะการจัดสรรเงินใน<br />
ATM สําหรับ<br />
หนึ่ง<br />
Cash Center เทานั้น<br />
แตในความเปนจริง ธนาคารจะตองจัดสรรเงิน<br />
ไปที่<br />
Cash Center ตางๆ และแตละ Cash Center ก็จะจัดสรรเงินลงไปที่<br />
แตละ ATM ภายใน Cash Center นั้นๆ<br />
ดังนั้นงานวิจัยตอไปจะตอง<br />
พิจารณาจัดสรรเงินทั้งระบบ<br />
เพื่อใหตนทุนรวมในการบริหารจัดการดาน<br />
ATM ต่ําสุด<br />
ซึ่งจะทําใหตัวแบบมีความซับซอนมากขึ้น<br />
และคาดวา<br />
สามารถชวยลดตนทุนในการจัดการไดเปนจํานวนมาก<br />
8. กิตติกรรมประกาศ<br />
ขอขอบคุณ Professor John E. Kobza at Texas Tech<br />
University สําหรับหัวขอวิจัยและทุนสนับสนุนการศึกษาและวิจัย จึงขอ<br />
กราบขอบพระคุณมา ณ ที่นี้ดวย<br />
เอกสารอางอิง<br />
[1] J. Castro, “A Stochastic Programming Approach to Cash<br />
Management in Banking”, European Journal of Operation<br />
Research 192, 963-974, 2009<br />
74<br />
[2] Z. Naiyue, “A Sample of Stochastic Simulation of an Automatic<br />
Teller Machine”, In <strong>Proceeding</strong>s of International Conference on<br />
Computer Modeling and Simulation 72, 335-336, 2009<br />
[3] E.A. Silver, “Inventory Control Under a Probabilistic, Time-<br />
Varying, Demand Pattern”, AIIE Transactions 10, 371-379, 1978<br />
[4] H.M. Wagner and T.M. Whitin, “Dynamic Version of the<br />
Economic Lot Size Model”, Management Science 5(1), 89-96,<br />
1958<br />
[5] W.L. Winston, “Operations Research Application and<br />
Algorithms”, Duxbury Press, California, 1993<br />
ประวัติผูเขียนบทความ<br />
น.ส.ศุภัชญา โชตยะกุล กําลังศึกษาอยูระดับชั้นปริญญาเอก<br />
สาขาวิชาวิศวกรรมอุตสาหการ มหาวิทยาลัยเกษตรศาสตร และ Texas<br />
Tech University งานวิจัยที่สนใจ:<br />
Operations Research<br />
ผศ.ดร. จุฑา พิชิตลําเค็ญ อาจารยสาขาวิชาวิศวกรรมอุตสา<br />
หการ มหาวิทยาลัยเกษตรศาสตร งานวิจัยที่สนใจ:<br />
Simulation,<br />
Stochastic Modeling<br />
รศ.ดร. พีรยุทธ ชาญเศรษฐิกุล อาจารยสาขาวิชาวิศวกรรมอุต<br />
สาหการ มหาวิทยาลัยเกษตรศาสตร งานวิจัยที่สนใจ:<br />
Optimization and<br />
Operations Research
75<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การประยุกตใชเจเนติกอัลกอริทึมสําหรับสรางแผนการทดลองแบบเติมเต็มปริภูมิ<br />
An application of Genetic Algorithm for constructing space filling designs<br />
อนามัย นาอุดม 1 และจรัสศรี รุงรัตนาอุบล<br />
2<br />
1<br />
ภาควิชาคณิตศาสตร คณะวิทยาศาสตร มหาวิทยาลัยนเรศวร<br />
2<br />
ภาควิชาวิทยาการคอมพิวเตอรและเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร มหาวิทยาลัยนเรศวร<br />
อ.เมือง จ.พิษณุโลก 65000<br />
โทรศัพท/โทรสาร: 055-963-259 E-mail: 1 anamain@nu.ac.th, 2 jaratsrir@nu.ac.th<br />
บทคัดยอ<br />
การจําลองการทดลองดวยคอมพิวเตอรถูกนํามาใชอยาง<br />
กวางขวางในงานดานวิทยาศาสตรและวิศวกรรมศาสตร การเลือก<br />
แผนการทดลองที่เหมาะสมสําหรับการจําลองการทดลองดวย<br />
คอมพิวเตอรมีความสําคัญอยางยิ่งตอผลลัพธที่ไดจากการจําลองดังกลาว<br />
แผนการทดลองแบบเติมเต็มปริภูมิ ไดแก แผนการทดลองแบบยูนิฟอรม<br />
แผนการทดลองแบบละตินไฮเปอรคิวบถูกนํามาใชอยางแพรหลายใน<br />
งานวิจัยดานนี้<br />
การคนหาแผนการทดลองที่เหมาะสมสําหรับการจําลอง<br />
การทดลองดวยคอมพิวเตอรสามารถทําไดโดยใชอัลกอริทึมการสืบคน<br />
ควบคูกับเกณฑการเลือกคาเหมาะสม<br />
การทํางานของอัลกอรึมการสืบคน<br />
มักจะใชเวลานานเมื่อมิติปญหาที่สนใจศึกษามีขนาดใหญ<br />
งานวิจัยนี้<br />
เสนอวิธีปรับปรุงการทํางานของเจเนติกอัลกอริทึม ไดแก การปรับปรุง<br />
ขั้นตอนการสลับสายพันธุและวิธีการกลายพันธุเพื่อคนหาแผนการ<br />
ทดลองแบบเติมเต็มปริภูมิที่เหมาะสม<br />
ผลที่ไดจากงานวิจัยพบวาเจเนติก<br />
อัลกอริทึมสามารถคนหาแผนการทดลองแบบเติมเต็มปริภูมิที่เหมาะสม<br />
ภายใตเกณฑการเลือกคาเหมาะสมแบบφ p ไดอยางมีประสิทธิภาพโดย<br />
ใชเวลาในการคนหาอยูในระดับที่ยอมรับได<br />
คําสําคัญ: แผนการทดลองแบบเติมเต็มปริภูมิ, เจเนติกอัลกอริทึม,<br />
การจําลองการทดลองดวยคอมพิวเตอร<br />
Abstract<br />
Currently computer simulated experiments (CSE) have been<br />
extensively used in sciences and engineering applications. Selecting a<br />
proper design to run CSE is very critical for reliability of output<br />
response. The space filling designs such as uniform design, Latin<br />
hypercube design, are normally used in CSE. The best designs are<br />
generated by using a search algorithm to optimize a pre-specified<br />
optimality criterion. This paper presents the modification on the<br />
offspring generation and the mutation steps of Genetic algorithm (GA)<br />
for constructing the space filling designs. The results indicate that GA<br />
is able to find the optimal space filling designs with respect<br />
toφ p optimality criterion within a reasonable searching time.<br />
Keywords: space filling design, genetic algorithm, computer simulated<br />
experiment<br />
1. Introduction<br />
Recently computer simulated experiments (CSE) have<br />
replaced classical experiments to investigate a physical complex<br />
phenomena, especially when classical (physical) experiments are not<br />
feasible. The nature of CSE is deterministic; hence identical settings of<br />
input variables always produce an identical set of output response [7].<br />
The process of CSE is typically considered as a black box and not<br />
known a priori. Therefore, space filling designs that aim to spread<br />
design points over a region of interest are desired. Space filling designs<br />
can be constructed by searching for a design using search algorithms<br />
under a pre-specified optimality criterion [2]. This process is based<br />
largely on improving the design by exchanging between the pairs of<br />
design points [1].<br />
Latin Hypercube design (LHD) has been extensively used in<br />
the context of CSE. It was originally proposed by Mckay et al. [4].<br />
LHD is a matrix ( X ), of n rows and d columns where n is the<br />
number of runs and d is the number of input variables. LHD can be<br />
constructed based on the idea of stratified sampling [4] to ensure that<br />
all subregions in the divided input variable space will be sampled with<br />
equally probability. A Latin hypercube sampling has<br />
πij −Uij<br />
Xij =<br />
n<br />
whereπ ij are the elements of an n× d matrix comprising<br />
of columns π i ( i = 1,2, K , d)<br />
. Each column π i ( i = 1,2, K , d)<br />
is<br />
(1)
Fig. 1 Swap operator and Adjustment operator on the 2 nd and 4 th<br />
position<br />
2.1.2 Genetic Algorithm 2 (GA2)<br />
The second approach of GA was presented by<br />
Rungrattanaubol and Na-udom [6]. For the sake of completeness, we<br />
describe the steps of GA as follows and visualized in Fig. 2.<br />
Step 1: Initial population<br />
Generate m random LHD of order n× d . The initial<br />
population comprises of these m { X<br />
i<br />
; i = 1,2, K , m}<br />
LHD.<br />
Step 2: Let population P be{ X<br />
i<br />
; i = 1,2, K , m}<br />
, sort LHD with<br />
respect to the optimality criterion.<br />
Step 3: Selecting parents<br />
Randomly select two LHD from the sequence in Step 1, say<br />
X<br />
a and X<br />
b . Next randomly select one column from each of the<br />
LHD's say Ca and Cb .<br />
Step 4: Generating offspring column<br />
Once the column Ca and Cb are selected. Two new<br />
offspring column a<br />
O and b<br />
O can be obtained as follows.<br />
• Identify rows in each column having identical elements,<br />
copy identical elements in the same row position in<br />
column a<br />
O and b<br />
O .<br />
• Select two row positions, q to r , copy all elements of<br />
column Ca from position q to r in offspring<br />
column a<br />
O . Similarly copy the contents of column<br />
C b from position q to r in offspring b<br />
O .<br />
77<br />
a<br />
O in sequence of<br />
occurrence in column Cb . Similarly assign the<br />
remaining entries in column O<br />
b in sequence of<br />
occurrence in column Ca .<br />
• Assign remaining entries in column<br />
Step 5: Generating offspring LHD<br />
Randomly select a column from each parents LHD<br />
X<br />
a and X<br />
b and replace it by a<br />
O . Repeat this process again, this<br />
time replace randomly selected column by b<br />
O . This process will<br />
result in 4 new LHD's.<br />
Step 6: Repeat steps 3, 4 and 5 till at least mi new offspring LHD's<br />
are generated.<br />
Step 7: Perform mutations on the collection of m i LHD's obtained in<br />
Step 6 using adjustment operator as follows<br />
• Randomly select a column for mutation with<br />
probabilityω .<br />
• Perform mutation on the selected columns by randomly<br />
selecting<br />
• two points in the column, say s and t , and replacing the<br />
substring between these points by its cyclic permutation.<br />
Step 8: Sort the LHD's generated in Step 7, and retain best m − 2 with<br />
respect to an optimality criterion, say { X<br />
*<br />
i : i = 1,2, K , m−2}.<br />
Select two best LHD with respect to optimal criterion in Step 2 and set<br />
these as X<br />
*<br />
,<br />
*<br />
m− 1 Xm<br />
. The new generation comprises of these m<br />
LHD's ({ X<br />
*<br />
: i 1,2, , m}).<br />
i = K<br />
K<br />
*<br />
K , repeat<br />
Step 9: Set { Xi; i = 1, 2, , m} ≡ { Xi ; i = 1, 2, , m}<br />
Step (2-8) if the stopping criteria as described below is not attained.<br />
Otherwise stop the search and report best LHD in the generation with<br />
respect to an optimality criterion.<br />
As described above, there are four cases of GA will be<br />
investigated in this paper, GA1 with SO, GA1 with AO, GA2 with SO<br />
and GA2 with AO, respectively.
Table 3: Results of φ p optimality criteria where d = 2, 5, 7, 10 and 15<br />
d n Algorithms Min Max Mean SD F-test P-value Best choice<br />
2 9<br />
5 51<br />
7 99<br />
10 201<br />
15 451<br />
GA1SO<br />
GA1AO<br />
GA2SO<br />
GA2AO<br />
GA1SO<br />
GA1AO<br />
GA2SO<br />
GA2AO<br />
GA1SO<br />
GA1AO<br />
GA2SO<br />
GA2AO<br />
GA1SO<br />
GA1AO<br />
GA2SO<br />
GA2AO<br />
GA1SO<br />
GA1AO<br />
GA2SO<br />
GA2AO<br />
4.2735<br />
4.3642<br />
4.2735<br />
4.3446<br />
5.7029<br />
5.9330<br />
6.2265<br />
6.2214<br />
6.0123<br />
6.2334<br />
6.2964<br />
6.3175<br />
6.3706<br />
6.4583<br />
6.5072<br />
6.2608<br />
6.8989<br />
6.9161<br />
6.9377<br />
6.9454<br />
4.3891<br />
4.9143<br />
4.6841<br />
4.5595<br />
5.7612<br />
6.1334<br />
6.3219<br />
6.3341<br />
6.0536<br />
6.2977<br />
6.3955<br />
6.3176<br />
6.3961<br />
6.4933<br />
6.5440<br />
6.4002<br />
6.9110<br />
6.9362<br />
6.9511<br />
6.9609<br />
4.3521<br />
4.5974<br />
4.4502<br />
4.4390<br />
5.7460<br />
6.0596<br />
6.2753<br />
6.2640<br />
6.0323<br />
6.2631<br />
6.3499<br />
6.3176<br />
6.3852<br />
6.4777<br />
6.5259<br />
6.3553<br />
6.9048<br />
6.9274<br />
6.9423<br />
6.9529<br />
4. Results<br />
<strong>All</strong> optimal values of φp criteria from each dimensional<br />
problems stated in Table 2 are presented in Table 3. Descriptive<br />
statistics on the φp values obtained from each search algorithms are<br />
displayed in columns 4-7. The columns 4-7 indicated that GA type 1<br />
performed much better than GA type 2 in terms of minimization of<br />
φp criteria. The SD values shown in column 7 displayed larger amount<br />
of variation over 10 replications in GA type 1 than GA type 2.<br />
However, when the dimension of the problem is large, both type of GA<br />
performed similar variation over 10 replications of simulation. This is<br />
probably because of the random structure in GA, which is sometimes<br />
sensitive to different starting points. Further, GA with swap operator in<br />
the mutation step provides better solution in terms of consistency of the<br />
φp optimality criteria.<br />
79<br />
0.0321<br />
0.2055<br />
0.1267<br />
0.0913<br />
0.0177<br />
0.0658<br />
0.0301<br />
0.0339<br />
0.0126<br />
0.0209<br />
0.0247<br />
0.0000<br />
0.0072<br />
0.0131<br />
0.0112<br />
0.0389<br />
0.0046<br />
0.0075<br />
0.0053<br />
0.0059<br />
6.115<br />
0.002<br />
GA1SO<br />
GA2AO<br />
365.213
the method to generate the offspring LHD. Hence other methods could<br />
be further investigated to improve the performance of GA type 2.<br />
Furthermore, the larger dimension of problem and other parameter<br />
settings should be further examined.<br />
6. Acknowledgement<br />
This research was fully supported by Naresuan University.<br />
7. References<br />
[1] R. Jin, W. Chen, and A. Sudjianto, "An efficient algorithm for<br />
constructing optimal design of computer experiments", Journal of<br />
Statistical Planning and Inference, Vol. 134, pp.268-287, 2005.<br />
[2] S. Leary, A. Bhaskar, and A. Keane, “Optimal orthogonal-arraybased<br />
latin hypercubes”, Journal of Applied Statistics, Vol. 30,<br />
No.5, pp.585-598, 2003.<br />
[3] M. Liefvendahl and R. Stocki, “Study on algorithms for<br />
optimization of Latin hypercubes”, Journal of Statistical Planning<br />
and Inference, Vol. 136, pp. 3231-3247, 2006.<br />
80<br />
[4] M. D. Mckay, R. J. Beckman, and W. J. Conover, “A comparison<br />
of three methods for selecting values of input variables in the<br />
analysis of output from a computer code”, Technometrics, Vol. 21,<br />
pp.239-246, 1979.<br />
[5] M. D. Morris and T. J. Mitchell, “Exploratory design for computer<br />
experiments”, Journal of Statistical Planning and Inference, Vol.<br />
43, pp.381-402, 1995.<br />
[6] J. Rungrattanaubol and A. Na-udom, “Comparison of<br />
Evolutionary Search Algorithms in Computer Simulated<br />
Experiments”, In proceeding of National Computer Science and<br />
Engineering Conference (NCSEC2007), pp. 102-106.<br />
[7] J. Sacks, W. J. Welch , T. J. Mitchell, and H. P. Wynn, “Design<br />
and analysis of computer experiments”, Statistical Science, Vol.<br />
4(4), pp. 409-425, 1989.<br />
[8] R Development Core Team, “R: A language and environment for<br />
statistical computing”, R Foundation for Statistical Computing,<br />
Vienna, Austria, 2010. ISBN 3-900051-07
81<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การปรับปรุงเสนทางการขนสงดวยวิธีฮิวริสติก<br />
กรณีศึกษา รานโตงน้ําแข็ง<br />
อําเภอวารินชําราบ จังหวัดอุบลราชธานี<br />
Improvement of Vehicle Routes with Heuristic Method<br />
Case Study: Tongnamkeang Shop, Warinchumrab District, Ubon Ratchathani Province<br />
กฤต จันทรสมัย 1 และสมบัติ สินธุเชาวน 2<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยอุบลราชธานี<br />
อําเภอวารินชําราบ จังหวัดอุบลราชธานี 34190<br />
E-mail: 1 k_r_i_t90@hotmail.com<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อปรับปรุงเสนทางการขนสง<br />
น้ําแข็งของ<br />
รานโตงน้ําแข็ง<br />
อําเภอวารินชําราบ จังหวัดอุบลราชธานี<br />
ลูกคาแตละรายมีความตองการน้ําแข็งที่ไมแนนอน<br />
และระยะทางระหวาง<br />
ลูกคาบางรายไป–กลับไมเทากัน (Asymmetric) ปญหาการจัดเสนทาง<br />
ยานพาหนะ (Vehicle routing problem) นี้เปนปญหาแบบเอ็นพี-ฮารด<br />
(NP-HARD) ฮิวริสติกที่ประยุกตใชในการหาคําตอบจะแบงออกเปน<br />
2 ระยะคือ ระยะแรกเปนการสรางคําตอบเริ่มตนที่เปนไปไดดวยวิธี<br />
Clarke-Wright Saving Heuristic สําหรับระยะที่สองนั้น<br />
คําตอบที่ไดจาก<br />
ระยะแรกจะถูกปรับปรุงดวยวิธีการคนหาคําตอบ โดยใชวิธีการยายลูกคา<br />
หนึ่งรายระหวางเสนทาง<br />
(One move operator) วิธีการแลกเปลี่ยนลูกคา<br />
ระหวางเสนทาง (Customer Exchange) และวิธี 2-opt ทีทําการยายลูกคา<br />
ภายในเสนทาง ผลการทดสอบพบวา วิธีฮิวริสติกที่นําเสนอใหผลลัพธอยู<br />
ในระดับที่ดี<br />
สามารถลดคาใชจายในการขนสงจากเดิม 8,706.65 บาท/<br />
เดือน เหลือ 6,935.94 บาท/เดือน หรือลดลง 20.33%<br />
คําสําคัญ : ฮิวริสติก, ปญหาการจัดเสนทางยานพาหนะ, วิธีการคนหา<br />
คําตอบ<br />
Abstract<br />
This research aims to improve vehicle routes for ice delivery<br />
of Tongnamkeang Shop, Warinchumrab District, Ubonratchathani<br />
Province. Demand for ice from each customer is uncertain and distance<br />
between some pairs of customers is asymmetric. This vehicle routing<br />
problem (VRP) is the NP-Hard problem. The Heuristic applied to solve<br />
for solutions consists of two phases. The first phase is to construct an<br />
initial feasible solution by applying Clarke-Wright Saving Heuristic.<br />
For the second phase, the solution obtained from the first phase is<br />
improved by applying local search methods that are One Move<br />
Operator, Customer Exchange and 2-opt procedures. The computational<br />
results show that the proposed heuristic provides good solution. The<br />
total cost can be decreased from 8,706.65 baths per month to 6,935.94<br />
baths per month or reduced by 20.33%.<br />
Keywords: Heuristic, Vehicle routing problem, local search methods<br />
1. บทนํา<br />
ในปจจุบันสภาวะการแขงขันความสามารถในการใหบริการ<br />
ลูกคามีความเขมขนมากขึ้น<br />
สงผลใหเกิดการขยายตัวในสวนของ<br />
เครือขายทางดานการขนสงมากยิ่งขึ้น<br />
แตละบริษัทตางตองการเปนผูที่<br />
ตอบสนองตอความพึงพอใจในการใหบริการแกลูกคาใหไดมากที่สุด<br />
ตรงเวลามากที่สุด<br />
ดังนั้นบริษัทจะตองมีกลยุทธในการแขงขันที่เหมาะสม<br />
ไมวาจะเปนดานการจัดการในดานการขนสง ซึ่งเปนกลยุทธที่มี<br />
ความสําคัญ ถาบริษัทไมมีการจัดการดานการขนสงที่ดี<br />
สงผลถึงเสนทาง<br />
ในการขนสงมีระยะทางมากและจํานวนเที่ยวรถในการวิ่งสงสินคามี<br />
จํานวนรอบในการวิ่งที่มากขึ้นซึ่งจะสงผลตนทุนที่เกิดจากการขนสงมาก<br />
ตามไปดวย แตหากบริษัทมีแบบแผนการจัดการเสนทางในการขนสงที่ดี<br />
และมีประสิทธิภาพ จะทําใหสามารถลดระยะทางในการขนสงและลด<br />
จํานวนรอบในการวิ่งสงสินคาได<br />
ซึ่งมีผลทําใหตนทุนในการขนสงสินคา<br />
ลดลง และสงผลใหบริษัทเพิ่มความสามารถทางการแขงขันไดมากขึ้น<br />
ปญหาการจัดเสนทางสําหรับยานพาหนะ(Vehicle Routing<br />
Problem :VRP) เปนปญหาที่สําคัญในการจัดการดานโลจิสติกสอยางหนึ่ง<br />
ที่มุงเนนการจัดเสนทางเคลื่อนยายวัตถุไปยังลูกคาหรือผูบริโภคใหมี<br />
ประสิทธิภาพสูงสุด ภายใตคาใชจายที่เกิดขึ้นจากการดําเนินการต่ําที่สุด
ปญหาการจัดเสนทางสําหรับยานพาหนะ ถูกพัฒนามาจากปญหาการ<br />
เดินทางของพนักงานขาย (Traveling Salesman Problem :TSP) โดยมี<br />
วัตถุประสงคหลัก คือใหมีระยะทางในการเดินทางโดยรวมต่ําที่สุด<br />
โดย<br />
พนักงานขายเดินทางไปยังเมืองตางๆ ซึ่งจะเริ่มตนจากเมืองหนึ่ง<br />
เดินทาง<br />
ไปเมืองใดกอนก็ไดและเดินตอไปเรื่อยๆจนครบทุกเมืองแลวกลับไป<br />
เมืองเริ่มตน<br />
โดยมีเงื่อนไขคือเมืองที่เดินทางผานแลวจะไมทําการเดิน<br />
ทางผานซ้ําอีก<br />
สวนปญหาการจัดเสนทางสําหรับยานพาหนะ จะมี<br />
เงื่อนไขขอจํากัดดานความสามารถในการบรรทุก<br />
โดยมีเปาสําคัญ คือการ<br />
พยายามออกแบบกลุมยานพาหนะทุกคัน<br />
ใหมีการเดินทางโดยใชตนทุน<br />
ต่ําที่สุด<br />
โดยจะมีจุดเริ่มตนจากจุดกระจายสินคา<br />
(Depot) และยานพาหนะ<br />
ก็วิ่งไปตามเสนทางการขนสงสินคา<br />
โดยพิจารณาเงื่อนไขหรือขอจํากัด<br />
ตางๆ เชน เวลาและความจุ<br />
ผูวิจัยไดศึกษาวิธีฮิวริสติก<br />
(Heuristic method) สําหรับแกปญหา<br />
การจัดเสนทางพาหนะ โดยผูวิจัยไดศึกษาปญหาของการจัดเสนทาง<br />
ยานพาหนะขนสงน้ําแข็งของรานโตงน้ําแข็ง<br />
อําเภอวารินชําราบ จังหวัด<br />
อุบลราชธานี มีการขนสงสินคาไปยังลูกคา 85 ราย พบวาทางรานมี<br />
ผลิตภัณฑที่ทําการขนสงอยู<br />
2 ชนิด คือน้ําแข็งหลอดและน้ําแข็งบด<br />
มีรถ<br />
กระบะที่ใชในการขนสง<br />
3 คันโดยแตละคันมีความจุสูงสุดที่<br />
150<br />
กระสอบ ความตองการสินคาของลูกคาในแตละรายไมแนนอน<br />
(Stochastic) และมีระยะทางไป–กลับที่ไมเทากัน<br />
(Asymmetric) ในบางจุด<br />
ซึ่งงานวิจัยนี้มุงเนนการจัดเสนทางการขนสง<br />
เพื่อใหเกิดประสิทธิภาพ<br />
สูงสุด อันจะสงผลใหสามารถลดตนทุนการขนสงลงได<br />
2. งานวิจัยที่เกี่ยวของ<br />
การจัดเสนทางสําหรับยานพาหนะตั้งแตอดีตจนถึงปจจุบันมี<br />
นักวิจัยไดทําการศึกษาหลายทาน เชนในงานวิจัยของ Clarke และ Wright<br />
(1964) ไดพิจารณาการใชฮิวริ-สติกแบบประหยัด (Saving) เพื่อแกปญหา<br />
การจัดเสนทางสําหรับยานพาหนะที่มีความตองการของลูกคาหลายแหง<br />
ยานพาหนะมีความจุหลายขนาด สงสินคาออกจากคลังสินคาแหงเดียว ซึ่ง<br />
ไดพัฒนาขั้นตอนใหสามารถเลือกเสนทางของยานพาหนะที่เหมาะสม<br />
ที่สุด<br />
ผลที่ไดจากการแกปญหานี้คือ<br />
ทําใหทราบจํานวนยานพาหนะที่จะ<br />
ใชขนสง และปริมาณสินคาที่ขนสงของยานพาหนะแตละคัน<br />
Gillett และ<br />
Miller (1974) เสนอวิธี The sweep approach ซึ่งเปนเทคนิคฮิวริสติกที่มี<br />
ประสิทธิภาพสูง โดยมีโครงสรางในการหาคําตอบ 2 ลําดับ คือ ลําดับแรก<br />
จะจัดโหนดใหกับยานพาหนะ จากนั้นจะใหลําดับการสงของโหนดตางๆ<br />
แกยานพาหนะ ตอมา จตุ-รวิทย กลอมใจขาว (2545) นําเสนอวิธีฮิวริสติก<br />
3 วิธีคือ Saving Algorithm, Two-phase Algorithm และ Sweep Algorithm ใน<br />
82<br />
การพัฒนาระบบชวยการตัดสินใจของปญหาการหาเสนทางการเดินรถ<br />
กรณีศึกษา บริษัทขนสงพัสดุ ทั้ง<br />
3 วิธีนั้นจะไดผลลัพธที่แตกตางกัน<br />
ผูใช<br />
สามารถนําผลที่ไดจากการคํานวณของแตละวิธีมาเปรียบเทียบเพื่อการ<br />
ตัดสินใจเลือกเสนทางที่เหมาะสมกับความตองการสินคาในแตละวัน<br />
พงศพัฒน โตตระกูล และคณะ (2547) พิจารณาปญหาการจัดเสนทางการ<br />
ขนสงเวชภัณฑในระบบการกระจายเวชภัณฑของโรงพยาบาล โดย<br />
คํานึงถึงผลิตภัณฑหลายชนิดที่มีความตองการเวชภัณฑแตละชนิดที่เวลา<br />
ตางกัน กระบวนการของฮิวริสติกแบงเปน 2 ระยะ โดยระยะแรกสราง<br />
เสนทางขนสงขั้นตนดวยวิธี<br />
Saving algorithm และในระยะที่สอง<br />
ปรับปรุงคําตอบดวยวิธี 2-opt และ Anti-intersection algorithm พบวา<br />
สามารถหาคาที่เหมาะสมที่สุด<br />
ตันติกร พิชญพิบูล และเรื่องศักดิ์<br />
แกว<br />
ธรรมชัย (2550) ไดประยุกตใชวิธีฮิวริ-สติก Clarke-Wright Saving ใน<br />
การศึกษาวิธีการที่เหมาะสมในการขนสงแบบไป-กลับของการขนสง<br />
สินคา ของลูกคาในแตละจังหวัดทั่วประเทศไทย<br />
และไดนําผลการหา<br />
เสนทางโดยวิธีฮิวริสติก Clarke-Wright Saving ไปเปรียบเทียบกับการจัด<br />
เสนทางแบบเดิมดวยวิธีฮิวริ-สติก Nearest Neighbor พบวา วิธีฮิวริสติก<br />
Clarke-Wright Saving มีประสิทธิภาพที่ดีกวา<br />
วิธีฮิวริสติก Nearest<br />
Neighbor โดยสามรถลดตนทุนที่ใชในการขนสงลงไดเปนจํานวนเงิน<br />
2,338,915 บาทและใชเวลาประมวลผล 250 วินาที ตอการประมวลผล<br />
120 ตัวอยาง<br />
สําหรับปญหาที่มีการขนสงที่มีความตองการไมแนนอนมี<br />
นักวิจัยหลายทานที่นําเสนอไว<br />
เชน Laporte and Louveaux (1997) นําเสนอ<br />
วิธีแกปญหาการจัดเสนทางยานพาหนะแบบไมแนนอนดวยวิธี Integer L-<br />
Shaped Method เพื่อใหไดคําตอบที่ดีที่สุด<br />
โดยศึกษาจากปญหา 4 ชนิด<br />
ไดแก ปญหาที่<br />
1 เวลาไมแนนอน, จํานวนยานพาหนะ m คัน ปญหาที่<br />
2<br />
จํานวนลูกคาไมแนนอน, ยานพาหนะ 1 คัน ปญหาที่<br />
3 จํานวนลูกคาและ<br />
ความตองการไมแนนอน, ยานพาหนะ m คัน และปญหาที่<br />
4 ความ<br />
ตองการไมแนนอน, ยานพาหนะ 1 คัน พบวา คําตอบที่ไดยังไมใชคําตอบ<br />
ที่ดีที่สุดเมื่อเปรียบเทียบกับปญหาของ<br />
Laporte and Louveaux (1993)<br />
Karahan et al. (2006) ศึกษาเปรียบเทียบปญหาการขนสงประกอบดวย<br />
ปญหา 2 ประเภทคือ ประเภทแรกเปนปญหาการจัดเสนทางเดินของ<br />
พนักงานขาย โดยมีเงื่อนไขเรื่องเวลาไมแนนอน<br />
(Stochastic timers) และ<br />
จํานวนลูกคาไมแนนอน (Stochastic customers) ประเภทที่สองเปนปญหา<br />
การจัดเสนทางสําหรับยานพาหนะ โดยมีเงื่อนไขจํานวนลูกคาไมแนนอน<br />
(Stochastic customers) และความตองการของลูกคาไมแนนอน (Stochastic<br />
demands) โดยพิจารณาถึงระดับของปญหาจากงานวิจัยทานอื่น<br />
Chang-
ปกติจะทําใหสิ้นเปลืองน้ํามันเพิ่มขึ้น<br />
0.05-0.06 ลิตร/กม.สําหรับน้ําหนัก<br />
ทุกๆ 10 ตัน ฉะนั้นการคิดคาใชจายตนทุนการขนสงในสวนนี้ของ<br />
โรงงานกรณีศึกษาสามารถหาไดดังนี้<br />
อัตราการสิ้นเปลืองน้ํามันเพิ่มทุกๆ<br />
10 ตัน =<br />
= 0.055 ลิตร/กม.<br />
หรือ = 0.0055 ลิตร/กม./ตัน<br />
อัตราการสิ้นเปลืองน้ํามันเพิ่มตอน้ําแข็ง<br />
1 กระสอบหนัก 22 กก.<br />
= 0.022 ตัน<br />
= 0.022 x 0.0055<br />
หรือ = 0.000121 ลิตร/กม./ตัน<br />
ราคาน้ํามันเชื้อเพลิงดีเซลบี<br />
5 วันที่<br />
14 ธันวาคม 2553 จากเว็ป<br />
ไซต ปตท. จํากัด(มหาชน) ลิตรละ 29.39 บาท คาใชจายสวนที่เพิ่มจาก<br />
การบรรทุกน้ําแข็งคือ<br />
0.000121 x 29.39 = 0.00355 บาทตอกระสอบตอ<br />
กิโลเมตร ซึ่งคาใชจายทั้งสองสวนนี้มีผลตอตนทุนและการจัดเสนทาง<br />
3.2 การพัฒนาวิธีการหาคําตอบ<br />
งานวิจัยนี้ทําการศึกษาการหาวิธีการสําหรับการแกปญหาการ<br />
จัดเสนทางยานพาหนะ ผูวิจัยนําเสนอวิธีฮิวริสติกโดยแบงเปน<br />
2 ระยะคือ<br />
ระยะแรกเปนการสรางคําตอบเริ่มตนที่เปนไปไดดวยวิธี<br />
Clarke-Wright<br />
Saving Heuristic สําหรับระยะที่สองนั้น<br />
คําตอบที่ไดจากระยะแรกจะถูก<br />
ปรับปรุงดวยวิธีการคนหาคําตอบ โดยใชวิธีการยายลูกคาหนึ่งราย<br />
ระหวางเสนทาง (One move operator) วิธีการแลกเปลี่ยนลูกคาระหวาง<br />
เสนทาง (Customer exchange) และวิธี 2-opt ทีทําการยายลูกคาภายใน<br />
เสนทาง ซึ่งมีขันตอนการวิจัยดังนี้<br />
3.2.1 การสรางคําตอบเริ่มตน<br />
การสรางคําตอบเริ่มตน<br />
(Initial solution) ที่มีคาที่คอนขางดี<br />
อยูแลวนั้น<br />
เมื่อนําไปปรับปรุงคําตอบ<br />
ยอมจะทําใหเรามีโอกาสพบ<br />
คําตอบที่ดีกวาเดิม<br />
หรือใชเวลาในการปรับปรุงคําตอบนอยกวาการที่<br />
คนหาคําตอบเริ่มตนที่มีคาผลลัพธที่ไมดี<br />
ดวยเหตุนี้<br />
คําตอบเริ่มตนจึงมี<br />
สวนที่สําคัญมากในการวิจัย<br />
คือการที่เราไดคําตอบเริ่มตนที่ดีจะทําใหการ<br />
ปรับปรุงขั้นตอนตอไปมีประสิทธิภาพมากขึ้น<br />
ผูวิจัยไดประยุกตใชวิธีฮิว<br />
ริสติก Clark and Wright saving สรางเสนทางเริ่มตน<br />
วิธี Saving เปนวิธีฮิวรีสติกสชนิดหนึ่งที่ถูกเสนอโดย<br />
Clarke<br />
และ Wright ในป ค.ศ. 1964 มีขั้นตอนดังนี้<br />
1. คํานวณหาคาความประหยัด (Saving) ของจุดสงสินคาแต<br />
ละคู<br />
จากการรวมจุดสงสินคาตางๆ เขาไวในเสนทางหลัก ดังรูปที่<br />
2 แทน<br />
85<br />
การจัดสงสินคาจากคลังสินคา (Depot) ไป-กลับยังทุกๆ จุดสงสินคา ดัง<br />
รูปที่<br />
1 ทําใหเกิดความประหยัดในการเดินทาง จะไดคาความประหยัด =<br />
(D0i + Di0 + D0j + Dj0) - (D0i + D j0 + Dij) = Di0 + D0j - Dij เมื่อ<br />
รูปที่<br />
1 การจัดสงสินคาไป-กลับทุกๆ จุดสงสินคา<br />
รูปที่<br />
2 การรวมจุดสงสินคาเขาดวยกัน<br />
จะไดสมการในการคํานวณหาคาความประหยัดดังนี้<br />
S −<br />
ij = Di<br />
0 + D0<br />
j Dij<br />
(13)<br />
S ij = คาความประหยัดระหวางคูจุดสงสินคา<br />
i และ j<br />
D i0<br />
= ระยะทางจากจุดสงสินคา i ไปยังคลังสินคา<br />
D0 j = ระยะทางจากคลังสินคาไปยังจุดสงสินคา j<br />
D ij = ระยะทางจากจุดสงสินคา i ไปจุดสงสินคา j<br />
2. ทําการเลือกคูโหนดของลูกคาที่มีคา<br />
Saving สูงสุดและยัง<br />
ไมถูกจัดเขาไปอยูในเสนทาง<br />
3. เพิ่มลูกคาลงในเสนทางโดยตรวจสอบเงื่อนไขของปญหาวา<br />
การรวมลูกคาเขาดวยกันแลว จะทําใหเกินความสามารถของยานพาหนะ<br />
ที่บรรทุกหรือไม<br />
หากพบวาจํานวนสินคาที่จุดใดๆ<br />
บนเสนทาง มีคาเกิน<br />
กวาที่กําหนดไว<br />
ใหทําการตัดลูกคารายลาสุดออกจากเสนทางและเชื่อม<br />
เสนทางกลับไปยังคลังสินคา และกลับไปทําขั้นตอนที่<br />
2 จนกระทั้งลูกคา<br />
ทุกรายถูกจัดใหอยูในเสนทางการขนสง<br />
3.2.2 การปรับปรุงคุณคําตอบเริ่มตน<br />
หลังจากไดเสนทางเริ่มตนดวยวิธี<br />
Clark and Wright saving<br />
ในระยะที่<br />
2 ผูวิจัยจะทําการปรับปรุงคําตอบ<br />
โดยการใชเทคนิคฮิวริสติก<br />
การคนหา (Search algorithm) ในรูปแบบตางๆ เชน วิธีการแลกเปลี่ยน
ลูกคาระหวางเสนทาง (Customer exchange) วิธีการยายลําดับลูกคาหนึ่ง<br />
รายระหวางเสนทาง (One move operator) ที่ปรับปรุงคําตอบระหวาง<br />
เสนทางและวิธี 2-opt ที่ทําการสลับเปลี่ยนลูกคาภายในเสนทางเดียวกัน<br />
โดยมีรายละเอียดดังนี้<br />
3.2.1 วิธีการแลกเปลี่ยนลูกคาระหวางเสนทาง<br />
(Customer<br />
exchange)<br />
การปรับปรุงคําตอบดวยวิธีนี้จะทําการแลกเปลี่ยนลูกคา2<br />
ราย<br />
ระหวาง 2 เสนทาง โดยการแลกเปลี่ยนลูกคา<br />
1 รายที่ถูกเชื่อมกันอยูใน<br />
เสนทางขนสงจากเสนทางหนึ่งไปยังอีกเสนทางหนึ่ง<br />
เชน หากเสนทางที่<br />
1 มีลูกคาอยู<br />
3 รายคือ 2,3 และ 4 มีเสนทางการขนสง เปน 0-3-2-4-0 โดย<br />
ที่<br />
0 คือจุดกระจายสินคา เสนทางที่<br />
2 มีลูกคาอยู<br />
3 รายคือ 1,5 และ 6 มี<br />
เสนทางการขนสง เปน 0-1-6-5-0 การใชวิธีแลกเปลี่ยนลูกคา<br />
นี้จะเลือก<br />
ลําดับของลูกคา 1 รายในแตละเสนทาง ในที่นี้เลือกลูกคาลําดับที่<br />
4 ของ<br />
เสนทางที่<br />
1 คือ 4 และลูกคาลําดับที่<br />
4 ของเสนทางที่<br />
2 คือ 5 ในการ<br />
แลกเปลี่ยน<br />
จะไดเสนทางเดินใหมดังนี้<br />
เสนทางที่<br />
1 เปน 0-3-2-5-0<br />
เสนทางที่<br />
2 เปน 0-1-6-4-0 แสดงดังรูปที่<br />
3<br />
2<br />
3<br />
4<br />
0<br />
1<br />
5<br />
6<br />
เสนทางเดิม เสนทางใหม<br />
รูปที่<br />
3 ตัวอยางการแลกเปลี่ยนลูกคาระหวาง<br />
เสนทาง (Customer exchanges)<br />
3.2.2 วิธีการยายลูกคาหนึ่งรายระหวางเสนทาง<br />
(One move<br />
operator)<br />
การยายลูกคา 1 ราย ที่อยูในเสนทางขนสงจากเสนทางหนึ่งไป<br />
ยังอีกเสนทางหนึ่งดวยวิธีการแทรก<br />
โดยที่ไมมีการยายลูกคาสลับกลับมา<br />
เสนทางเดิม เชน หากเสนทางที่<br />
1 มีลูกคาอยู<br />
3 รายคือ 2,3 และ 4 มี<br />
เสนทางการขนสง เปน 0-3-2-4-0 โดยที่<br />
0 คือจุดกระจายสินคา เสนทางที่<br />
2 มีลูกคาอยู<br />
3 รายคือ 1,5 และ 6 มีเสนทางการขนสง เปน 0-1-6-5-0 การ<br />
ใชวิธีการยายลําดับลูกคา (One move operator) นี้จะเลือกลูกคา<br />
1 รายจาก<br />
1 เสนทาง เชน ในที่นี้เลือกลูกคาลําดับที่<br />
4 ของเสนทางที่<br />
1 คือ 4 ในการ<br />
ยายลําดับลูกคา จะไดเสนทางเดินใหมดังนี้<br />
เสนทางที่<br />
1 เปน 0-3-2-0<br />
เสนทางที่<br />
2 เปน 0-1-5-6-4-0 แสดงดังรูปที่<br />
4<br />
2<br />
3<br />
5<br />
0<br />
1<br />
4<br />
6<br />
86<br />
เสนทางเดิม เสนทางใหม<br />
รูปที่<br />
4 ตัวอยางการยายลําดับลูกคาหนึ่งรายระหวาง<br />
เสนทาง (One move operator)<br />
3.2.3 วิธี 2-opt<br />
เปนการยายลําดับของลูกคาเฉพาะในเสนทางการขนสงที่<br />
พิจารณาเทานั้น<br />
โดยเริ่มจากการเลือกเสนทางเชื่อมระหวางลูกคา<br />
(Arc)<br />
สองเสนทางที่ไมอยูติดกันแลวสลับเสนทางการเชื่อมทั้งสองเสนทางนั้น<br />
ซึ่งจะทําใหลําดับของลูกคาระหวางสองจุดที่ถูกเลือกเปลี่ยนแปลงไป<br />
เชน<br />
หากเสนทางการขนสงมีลูกคาอยู<br />
4 รายคือ 1,2,3 และ 4 มีเสนทางการ<br />
ขนสง เปน 0-1-2-3-4-0โดยที่<br />
0 คือจุดกระจายสินคา การใชวิธี 2-opt นี้จะ<br />
เลือกคูของเมืองมาสองคูเชน<br />
ในที่นี้เลือกคู<br />
0-1 และคู<br />
3-4 ในการสลับ<br />
โดยหลักการมีวาหามคู<br />
0-1 และ 3-4 เดินทางตอกันอีก จะไดเสนทางเดิน<br />
ใหมดังนี้<br />
0-3-2-1-4-0 แสดงดังรูปที่<br />
5<br />
4<br />
2<br />
3<br />
4<br />
0<br />
0<br />
3 2<br />
1<br />
1<br />
5<br />
6<br />
เสนทางเดิม เสนทางใหม<br />
รูปที่<br />
5 ตัวอยางการสลับตําแหนงดวยวิธี 2-opt<br />
4. ผลการวิจัย<br />
การประเมินผลประสิทธิภาพฮิวริสติก ผูวิจัยไดทําการ<br />
เปรียบเทียบผลระหวางระยะทางการเดินทางของเสนทางการขนสงที่ได<br />
จากการจัดเสนทางดวยวิธีฮิวริสติกกับระยะทางการเดินทางของเสนทาง<br />
การขนสงของโรงงานกรณีศึกษา โดยกระบวนการทํางานของฮิวริสติกที่<br />
นําเสนอนี้ทําการเขียนคําสั่งดวยโปรแกรม<br />
NetBeans IDE 6.8 และทดสอบ<br />
บนเครื่องคอมพิวเตอร<br />
รุน<br />
Core(TM) 2 CPU T5500 1.66 GHz, 1.9 GB of<br />
RAM บน Windows XP โดยทําการทดสอบปญหาโรงงานกรณีศึกษามี<br />
ลูกคาทั้งหมด<br />
85 ราย รถบรรทุกสําหรับขนสงน้ําจํานวน<br />
3 คัน ความจุใน<br />
การบรรทุกของรถสูงสุด 150 กระสอบ ความตองการของลูกคาแตละราย<br />
ไมแนนอน และมีระยะทางไป-กลับที่ไมเทากัน<br />
(Asymmetric) ในบางจุด<br />
ผลการวิจัยแสดงดังตารางที่<br />
3<br />
4<br />
3<br />
2<br />
0<br />
0<br />
1<br />
3 2<br />
1<br />
4<br />
5<br />
6
จากตารางที่<br />
4 แสดงไดวาหลังจากการจัดเสนทาง<br />
ยานพาหนะดวยวิธีฮิวริสติกแลวนําไปเปรียบกับวิธีปจจุบันของ<br />
โรงงานกรณีศึกษา ผลการทดสอบพบวา สามารถลดระยะทางรวมจาก<br />
เดิม 95.53 กิโลเมตรตอวัน ลดลงเหลือ 73.24 กิโลเมตรตอวัน มี<br />
เสนทางการขนสงเกิดขึ้น<br />
3 เสนทาง และเมื่อพิจารณาถึงคาโทษ<br />
(Penalty cost) ที่เกิดขึ้นพบวา<br />
ผลลัพธที่ไดมีคาโทษเกิดขึ้นจํานวน<br />
8.42 บาท ซึ่งเมื่อเปรียบเทียบคาใชจายที่เกิดขึ้นจากการขนสงปจจุบัน<br />
กับคาใชจายที่เกิดขึ้นจากการขนสงดวยวิธีฮิวริสติก<br />
พบวาสามารถลด<br />
คาใชจายจาก 280.85 บาทตอวัน เหลือ 223.74 บาทตอวัน ซึ่งลดลง<br />
จํานวน 57.11 บาทตอวัน ถาหากคิดเปนเดือนจะมีคาใชจายลดลงจาก<br />
เดิม 8,706.65 บาทตอเดือน เหลือ 6,935.94 บาทตอเดือนซึ่งสามารถ<br />
ลดลง 1,770.71 บาทตอเดือน หรือคิดเปน 20.33%<br />
5. สรุปผลการวิจัย<br />
จากผูวิจัยไดทําการปรับปรุงเสนทางการขนสง<br />
กรณีศึกษา<br />
รานโตงน้ําแข็ง<br />
อําเภอวารินชําราบ จังหวัดอุบลราชธานี ดวยวิธี<br />
ฮิวริสติก โดยมีกระบวนการหาคําตอบซึ่งแบงออกเปน<br />
2 ระยะคือ<br />
ระยะแรก เปนการสรางคําตอบเริ่มตน<br />
(Initial Solution Phase) ซึ่ง<br />
พิจารณาพื้นที่ของคําตอบที่เปนไปไดที่ไมขัดแยงกับเงื่อนไข<br />
โดยวิธี<br />
Clarke-Wright Saving และระยะที่สองเปนการปรับปรุงคําตอบ<br />
โดย<br />
ใชวิธีการแลกเปลี่ยนลูกคาระหวางเสนทาง<br />
(Customer exchange)<br />
วิธีการยายลูกคาหนึ่งรายระหวางเสนทาง<br />
(One move operator) และ<br />
วิธี 2-opt พบวา การจัดเสนทางดวยวิธีฮิวริสติก มีผลที่ไดอยูในระดับ<br />
ที่ดี<br />
สามารถลดคาใชจายที่ใชในการขนสงรวมได<br />
1,770.71 บาท/เดือน<br />
หรือคิดเปน 20.33%<br />
6. เอกสารอางอิง<br />
[1] การทาเรือแหงประเทศไทย. การบริหารตนทุนเพื่อเพิ่ม<br />
ประสิทธิภาพการขนสง.<br />
http://www1.port.co.th/knowledge/logistics/logistics2.html. 14<br />
August, 2010.<br />
[2] จตุรวิทย กลอมใจขาว. การพัฒนาระบบชวยตัดสินใจของปญหา<br />
การหาเสนทางเดินรถ กรณีศึกษา บริษัทขนสงพัสดุ.วิทยานิพนธ<br />
ปริญญาวิศวกรรมศาสตรมหาบัณฑิต: มหาวิทยาลัยมหิดล, 2545.<br />
[3] ตันติกร พิชญพิบูล และเรื่องศักดิ์<br />
แกวธรรมชัย. “การศึกษา<br />
วิธีการที่เหมาะสมในการขนสงแบบไปกลับของการขนสง<br />
สินคา”. การประชุมสัมมนาเชิงวิชาการประจําปดานการจัดการ<br />
โซอุปทานและโลจิตติกส ครั้งที่<br />
7, 2550.<br />
88<br />
[4] พงศพัฒน โตตระกูล,ปวีณา เชาวลิตวงศ และวิภาวี ธรรมาภรณ<br />
พิลาศ. “การคนหาคําตอบแบบฮิวริสติกสําหรับปญหาการจัด<br />
เสนทางการขนสงเวชภัณฑในระบบการกระจายเวชภัณฑของ<br />
โรงพยาบาล”. การประชุมวิชาการขายงานวิศวกรรมอุตสาหการ<br />
ครั้งที่<br />
13, 2547.<br />
[5] นิรันดร สมมุติ. วิธี GR<strong>AS</strong>P สําหรับปญหาการจัดเสนทาง<br />
ยานพาหนะ. วิทยานิพนธปริญญาวิศวกรรมศาสตรมหาบัณฑิต :<br />
มหาวิทยาลัยอุบลราชธานี,2551.<br />
[6] Clark, G. and Wright, J.W. “Scheduling of vehicle from the<br />
central depot to a number of delivery points”.Operations<br />
Research.12: 568-581,1967.<br />
[7] Chang-Shi Liu. “The vehicle routing problem with uncertain<br />
demand at nodes”. Transportation Research. Part E 45: 517-<br />
524,2009.<br />
[8] Gillett, G. and Miller, L. “A heuristic algorithm for vehicle<br />
dispatch problem”. Operation Research.22:340-349,1974.<br />
[9] Karahan, A., Demirel, T. and Demirel, N.C. “Comparing<br />
some method to solve stochastic vehicle routing problem”<br />
<strong>Proceeding</strong>s of 5 th International Symposium on Intelligent<br />
Manufacturing system. pp. 757 – 766, 29 - 31 May, 2006.<br />
[10] Laporte, G. and Louveaux, F.A. “Solving stochastic routing<br />
problem with the integer L-Shaped method” Les Cahiers du<br />
GERAD. pp.97 – 25,1997.
89<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Investigation of Firefly Algorithm Parameter Setting for Solving Job Shop Scheduling Problems<br />
Aphirak Khadwilard 1 , Sirikarn Chansombat 2 , Thatchai Thepphakorn 2 , Peeraya Thapatsuwan 2 , Warattapop Chainate 3 and Pupong Pongcharoen 2*<br />
1<br />
Mechanical Engineering Department, Rajamangala University of Technology Lanna, Tak Campus, Tak 63000<br />
2<br />
Industrial Engineering Department, Faculty of Engineering, Naresuan University, Pitsanulok 65000<br />
3<br />
Faculty of Liberal Arts and Science, Kasetsart University Kamphaeng Saen Campus, Nakhonpathom 73140<br />
E-mail: 2* pupongp@yahoo.com or pupongp@nu.ac.th<br />
Abstract<br />
Job shop scheduling problem (JSSP) is one of the most<br />
famous scheduling problems, most of which are categorised into Nondeterministic<br />
Polynomial (NP) hard problem. The objectives of this<br />
paper are to i) present the application of a recent developed<br />
metaheuristic called Firefly Algorithm (FA) for solving JSSP; ii)<br />
investigate the parameter setting of the proposed algorithm; and iii)<br />
compare the FA performance using various parameter settings. The<br />
computational experiment was designed and conducted using five<br />
benchmarking JSSP datasets from a classical OR-Library. The analysis<br />
of the experimental results on the FA performance comparison between<br />
with and without using optimised parameter settings was carried out.<br />
Keywords: Scheduling; Job shop; Metaheuristics; Firefly Algorithm;<br />
Experimental design; Parameter setting.<br />
1. Introduction<br />
Scheduling problem is a decision making process involving<br />
the allocation of resources over time to perform a set of activities or<br />
tasks. Scheduling problems in their static and deterministic forms are<br />
simple to describe and formulate, but are difficult to solve as it involves<br />
complex combinatorial optimisation. For example, if there are m<br />
machines, each of which is required to perform n independent<br />
operations. The combination can be potentially exploded up to (n!) m<br />
operational sequences. Job shop scheduling is one of the most famous<br />
scheduling problems, most of which are categorised into NP hard<br />
problem. This means that due to the combinatorial explosion, even a<br />
computer can take unacceptably large amount of time to seek a satisfied<br />
solution on even moderately large scheduling problem. Another<br />
potential issue of complexity is the assembly relationship [1, 2].<br />
Job shop scheduling problem (JSSP) is comprised of a set of<br />
independent jobs or tasks (J), each of which consists of a sequence of<br />
operations (O). Each operation is performed on machine (M) without<br />
interruption during processing time. The main purpose of JSSP is<br />
usually to find the best machine schedule for servicing all jobs in order<br />
to optimise either single criterion or multiple scheduling objectives<br />
(measures of performance) such as the minimisation of the makespan<br />
(C max) or the penalty costs of tardiness and/or earliness.<br />
Various optimisation approaches have been widely applied<br />
to solve the JSSP. Conventional methods based on mathematical model<br />
and/or full numerical search (for example, Branch and Bound [3, 4] and<br />
Lagrangian Relaxation [5, 6]) can guarantee the optimum solution.<br />
They have been successfully used to solve JSSP. However, these<br />
methods may highly consume computational time and resources even<br />
for solving a moderate-large problem size and therefore impractical if<br />
the computational limitation is exist. Approximation optimisation<br />
methods or metaheuristics (e.g. Tabu Search [7] and Simulated<br />
Annealing [8]) usually conduct stochastic steps in their search process,<br />
have therefore been recently received more attention for solving a largesize<br />
problem in the last few decades. However, it does not guarantee the<br />
optimum solution.<br />
Firefly Algorithm (FA) was recently introduced by Yang [9],<br />
who was inspired by firefly behaviours. FA has been widely applied to<br />
solve continuous mathematical functions [9, 10]. FA seems promising<br />
for dealing with combinatorial optimisation problem, but has been<br />
rarely reported. There is however no report on international scientific<br />
databases related to the investigation of the FA parameters’ setting and<br />
its application on the JSSP. We have conducted a research survey of<br />
published articles on two well-known international databases, ISI web<br />
knowledge and IEEE Xplore, using the keyword "Firefly Algorithm"<br />
appeared in the research title. Only two papers were found in the IEEE<br />
Xplore database but both articles have not been involved with the JSSP.<br />
The objectives of this paper are to: i) presents the application<br />
of a recent developed metaheuristic called Firefly Algorithm for solving<br />
JSSP; ii) explore the parameters of the proposed algorithm; and iii)
investigate the performance of the FA with different parameter setting<br />
and compare with best known solution from literature review. A job<br />
shop scheduling tool was written in modular style using Tcl/Tk<br />
programming language. The computational experiment was designed<br />
and conducted using five benchmarking datasets of the JSSP instance<br />
from the well-recognised OR-Library published by Beasley [11].<br />
The remaining sections in this paper are organised as<br />
follows. Section 2 reviews the literature relating to job shop scheduling<br />
problems. Section 3 describes the procedures of the Firefly Algorithm<br />
(FA) and its pseudo code for solving the JSSP. Section 4 presents the<br />
experimental design and analyses results. Finally, section 5 draws the<br />
conclusions of the research and suggests possible further work.<br />
2. Job shop scheduling problems (JSSP)<br />
Shop floor scheduling problems can be classified into four<br />
main categories [12]: (i) single-machine scheduling (ii) flow-shop<br />
scheduling (iii) job-shop scheduling and (iv) open-shop scheduling.<br />
Single-machine scheduling is the simplest shop scheduling problem, in<br />
which there is only one available machine for servicing the arriving<br />
jobs. In flow-shop scheduling, jobs are processed on multiple machines<br />
in an identical sequence. Job-shop scheduling is a general case of flowshop<br />
scheduling, in which the sequencing of each job through the<br />
machines is not necessarily identical. The open-shop scheduling is<br />
similar to the job-shop scheduling except that a job may be processed<br />
on the machines in any sequence the job needs. Since the job-shop<br />
scheduling is commonly found in many real-world businesses and/or<br />
manufacturing industry, this problem was proposed in this paper.<br />
Although JSSP is common found but it is very difficult work<br />
to construct the best schedule within limited resources. The complexity<br />
of JSSP is increasing with the number of constraints defined and the<br />
size of search space operated. JSSP is known as one of the most<br />
difficult Non-deterministic Polynomial (NP) hard problem [13, 14], in<br />
which the amount of computation required increases exponentially with<br />
problem size. The JSSP can be described as follow: a classical n-job mmachine<br />
(n×m) JSSP consists of a finite set [J j] 1≤j≤n of n independent<br />
jobs or tasks that must be processed in a finite set [M k] 1≤k≤m of m<br />
machines. The problem can be characterised as follows [15]: each job j<br />
∈ J must be processed by every machines k ∈ M; the processing of<br />
job J j on machine M k is called the operation O jk; operation O jk requires<br />
the exclusive use of machine M k for an uninterrupted duration t jk, its<br />
processing time; each job consists of a sequence of x j operations; O jk can<br />
90<br />
be processed by only one machine k at a time (disjunctive constraint);<br />
each operation, which has started, runs to completion (non-preemption<br />
condition); and each machine performs operations one after another<br />
(resource/capacity constraint).<br />
An example of two jobs to be performed three machines<br />
(2×3) job shop scheduling problem is illustrated in Table 1. In this<br />
problem, each job requires three operations to be processed on a predefined<br />
machine sequence. The first job (J 1) need to be initially<br />
operated on the machine M 1 for 5 time units and then sequentially<br />
processed on M 2 and M 3 for 4 and 9 time units, respectively. Likewise,<br />
the second job (J 2) has to be initially performed on M 3 for 5 time units<br />
and sequentially followed by M 1 and M 2 for 6 and 7 time units,<br />
respectively. The design task for solving JSSP is to search for the best<br />
schedule(s) for operating all pre-defined jobs in order to optimise either<br />
single or multiple scheduling objectives, which is used for identifying a<br />
goodness of schedule such as the minimisation of the makespan (C max).<br />
Figure 1 shows another example on machine routings of a larger size of<br />
(3×6) job shop scheduling problem.<br />
Table 1. An example of 2-jobs 3-machines scheduling problem with<br />
processing times.<br />
Job (Jj) Operation (Ojk) Time (tjk) Machine (Mk) M1 M2 M3 O11 5 5 - -<br />
J1 O12 4 - 4 -<br />
O13 9 - - 9<br />
O23 5 - - 5<br />
J2 O21 6 6 - -<br />
O22 7 - 7 -<br />
Figure 1. Another example of the machine routings for 3-jobs<br />
6-machines scheduling problem.
Table 2. Brief summary on the recent JSSP articles classifying into four categories.<br />
Category Approaches Authors How Results<br />
Heuristic rules<br />
Mathematical<br />
programming<br />
Neighbourhood<br />
search methods<br />
Artificial<br />
intelligence<br />
Dispatching<br />
rules<br />
Branch and<br />
Bound method<br />
Lagrangian<br />
relaxation<br />
Tabu Search<br />
Simulated<br />
Annealing (SA)<br />
Artificial Neural<br />
Network<br />
Holthaus and<br />
Rajendran [17]<br />
Dabbas et al. [18]<br />
Artigues and<br />
Feillet [3]<br />
Artigues et al. [4]<br />
Baptiste et al. [5]<br />
Chen and Luh [6]<br />
Gröflin and<br />
Klinkert [7]<br />
Zhang and Wu [8]<br />
Yang et al. [19]<br />
Yang and Wang<br />
[20]<br />
Fuzzy logic Bilkay et al. [21]<br />
Petri net<br />
Nakamura et al.<br />
[22]<br />
Presented five new dispatching rules for<br />
scheduling in a job shop<br />
Proposed a modified dispatching rule that<br />
combines multiple dispatching criteria into<br />
a single rule<br />
Proposed a new method based on iterative<br />
solving via branch and bound decisional<br />
versions<br />
Proposed an insertion heuristic and<br />
generalized resource constraint<br />
propagation mechanism.<br />
Compared two Lagrangian relaxations for<br />
the job shop<br />
Developed a new Lagrangian relaxation<br />
approach for JSSP<br />
Integrated the neighbourhood in TS<br />
method and reported quite favourably with<br />
benchmark results<br />
Designed a neighbourhood structure based<br />
on blocks for solving JSSP<br />
Presented an improved constraint<br />
satisfaction adaptive neural network (NN)<br />
for JSSP<br />
Proposed a new hybrid approach,<br />
combining CSANN and two heuristics, for<br />
JSSP<br />
Proposed a fuzzy logic-based algorithm for<br />
assigning priorities to part types that are to<br />
be machined<br />
Proposed an evolutionary method to solve<br />
the problem approximated by generating<br />
the Petri net structure<br />
92<br />
These rules are found to be quite<br />
good in minimizing the mean flow<br />
time<br />
Reduced cycle times and lateness<br />
This method allows to close<br />
previously unsolved benchmark<br />
Results prove the constraint<br />
propagation generalisation when<br />
time lags are considered<br />
These results show that these<br />
problems are greatly intractable<br />
New approach is efficient for large<br />
problems with long time horizons<br />
Solutions improve most of<br />
benchmark result found in this paper<br />
New neighbourhood promotes the<br />
searching capability of SA and helps<br />
it convergence<br />
Outperform the original adaptive NN<br />
in term of computational time and<br />
the quality of schedules<br />
Excellent performance respects to<br />
the quality of solutions and the speed<br />
of calculation.<br />
Proposed algorithm improves the<br />
system efficiency<br />
Experimental evaluation show the<br />
effectiveness of approach
Figure 3. Random interval 0-1 for each job operation.<br />
Figure 4. Sort random number and follow with job operation.<br />
Figure 5. Check and repair the sequence of each job.<br />
3.2 Firefly evaluation<br />
The next stage is to measure the flashing light intensity of<br />
the firefly, which depends on the problem considered. In this work, the<br />
evaluation on the goodness of schedules is measured by the makespan,<br />
which can be calculated using equation (1), where Ck is completed time<br />
of job k.<br />
Minimises: Cmax = max(<br />
C1,<br />
C2,<br />
K,<br />
Ck<br />
)<br />
(1)<br />
3.3 Distance<br />
The distance between any two fireflies i and j at xi and xj, respectively, can be defined as a Cartesian distance (rij) using equation<br />
(2), where xi,k is the k th component of the spatial coordinate xi of the i th<br />
firefly and d is the number of dimensions [9, 23].<br />
( ) 2<br />
d<br />
r = x − x || = x − x<br />
(2)<br />
ij<br />
|| i j ∑ k = 1<br />
3.4 Attractiveness<br />
The calculation of attractiveness function of a firefly are<br />
shown in equations (3), where r is the distance between any two<br />
fireflies, β0 is the initial attractiveness at r = 0, and γ is an absorption<br />
coefficient which controls the decrease of the light intensity [9, 23].<br />
m<br />
β = β × exp(<br />
−γr<br />
), with m ≥ 1<br />
(3)<br />
( r )<br />
0<br />
3.5 Movement<br />
The movement of a firefly i which is attracted by a more<br />
attractive (i.e., brighter) firefly j is given by the following equation (4),<br />
i,<br />
k<br />
j,<br />
k<br />
93<br />
where xi is the current position or solution of a firefly,<br />
2<br />
the β0 × exp( −γrij<br />
) × ( x j − xi<br />
) is attractiveness of a firefly to seen by<br />
adjacent fireflies. The α(rand – 1/2) is a firefly’s random movement.<br />
The coefficient α is a randomisation parameter determined by the<br />
problem of interest with α [0, 1], while rand is a random number<br />
obtained from the uniform distribution in the space [0, 1] [9, 23].<br />
2<br />
1<br />
= x + β × exp(<br />
−γr<br />
) × ( x − x ) + α(<br />
rand − ) (4)<br />
xi i 0<br />
ij j i<br />
Since the FA was recently developed, there have been a few<br />
research works applied the FA for solving optimisation problems, most<br />
of which has been formulated into mathematical equations. In the<br />
previous works, the settings of FA parameters, including the amount of<br />
fireflies (n), the number of generations (G), the light absorption<br />
coefficient (γ), the randomisation parameter (α) and the attractiveness<br />
value (β 0), have been defined in an ad hoc fashion. Table 3 summarises<br />
the FA parameter settings used in previous researches for solving<br />
various optimisation problems. Unfortunately, most of the work has not<br />
reported on the investigation of the appropriate setting of FA parameters<br />
via a proper statistical design and analysis. The computational<br />
experiments described in the next section were therefore proposed to<br />
identify the appropriate setting of FA parameters for solving scheduling<br />
problem.<br />
Table 3. Examples of FA parameters’ setting used in previous<br />
researches.<br />
Authors Problems<br />
nG<br />
FA parameters<br />
γ α β0 Apostolopoulos<br />
and Vlachos [24]<br />
Economic<br />
emissions load<br />
dispatch<br />
12*50 1.0 0.2 1.0<br />
Lukasik and Zak<br />
[10]<br />
Continuous<br />
equation<br />
40*250 1.0 0.01 1.0<br />
Horng and Jiang<br />
[25]<br />
Image vector<br />
quantisation<br />
50*200 1.0 0.01 1.0<br />
4. Experimental Design and Analysis<br />
In this research, the computational experiments were<br />
sequentially designed into two steps: identify the appropriate setting of<br />
the FA parameters and compare the results obtained from FA using the<br />
best setting identified in the previous experiment with two other results:<br />
i) adopting different parameter settings used by other research; and ii)<br />
the Best Known Solutions (BKS) from the literature [26]. Due to the<br />
2
limitation of computational time and resources required for<br />
computational experiments, five benchmarking instances (see Table 4)<br />
of JSSP were selected from the OR-Library [11]. The selection of those<br />
instant problems was considered from the size of searching space<br />
determined by two parameters: n jobs to be performed on m machines<br />
(n × m dimensions). <strong>All</strong> computational runs were based on personal<br />
computers with Core 2 Duo 2.67 GHz CPU with 4 GB DDR2 RAM.<br />
Table 4. Benchmarking JSSP instance datasets selected from the OR-<br />
Library [11].<br />
Instances<br />
Problem size<br />
(n × m)<br />
Number of<br />
jobs (n)<br />
Number of<br />
machines (m)<br />
FT06 6 × 6 6 6<br />
LA05 10 × 5 10 5<br />
LA10 15 × 5 15 5<br />
LA15 20 × 5 20 5<br />
LA21 15 × 10 15 10<br />
4.1 Identifying appropriate setting of FA parameters<br />
The first experiment aimed to investigate the appropriate<br />
setting of the FA parameters via experimental design and statistical<br />
analysis. Due to several parameters and levels of FA, full factional<br />
experimental design requires high computational resources and time<br />
consuming because of large number of experimental runs for each<br />
replication. Therefore, one-third fractional factorial experimental design<br />
(3 k-1 ) [27] was adopted in this work. The FA factors and it levels in this<br />
work are summarised in Table 5. Those factors are the combination of<br />
the amount of fireflies (n) and the number of maximum generations (G):<br />
nG, the light absorption coefficient (γ), the randomisation parameter<br />
(α), and the maximum attractiveness value (β 0). Generally, the<br />
combination factor (nG) determines the amount of search (candidate<br />
solutions) in the solution space conducted by the FA. This factor is<br />
directly related with the size of the problem considered. The high value<br />
of this combination usually increases the probability of getting the best<br />
solution but requires longer computational time and resources. In this<br />
work, the computational limitations are practically imposed; this<br />
combination (nG) was therefore fixed at 2,500 in order to accommodate<br />
the computational search within the time limit. The γ factor was varied<br />
from 0 to 10, while the range of remaining factors (both α and β 0) were<br />
set between 0 to 1 [9, 23].<br />
94<br />
Table 5. FA’s parameters and its levels considered.<br />
Factors Levels<br />
Low (-1)<br />
Uncoded Values<br />
Medium (0) High (+1)<br />
nG 3 25*100 50*50 100*25<br />
γ 3 0.1 5 10<br />
α 3 0 0.5 1<br />
β 0 3 0 0.5 1<br />
The LA21 problem instance was computationally<br />
experimented with ten replications by using different random seed<br />
numbers. The computational results obtained from 270 (3 4-1 *10) runs<br />
were analysed using a general linear model form of analysis of variance<br />
(ANOVA). Table 6 shows an ANOVA table consisting of Source of<br />
Variation (Source), Degrees of Freedom (DF), Sum of Square (SS),<br />
Mean Square (MS), and F and P values. A factor with value of P ≤ 0.05<br />
was considered statistically significant with a 95% confidence interval.<br />
Table 6. Analysis of variance (ANOVA) on the FA parameters.<br />
Source DF SS MS F P<br />
nG 2 141619 70809 32.54 0.000<br />
α 2 1393894 696947 320.29 0.000<br />
β 0 2 141845 70923 32.59 0.000<br />
γ 2 57165 28583 13.14 0.000<br />
Seeds 9 32975 3664 1.68 0.093<br />
Error 252 548355 2176<br />
Total 269 2315854<br />
From Table 6, it can be seen that all FA parameters<br />
including nG, α, β 0, and γ were statistically significant in terms of the<br />
main effect with a 95% confidence interval. The most influencing factor<br />
was the α factor because of the highest F value, followed by β 0, nG, and<br />
γ, respectively. The main effect plots are shown in Figure 6, suggesting<br />
that the main factors including nG, α, β 0, and γ should be defined at<br />
100*25, 0.5 or 1, 0.5 or 1, and 0.1, respectively. In practical, the<br />
appropriate parameters setting of the FA obtained from main effect<br />
plots should be selected based on minimum average makespan values as<br />
follows: nG, α, β 0, and γ parameters should be set at 100*25, 0.5, 1, and<br />
0.1, respectively.
Figure 6. The Main effect plot of FA.<br />
4.2 Comparison on the FA performance with and without using<br />
optimised parameter setting<br />
The aim of this experiment was to compare the results<br />
obtained from FA using the best setting identified in the previous<br />
experiment with two other results: i) adopting different parameter<br />
settings used by other researches; and ii) the Best Known Solutions<br />
(BKS) from the literature [26]. Five benchmarking instances of JSSP<br />
detailed in Table 4 were used to benchmark the FA performance in<br />
terms of minimise (Min), average (Avg), standard deviation (SD), and<br />
average execution time (T: unit in second) of the best-so-far solutions<br />
(makespan) obtained as shown in Table 7. Each parameter setting for<br />
each problem instance was repeated ten times using different random<br />
seed numbers. For a fair comparison, the amount of search (nG) in the<br />
solution space conducted by the FA search process must be similarly<br />
95<br />
defined. In this case, the amount of search (nG) was fixed at 2,500<br />
(25*100) solutions.<br />
From the computation results shown in Table 7, the FA<br />
performance with optimised parameter setting can produced the<br />
operation schedule better than the FA with adopted other parameter<br />
setting in term of Min and Avg values of the makespan for all problems,<br />
but took longer computational time. The amount of search (nG)<br />
suggested from experimental design and analysis was 100*25, in which<br />
a large number of n must be calculated and updated the distance<br />
between any two fireflies more than a small number of n. Moreover,<br />
three of five instance problems related with small-medium sizes were<br />
found the BKS, while the FA with the adopted parameters setting was<br />
found only for the LA05 instance. The Min and Avg values obtained<br />
from FA with optimised parameter setting on LA05 and LA10 instances<br />
were equal to the BKS. The SD of zero means that the proposed method<br />
can find the BKS in all computational runs having the use of different<br />
random seed numbers. The FA parameters setting adopted from Lukasik<br />
and Zak [10] and Horng and Jiang [25] out of condition to find the best<br />
solution. Because, those researchers define the randomisation parameter<br />
(α) less than the other settings, in which the most statistical influence<br />
parameter on this work should be set more than 0.5. Finally, it can be<br />
seen that the performance of the FA could be improved by using the<br />
appropriate parameter settings identified by adopting advance statistical<br />
tools.<br />
Table 7. FA’s results from different parameter settings.<br />
Instances<br />
Using parameter settings used by other research<br />
Lukasik and Zak [10]<br />
Apostolopoulos and Vlachos [24]<br />
Horng and Jiang [25]<br />
Min Avg SD T (s) Min Avg SD T (s)<br />
Optimised parameters setting from the<br />
previous experiment<br />
Min Avg SD T (s)<br />
Best<br />
Known<br />
Solution<br />
FT06 58 59.5 0.97 84.8 60 61.8 1.87 81.5 55 56.5 1.08 301.1 55<br />
LA05 593 604.4 9.37 120.3 602 636.7 22.70 116.6 593 593 0.00 339.8 593<br />
LA10 969 996 14.34 190 991 1040.6 32.02 206 958 958 0.00 723.4 958<br />
LA15 1414 1491.5 36.27 254.7 1457 1537.8 43.02 255.6 1310 1366.9 32.32 1010.2 1207<br />
LA21 1435 1478.8 32.67 404 1511 1592.2 40.67 407.1 1323 1394.4 36.11 1503.7 1046
5. Conclusions<br />
Firefly Algorithm (FA) was applied to find the lowest<br />
makespan (C max) of five benchmarking JSSP datasets adopted from<br />
the OR-Library. Experimental design and analysis were carried out<br />
to investigate the appropriate parameters setting of the FA. The onethird<br />
fractional factorial experimental design can reduce the number<br />
of experimental runs by 66.67% compared with the conventional full<br />
factorial design. Ranges of FA parameters used by previous research<br />
were reviewed and investigated. The investigation was aimed to<br />
study the effect of the FA parameter setting on its performance<br />
before comparing the FA results between using and not using<br />
optimised parameter settings. In this research, the optimised setting<br />
of the FA parameters of nG, α, β 0, and γ parameters was suggested at<br />
100*25, 0.5, 1, and 0.1, respectively. Moreover, the proposed<br />
algorithm with appropriate parameters setting produced the best-sofar<br />
schedule better than the FA without adopting parameter settings.<br />
It also found the best known solution in some cases. It should be<br />
noted that the appropriate parameter settings of the proposed<br />
algorithms may be case specific based on the nature and complexity<br />
of the problem domains.<br />
References<br />
[1] P. Pongcharoen, C. Hicks, P. M. Braiden, and D. J. Stewardson,<br />
"Determining optimum Genetic Algorithm parameters for<br />
scheduling the manufacturing and assembly of complex<br />
products", International Journal of Production Economics, vol.<br />
78, pp. 311-322, 2002.<br />
[2] P. Pongcharoen, C. Hicks, and P. M. Braiden, "The<br />
development of genetic algorithms for the finite capacity<br />
scheduling of complex products, with multiple levels of product<br />
structure", European Journal of Operational Research, vol.<br />
152, pp. 215-225, 2004.<br />
[3] C. Artigues and D. Feillet, "A branch and bound method for the<br />
job-shop problem with sequence dependent setup times",<br />
Annals of Operations Research, vol. 159, pp. 135-159, 2007.<br />
[4] C. Artigues, M.-J. Huguet, and P. Lopez, "Generalized<br />
disjunctive constraint propagation for solving the job shop<br />
problem with time lags", Engineering Applications of Artificial<br />
Intelligence, vol. 24, pp. 220-231, 2011.<br />
96<br />
[5] P. Baptiste, M. Flamini, and F. Sourd, "Lagrangian bounds for<br />
just-in-time job-shop scheduling", Computers & Operations<br />
Research, vol. 35, pp. 906-915, 2008.<br />
[6] H. X. Chen and P. B. Luh, "An alternative framework to<br />
Lagrangian relaxation approach for job shop scheduling",<br />
European Journal of Operational Research, vol. 149, pp. 499-<br />
512, 2003.<br />
[7] H. Gröflin and A. Klinkert, "A new neighborhood and tabu<br />
search for the Blocking Job Shop", Discrete Applied<br />
Mathematics, vol. 157, pp. 3643-3655, 2009.<br />
[8] R. Zhang and C. Wu, "A simulated annealing algorithm based<br />
on block properties for the job shop scheduling problem with<br />
total weighted tardinessobjective", Computers & Operations<br />
Research, vol. 38, pp. 854-867, 2011.<br />
[9] X.-S. Yang, "Firefly Algorithms for multimodal optimization",<br />
Lecture Notes in Computer Science, vol. 5792, pp. 169-178,<br />
2009.<br />
[10] S. Lukasik and S. Zak, "Firefly Algorithm for continuous<br />
constrained optimization Tasks", Lecture Notes in Computer<br />
Science, vol. 5796, pp. 97-106, 2009.<br />
[11] J. E. Beasley, "OR-library: distributing test problems by<br />
electronic mail", Journal of the Operational Research Society,<br />
vol. 41, pp. 1069-1072, 1990.<br />
[12] X.-J. Wang, C.-Y. Zhang, L. Gao, and P.-G. Li, "A survey and<br />
future trend of study on multi-objective scheduling",<br />
<strong>Proceeding</strong>s of the 4 th International Conference on Natural<br />
Computation, 2008, pp. 382-391.<br />
[13] G. Moslehi and M. Mahnam, "A Pareto approach to multiobjective<br />
flexible job-shop scheduling problem using particle<br />
swarm optimization and local search", International Journal of<br />
Production Economics, vol. 129, pp. 14-22, 2011.<br />
[14] L. Asadzadeh and K. Zamanifar, "An agent-based parallel<br />
approach for the job shop scheduling problem with genetic<br />
algorithms", Mathematical and Computer Modelling, vol. 52,<br />
pp. 1957-1965, 2010.<br />
[15] K. Ripon, C.-H. Tsang, and S. Kwong, "An Evolutionary<br />
approach for solving the multi-objective job-shop scheduling<br />
problem", Studies in Computational Intelligence, vol. 49, pp.<br />
165-195, 2007.<br />
[16] A. K. Gupta and A. I. Sivakumar, "Job shop scheduling<br />
techniques in semiconductor manufacturing", International
บทคัดยอ<br />
98<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การพัฒนาแบบจําลองทางคณิตศาสตรเพื่อชวยในการกําหนดตําแหนงในการจัดวางสินคาที่เหมาะสม<br />
กรณีศึกษา บริษัทผลิตเครื่องแกวสําเร็จรูป<br />
Development of Mathematical Model for Identifying the Appropriate Location of<br />
Finished Products in a Warehouse of a Glass Manufacturer<br />
ชนิกานต กมลสุข 1 และสรวิชญ เยาวยืนยง 2<br />
1, 2<br />
สาขาการจัดการโลจิสติกส คณะบัณฑิตวิทยาลัยการจัดการและนวัตกรรม (GMI) มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี<br />
เขตราษฎรบูรณะ กทม. 10140<br />
โทรศัพท/โทรสาร: 0-2470-9795 E-mail: 1 ck_ka@hotmail.com, 2 sorawit.yao@kmutt.ac.th<br />
งานวิจัยนี้เปนการพัฒนาแบบจําลองทางคณิตศาสตรเพื่อชวย<br />
ในการกําหนดตําแหนงในการจัดวางสินคาที่เหมาะสมในคลัง<br />
สินคา โดย<br />
มีวัตถุประสงค คือ สามารถลดระยะเวลาในการเคลื่อนยายสินคาเขาออก<br />
บริษัทกรณีศึกษาเปนผูผลิตเครื่องแกวคุณภาพดีรายใหญของประเทศไทย<br />
สินคาของบริษัทมีจํานวนมาก และในแตละวันมีการหมุนเวียนเขาออก<br />
ของสินคาเปนจํานวนมาก ปญหาที่พบคือ<br />
การเสียเวลาในการเคลื่อนยาย<br />
สินคาเขาออกเพราะไมไดมีการวางแผนในการจัดวางสินคาที่เหมาะสม<br />
โดยขอบเขตของงานวิจัยนี้จะศึกษาเฉพาะคลังสินคาที่จัดเก็บแกวใสแบบ<br />
เต็มพาเลต ซึ่งในการวิจัยไดนําวิธีการจัดลําดับความสําคัญของสินคาเขา<br />
มาใช คือการจัดกลุม<br />
ABC (ABC Analysis) โดยจะพิจารณาจากการ<br />
จัดลําดับความสําคัญของการเคลื่อนยายสินคาเขาและออกเปนหลัก<br />
โดย<br />
นําแนวทางนี้มาใชในการพัฒนาแบบจําลองทางคณิตศาสตร<br />
ซึ่งในลําดับ<br />
แรกจะเขียนแบบจําลองทางคณิตศาสตรอยางงายของปญหานี้กอน<br />
ซึ่ง<br />
สามารถใชในการแกปญหาไดเพียงเบื้องตนเทานั้น<br />
หลังจากที่เขียน<br />
แบบจําลองทางคณิตศาสตรอยางงายเสร็จเรียบรอยแลวจึงนํามาเขียนใน<br />
โปรแกรม Lingo เพื่อชวยในการคนหาคําตอบวาควรจัดวางสินคาใน<br />
ตําแหนงใดจึงจะเหมาะสมที่สุด<br />
ผลคือ location A จะมีจํานวนสินคาที่เขา<br />
ออกมากที่สุดถึง<br />
4 items ในอนาคตผูวิจัยจะทําการพัฒนาและปรับ<br />
แบบจําลองทางคณิตศาสตรอยางงายใหสามารถแกปญหาจริงของบริษัท<br />
ได โดยใชขอมูลจริงของบริษัทกรณีศึกษา<br />
คําสําคัญ: แบบจําลองทางคณิตศาสตร, โปรแกรม Lingo, การจัดการ<br />
คลังสินคา, การจัดกลุม<br />
ABC<br />
Abstract<br />
This research aims to develop the simple mathematical<br />
model for identifying the appropriate location of finished products in a<br />
warehouse. The model objective is to minimize the total time of moving<br />
all finished goods in and out the warehouse. The warehouse belongs to<br />
one of the largest quality glassware manufacturers in Thailand. To<br />
minimize the time, fast-moving goods should be kept in the location<br />
near the main gate of warehouse, and slow-moving goods should be<br />
kept far from the gate. This manufacturer has 2 warehouses. The first<br />
warehouse will store the finished products in full pallets only (1 pallet<br />
has around 200 items of glassware). The second warehouse keeps goods<br />
in boxes or less-than-pallet stock keeping units (SKUs). This paper will<br />
focus on the first warehouse only. ABC analysis is used to classify<br />
finished products into 3 groups: (A) highly fast moving (B) moderately<br />
fast-moving, and (c) slow-moving. Products of group A should be kept<br />
in the locations closest to the main gate. To illustrate the model, we<br />
have developed a small sample problem. By using the simple<br />
mathematical model and Lingo programming, the optimal solution of<br />
the sample problem is obtained. In the near future, we will modify the<br />
simple mathematical model into the advanced model that can solve the<br />
real problem of this manufacturer.<br />
Keywords: Mathematical Model, Lingo Programming, Warehouse,<br />
ABC Analysis<br />
1. บทนํา<br />
การจัดการคลังสินคา (Warehousing) เปนกิจกรรมหนึ่งใน<br />
กระบวนการโลจิสติกสที่มีความสําคัญตอธุรกิจ<br />
จากการสํารวจพบวา<br />
คาใชจายของการดําเนินงานเกี่ยวกับคลังสินคามีมูลคาคิดเปนสัดสวนที่<br />
สูงมากเมื่อเทียบกับกิจกรรมอื่นในโลจิสติกส<br />
[1] การจัดเก็บสินคา (Put<br />
Away) ซึ่งเปนกิจกรรมหนึ่งของการจัดการคลังสินคา<br />
เปนการขนยาย<br />
สินคาจากตําแหนงรับสินคาเขาไปในพื้นที่จัดเก็บรวมทั้งมีการบันทึก<br />
เอกสารที่เกี่ยวของ<br />
ดังนั้นเพื่อใหการดําเนินงานมีประสิทธิภาพจึงตองมี<br />
การวางแผนในการกําหนดตําแหนงในการจัดวางสินคาที่เหมาะสม<br />
เพื่อใหสามารถลดระยะเวลาในการหยิบสินคา(Picking)ได<br />
บริษัทกรณีศึกษา เปนบริษัทผลิตเครื่องแกวคุณภาพดี<br />
เปน<br />
ผูนําทางการตลาดในแถบเอเชีย<br />
มียอดการผลิตประมาณ 140 ลานชิ้นตอป
ซึ่งในคลังสินคาของบริษัทกรณีศึกษานั้นจะแบงออกเปน<br />
6 โซน คือ โซน<br />
A-F และในแตละโซนจะสามารถวางสินคาไดแตกตางกัน คือ โซน A<br />
,B,C และD ในแตละโซนสามารถวางสินคาไดจํานวน 48 items โซน E<br />
และ F เปนโซนที่จัดอยูดานหลังซึ่งวางสินคาที่ไมคอยมีการเคลื่อนยายเขา<br />
ออกมากนัก โดยโซน E สามารถวางได 72 items และโซน F วางได 68<br />
items ปญหาที่คนพบ<br />
คือพนักงานไมไดมีการวางแผนในการจัดวางสินคา<br />
ที่เหมาะสม<br />
มีการจัดวางสินคาตามความสะดวกสงผลใหสินคาที่มีการเขา<br />
ออกบอยจัดวางอยูในตําแหนงที่ไกลประตู<br />
และสินคาที่ไมมีการเขาออก<br />
บอยอยูในตําแหนงที่ใกลประตู<br />
ทําใหเกิดการเสียเวลาในการเคลื่อนยาย<br />
สินคาเขาและออก เพราะสินคาที่มีการหมุนเวียนเขาออกบอยแตพนักงาน<br />
ตองเขาไปหยิบในตําแหนงที่ไกลกวาสินคาที่ไมคอยมีการเขาออก<br />
จาก<br />
ปญหาดังกลาวทําใหเกิดแนวคิดในการวิเคราะหหาตําแหนงในการจัดวาง<br />
สินคาที่เหมาะสม<br />
โดยนําวิธีการจัดลําดับความสําคัญของสินคาเขามาใช<br />
คือ การจัดกลุม<br />
ABC (ABC Analysis) ซึ่งเปนการกําหนดตําแหนงในการ<br />
วางสินคาของคลังสินคาตามลําดับความสําคัญโดยดูจากความถี่ในการเขา<br />
และออกของสินคา คือ สินคาที่มีการเขาและออกบอย<br />
จัดอยูในกลุม<br />
สินคา A จะถูกกําหนดตําแหนงในการจัดเก็บที่ใกลประตูเขาออกมาก<br />
ที่สุด<br />
สวนสินคาที่มีความถี่ในการเขาออกจํานวนลดลงมา<br />
จัดอยูในกลุม<br />
สินคา B และ C ตามลําดับ ซึ่งจะกําหนดตําแหนงในการจัดเก็บที่ระยะ<br />
ทางไกลกวาตามลําดับ โดยจะทําการพัฒนาแบบจําลองทางคณิตศาสตร<br />
โดยขั้นแรกจะพัฒนาแบบจําลองทางคณิตศาสตรอยางงายกอน<br />
ตอมาจึง<br />
พัฒนาใหสามารถนําไปใชไดจริงกับบริษัทกรณีศึกษา และใชโปรแกรม<br />
Lingo ในการชวยคนหาตําแหนงในการจัดวางสินคาที่เหมาะสมที่สุด<br />
ขอบเขตงานวิจัย คือ ศึกษาระยะเวลาในการเคลื่อนยายสินคาเขาออกของ<br />
คลังสินคาที่จัดเก็บแกวใสแบบเต็มพาเลต<br />
โดยมีวัตถุประสงคเพื่อให<br />
สามารถลดระยะเวลาในการเคลื่อนยายสินคาเขาและออก<br />
และตอง<br />
สอดคลองกับสถานการณจริงของบริษัทกรณีศึกษา<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
สริญญา ราวีทิพย (2548) [2] ทําการศึกษาเรื่องการปรับปรุง<br />
ประสิทธิภาพตําแหนงการจัดวางสินคาในคลังสินคา กรณีศึกษาธุรกิจคา<br />
ปลีก งานวิจัยนี้ทําการศึกษารูปแบบในการจัดเก็บสินคาและวิธีการหยิบ<br />
สินคาของบริษัทกรณีศึกษา วัตถุประสงคเพื่อพัฒนาปรับปรุงรูปแบบการ<br />
จัดเก็บสินคาที่สามารถสงผลใหการดําเนินงานมีประสิทธิภาพมากขึ้น<br />
โดยลดระยะเวลาและระยะทางในการปฏิบัติงานของพนักงาน โดยใช<br />
หลักการของ Linear Programming Method ซึ่งเลือกใชวิธีแบบ<br />
fast<br />
turning closet to the door, หลักการของ Pareto Rule หรือ ABC Analysis<br />
และรูปแบบการจัดเก็บสินคาแบบ Commodity จัดเก็บสินคาแบบสุมโดย<br />
แยกตามประเภทของสินคา จากการศึกษาสามารถทําใหเพิ่ม<br />
ประสิทธิภาพในการทํางานโดยเฉพาะในกิจกรรมการหยิบสินคา<br />
(Picking) การเก็บสินคาตามยอดขายหรือประเภทสินคาที่เหมาะสมซึ่ง<br />
สามารถทําใหลดพื้นที่ในการจัดเก็บสินคาลงจากเดิมถึง<br />
14.28% และ<br />
สามารถลดระยะทางเฉลี่ยของการหยิบสินคาลงจากเดิม<br />
5.4%<br />
99<br />
Amy (2002) [3] ไดทําการศึกษาเกี่ยวกับการออกแบบผังของ<br />
คลังสินคาโดยมีวัตถุประสงคเพื่อใหเกิดประสิทธิภาพสูงที่สุดใน<br />
กระบวนการเติมเต็มสินคา โดยไดทําการปรับเปลี่ยนตําแหนงในการจัด<br />
วางสินคาในคลังสินคาของ บริษัทเบอรี่<br />
ลอมบารด (Briery Lombard and<br />
Company Inc. B&L) ซึ่งบริษัทตองการลดระยะเวลาในกระบวนการ<br />
จัดเก็บและการจัดสงสินคา ซึ่งนําวิธีการจัดกลุมสินคา<br />
ABC (ABC<br />
Analysis) คือ การใชหลักการในการจัดลําดับความสําคัญของสินคา โดย<br />
ในการจัดวางตําแหนงใหมนั้นมีการจัดวางสินคาที่อยูในกลุม<br />
A ใหอยู<br />
ใกลประตูเขาออกมากที่สุด<br />
(Shipping Area) ถัดมาจึงเปนตําแหนงของ<br />
สินคาในกลุม<br />
B และ C ตามลําดับ ซึ่งหลังจากปรับเปลี่ยนตําแหนงการ<br />
จัดวางสินคาใหมพบวาสามารถชวยลดเวลารวมในกิจกรรมของการหยิบ<br />
สินคา (Total Picking Time) ลงได 544 วินาที และใชเวลานอยกวา 60<br />
วินาที ในการเขาไปหยิบสินคากลุม<br />
A<br />
Charles (2002) [4] ไดทําการศึกษาเกี่ยวกับประสิทธิภาพใน<br />
การจัดการคลังสินคาที่มีการแบงโซนในการหยิบ<br />
โดยพนักงานจะไดรับ<br />
มอบหมายใหหยิบสินคาเฉพาะโซนที่ตนเองรับผิดชอบเทานั้น<br />
ใน<br />
การศึกษาครั้งนี้ไดสนใจรูปแบบของการหยิบแบบแบงเขตที่จะสงผลตอ<br />
ระยะทางในการหยิบสินคา ซึ่งใชการวางแบบสุมและแบบ<br />
Volumebased<br />
storage จากผลการศึกษาพบวา ขนาดของพื้นที่จัดเก็บ<br />
ประสิทธิภาพในการจัดเก็บสินคา จํานวนรายการสินคาที่จะตองหยิบ<br />
(Picking List) และนโยบายในการจัดเก็บตางสงผลตอการหยิบสินคา<br />
Footlik (2004) [5] ไดทําการศึกษา การปรับปรุงระบบการ<br />
จัดเก็บสินคา ไดแก การจัดเก็บสินคาที่มีคุณลักษณะคลายคลึงกันหรือมี<br />
ความสัมพันธกันที่ตองใชควบคูกันใหจัดเก็บไวบริเวณพื้นที่จัดเก็บ<br />
เดียวกัน และไดกลาวเกี่ยวกับการจัดเก็บสินคาแบบจัดลําดับความสําคัญ<br />
คือ การจัดเก็บสินคาแบบจัดกลุม<br />
ABC (ABC Groups) คือ สินคากลุม<br />
A<br />
เปนสินคาที่มีความถี่ในการเคลื่อนยายสูงที่สุด<br />
เนื่องจากมีปริมาณความ<br />
ตองการของลูกคามากที่สุด<br />
สินคากลุม<br />
B เปนสินคาที่มีความถี่ในการ<br />
เคลื่อนยายระดับปานกลางและสินคากลุม<br />
C เปนสินคาที่มีความถี่ในการ<br />
เคลื่อนยายต่ําที่สุด<br />
โดยวางแผนผังใหสินคากลุม<br />
A จัดเก็บไวดานหนาซึ่ง<br />
ก็คือจัดเก็บไวใกลประตูเขาออก สวนสินคาในกลุม<br />
B และ C จะถูก<br />
จัดเก็บถัดไปจากสินคากลุม<br />
A<br />
James A. Tompkins (1992) [6] ไดอธิบายหลักการที่สําคัญที่<br />
เกี่ยวของกับการปรับปรุงการทํางานในสวนของการหยิบสินคาซึ่งจะมีผล<br />
ทําใหการหยิบสินคานั้นสามารถทําไดอยางมีประสิทธิภาพมากยิ่งขึ้น<br />
ดังนี้<br />
1) Apply Pareto’s Law ใชหลักการของ Pareto’s Law ในการ<br />
จัดประเภทของสินคาตามลําดับความสําคัญของมูลคาหรือปริมาณการ<br />
ขายของสินคา โดยการจัดลําดับตามประเภทและตามเกณฑดังกลาว<br />
สามารถชวยลดระยะเวลาที่ใชในการหยิบสินคาลงได<br />
2) Maintain an Effective Stock Location System เชื่อวาการ<br />
หยิบสินคาที่มีประสิทธิภาพนั้นตองเกิดจากการจัดตําแหนงในการวาง
สินคาที่ดีและอยางเปนระบบ<br />
เพื่อใหพนักงานหยิบสามารถทํางานได<br />
อยางสะดวกรวดเร็ว ไมตองเสียเวลาในการคนหาสินคาดังนั้นจึงควรมี<br />
การระบุตําแหนงของสินคาที่จัดเก็บไวอยางชัดเจน<br />
Jame (1998) [7] ไดกลาวไวในหนังสือเรื่อง<br />
The Warehouse<br />
Management Handbook; the second edition ในเรื่อง<br />
Stock Location<br />
Assignment ไดกลาวถึงหลักเกณฑในการจัดกลุมสินคาแบบ<br />
ABC (ABC<br />
Analysis) วาเปนเกณฑที่นิยมใชกันอยางแพรหลายในเรื่องการจัด<br />
ตําแหนงการวางสินคา โดยจะจัดกลุมตามความเคลื่อนไหว<br />
เกณฑ<br />
ดังกลาวพบวาสินคาที่มีจํานวน<br />
20% นั้นจะมีการเคลื่อนไหวของสินคา<br />
มากถึง 80% ของสินคาทั้งหมด<br />
โดยสินคาในกลุม<br />
A ควรเปนสินคาที่<br />
องคกรใหความสําคัญ เพราะเปนสินคาที่ขายดี<br />
ซึ่งควรจัดตําแหนงใหอยู<br />
ในตําแหนงที่สะดวกในการจัดเก็บและการหยิบมากที่สุด<br />
ทั้งนี้การใช<br />
เกณฑ ABC อาจมีการจัดกลุมสินคาเปนกลุมยอยลงไดมากกวา<br />
3 อันดับ<br />
เชน อาจจัดเปน A, B, C และ D ตามลําดับ เพื่อเปนการกระจาย<br />
เปอรเซ็นตความเคลื่อนไหวของสินคาในกลุม<br />
A ออกมา<br />
Kees, J.R. and Charles (1992) [8] ทําการศึกษาเรื่องทํา<br />
อยางไรใหการเดินหยิบสินคามีประสิทธิภาพสูงที่สุด<br />
ซึ่งไดทําการเสนอ<br />
แนวทางในการเพิ่มความเร็วในการหยิบสินคา<br />
โดยไมเปลี่ยนตําแหนง<br />
หรือผัง (Layout) ในคลังสินคา โดยไดศึกษาเปรียบเทียบการจัดเก็บ<br />
สินคาในรูปแบบตาง ๆ ไดแก การจัดเก็บแบบสุม<br />
การจัดเก็บสินคา<br />
ประเภทเดียวกันอยูใกลกัน<br />
และการจัดตําแหนงสินคาตามความ<br />
เคลื่อนไหว<br />
(Volume) ซึ่งพบวา<br />
การจัดเก็บสินคาประเภทสุมวาง<br />
(Random) นิยมใชในกับคลังสินคาทั่วไป<br />
สวนการวางสินคาโดยการดู<br />
ความเคลื่อนไหวของสินคา<br />
(Volume Based Storage) และการจัดเก็บ<br />
แบบสุม<br />
(Random Storage) โดยการแบงสินคาตามประเภทสินคา<br />
(Storage Class) จากนั้นพิจารณาวาสินคากลุมใดมีความเคลื่อนไหว<br />
(Volume) มากที่สุด<br />
จึงจัดสินคากลุมนั้นใหอยูในตําแหนงที่ใกลประตู<br />
ที่สุดและสามารถจัดเรียงสินคาเปนแบบสุมในสินคากลุมนั้นได<br />
3. วิธีการดําเนินงานวิจัย<br />
3.1 ศึกษาและรวบรวมขอมูลเบื้องตนของบริษัทกรณีศึกษา<br />
บริษัทกรณีศึกษาเปนบริษัทที่ผลิตผลิตภัณฑเครื่องแกวบน<br />
โตะอาหาร อาทิเชน แกวน้ํา<br />
จานชาม ชามแกว ถวยกาแฟ แกวเบียร โดย<br />
ในแตละวันสามารถผลิตแกวไดประมาณ 300,000 ชิ้น<br />
มีเตาหลอมแกว 2<br />
เตา มีเครื่องจักรที่สามารถผลิตไดจํานวน<br />
10 เครื่องซึ่งเครื่องจักรในแตละ<br />
เครื่องมีความสามารถในการผลิตที่ไมเหมือนกัน<br />
บริษัทกรณีศึกษามี<br />
คลังสินคาสําหรับจัดเก็บสินคาสําเร็จรูปทั้งหมดจํานวน<br />
8 คลัง มีพื้นที่<br />
จัดเก็บสินคารวมทั้งหมด<br />
30,100 ตารางเมตร ซึ่งในการจัดเก็บสินคา<br />
สามารถแบงการจัดเก็บเปน 3 แบบ คือ การจัดเก็บแบบเต็มพาเลต การ<br />
จัดเก็บแบบไมเต็มพาเลตแตเต็มกลอง และการจัดเก็บแบบไมเต็มกลอง<br />
รูปแบบการจัดเก็บสินคาภายในคลังสินคาของบริษัท สามารถแบงไดดังนี้<br />
1) การจัดเก็บแบบวางกองสินคาเปนตั้ง<br />
(Block Stacking) สําหรับสินคาที่<br />
100<br />
สามารถวางซอนกันได 2) การจัดเก็บสินคาแบบชั้นวางขับเขา<br />
(Drive In)<br />
ใชสําหรับจัดเก็บสินคาที่มีน้ําหนักมากไมสามารถวางซอนกันไดมากนัก<br />
3) การจัดเก็บสินคาแบบปรับชั้นวางได<br />
สําหรับจัดเก็บแกวแบบไมเต็มม<br />
พาเลต โดยขอบเขตการวิจัยจะศึกษาเฉพาะคลังสินคาที่<br />
8 ซึ่งเปนคลังที่มี<br />
ขนาดใหญที่สุด<br />
มีพื้นที่ประมาณ<br />
12,000 ตารางเมตร เปนคลังที่จัดเก็บ<br />
แกวใสเต็มพาเลต มีรูปแบบการจัดเก็บแบบวางสินคากองเปนตั้ง<br />
(Block<br />
Stacking) สามารถวางสินคาไดทั้งหมด<br />
16,728 พาเลต โดยในแตละวันมี<br />
การเคลื่อนยายสินคามากกวา<br />
500 พาเลต<br />
3.2 การพัฒนาแบบจําลองทางคณิตศาสตรเบื้องตน<br />
ในขั้นแรกจะเขียนแบบจําลองทางคณิตศาสตรอยางงายกอน<br />
โดยสามารถแกปญหาไดเพียงเบื้องตนเทานั้น<br />
ซึ่งเริ่มแรกผูวิจัยไดสราง<br />
สมการจับคู<br />
3 มิติ คือ item, location และวัน โดยใชตัวแปร Xijk ซึ่งทําให<br />
แบบจําลองมีขนาดใหญมากและขอจํากัดสามารถสรางเปนสมการไดยาก<br />
จึงตัดสินใจทําเปนสมการจับคู<br />
2 มิติ คือ จับคูระหวาง<br />
item กับ location<br />
ดวยตัวแปร Xij สวนมิติในดานของวันนั้นจะสรางสมการ<br />
Sj1j2 เขามาแทน<br />
โดยกําหนดขอจํากัดตาง ๆ ดังนี้<br />
1. จํานวนสินคา 12 items คือ ก,ข,ค,ง,จ,ฉ, ช,ซ,ฌ,ญ,ด และ ต<br />
2. จํานวน Location 5 locations คือ A, B, C, D และ E<br />
3. การเคลื่อนยายสินคาเขาและออกสามารถรูลวงหนา<br />
11 วัน<br />
4. ในแตละวันสินคาที่มีกําหนดออกจะออกกอนสินคาเขา<br />
เสมอ<br />
5. ในแตละ location สามารถมีสินคาไดเพียง 1 item และใน<br />
แตละ item สามารถเลือกวางใน location ไดเพียง 1 location เทานั้น<br />
่ ตารางที 1 ระยะเวลารวมของการเคลื่อนยายสินคาเขาและออกในแตละ<br />
Location<br />
เวลา/Location A B C D E<br />
ระยะเวลารวมของการเคลื่อนยายสินคาเขา<br />
และออก (นาที)<br />
2 5 10 15 20<br />
่ ตารางที 2 ขอมูลการเคลื่อนยายสินคาเขาและออกในแตละวัน<br />
วัน/การเคลื่อนยายสินคา<br />
เขา ออก<br />
1 ก,ข,ซ<br />
2 ค<br />
3 ง ก<br />
4 จ,ฉ ซ<br />
5 ญ ข<br />
6 ช ฉ<br />
7<br />
8<br />
ฌ,ด,ต ง,ค,จ,ช<br />
9 ญ<br />
10 ด,ต<br />
11 ฌ
Subject to<br />
โดยสามารถเขียนเปนรูปแบบสมการทางคณิตศาสตรไดดังนี้<br />
Min<br />
m<br />
i = 1<br />
m n<br />
∑∑ CX i ij<br />
(1)<br />
i= 1 j=<br />
1<br />
∑ X ij = 1 , j = 1,…,n (2)<br />
X + X ≤ 1+<br />
S , for all j1, j 2 (3)<br />
ij1 ij2 j1j2 where j 1 < j 2 , for all i<br />
X ij ∈ {0,1}<br />
, for all i, j (4)<br />
กําหนดให<br />
j = 1,2,3,…….,12<br />
i = 1,2,3,……..,5<br />
โดยที่<br />
Ci เปนระยะเวลาในการเขาและออกของ location i<br />
Xij เปนตัวแปรตัดสินใจในการเลือกตําแหนงสินคา j<br />
ของ location i<br />
Sj1j2 ถาในวันเขาและวันออกของสินคา item j1, j2 ไมทับซอน<br />
กัน Sj1j2 มีคาเปน 1 (ถาทับซอนกันมีคาเปน 0)<br />
m เปนจํานวนทั้งหมดของ<br />
location i<br />
n เปนจํานวน item ทั้งหมดของสินคา<br />
j<br />
สามารถอธิบายสมการดังนี้<br />
1) สมการเปาหมาย คือ ระยะเวลารวมที่ต่ําที่สุดในการ<br />
เคลื่อนยายสินคา<br />
2) ในแตละ item สามารถเลือกวางได 1 location และในแต<br />
ละ location สามารถวางสินคาได 1 item<br />
3) ถา item จํานวน 2 พาเลต คือ j1และ j2อยูทับซอน ในวัน<br />
เดียวกันไมสามารถวางอยูใน<br />
location เดียวกันได<br />
ตารางที่<br />
3 เมตริกซความสัมพันธของสินคา j1 และ j2 j1 / j2 ก ข ค ง จ ฉ ช ซ ฌ ญ ด ต<br />
ก 0 0 0 1 1 1 1 0 1 1 1 1<br />
ข 0 0 0 0 0 0 1 0 1 1 1 1<br />
ค 0 0 0 0 0 0 0 0 1 0 1 1<br />
ง 1 0 0 0 0 0 0 0 1 0 1 1<br />
จ 1 0 0 0 0 0 0 1 1 0 1 1<br />
ฉ 1 0 0 0 0 0 1 1 1 0 1 1<br />
ช 1 1 0 0 0 1 0 1 1 0 1 1<br />
ซ 0 0 0 0 1 1 1 0 1 1 1 1<br />
ฌ 1 1 1 1 1 1 1 1 0 0 0 0<br />
ญ 1 1 0 0 0 0 0 1 0 0 0 0<br />
ด 1 1 1 1 1 1 1 1 0 0 0 0<br />
ต 1 1 1 1 1 1 1 1 0 0 0 0<br />
101<br />
3.3 การประยุกตใชแบบจําลองทางคณิตศาสตรรวมกับ<br />
โปรแกรม Lingo<br />
หลังจากพัฒนาแบบจําลองทางคณิตศาสตรอยางงายเสร็จ<br />
เรียบรอยแลว ตอมาจึงใชโปรแกรม Lingo เพื่อชวยในการหาคําตอบที่ดี<br />
ที่สุด<br />
โดยมีคําตอบดังนี้<br />
ผลรวมระยะเวลาที่สั้นที่สุด<br />
คือ 93 นาที โดย<br />
สินคาแตละ item อยูในตําแหนงของ<br />
location ตาง ๆ ดังนี้<br />
ตารางที่<br />
4 คําตอบจากการใชโปรแกรม Lingo ในการหาตําแหนงสินคาที่<br />
เหมาะสม<br />
วัน/location A B C D E<br />
1 ก ซ ข<br />
2 ก ซ ข ค<br />
3 ซ ข ง ค<br />
4 ฉ จ ข ง ค<br />
5 ฉ จ ญ ง ค<br />
6 ช จ ญ ง ค<br />
7 ต ด ญ ฌ<br />
8 ต ด ญ ฌ<br />
9 ต ด ฌ<br />
10 ต ฌ<br />
11<br />
จากตารางคําตอบเห็นไดวา location A เปน location ที่มี<br />
จํานวน item ของสินคามากที่สุด<br />
เนื่องจากสินคาในกลุมนี้มีการ<br />
หมุนเวียนบอยจึงควรนําไปไวใน location ที่อยูใกลประตูที่สุด<br />
มีจํานวน<br />
4 item คือ ก,ฉ,ช และ ต location B เปน location ที่มีจํานวน<br />
item<br />
รองลงมา คือ จํานวน 3 item ไดแก ซ,จ และ ด สวน location C และ D<br />
จะมีจํานวน item ที่เทากัน<br />
คือ 2 item location C มี item คือ ข และ ญ<br />
location D มี item คือ ง และ ฌ และ location E มีจํานวน item ที่นอย<br />
ที่สุด<br />
คือ จํานวน 1 item คือ item ค เนื่องจากเปน<br />
item ที่ไมคอยมีการ<br />
เคลื่อนไหวจึงถูกเลือกใหอยูใน<br />
location ที่ไกลประตูมากที่สุด<br />
3.4 การพัฒนาแบบจําลองทางคณิตศาสตรเพื่อใหสามารถ<br />
ใชไดกับสถานการณจริงของบริษัทกรณีศึกษา<br />
เมื่อผูวิจัยไดพัฒนาแบบจําลองทางคณิตศาสตรอยางงาย<br />
สําเร็จแลวตอมาจึงไดพัฒนาแบบจําลองทางคณิตศาสตรเพื่อใหสามารถ<br />
ใชไดจริงกับบริษัทกรณีศึกษา ซึ่งขณะนี้อยูในขั้นตอนของการพัฒนา<br />
โดยจากการศึกษาขอมูลของบริษัทกรณีศึกษาในคลังสินคาที่<br />
8 ซึ่งจัดเก็บ<br />
แกวใสแบบเต็มพาเลตนั้นมีขอจํากัดที่เพิ่มขึ้น<br />
คือ<br />
1) จํานวน item ของสินคา 750 SKUs<br />
2) ในแตละ Zone สามารถวางในจํานวนพาเลตที่แตกตาง<br />
กัน ดังนี้<br />
Zone A 2,736 พาเลต<br />
Zone B 4,176 พาเลต
Zone C 4,176 พาเลต<br />
Zone D 2,736 พาเลต<br />
Zone E 864 พาเลต<br />
Zone F 2,040 พาเลต<br />
3) การเคลื่อนยายสินคาเขาและออกสามารถรูลวงหนา<br />
20 วัน<br />
4) ในแตละวันมีการเคลื่อนยายสินคาเขาและออกประมาณ<br />
500 พาเลต<br />
4. สรุปผลการดําเนินงาน<br />
ในการพัฒนาแบบจําลองทางคณิตศาสตร (Mathematical<br />
Model) และใชโปรแกรม Lingo ชวยตัดสินใจในการหาตําแหนงในการ<br />
จัดวางสินคาที่เหมาะสม<br />
โดยมีวัตถุประสงคเพื่อลดระยะเวลาในการ<br />
เคลื่อนยายสินคาเขาและออก<br />
ซึ่งพบวาเปนเครื่องมือที่ใชในการทําวิจัยได<br />
อยางเหมาะสม เนื่องจากโปรแกรมสามารถชวยตัดสินใจแทนพนักงานวา<br />
ควรจะวางสินคาไวตําแหนงใดจึงจะเหมาะสมที่สุด<br />
ซึ่งสามารถชวยลด<br />
ระยะเวลาในการการหยิบสินคา (Picking) ออกจากคลังสินคาได และ<br />
สงผลใหสามารถลดตนทุนในการจัดการคลังสินคาไดอีกดวย ในอนาคต<br />
ถาพัฒนาแบบจําลองทางคณิตศาสตรใหสอดคลองกับบริษัทกรณีศึกษา ก็<br />
จะกอใหเกิดประโยชนกับบริษัทกรณีศึกษา เพื่อใหบริษัทกรณีศึกษา<br />
สามารถนําไปใชงานไดจริง<br />
เอกสารอางอิง<br />
[1] อรุณ บริรักษ และคณะ , 2547, การบริหารจัดการคลังสินคา ใน<br />
ประเทศไทย , อรุณ บริรักษ, กรุงเทพมหานคร, หนา 57<br />
[2] สริญญา ราวีทิพย, 2548, การปรับปรุงประสิทธิภาพตําแหนง<br />
การจัดวางสินคาในคลังสินคา กรณีศึกษา ธุรกิจคาปลีก, การวิจัย<br />
โครงการเฉพาะเรื่องปริญญาวิทยาศาสตรมหาบัณฑิต<br />
สาขาวิชาการ<br />
จัดการโลจิสติกส บัณฑิตวิทยาลัยการจัดการจัดการนวัตกรรม<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี<br />
[3] Amy, Z.Z., Micheal, M. and Nicholas, F., 2002, “Designing an<br />
efficient Warehouse Layout to facilitate the order-filling process:<br />
An Industrial distributor’s experience”, Journal of Production<br />
and Inventory Management.<br />
[4] Charles, GP., 2002, “Considerations in order picking zone<br />
configuration”, Journal of Operation and Production<br />
Management, Vol. 22, No. 7, pp. 793-805, Available :<br />
http://emeraldinsight.com/0144-3577.htm<br />
[5] Footlik, R. B. (2004). Rethinking storage paradimes. Retrieved<br />
March 28, 2006, from<br />
http://www.mtm.iit.edu/frontiers/LogisticsFrontiersWinter05-<br />
06.pdf<br />
102<br />
[6] Jame A. Tompkins, J. D. S. ,1998, “Order Picking System”, The<br />
Warehouse Management Handbook, pp. 803-822.<br />
[7] James, A.T. and Jerry, D.S., 1998 “The Warehouse Management<br />
Handbook”, second edition, Tompkins press, pp. 823-848<br />
[8] Kees, JR. and Charles, G.P., 1992, “How to improve order<br />
picking efficiency with routing and storage policies”, Perspectives<br />
on Material Handling Practice.<br />
ประวัติผูเขียนบทความ<br />
นางสาวชนิกานต กมลสุข สําเร็จการศึกษาระดับ<br />
ปริญญาตรี คณะบริหารธุรกิจ สาขา การตลาด<br />
มหาวิทยาลัยกรุงเทพ และกําลังศึกษาตอระดับ<br />
ปริญญาโท คณะการจัดการและนวัตกรรม สาขา<br />
การจัดการโลจิสติกส มหาวิทยาลัยเทคโนโลยีพระ<br />
จอมเกลาธนบุรี งานวิจัยที่สนใจ<br />
คือ Logistic<br />
Management
กิโลกรัม จัดอยูในขนาด<br />
S3 ชวงน้ําหนัก<br />
113-117 กิโลกรัม จัดอยูใน<br />
ขนาด S4 และชวงน้ําหนัก<br />
118-122 กิโลกรัม จัดอยูในขนาด<br />
S5 จากนั้น<br />
สุกรจะถูกชําแหละออกเปนชิ้นเนื้อตางๆ<br />
ซึ่งเรียกวาเนื้อสวนหลัก<br />
(Primal<br />
Cut) ไดแก สะโพกหรือขาหลัง (Ham) สันใน (Tenderloin) สันนอก<br />
(Loin) คอหมู (Collar) สันคอหรือไหล (Shoulder) และเนื้อสวนทองหรือ<br />
สามชั้น<br />
(Belly) ซึ่งชิ้นเนื้อแตละสวนจะถูกจําแนกออกเปนขนาดตางๆ<br />
ตามขนาดของสุกรที่รับมา<br />
(S1, S2, S3, S4 หรือ S5) เพื่อแปรรูปเปน<br />
ผลิตภัณฑชนิดตางๆ ตามความตองการของลูกคาและในขั้นตอนตอมา<br />
โรงปรุงสุก (Cooked Factory) จะนําชิ้นเนื้อไปผลิต<br />
ซึ่งจํานวนสุกรในแต<br />
ละขนาดที่ถูกนํามาชําแหละนั้นมีจํานวนไมตรงตามความตองการของชิ้น<br />
เนื้อสวนตางๆ<br />
ในแตละขนาดของโรงปรุงสุก<br />
ในปจจุบันอุตสาหกรรมแปรรูปสุกรประสบปญหาจากความ<br />
แปรปรวนของขนาดปริมาณสุกร ซึ่งทําใหสงผลกระทบตอตนทุนรวม<br />
อันเนื่องมาจากตนทุนสินคาคงคลัง<br />
(Inventory Cost) มีคาสูงขึ้น<br />
อัน<br />
เนื่องมาจากมีปริมาณวัตถุดิบในคลังสินคามากขึ้น<br />
กอใหเกิดคาใชจาย<br />
สําหรับการจัดเก็บ ยกตัวอยางเชน เมื่อมีความตองการชิ้นเนื้อสันในขนาด<br />
S3 จํานวน 1 ชิ้นมาผลิตเปนผลิตภัณฑ<br />
จะตองทําการชําแหละสุกร 1 ตัว<br />
แตผลที่ไดจากการชําแหละสุกร<br />
1 ตัวนั้น<br />
กอใหเกิดชิ้นเนื้อขนาด<br />
S3 ที่ไม<br />
ตองการเกิดขึ้นในสวนของ<br />
สะโพกหรือขาหลัง สันนอก คอหมู สันคอ<br />
หรือไหลและเนื้อสวนทองหรือสามชั้น<br />
ซึ่งชิ้นเนื้อเหลานี้จะตองถูกเก็บ<br />
ในคลังสินคา กอใหเกิดคาใชจายเพิ่มขึ้นและตนทุนการผลิต<br />
(Production<br />
Cost) ประกอบดวยตนทุนการชําแหละสุกร (Slaughtering cost) ถา<br />
บริหารจัดการไมเหมาะสม ตัวอยางเชน การชําแหละสุกรมีจํานวนมาก<br />
เกินไปสงผลทําใหตนทุนการชําแหละสูงขึ้นและตนทุนวัตถุดิบ<br />
(Material<br />
cost) กรณีมีการนําชิ้นเนื้อสวนหลักขนาดใหญทดแทนขนาดเล็ก<br />
สงผล<br />
ทําใหตนทุนวัตถุดิบสูงขึ้น<br />
ดังนั้นงานวิจัยนี้จึงทําการพัฒนาเครื่องมือที่ชวยในการวาง<br />
แผนการผลิตของโรงงานกรณีศึกษาโดยมีจุดมุงหมายเพื่อลดตนทุนรวม<br />
ระหวางโรงชําแหละและโรงปรุงสุกใหมีคาต่ําที่สุด<br />
ซึ่งตนทุนรวม<br />
ประกอบดวย ตนทุนสินคาคงคลังและตนทุนการผลิต ในงานวิจัยนี้ได<br />
กําหนดลําดับการวางแผนการผลิตมีขั้นตอนดังตอไปนี้<br />
คือ เริ่มตนจาก<br />
โรงปรุงสุกรับคําสั่งซื้อผลิตภัณฑจากลูกคา<br />
ตอมาจึงทําการคํานวณ<br />
ปริมาณเนื้อสวนหลักที่จะนําไปใชในการผลิตจากการโครงสรางของ<br />
ผลิตภัณฑ (Bill of material : BOM) ขั้นตอนตอไปจะทําการตรวจสอบวา<br />
ผลิตภัณฑตางๆ สามารถใชชิ้นเนื้อใดทดแทนกันไดหรือไม<br />
จากนั้นทํา<br />
การวางแผนความตองการเนื้อชิ้นสวนหลักจากปริมาณเนื้อชิ้นสวนหลักที่<br />
104<br />
ตองการ โดยตองพิจารณาถึงจํานวนสุกรที่สามารถนํามาชําแหละไดใน<br />
แตละชวงเวลา ขั้นตอนสุดทาย<br />
ใชรูปแบบทางคณิตศาสตร<br />
(Mathematical model) ที่พัฒนาขึ้นหาคําตอบที่ดีที่สุด<br />
โดยผลลัพธที่ได<br />
คือ จํานวนสุกรที่ตองการชําแหละในแตละขนาดและแผนการทดแทนชิ้น<br />
เนื้อ<br />
เพื่อประยุกตใชในการวางแผนการผลิต<br />
ดังแสดงในรูปที่<br />
1<br />
รูปที่<br />
1 แสดงลําดับขั้นตอนการวางแผนการผลิต<br />
2. ทบทวนวรรณกรรม<br />
งานวิจัยที่เกี่ยวของกับการวางแผนการผลิตดวยการใชรูปแบบ<br />
ทางคณิตศาสตร โดยในป 2005 Spitter et al. [1] พัฒนาวิธีการตัวแบบ<br />
กําหนดการเชิงเสน (Linear Programming models) ในการแกปญหาการ<br />
วางแผนดวยเวลานําของการผลิตในหวงโซอุปทาน ภายใตเงื่อนไข<br />
ขอจํากัดดานปริมาณการผลิต ซึ่งแกปญหาโดยใชตัวแบบกําหนดการเชิง<br />
เสน โดยมีทั้งหมด<br />
2 รูปแบบ คือ ลดตนทุนสินคาและตนทุนคางสินคา<br />
โดยมีวัตถุประสงคเพื่อเพิ่มความเชื่อมั่นระหวางการผลิตในหวงโซ<br />
อุปทานและความเปนไปไดในการวางแผนจัดตารางการผลิตและในป<br />
1994 Lotfi & Yoon [2] ศึกษาการจัดตารางวางแผนการผลิตโดยมี<br />
ขอจํากัดดานกําลังการผลิตซึ่งมีหลากหลายผลิตภัณฑในระดับเดียว<br />
(Multi-period Single-item production) ชวงเวลาในการวางแผนตามแนว<br />
ยาว (Planning Horizon) โดยความตองการเปลี่ยนไปในแตละชวงเวลา<br />
ซึ่งกําหนดใหกําลังผลิตสามารถเปลี่ยนแปลงไดและไมมีงานคั่งคาง<br />
(Backlog) แลวจึงสรางรูปแบบทางคณิตศาสตรเพื่อหาปริมาณการผลิตที่<br />
เหมาะสม โดยมีวัตถุประสงคเพื่อตองการใหมีผลรวมของคาใชจายดาน<br />
การผลิต คาใชจายในการเก็บรักษาวัสดุคงคลังและคาใชจายในการตั้ง<br />
เครื่องจักรใหมใหมีคาต่ําที่สุด<br />
งานวิจัยที่เกี่ยวของกับการวางแผนการผลิตที่มีการทดแทนกัน<br />
ของวัตถุดิบ โดยในป 2007 Geunes [3] เสนอขั้นตอนวิธีการแกปญหา<br />
การวางแผนความตองการวัตถุดิบที่มีขนาดการผลิตขนาดใหญดวยวิธีการ<br />
การแทนที่<br />
สําหรับการผลิตแบบทําตามสั่ง<br />
โดยใชวิธีการโปรแกรมเชิง
⎡ W R K T ⎤ N T ⎡ ⎤<br />
MinnimizeZ = ⎢∑∑∑∑( Qgi ,, jt , * MCgi ,, j) ⎥+ ⎢∑∑PKmt , * FPm⎥<br />
⎢⎣ g i j t ⎥⎦ ⎣ m t<br />
⎦<br />
⎡ W R T<br />
⎤<br />
+ ⎢∑∑∑INVgit ,, * INVCgi<br />
, ⎥<br />
(1)<br />
⎢⎣ g i t<br />
⎥⎦<br />
สมการ (1) เปนสมการเปาหมาย โดยผลเฉลยที่ไดจะใหคาใชจาย<br />
รวมของคาใชจายดานการผลิตและคาใชจายดานคลังสินคา<br />
3.5 สมการและอสมการขอจํากัด<br />
N<br />
∑ PKmt , * STDmgi , , = RM git , ,<br />
m=<br />
1<br />
; , ,<br />
K<br />
∑ Qg,, i j, t= RMDg,,<br />
i t<br />
i=<br />
1<br />
; , ,<br />
g,, it gi , gi ,, jt , git ,,<br />
j=<br />
1<br />
∀ g it<br />
(2)<br />
∀gj ≤ i t (3)<br />
K<br />
RM + OH − ∑ Q = INV ; ∀g, i≥ j, t = 1 (4)<br />
INV + RM − Q = INV<br />
K<br />
∑<br />
g,, it−1 git ,, gi ,, jt , git ,,<br />
j=<br />
1<br />
N<br />
∑ PKmt , ≤ PAmt<br />
,<br />
m=<br />
1<br />
; t<br />
N<br />
∑ PKmt , ≤ CPS<br />
m=<br />
1<br />
; t<br />
; ∀g, i≥ j, t > 1 (5)<br />
∀ (6)<br />
∀ (7)<br />
PKmt , , INVgit , , , Qgi , , jt , , RM git , ,<br />
; ∀ t<br />
(8)<br />
สมการ (2) เปนสมการที่กําหนดเนื้อสวนหลักจากการ<br />
ชําแหละสุกรขนาด สมการ (3) เปนสมการที่บังคับใหผลิตชิ้นเนื้อเทากับ<br />
ความตองการ สมการ (4) เปนสมการที่รักษาสมดุลคงคลังเนื้อสวนหลัก<br />
ชวงเวลาแรก โดยปริมาณคงคลังเนื้อสวนหลักเทากับปริมาณเนื้อสวน<br />
หลักที่ไดจากการชําแหละสุกรรวมกับปริมาณคงคลังเนื้อสวนหลักเริ่มตน<br />
ลบดวยปริมาณเนื้อสวนหลักที่นําไปใชในชวงเวลาแรก<br />
สมการ (5) เปน<br />
สมการที่รักษาสมดุลคงคลังเนื้อสวนหลัก<br />
2 ชวงเวลาตอเนื่องกัน<br />
โดย<br />
ปริมาณคงคลังเนื้อสวนหลักในชวงเวลาใดๆ<br />
เทากับปริมาณคงคลังเนื้อ<br />
สวนหลักในชวงเวลากอนหนารวมกับปริมาณเนื้อสวนหลักที่ไดจากการ<br />
ชําแหละสุกรลบดวยปริมาณเนื้อสวนหลักที่นําไปใชในชวงเวลาใดๆ<br />
สมการ (6) เปนสมการปองกันไมใหชําแหละสุกรเกินจํานวนสุกรที่<br />
สามารถนําไปชําแหละไดในชวงเวลาใดๆ สมการ (7) เปนสมการปองกัน<br />
ไมใหชําแหละสุกรเกินกําลังการผลิตของโรงชําแหละในชวงเวลาใดๆ (8)<br />
จํานวนสุกรที่ตองชําแหละ<br />
ปริมาณคงคลัง ปริมาณการผลิต ปริมาณเนื้อ<br />
สวนหลักที่ใชในการผลิต<br />
ขนาดสุกร เนื้อสวนหลัก<br />
ขนาดที่ใชในการ<br />
ทดแทน ขนาดที่ไดรับการทดแทน<br />
ในแตละชวงเวลา<br />
4. ผลการทดลอง<br />
การวางแผนการผลิตใชรูปแบบทางคณิตศาสตรในการ<br />
แกปญหาขนาดเล็กที่มีจํานวนขนาดสุกร<br />
5 ขนาด จํานวนเนื้อสวนหลัก<br />
5<br />
ขนาดและจํานวนวันในการวางแผนเทากับ 7 วัน ตนทุนคงที่การชําแหละ<br />
106<br />
สุกร 1,000 บาทตอตัว ที่กําลังการชําแหละ<br />
1,600 ตอวัน ซึ่งผลลัพธที่ได<br />
แสดงดังตารางที่<br />
1, 2 และ 3<br />
ตารางที่<br />
1 ผลลัพธจํานวนและขนาดสุกรที่ตองการชําแหละ<br />
สุกรขนาด<br />
ชวงเวลา (วัน)<br />
(ตัว) 1 2 3 4 5 6 7<br />
S1 232 250 350 136 290 240 154<br />
S2 157 390 130 266 250 174 272<br />
S3 252 190 182 282 256 230 200<br />
S4 249 187 234 306 154 310 270<br />
S5 381 330 370 130 230 299 331<br />
รวม 1,271 1,347 1,266 1,120 1,180 1,253 1,227<br />
ตารางที่<br />
2 ผลลัพธการทดแทนชิ้นเนื้อคอหมูในแตละขนาด<br />
เนื้อ<br />
สวน<br />
หลัก<br />
คอ<br />
หมู<br />
(ชิ้น)<br />
เนื้อสวน<br />
หลัก<br />
ทดแทน<br />
S 1<br />
S 2<br />
S 3<br />
S 4<br />
S 5<br />
เนื้อสวน<br />
ชวงเวลา (วัน)<br />
หลักถูก<br />
ทดแทน<br />
1 2 3 4 5 6 7<br />
S1 250 200 160 220 300 390 130<br />
S2 0 0 0 0 0 0 0<br />
S3 0 0 0 0 0 0 0<br />
S4 0 0 0 0 0 0 0<br />
S5 0 0 0 0 0 0 0<br />
S1 0 0 0 0 0 0 0<br />
S2 11 153 207 332 310 310 320<br />
S3 0 0 0 0 0 0 0<br />
S4 0 0 0 0 0 0 0<br />
S5 0 0 0 0 0 0 0<br />
S1 0 0 0 0 0 0 0<br />
S2 259 147 93 48 0 0 0<br />
S3 134 43 89 180 310 200 230<br />
S4 0 0 0 0 0 0 0<br />
S5 0 0 0 0 0 0 0<br />
S1 0 0 0 0 0 0 0<br />
S2 0 0 0 0 0 40 0<br />
S3 176 67 0 0 0 60 40<br />
S4 199 120 191 300 203 210 230<br />
S5 0 0 0 0 0 0 0<br />
S1 0 0 0 0 0 0 0<br />
S2 0 0 0 0 0 0 0<br />
S3 0 0 61 0 0 0 0<br />
S4 11 0 59 0 47 0 0<br />
S5 380 330 160 220 160 140 230<br />
ตารางที่<br />
3 เปรียบเทียบตนทุนรวมรูปแบบทางคณิตศาสตรและวิธีการ<br />
แบบเดิม<br />
แบบจําลอง<br />
ปญหาที่<br />
รูปแบบทาง<br />
คณิตศาสตร<br />
วิธีการวางแผน<br />
แบบเดิม<br />
ตนทุนรวมที่<br />
ลดลง<br />
% ตนทุน<br />
ลดลง<br />
1 23,536,840 25,009,195 1,472,356 6.26<br />
2 23,447,090 24,493,981 1,046,891 4.46<br />
3 23,725,440 25,038,150 1,312,710 5.53<br />
4 24,776,509 26,182,701 1,406,192 5.68<br />
5 24,327,886 25,604,439 1,276,552 5.25<br />
เปอรเซ็นตตนทุนลดลงเฉลี่ย<br />
5.23
จากตารางที่<br />
1 ผลลัพธที่ไดพบวา<br />
ชวงเวลาที่<br />
1 มีการชําแหละ<br />
สุกรขนาด S1, S2 และ S3 จํานวน 232, 157 และ 252 ตัวตามลําดับ จาก<br />
ตารางที่<br />
2 ผลลัพธที่ได<br />
พบวา ชวงเวลาที่<br />
1, 2, และ 3 มีการใชชิ้นเนื้อคอ<br />
หมูขนาด S3 ทดแทนขนาด S2 จํานวน 292, 147 และ 93 ชิ้นตามลําดับ<br />
จากตารางที่<br />
3 จากการแกปญหาดวยรูปแบบทางคณิตศาสตรดวย<br />
โปรแกรม Lingo 11 พบวา ในแบบจําลองปญหาที่<br />
1 ตนทุนรวมของการ<br />
แกปญหาดวยรูปแบบทางคณิตศาสตรต่ํากวาวิธีการแบบเดิม<br />
คือมีคา<br />
เทากับ 23,536,840 บาท และ 25,009,195 บาทตามลําดับ<br />
5. สรุป<br />
แบบจําลองทางคณิตศาสตรที่สรางขึ้นสามารถแกปญหาการ<br />
วางแผนการผลิตรวมระหวางโรงชําแหละและโรงปรุงสุกในหวงโซ<br />
อุปทานของสุกร เพื่อชวยในการวางแผนปริมาณการชําแหละสุกรและ<br />
สามารถกําหนดแผนการทดแทนชิ้นเนื้อในแตละชวงเวลา<br />
ใหเกิดตนทุน<br />
โดยรวมต่ําที่สุด<br />
ซึ่งผลเฉลยของคําตอบที่ไดรับเปนคาที่เหมาะสมที่สุด<br />
ภายใตเวลาประมวลผลที่สมเหตุสมผล<br />
6. กิตติกรรมประกาศ<br />
งานวิจัยนี้ไดรับการสนับสนุนจากกลุมวิจัยระบบหวงโซ<br />
อุปทานและโลจิสติกส<br />
เอกสารอางอิง<br />
[1] Spitter, J.M., Hurkens, C.A.J., de Kok, A.G., Lenstra, J.K. (2005).<br />
“Linear programming models with planned lead times for supply<br />
chain operations planning.” European Journal of Operational<br />
Research, 163, 706–720.<br />
[2] Lotfi, V., Yoon, Y.S. (1994). “An Algorithm for the Single-Item<br />
Capacitated Lot-Sizing Problem with Concave Production and<br />
Holding Costs.” The Journal of the Operational Research Society,<br />
45(8), 934-941.<br />
[3] Geunes, J. (2007). “Solving large-scale requirements planning<br />
problems with component substitution options.” Computers &<br />
Industrial Engineering, 44, 475–491.<br />
[4] Barba-Gutierrez, Y., Adenso-Diaz, B., Guptab, S.M. (2008). “Lot<br />
sizing in reverse MRP for scheduling disassembly.” Int. J.<br />
Production Economics, 111, 741–751.<br />
107<br />
ชลวิทย อิทธิผลิน จบการศึกษาระดับปริญญาตรี คณะ<br />
วิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ในป พ.ศ. 2551 ปจจุบันกําลัง<br />
ศึกษาระดับปริญญาโทคณะวิศวกรรมศาสตร สาขา<br />
วิศวกรรมอุตสาหการ มหาวิทยาลัยขอนแกน งานวิจัยที่สนใจเกี่ยวกับ<br />
การวางแผนการผลิต และการจัดการหวงโซอุปทาน<br />
รศ.ศุภชัย ปทุมนากุล จบการศึกษาระดับปริญญาตรี<br />
คณะวิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ระดับปริญญาโท –<br />
เอก สาขา Industrial Engineering จาก lowa State<br />
University ประเทศสหรัฐอเมริกา ปจจุบันดํารง<br />
ตําแหนง รองศาสตราจารยประจําภาควิชาวิศวกรรม<br />
อุตสาหการ คณะวิศวกรรมศาสตรมหาวิทยาลัยขอนแกน และหัวหนา<br />
กลุมวิจัย<br />
ระบบโซอุปทานและโลจิสติกส มหาวิทยาลัยขอนแกน<br />
รศ.กัลปพฤกษ ผิวทองงาม จบการศึกษาระดับ<br />
ปริญญาเอกสาขา Agricultural Economics จาก<br />
Oklahoma State Universit ประเทศ<br />
สหรัฐอเมริกา ปจจุบันดํารงตําแหนงรอง<br />
ศาสตราจารย คณะวิทยาการจัดการ<br />
มหาวิทยาลัยขอนแกน<br />
อุปทานธุรกิจเกษตร<br />
งานวิจัยที่สนใจเกี่ยวกับ<br />
การบริหารหวงโซ
108<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การกําหนดราคาใหกับผลิตภัณฑประสมจากไกภายใตระดับของอุปทานที่จํากัด<br />
Price Determination on Product Mix from Chicken under the Capacitated Supply Level<br />
นาถนภา นาวาเรือน 1 ศุภชัย ปทุมนากุล 2 และ กัลปพฤกษ ผิวทองงาม 3<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยขอนแกน จ.ขอนแกน 40002<br />
3<br />
คณะวิทยาการจัดการ มหาวิทยาลัยขอนแกน จ.ขอนแกน 40002<br />
โทรศัพท 080-0064007 E-mail: 1 nardnapha@hotmail.com , 2 spathumn@gmail.com<br />
บทคัดยอ<br />
สินคาไกและผลิตภัณฑเปนสินคาที่มีลักษณะที่ขับเคลื่อนโดย<br />
อุปทาน (Supply push) เนื่องจากเมื่อเลี้ยงไกจนเติบโตไดระยะหนึ่งแลว<br />
จะตองนําไกเขาโรงเชือดและแปรรูป ไมสามารถจัดเก็บไวในคลังสินคา<br />
ในลักษณะของไกมีชีวิตได และเมื่อโรงเชือดทําการชําแหละไกก็จะได<br />
ชิ้นเนื้อหลักอยู<br />
7-10 ชิ้น<br />
ดังนั้น<br />
เมื่อลูกคาสั่งซื้อเนื้อชิ้นใดชิ้นหนึ่งมาก<br />
เกินไปก็จะทําใหเกิดสินคาคงคลังของเนื้อสวนอื่นๆที่เหลือ<br />
กลยุทธของ<br />
บริษัทที่อยูในอุตสาหกรรมไกแปรรูปใชในอดีตก็คือการขายพวง<br />
เพื่อลด<br />
ปริมาณสินคาคงคลังของเนื้อชิ้นที่ไมมีคําสั่งซื้อ<br />
เมื่อภาวการณแขงขัน<br />
รุนแรงขึ้น<br />
บริษัทตองอํานวยความสะดวกใหลูกคา กลยุทธการขายพวง<br />
ดังกลาวจึงไมสามารถใชไดอีกตอไป การเปลี่ยนแปลงนี้เองทําใหบริษัท<br />
ตองวางกลยุทธใหมเพื่อผลักสินคาดังกลาวออกสูตลาดใหมีผลกําไรมาก<br />
ที่สุด<br />
งานวิจัยนี้ไดพัฒนาตัวแบบทางคณิตศาสตร<br />
(Mathematical model)<br />
มาใชในการเลือกตัดสินใจวาเมื่อมีสินคาผลิตภัณฑไกอยูในคลังจะทําการ<br />
เลือกชองทางการตลาดใดลูกคากลุมใดจึงจะมีผลกําไรมากที่สุด<br />
โดย<br />
ลักษณะเดนของตัวแบบคือการนําคาความยืดหยุนไปประมาณราคา<br />
นั่น<br />
หมายถึงหากผลักสินคาเขาสูตลาดใดตลาดหนึ่งมากเกินไปจะทําใหราคา<br />
ในตลาดนั้นตกลง<br />
แบบจําลองที่สรางขึ้นมานี้ใชในการพิจารณาปริมาณ<br />
และราคาที่เหมาะสมเพื่อใหฝายขายผลักผลิตภัณฑไกเขาสูตลาด<br />
แบบจําลองทางเศรษฐมิติ AIDS (Almost ideal demand systems) ไดถูก<br />
นํามาใชในการคํานวณคาความยืดหยุนสําหรับหาความสัมพันธระหวาง<br />
ปริมาณและราคาของแตละผลิตภัณฑ<br />
คําสําคัญ: การเลือกชองทางการตลาด, ความยืดหยุนของอุปสงค,<br />
ตัวแบบทางคณิตศาสตร, อุตสาหกรรมไก<br />
Abstract<br />
Poultry and poultry product is characterized as supply push<br />
system. That is because when the birds are raised up to the certain age,<br />
they have to be slaughtered and processed. The bird cannot be kept<br />
alive for indefinite. Usually a bird carcass can be cut up into 7-10<br />
primal piece of meat. Hence, when customer place an order for certain<br />
cut, other cuts will remain in the cold storage. In the past, company used<br />
mixed product strategy and required customers to bundle certain<br />
quantity of other parts together with the part that customers wanted to<br />
lower the inventory level of unwanted parts. However, in a highly<br />
competitive environment, this strategy is no longer effective. Company<br />
needs to facilitate customer more. This change forces the company to<br />
find alternative to utilize their inventory while maximize their profit. In<br />
this study, a mathematical model is developed for marketing channel<br />
selection. The objective of the model is to identify quantity for each<br />
market channel such that the company’s profit is maximized. The model<br />
focuses on incorporating demand elasticity into determination of<br />
marketing channel. The law of demand suggested that if quantity supply<br />
exceed demand in any market price will go down. This model, hence,<br />
facilitate, sale department to determine appropriate supply quantity and<br />
price for each channel. An econometric model, Almost ideal demand<br />
systems was used to calculate demand elasticity or relationship between<br />
quantity and price of each product.<br />
คําสําคัญ: Market channel selection, demand elasticities, mathematical<br />
model, poultry industry<br />
1. คํานํา<br />
ธุรกิจอุตสาหกรรมจากไกเปนอุตสาหกรรมที่สําคัญอยางหนึ่ง<br />
ของประเทศ ในการสงจําหนายผลิตภัณฑจากไกไปยังประเทศตางๆ<br />
สามารถนํารายไดเขาสูประเทศปละหลายหมื่นลานบาท<br />
ซึ่งในธุรกิจ<br />
อุตสาหกรรมจากไกนั้นจะมีการชําแหละไกเพื่อสงจําหนาย<br />
ในการ<br />
ชําแหละไกแตละตัวจะไดผลิตภัณฑหลายชนิด เชน เนื้ออก<br />
ปก สะโพก<br />
ขา เปนตน และในการจัดจําหนายใหกับลูกคาหากลูกคาสั่งซื้อผลิตภัณฑ<br />
ไกชนิดใดชนิดหนึ่งมากเกินไป<br />
จะทําใหเกิดสินคาคงคลังของผลิตภัณฑ<br />
ไกสวนอื่นๆที่เหลือ<br />
เชน หากลูกคาสั่งซื้อเฉพาะปก<br />
ก็จะมีเนื้อนอง<br />
อก<br />
และเนื้อสวนอื่นๆเหลือ<br />
ซึ่งเปนปญหาอยางมากในธุรกิจอุตสาหกรรมไก<br />
ซึ่งในอดีตกลยุทธของบริษัทที่อยูในอุตสาหกรรมไกแปรรูปคือการขาย
พวง คือ เมื่อลูกคาสั่งซื้อปกไกอยางเดียวบริษัทจะกําหนดวาจะตองซื้อ<br />
ขาไกไปดวยจํานวนหนึ่งไปดวย<br />
เพื่อลดปริมาณสินคาคงคลังของเนื้อชิ้น<br />
ที่ไมมีคําสั่งซื้อ<br />
แตในปจจุบันสภาวการณแขงขันทางธุรกิจรุนแรงขึ้น<br />
บริษัทตองอํานวยความสะดวกใหลูกคา กลยุทธการขายพวงจึงไม<br />
สามารถใชไดอีกตอไป ในการเปลี่ยนแปลงนี้เองจึงทําใหบริษัทตองวาง<br />
กลยุทธใหมเพื่อผลักสินคาดังกลาวออกสูตลาดใหมีผลกําไรมากที่สุด<br />
วิธีการอยางหนึ่งที่จะนําพาใหบริษัทมีผลกําไรมากที่สุด<br />
คือ กลยุทธใน<br />
การกําหนดราคา โดยใชหลักการของเศรษฐมิติ (Econometric) ซึ่งการ<br />
กําหนดราคานั้นไดมีความสัมพันธกับความตองการสินคา<br />
กลาวคือ เมื่อ<br />
เราผลักดันสินคาเขาสูตลาดใดตลาดหนึ่งในปริมาณที่มากเกินไปจะทําให<br />
ราคาสินคาในตลาดนั้นลดลง<br />
และในทางตรงกันขามหากจัดจําหนาย<br />
ผลิตภัณฑในราคาที่สูง<br />
จะทําใหปริมาณความตองการของตลาดนั้นลดลง<br />
ตามไปดวย ซึ่งลวนแตทําใหบริษัทไมไดรับกําไรสูงสุด<br />
ดังนั้นในการ<br />
แขงขันกันทางธุรกิจอุตสาหกรรม หากสามารถวางแผนกําหนดราคาขาย<br />
และปริมาณการขายใหกับแตละผลิตภัณฑเพื่อสงจําหนายใหกับตลาด<br />
ตางๆไดดี จะสงผลใหธุรกิจอุตสาหกรรมนั้นเกิดประโยชนหรือกําไร<br />
สูงสุด โดยงานวิจัยนี้มีเปาหมาย<br />
คือ จะกําหนดราคาขายและจัดสรรปน<br />
สวนปริมาณการขายผลิตภัณฑตางๆใหกับกลุมลูกคาเพื่อใหรายไดจาก<br />
การจําหนายโดยรวมสูงที่สุด<br />
และตัวอยางที่ใชในงานวิจัยนี้<br />
คือ<br />
อุตสาหกรรมการผลิตสินคาจากไกของประเทศสหรัฐอเมริกา ซึ่งผลิต<br />
สินคาอยูหลายชนิด<br />
ไดแก เนื้อไกชิ้น,<br />
ขาไก, เนื้อไกแปรรูป,<br />
เนื้อไกแช<br />
แข็ง, ไสกรอกไกและอื่นๆ<br />
แตละผลิตภัณฑมีระดับอุปทานที่จํากัด<br />
ซึ่ง<br />
ผลิตภัณฑดังกลาวจะสงจําหนายใหกับกลุมลูกคาหรือตลาดตางๆที่<br />
รองรับ ซึ่งไดแกกลุมตลาดของ<br />
East Asia, soviet, EU-27, North<br />
America, Caribbean และอื่นๆ<br />
โดยกลุมลูกคาตางๆจะมีความตองการที่<br />
แตกตางกันไป<br />
2. ทบทวนวรรณกรรมที่เกี่ยวของ<br />
เนื่องจากงานวิจัยนี้<br />
มีวัตถุประสงคเพื่อกําหนดปริมาณและ<br />
ราคาผลิตภัณฑประสมโดยใชหลักการทางเศรฐมิติชวยในการแกปญหา<br />
ดังนั้นการทบทวนวรรณกรรมในงานวิจัยนี้<br />
จึงแบงออกเปน 2 สวน ดังนี้<br />
สวนแรกปญหาการกําหนดราคา ไดมีผูทําการกําหนดราคาสินคาใน<br />
รูปแบบตางๆ เชน Misshra [1] ทําการกําหนดราคาสินคาสําหรับรูปแบบ<br />
EOQ เพื่อวิเคราะหและคํานวณราคาสินคาตอหนวยของสินคาคงคลังที่<br />
เปนแบบสินคาเนาเสียหรือเสื่อมสภาพ<br />
Gregorini, V.A. et al. [2] ไดทํา<br />
การกําหนดราคากาซไฮโดรเจนที่ผลิตจากไบโอเอทานอลในประเทศ<br />
อารเจนตินา โดยใชวิธี DOE (H2A) และ Fearne และ Ray [3] ไดศึกษา<br />
การกําหนดราคาในตลาดนมโคของสหราชอาณาจักร และไดวิเคราะห<br />
ปจจัยที่มีแนวโนมในการกําหนดราคาของนมโคในระยะยาว<br />
ทั้งแบบขาย<br />
ปลีกและขายสง เปนตน สวนที่สองแบบจําลองเศรษฐมิติ<br />
ไดมีผู<br />
ประยุกตใชแบบจําลองเศรษฐมิติในการวิเคราะหความตองการสินคา<br />
ตางๆมากมาย เชน Pazarlioglu et al.[4] ไดวิเคราะหความตองการน้ํานม<br />
109<br />
ดิบในตุรกี โดยใชแบบจําลองทางเศรษฐมิติสมการเชิงซอน และ<br />
Sumphunwathanchai [5] ไดวิเคราะหปจจัยตางๆที่มีผลตออุปทานของ<br />
สุกรในประเทศไทย และประมาณคาความยืดหยุนของอุปทานสุกรอัน<br />
เนื่องมาจากการเปลี่ยนแปลงของราคาสุกร<br />
และราคาเนื้อไก<br />
โดยใช<br />
วิธีการวิเคราะหสมการถดถอยเชิงซอน เปนตน นอกจากนี้<br />
Moschini and<br />
Vissa [6] ยังไดทําการคิดคนแบบจําลองการประมาณการเชิงเสนของอุป<br />
สงคแบบผกผัน (linear inverse demand system : LIDS) ซึ่งพัฒนามาจาก<br />
รูปแบบ Almost Ideal Demand System (AIDS) ถูกคิดคนโดย Deaton<br />
and Muellbauer [7] โดยราคาเปนฟงกชันของปริมาณ เพื่อใชในการ<br />
วิเคราะหความตองการของผูบริโภค<br />
จากการทบทวนวรรณกรรมที่เกี่ยวของพบวา<br />
สวนใหญเปน<br />
การศึกษาปญหาการกําหนดราคาผลิตภัณฑแบบตางๆ แตยังไมพบวามี<br />
งานวิจัยใดที่กําหนดปริมาณการขายและราคาขายของผลิตภัณฑประสม<br />
โดยใชหลักของเศรษฐมิติ ชวยในการแกปญหา ดังนั้นงานวิจัยนี้จึงมุงเนน<br />
ในการสรางรูปแบบทางคณิตศาสตรที่ใชหลักการทางเศรษฐมิติ<br />
เพื่อให<br />
รายไดจากการจําหนายผลิตภัณฑสูงที่สุด<br />
3. แบบจําลองเศรษฐมิติ<br />
สําหรับการหาคาความยืดหยุนจะใชแบบจําลอง<br />
LIDS (linear<br />
inverse demand system) โดย Moschini G. และ Vissa A. [6] ซึ่งได<br />
พัฒนามาจากแบบจําลอง AIDS พัฒนาโดย Deaton และ Muellbauer [5]<br />
ซึ่งมีรูปแบบดังสมการ<br />
(1)<br />
โดย<br />
w<br />
i<br />
= αi + ∑ γ (ln q ) ln( Q*)<br />
j 1<br />
ij j<br />
+ β<br />
=<br />
i<br />
wi คือ สัดสวนคารายไดการจําหนายผลิตภัณฑ สําหรับผลิตภัณฑ i<br />
q j คือ ปริมาณสงออกของผลิตภัณฑ j<br />
Q* คือ ดัชนีของปริมาณ คํานวณมาจาก ln( Q*) = ∑ w ln( q )<br />
α คือ สัมประสิทธิ์ของคาคงที่ของผลิตภัณฑ<br />
i<br />
i<br />
i i i<br />
β i คือ สัมประสิทธิ์ของปริมาณการสงจําหนายผลิตภัณฑ<br />
i<br />
γij คือ สัมประสิทธิ์ของปริมาณการสงจําหนายผลิตภัณฑ<br />
j ที่มีตอ<br />
ผลิตภัณฑ i<br />
i, j คือ ดัชนีของผลิตภัณฑ<br />
k คือ ดัชนีของกลุมตลาด<br />
การทดสอบเงื่อนไขของแบบจําลอง<br />
LIDS เนื่องจากวา<br />
ตองมี<br />
การกําหนดเงื่อนไขตางๆ<br />
ของทฤษฎีอรรถประโยชนลงในแบบจําลอง<br />
เพื่อใหแบบจําลองสอดคลองกับทฤษฎีผูบริโภค<br />
ดังในสมการที่<br />
(3) และ<br />
(4) ดังนี้<br />
เงื่อนไขผลรวม<br />
(Adding up)<br />
n n n<br />
∑ α 1, 0, 0<br />
1<br />
i = ∑ β<br />
i i 1<br />
i = ∑ γ<br />
i 1<br />
ij =<br />
= = =<br />
(1)<br />
(2)
เงื่อนไขเอกพันธ<br />
(Homogeneity)<br />
n<br />
∑ γ 0<br />
j 1<br />
ij<br />
=<br />
=<br />
เงื่อนไขสมมาตร<br />
(Symmetry)<br />
γij = γ ji<br />
(4)<br />
จากสมการแบบจําลองและเงื่อนไขตางๆ<br />
จะนําไปประมาณคา<br />
สัมประสิทธิ์ไดโดยใชโปรแกรมสําเร็จรูปคํานวณทางสถิติ<br />
ความยืดหยุน<br />
ของความตองการจัดสงจําหนายผลิตภัณฑตางๆจากแบบจําลอง LIDS<br />
หาไดโดยนําคาสัมประสิทธิ์ของแบบจําลองที่ได<br />
มาใชในการคํานวณหา<br />
คาความยืดหยุนของผลิตภัณฑตางๆ<br />
ดังสมการ (5)<br />
เงื่อนไข<br />
γ w<br />
ii j<br />
εij = −βj − δij<br />
(5)<br />
wi wi<br />
δ ij<br />
= 1<br />
; i=j<br />
ij<br />
1<br />
δ ≠ ; otherwise<br />
จากคาความยืดหยุน<br />
โดยความหมายของคาความยืดหยุน<br />
คือ เปอรเซ็นต<br />
การเปลี่ยนแปลงของราคาตอเปอรเซ็นตการเปลี่ยนแปลงของปริมาณตาม<br />
สมการที่<br />
(6)<br />
∆p<br />
ij<br />
q<br />
jk<br />
ε<br />
ijk<br />
= ×<br />
∆q<br />
jk<br />
p<br />
ik<br />
ซึ่งคา<br />
ε<br />
ijk ที่มีคาเปนบวก<br />
หมายถึง ราคาและปริมาณจะมี<br />
แนวโนมในทิศทางเดียวกันคือถาปริมาณเพิ่มมากขึ้นจะทําใหราคาเพิ่ม<br />
มากขึ้นดวยคา<br />
(3)<br />
(6)<br />
ε<br />
ijk<br />
ที่มีคาเปนลบ<br />
หมายถึง ราคาและปริมาณจะมี<br />
แนวโนมในทิศทางตรงกันขาม คือ ถาปริมาณเพิ่มมากขึ้นจะทําใหราคา<br />
ลดลง สวนคา ε<br />
ijk<br />
ที่มีคาเปนศูนย<br />
หมายถึง ราคาและปริมาณจะไมมีผล<br />
ตอกัน ตัวอยางคาความยืดหยุนดังตารางที่<br />
1 หลังจากทราบความหมาย<br />
ของคาความยืดหยุนจึงนํามาหาความสัมพันธที่สามารถใชในการกําหนด<br />
ราคาผลิตภัณฑ ไดสมการของราคาที่เกิดจากคาความยืดหยุนดังนี้<br />
p iik<br />
p<br />
µ jk<br />
q<br />
jk<br />
q<br />
jk<br />
- ε<br />
ijk<br />
( q<br />
jk<br />
- q<br />
µ jk<br />
)<br />
= ; i = j<br />
(7)<br />
p<br />
µ jk<br />
q<br />
jk<br />
p<br />
ijk<br />
=<br />
q<br />
jk<br />
−ε ijk<br />
( q<br />
jk<br />
−q<br />
µ jk<br />
)<br />
; i ≠ j (8)<br />
p<br />
ik<br />
= p<br />
iik<br />
+ ∑ ∆p<br />
jk<br />
(9)<br />
n<br />
P<br />
ik<br />
= P<br />
iik<br />
+ ∑ ( P P )<br />
i 1<br />
ijk<br />
−<br />
= µ jk<br />
(10)<br />
โดย สมการ (7) เปนสมการราคาขายของผลิตภัณฑ i ที่มีตอ<br />
ผลิตภัณฑ i สมการ (8) เปนสมการราคาขายของผลิตภัณฑ j ที่มีตอ<br />
110<br />
ผลิตภัณฑ i สมการ (9) ถึง (10) เปนสมการราคาขายผลิตภัณฑ i ของ<br />
ตลาด k ซึ่งเกิดจากราคาขายของผลิตภัณฑ<br />
i ที่มีตอผลิตภัณฑ<br />
i ของตลาด<br />
k รวมกับผลรวมของผลตางราคาขายผลิตภัณฑ j ที่มีตอผลิตภัณฑ<br />
i ของ<br />
ตลาด k กับราคาขายเฉลี่ยของผลิตภัณฑ<br />
j ของตลาด k<br />
4. ลักษณะปญหาและขอบเขตการแกปญหา<br />
วิธีวิจัยในการจัดการปญหาการกําหนดปริมาณการขายและ<br />
ราคาขายของผลิตภัณฑประสมจากไก โดยการพัฒนารูปแบบทาง<br />
คณิตศาสตรในการแกปญหาเปนวิธีทําไดใหรายไดโดยรวมสูงที่สุด<br />
และ<br />
มีลักษณะปญหาการจัดจําหนายจะตองจัดจําหนายใหหมดภายใตระดับ<br />
อุปทานที่มีจํากัด<br />
และปริมาณความตองการของแตละตลาดมีความ<br />
ตองการชนิดของผลิตภัณฑที่ไมเทากันและปริมาณที่ไมเทากัน<br />
วัตถุประสงคของปญหาจะพิจารณาปริมาณการขายและราคาขายของ<br />
ผลิตภัณฑที่จัดจําหนายใหกับทุกผลิตภัณฑและทุกตลาด<br />
เพื่อใหเกิด<br />
รายไดรวมจากการจําหนายสูงสุดนี้คือตองพิจารณาวาจะจัดจําหนาย<br />
ผลิตภัณฑไหนปริมาณเทาไหรใหกับตลาดอะไรในราคาเทาไหรเพื่อให<br />
เพียงพอตอความตองการของทุกตลาด ซึ่งรูปแบบทางคณิตศาสตรมี<br />
รายละเอียดการศึกษาดังนี้<br />
4.1 สมมติฐานที่ใชในการพิจารณา<br />
1) ปริมาณการจัดจําหนายผลิตภัณฑตางๆตองจัดจําหนาย<br />
เทากับระดับอุปทานที่จํากัด<br />
2) การกําหนดปริมาณการขายผลิตภัณฑ<br />
ต่ําสุดและสูงสุดของแตละตลาดใหถือวาเพียงพอตอความตองการของ<br />
ตลาดนั้นๆ<br />
5. รูปแบบทางคณิตศาสตร<br />
ในการแกไขปญหาดวยรูปแบบทางคณิตศาสตรตองมีการ<br />
กําหนดปจจัยตางๆ ที่เกี่ยวของกับปญหาใหอยูในรูปของสัญลักษณเพื่อ<br />
นําไปใหในการสรางสมการและอสมการของรูปแบบปญหาทาง<br />
คณิตศาสตร โดยสัญลักษณที่ใชในการวางแผนการกําหนดปริมาณการ<br />
ขายและราคาขายของผลิตประสมจากไกมีดังนี้<br />
5.1 พารามิเตอร (Parameters)<br />
Oi คือ ปริมาณผลิตภัณฑที่<br />
i ทั้งหมด<br />
(ตัน)<br />
Qμik คือ ปริมาณผลิตภัณฑเฉลี่ย<br />
i ของตลาด k (ตัน)<br />
Pμik คือ ราคาผลิตภัณฑเฉลี่ย<br />
i ของตลาด k (พันดอลลาร/ตัน)<br />
ε<br />
iik คือ คาความยืดหยุนผลิตภัณฑ<br />
i ตอผลิตภัณฑ i ของตลาด k ε<br />
ijk<br />
คือ คาความยืดหยุนผลิตภัณฑ<br />
i ตอผลิตภัณฑ j ของตลาด k LQik คือ ปริมาณที่กําหนดต่ําสุดของผลิตภัณฑ<br />
i ตลาด k ที่สามารถ<br />
ยอมรับได (ตัน)<br />
UQik คือ ปริมาณที่กําหนดสูงสุดของผลิตภัณฑ<br />
i ตลาด k ที่สามารถ<br />
ยอมรับได (ตัน)
Argentina. international journal of hydrogen energy 35, 5844–<br />
5848.<br />
[3] Fearne A., Ray D. (1996). Price determination and discovery in<br />
a'de-regulated' milk market: perspectiveson the price of UK milk.<br />
Food Policy, 171-187.<br />
[4] Pazarlioglu M. V., Miran B., Ucdogruk S., Abay C. (2007). Using<br />
econonmetric modeling to predict demand for fluid and farm milk:<br />
A cast study from Turkey. Food Quality and Preference 18, 416 –<br />
424.<br />
[5] Sumphunwathianchai T. (1999). An analysis of swine raising in<br />
thailand. Graduate school, department of economics. Krirk<br />
university.<br />
[6] Moschini G., Vissa A. (1992). A Linear Inverse Demand System.<br />
Journal of Agricultural and Resource Economics 17(2), 294-302.<br />
[7] Deaton A., Muellbauer J. (1980). An Almost Ideal Demand<br />
System. The American Economic Review70(3), 312-326.<br />
หวงโซอุปทาน<br />
นาถนภา นาวาเรือน จบการศึกษาระดับปริญญาตรี<br />
คณะวิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ในป พ.ศ. 2551 ปจจุบันกําลัง<br />
ศึกษาระดับปริญญาโท คณะวิศวกรรมศาสตร สาขา<br />
วิศวกรรมอุตสาหการ มหาวิทยาลัยขอนแกน<br />
งานวิจัยที่สนใจเกี่ยวกับ<br />
โลจิสติกส และการจัดการ<br />
รศ.ศุภชัย ปทุมนากุล จบการศึกษาระดับปริญญาตรี<br />
คณะวิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ระดับปริญญาโท –<br />
เอก สาขา Industrial Engineering จาก lowa State<br />
University ประเทศสหรัฐอเมริกา ปจจุบันดํารง<br />
ตําแหนง รองศาสตราจารยประจําภาควิชาวิศวกรรม<br />
อุตสาหการ คณะวิศวกรรมศาสตรมหาวิทยาลัยขอนแกน และหัวหนา<br />
กลุมวิจัย<br />
ระบบโซอุปทานและโลจิสติกส มหาวิทยาลัยขอนแกน<br />
112<br />
รศ.กัลปพฤกษ ผิวทองงาม จบการศึกษาระดับ<br />
ปริญญาเอกสาขา Agricultural Economics จาก<br />
Oklahoma State Universit ประเทศ<br />
สหรัฐอเมริกา ปจจุบันดํารงตําแหนงรอง<br />
ศาสตราจารย คณะวิทยาการจัดการ<br />
มหาวิทยาลัยขอนแกน<br />
อุปทานธุรกิจเกษตร<br />
งานวิจัยที่สนใจเกี่ยวกับ<br />
การบริหารหวงโซ
บทคัดยอ<br />
114<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การวิเคราะหระดับอุปสงค-อุปทานในโซอุปทานสุกรในประเทศโดยวิธีการทางพลวัตระบบ<br />
DEMAND-SUPPLY ANALYSIS IN THAI SWINE SUPPLY CHAIN USING SYSTEM<br />
DYNAMICS MODELING<br />
เมธาวี ทองไทย 1 กัลปพฤกษ ผิวทองงาม 2 และศุภชัย ปทุมนากุล 3<br />
1, 3 ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยขอนแกน จ.ขอนแกน 40002<br />
2<br />
คณะวิทยาการจัดการ มหาวิทยาลัยขอนแกน จ.ขอนแกน 40002<br />
โทรศัพท 089-5691836 E-mail: 1 methawee_th@hotmail.com , 2 pkullap@kku.ac.th<br />
ปญหาของความผันผวนของตลาดสุกรไทยเกิดจากธรรมชาติ<br />
ของวงจรชีวิตสุกรที่ใชเวลาหลายเดือนตั้งแตผสมพันธุไปจนถึงเปนสุกร<br />
ขุน แมพันธุสุกรจะเริ่มใหลูกคอกแรกเมื่ออายุประมาณ<br />
1 ป สุกรแมพันธุ<br />
ตั้งทองประมาณ<br />
114 วัน การเลี้ยงสุกรขุนจนมีน้ําหนักประมาณ<br />
100<br />
กิโลกรัมจะใชเวลาประมาณ 170 วัน การผลิตสุกรนับตั้งแตการเตรียมพอ<br />
พันธุและแมพันธุ<br />
จนกระทั่งผลิตเปนสุกรขุน<br />
ใชเวลาอยางนอยสุด<br />
ประมาณเกือบ 2 ปจึงจะสามารถผลิตสุกรจําหนายได การเตรียมวัตถุดิบ<br />
ตนน้ําที่มีระยะเวลายาวจึงเปนอุปสรรคที่สําคัญตอการปรับเปลี่ยนตาม<br />
ความตองการตลาดอยางมีประสิทธิภาพ เราจึงประสบปญหาจํานวนสุกร<br />
มากเกินกวาความตองการของตลาดจนทําใหราคาตกต่ํา<br />
หรือนอยเกินไป<br />
ทําใหเกิดปญหาสุกรราคาแพงอยูอยางเปนวัฎจักร<br />
ดังนั้น<br />
เมื่อตอบสนอง<br />
ความตองการตลาดไมไดอยางทันทวงที ดุลยภาพของตลาดจึงปรับตัวเขา<br />
สูระดับปกติไดคอนขางชา<br />
ซึ่งการปรับตัวที่ไมทันนี้เองทําใหเกิดวัฎจักร<br />
ของสุกรขึ้น<br />
งานวิจัยนี้ไดนําเสนอรูปแบบการจําลองอุปสงคและอุปทาน<br />
ของโซอุปทานสุกรในประเทศโดยวิธีการทางพลวัตระบบ(System<br />
Dynamics) นักวางแผนสามารถจําลองสถานการณใหใกลเคียงกับ<br />
สถานการณจริงโดยการเปลี่ยนแปลงปจจัยที่มีอิทธิพลตออุปสงคและ<br />
อุปทานของสุกร เชน ภัยธรรมชาติ โรคระบาด ตนทุนอาหารสัตว จํานวน<br />
ประชากร รายไดของผูบริโภค<br />
ตามสถานการณจริงหรือสถานการณที่<br />
คาดวาจะเกิด แบบจําลองจะประเมินปริมาณสุกรในประเทศและราคาใน<br />
ชวงเวลา ผลการคาดการณดังกลาวสามารถนํามาชวยในการวางแผนการ<br />
ผลิตสุกรได<br />
คําสําคัญ: การพลวัตระบบ, อุปทาน, อุปสงค, การวางแผนการผลิต,<br />
อุตสาหกรรมสุกร<br />
Abstract<br />
The fluctuation of swine market causes from long life cycle<br />
of pig (from breeding to fattening). A saw usually is ready to be mated<br />
at the age of 1 year. The gestation period takes around 114 days. And to<br />
fattened pig of 100 kg, it takes around 170 days. In summary, breedingto-fattening-to-marketing<br />
takes around 2 years. Hence, long life cycle of<br />
upstream level of the swine industry obstructs the adjustment of the<br />
chain to accommodate the sudden changes in demand and supply. The<br />
situation causes the problem of excess/deficit pig supply which in turn<br />
causes pig price fluctuation. The slow responds to the pig market<br />
change start the pig cycles. In this study, a system dynamic modeling to<br />
simulate the demand and supply in the pig chain is developed. A<br />
planner can simulate the actual or expected changes that may affect the<br />
pig demand and supply (i.e., natural disaster, disease outbreak, feed<br />
cost, population growth, customer income) in order to estimate quantity<br />
supply and price of pigs. The simulation should facilitate the process of<br />
pig production planning.<br />
Keywords: System dynamics, demand, supply, production planning,<br />
swine industry<br />
1. คํานํา<br />
จากสภาวะการเจริญเติบโตของตลาดเนื้อสุกรทั้งในประเทศ<br />
และตางประเทศที่มีการเจริญเติบโตอยูอยางตอเนื่องตลอดชวงเวลาที่ผาน<br />
มา เนื่องมาจากปจจัยตางๆ<br />
ทั้งปจจัยในประเทศและปจจัยจาก<br />
ตางประเทศ เชน การเปลี่ยนทัศนคติทางดานการบริโภคของประชากร<br />
ในประเทศ ปญหาการขาดแคลนวัตถุดิบอาหารสัตวในประเทศคูแขงขัน
และปญหาดานสุขอนามัย ทําใหประเทศผูบริโภคเนื้อสุกรเปลี่ยนการ<br />
สั่งซื้อมายังประเทศที่สามารถผลิตเนื้อสุกรไดตามปริมาณความตองการ<br />
และไดตามมาตรฐานดานสุขอนามัย ซึ่งประเทศไทยก็จัดอยูในกลุม<br />
ประเทศเหลานี้<br />
ผลกระทบจากความผันผวนของระดับอุปสงคเนื้อสุกรทั้ง<br />
ในและตางประเทศดังกลาวไดสงผลกระทบเปนอยางยิ่งตอระดับอุปทาน<br />
ในประเทศ เมื่อระดับปริมาณความตองการเพิ่มมากขึ้นแตปริมาณการ<br />
ผลิตไมสามารถผลิตไดเพียงพอกับความตองการของผูบริโภคอยาง<br />
ทันทวงทีตามระดับความตองการที่เพิ่มสูงขึ้น<br />
ดวยขอจํากัดหลายๆ<br />
ประการ เชน ระยะเวลาในการเลี้ยงสุกร<br />
ปริมาณอาหารสุกร และ จํานวน<br />
ลูกสุกร เปนตน<br />
ปญหาที่เกิดกับอุตสาหกรรมการผลิตสุกรที่พบเปนประจําคือ<br />
ปญหาเรื่องวัฎจักรสุกร<br />
ซึ่งเปนปญหาที่เกิดจากการที่เกษตรกรผูเลี้ยงสุกร<br />
มองราคาเฉพาะหนา เปนตัวตัดสินใจในการเพิ่มหรือลดปริมาณในการ<br />
ผลิตสุกร ทําใหไมสามารถที่จะวางแผนการผลิตสุกรใหตรงตามความ<br />
ตองการของตลาดไดจึงทําใหสุกรที่ผลิตออกมาไมสม่ําเสมอจนทําให<br />
ราคาไมแนนอน ถาหากมีการผลิตสุกรในปริมาณมาก ทําใหมีความ<br />
ตองการอาหารสุกรมากขึ้นแตมีการผลิตอาหารสัตวเทาเดิม<br />
จะทําให<br />
อาหารสัตวมีราคาสูงและสงผลใหสุกรมีราคาแพงขึ้น<br />
จากการวิเคราะหราคาสุกรตั้งแตปพ.ศ.<br />
2545-2552 จะพบวามี<br />
ความแปรปรวนของราคาอยางตอเนื่องราคาต่ําสุด<br />
32.81 บาทตอกิโลกรัม<br />
ที่ป<br />
พ.ศ. 2546 และในปตอมาไดขึ้นไปสูงถึง<br />
44.95 บาทตอกิโลกรัม และ<br />
มีแนวโนมที่ราคาจะสูงขึ้น<br />
ดังแสดงในรูปที่<br />
1<br />
รูปที่<br />
1 กราฟราคาของสุกรบาทตอกิโลกรัมตั้งแตป<br />
พ.ศ. 2545-2552<br />
(ที่มา:<br />
จากสํานักงานเศรษฐกิจการเกษตร 1 )<br />
งานวิจัยนี้ดําเนินการโดยมีวัตถุประสงคเพื่อสรางแบบจําลอง<br />
วิเคราะหความสัมพันธของอุปสงคและอุปทานโดยวิธีการทางพลวัต<br />
ระบบ สรางสถานการณตางๆใหใกลเคียงความเปนจริงเพื่อที่จะไดมีการ<br />
วางแผนลวงหนา ปจจัยที่มีผลทําใหอุปสงคของเนื้อสุกรมีการ<br />
115<br />
เปลี่ยนแปลง<br />
เชน ภัยธรรมชาติ เทศกาลตรุษจีน โรคไขหวัดนก ตนทุน<br />
อาหารสัตว จํานวนประชากร เปนตน ซึ่งเมื่ออุปสงคมีการเปลี่ยนแปลง<br />
เราสามารถยอนกลับไปแกไขและวางแผนตลอดหวงโซอุปทานได หรือ<br />
เมื่อเกิดวิกฤติขึ้นกับหวงโซอุปทานเชน<br />
ลูกสุกรเกิดโรค ไฟไหมโรงเลี้ยง<br />
เปนตน ก็สามารถกําหนดอุปสงคและหาแนวทางแกไขไดทันทวงที<br />
2. ทบทวนวรรณกรรม<br />
การทบทวนวรรณกรรมที่เกี่ยวของกับงานวิจัยมีดังนี้<br />
Choi<br />
และ Sosin [2] ไดทําการศึกษาถึงการเปลี่ยนแปลงรสนิยมของผูบริโภค<br />
ในอุปสงคของเนื้อสัตว<br />
ซึ่งไดขยายทฤษฏีการผลิตในเรื่องการ<br />
เปลี่ยนแปลงเทคโนโลยี<br />
โดยใหมีการเปลี่ยนแปลงโครงสราง<br />
แสดงโดย<br />
การเปลี่ยนแปลงไปของเวลาซึ่งอยูในรูป<br />
Multiplicative Terms ภายใต<br />
ขอจํากัดของ Utility Function เปนขอมูลดัชนีตอหัวในดานปริมาณของ<br />
เนื้อแดง<br />
สัตวปก และอาหารอื่นๆ<br />
ผลการศึกษาพบวามีการเปลี่ยนแปลง<br />
โครงสรางในการบริโภคเนื้อแดง<br />
คาประมาณการบริโภคตอหัวของเนื้อ<br />
แดงลดลงรอยละ 13.5 ในสัตวปกคอนขางคงที่<br />
และในสินคาอื่นๆจะ<br />
เพิ่มขึ้น<br />
สวนความสัมพันธของอุปสงคและอุปทาน Goldstein and Khan<br />
[3]ไดศึกษาความยืดหยุนของราคาตอทั้งอุปสงค<br />
และอุปทานการสงออก<br />
โดยใชขอมูลรายไตรมาส (quarterly data) ของการสงออกเฉพาะประเทศ<br />
อุตสาหกรรม 8ประเทศไดแก เบลเยี่ยม<br />
ฝรั่งเศส<br />
เยอรมัน อิตาลี ญี่ปุน<br />
เนเธอรแลนด สหราชอาณาจักร และสหรัฐอเมริกา โดยใชสมการอุปสงค<br />
และอุปทานการสงออกอยางงายโดยแบงการศึกษาเปน 2 สวน คือ สวน<br />
แรกศึกษาดานรูปแบบดุลยภาพ (equilibrium model) มีขอสมมุติฐานวา<br />
ไมมีความลาชาในระบบ และในสวนที่<br />
2 ศึกษาดานรูปแบบไมมีดุลยภาพ<br />
(disequilibrium model) โดยมีขอสมมุติฐานวามีความลาชาในระบบ<br />
การศึกษาในสวนที่<br />
2 นี้<br />
เพื่อศึกษาพฤติกรรมของราคา<br />
และปริมาณการ<br />
สงออกที่อาจเกิดขึ้นไดในกรณีที่มีอุปสงคสวนเกินและอุปทานสวนเกิน<br />
ในสถานการณจริง Kunova and Bielik [4] ไดทําการศึกษาเกี่ยวกับปจจัย<br />
ที่มีผลกระทบตอความตองการบริโภคเนื้อสัตว<br />
ดวยวิธีการวิเคราะห<br />
ระบบสมการโดยใชวิธีการถดถอย (Regression) ปจจัยที่มีผลตออัตราการ<br />
บริโภคเนื้อสัตวคือ<br />
ราคาเนื้อสัตว(เนื้อสุกร<br />
เนื้อวัว<br />
และเนื้อสัตวปก)<br />
แนวโนมของการเกิดโรคระบาด และที่สําคัญอัตราการบริโภคเนื้อสัตวก็<br />
มีผลตอราคาเนื้อสัตว<br />
ดวยเชนกัน โดยงานวิจัยนี้มีการยึดผลกระทบแตละ<br />
ตัวที่จะมีผลกระทบตอการบริโภคเนื้อสัตวสําหรับแบบจําลอง<br />
สถานการณเนื้อสัตวใหคงที่<br />
เพื่อหาวาปจจัยใดบางที่มีผลกระทบตอการ<br />
บริโภคเนื้อสัตว<br />
และในสวนของการพลวัตระบบ Alexandre [5] ไดทํา<br />
การวิเคราะหระบบของ System Dynamics, (SD) ในการจัดโครงการ
S ราคากากถั่งเหลือง<br />
(บาท/กิโลกรัม)<br />
t ชวงเวลาในการคํานวณราคา เริ่มที่<br />
พ.ศ.2545 =<br />
1(t=1,2,3,…)<br />
4.1.4 สมการเปาหมายของราคาสุกร<br />
เปนสมการที่สรางขึ้นดวยการนําขอมูลจริงที่ไดมาหา<br />
ความสัมพันธของสมการดวยวิธีการถดถอยเชิงเสน (Linear regression)<br />
เพื่อหาราคาสุกร<br />
โดย log(P) ขึ้นอยูกับ<br />
ปริมาณสุกรขุน (Q) ราคาขาวโพด<br />
(C) ราคากากถั่งเหลือง<br />
(S) และชวงเวลาในการคํานวณราคา (t) จะได<br />
สมการดังนี้<br />
Log(P) = 5.024-0.601Log(Q)-0.033C+0.011S+0.041t+error<br />
(1)<br />
4.2 รูปแบบทางคณิตศาสตรการแกปญหาความตองการสุกร<br />
เนื่องจากการคาดเดาความตองการบริโภคสุกรเปนไปไดยาก<br />
ทําใหเกษตรกรผูเลี้ยงสุกรไมสามารถผลิตสุกรไดตรงตามความตองการ<br />
ในการบริโภคสุกรไดเพราะสุกรมีวัฎจักรชีวิตที่ยาว<br />
เมื่อไมสามารถผลิต<br />
ไดตรงตามความตองการก็ทําใหราคามีความไมแนนอน จึงจําเปนในการ<br />
ที่จะแกไขปญหาความตองการบริโภคสุกร<br />
ซึ่งปจจัยที่มีผลตอความ<br />
ตองการบริโภคสุกรที่นํามาคิดไดแก<br />
ราคาสุกร จํานวนประชากร และ<br />
ผลิตภัณฑมวลรวม ซึ่งทั้งหมดลวนมีผลตอการแกไขปญหาความตองการ<br />
บริโภคสุกรทั้งสิ้น<br />
โดยไดนําขอมูลจริงเหลานี้<br />
7 ปยอนหลังมาเพื่อ<br />
วิเคราะหหาสมการทางคณิตศาสตรเพื่อแกไขปญหาการบริโภคสุกร<br />
4.2.1 สมมุติฐานของปญหา<br />
1. ความตองการบริโภคสุกรตองสัมพันธกับ ราคาสุกร<br />
ปริมาณประชากร และ ผลิตภัณฑมวลรวมภายในประเทศ<br />
4.2.2 พารามิเตอร<br />
Q ปริมาณสุกรขุนในชวงเวลา 1 ชวงเวลา<br />
GDP ผลิตภัณฑมวลรวมในประเทศ (ลานบาท)<br />
Pop จํานวนประชากร (คน)<br />
4.2.3 ตัวแปรตัดสินใจ<br />
P ราคาสุกรในชวงเวลา 1 ชวงเวลา<br />
4.2.4 สมการเปาหมายของความตองการสุกร<br />
เปนสมการที่สรางขึ้นดวยการนําขอมูลจริงที่ไดมาหา<br />
ความสัมพันธของสมการดวยวิธีการถดถอยเชิงเสน(Linear regression)<br />
117<br />
เพื่อหาราคาสุกร<br />
โดย log(Q) ขึ้นอยูกับ<br />
ผลิตภัณฑมวลรวมในประเทศ<br />
(GDP) จํานวนประชากร (Pop) และ ราคาสุกร(P) จะไดสมการดังนี้<br />
Log(Q)<br />
5. ผลลัพธ<br />
= 10.280+0.837Log(GDP)-1.268Log(Pop)-<br />
0.002P+error (2)<br />
ในการทดสอบวิเคราะหหาความสัมพันธโดยการจําลองพลวัต<br />
ระบบโดยที่พิจารณาสาเหตุที่ทําใหเกิดปญหาทั้งอุปสงคและอุปทาน<br />
ตัวอยางเชน การเกิดโรคระบาดที่อาจเกิดจากสภาพแวดลอมที่ไม<br />
เหมาะสม คอกไมสะอาดไมถูกสุขอนามัย หรือเกิดการติดเชื้อจาก<br />
ภายนอกทั้งในแมสุกร<br />
หรือลูกสุกรอาจเปนสาเหตุทําใหเกิดอัตราการตาย<br />
เพิ่มสูงขึ้นไดเชนกัน<br />
ซึ่งเมื่อเราทําใหสุกรกอนหยานม(Prewean<br />
dead) มี<br />
อัตราการตายเพิ่มสูงขึ้น<br />
ทําใหราคาสุกรเพิ่มมากขึ้น<br />
ดังแสดงในรูปที่<br />
3<br />
รูปที่<br />
3 แผนภูมิเปรียบเทียบราคาสุกรที่เกิดจากผลทบตอความแปรปรวน<br />
ของอัตราการตายของลูกสุกรกอนหยานมในระดับพันธุแทจริง<br />
ผลกระทบของราคาสุกรหลังจากมีความแปรปรวนของของ<br />
อัตราการตายของลูกสุกรกอนหยานมในระดับพันธุแทจริง(Great<br />
Grand<br />
Parent, GGP) ในฟารมตัวอยางที่<br />
1 ที่<br />
7%, 20%, 30% และ 40% และ<br />
ไดผลของราคาคือ 56.77, 57.51, 58.1 และ 58.7 บาทตอกิโลกรัม<br />
ตามลําดับ แสดงใหเห็นวาราคาจะเพิ่มสูงขึ้นเมื่ออัตราการตายของลูกสุกร<br />
กอนหยานมเพิ่มขึ้น<br />
ซึ่งในตัวอยางที่เกิดอัตราการตายเปน<br />
7% จะเห็น<br />
ความแตกตางของผลในสัปดาหที่<br />
5 และมีการแกวงของกราฟราคา<br />
เนื่องจากคาของปริมาณยังไมคงที่<br />
และเริ่มคงที่ที่สัปดาหที่<br />
60<br />
6. อธิบาย<br />
แนวคิดของงานวิจัยนี้เปนประโยชนในการจัดการกับการ<br />
วางแผนระดับอุปสงคไดอยางทันเวลา โดยที่มีการวางแผนในสวนของ<br />
การวิเคราะหอุปสงคและอุปทานของสุกรตองมีความสัมพันธกัน
เนื่องจากเมื่ออุปทานของสุกรมีปญหาในสวนใดสวนหนึ่งในหวงโซ<br />
อุปทานจะสงผลโดยตรงตออุปสงค โดยเราตองทราบทุกสวนของหวงโซ<br />
อุปทาน ตั้งแต<br />
จํานวนของแมพันธุที่จะทําการผสม<br />
จํานวนของลูกสุกร<br />
ระยะเวลาในการตั้งทอง<br />
จํานวนการแทง อัตราการเกิด ระยะเวลาในการ<br />
หยานม ระยะเวลาในการขุนลูกสุกร เปนตน เมื่อหวงโซอุปทานมีการถูก<br />
รบกวนจะสงผลตออุปสงค เชน เมื่อมีการเกิดโรคระบาดของสุกรทําให<br />
เนื้อสุกรที่ไดมีนอย<br />
สงผลใหราคาของสุกรตองมีการปรับเพิ่มขึ้น<br />
เนื่องจากเนื้อสุกรมีจํานวนนอยไมเพียงพอกับจํานวนของความตองการ<br />
7. สรุป<br />
บทความนี้ไดนําความสัมพันธกันของ<br />
อุปสงคและอุปทาน<br />
โดยสรางแบบจําลองทางคณิตศาสตรเพื่อหา<br />
ความสัมพันธของอุปสงค<br />
และอุปทาน ที่จะมีการวิเคราะหและวางแผนลวงหนาได<br />
ซึ่งสิ่งที่มี<br />
ผลกระทบตออุปสงค และอุปทานไดแก ภัยธรรมชาติ เทศกาลตางๆ<br />
จํานวนประชากร ตนทุนอาหารสัตว ผลที่ไดพบวา<br />
สามารถนําไป<br />
ประยุกตใชในการแกไขปญหาไดอยางเหมาะสม<br />
8. กิตติกรรมประกาศ<br />
งานวิจัยนี้ไดรับการสนับสนุนจากกลุมวิจัยระบบโซอุปทาน<br />
และโลจิสติกส มหาวิทยาลัยขอนแกน<br />
อางอิง<br />
[1] สํานักงานสถิติแหงชาติ. (2554). ราคาที่เกษตรกรขายได<br />
ป พ.ศ.2545<br />
2552 (มกราคม - ธันวาคม). คนเมื่อ<br />
20 มกราคม 2554, จาก<br />
http://www.oae.go.th/download/download_<br />
journal/yearbook2552.pdf<br />
[2] Choi S., Sosin K. (1990). Testing for structural change. The<br />
demand for meat, American journal of agricultural economics<br />
(February), 227-235.<br />
[3] Goldstein M., Khan M. (1985). Income and price effects in foreign<br />
trade. In R. Jones and P. Kenen (eds.), Handbook of international<br />
economics. Amsterdam: Elsevier.<br />
[4] Kunova D., Bielik P. (2009). The modelling of meat consumption<br />
in slovakia. Slovak agricultural university in Nitra.<br />
[5] Alexander RD. (2001). Natural resources database (Version 1.15<br />
beta). Bohol environment management office, Bohol and voluntary,<br />
Service overseas, Manila, Philippines.<br />
118<br />
เมธาวี ทองไทย จบการศึกษาระดับปริญญาตรี คณะ<br />
วิศวกรรมศาสตร สาขาวิศวกรรมไฟฟา<br />
มหาวิทยาลัยขอนแกน ในป พ.ศ. 2551 ปจจุบันกําลัง<br />
ศึกษาระดับปริญญาโท คณะวิศวกรรมศาสตร สาขา<br />
วิศวกรรมอุตสาหการ มหาวิทยาลัยขอนแกน<br />
งานวิจัยที่สนใจเกี่ยวกับ<br />
โลจิสติกส และการจัดการหวงโซอุปทาน<br />
รศ.ศุภชัย ปทุมนากุล จบการศึกษาระดับปริญญาตรี<br />
คณะวิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ระดับปริญญาโท –<br />
เอก สาขา Industrial Engineering จาก Iowa State<br />
University ประเทศสหรัฐอเมริกา ปจจุบันดํารง<br />
ตําแหนง รองศาสตราจารยประจําภาควิชาวิศวกรรมอุตสาหการ คณะ<br />
วิศวกรรมศาสตรมหาวิทยาลัยขอนแกน และหัวหนากลุมวิจัย<br />
ระบบโซ<br />
อุปทานและโลจิสติกส มหาวิทยาลัยขอนแกน<br />
รศ.กัลปพฤกษ ผิวทองงาม จบการศึกษาระดับ<br />
ปริญญาเอกสาขา Agricultural Economics จาก<br />
Oklahoma State University ประเทศ<br />
สหรัฐอเมริกา ปจจุบันดํารงตําแหนงรอง<br />
ศาสตราจารย คณะวิทยาการจัดการ<br />
มหาวิทยาลัยขอนแกน<br />
อุปทานธุรกิจเกษตร<br />
งานวิจัยที่สนใจเกี่ยวกับ<br />
การบริหารหวงโซ
(a)<br />
(b)<br />
(c)<br />
Yellow corn price<br />
Rice bran price<br />
Cassava price<br />
รูปที่<br />
1 แสดงราคาของวัตถุดิบหลักที่ใชในการผลิตอาหารสัตว<br />
ในเดือน<br />
มกราคม 2001- มกราคม 2010, (a) Yellow corn price (b) Rice bran price<br />
(c) Cassava price [1]<br />
สูตรอาหารจึงตองมีการปรับเปลี่ยนตามวัตถุดิบที่มีราคา<br />
แปรปรวนตามไปดวย ซึ่งสงผลตออัตราการผลิต<br />
โดยที่สูตรอาหารหนึ่ง<br />
สูตรสามารถปรับเปลี่ยนวัตถุดิบในการผลิตไดและสูตรนั้นยังใหคุณคา<br />
ทางอาหารตามมาตรฐานที่กําหนด<br />
เพราะฉะนั้นจึงนําไปสูการ<br />
เปลี่ยนแปลงสูตรอาหาร<br />
ตัวอยางเชน สูตรอาหารในเดือนกันยายน 2009<br />
ปริมาณของมันสําปะหลังในอาหารสุกร คือ 12.74 เปอรเซ็นต ในขณะที่<br />
เดือนตุลาคม 2009 ไมมีมันสําปะหลังรวมอยูสูตรอาหารเดียวกันดวย<br />
ดัง<br />
แสดงในตารางที่<br />
1<br />
120<br />
ตารางที่<br />
1 สูตรอาหารสุกรโดยกําหนดคาใชจายต่ําที่สุดในเดือนกันยายน<br />
และตุลาคม 2009<br />
Month Raw material type % inclusion<br />
September Yellow corn 22.45<br />
Cassava chip 12.74<br />
Rice solvent bran 17.02<br />
Rice bran dry season 18.35<br />
Soybean meal Brazil 9.69<br />
Soybean meal Argentina 9.69<br />
Other ingredients 10.06<br />
Total 100.00<br />
October Yellow corn 38.71<br />
Rice solvent bran 19.59<br />
Rice bran dry season 12.89<br />
Soybean meal Brazil 8.34<br />
Soybean meal Argentina 7.46<br />
Other ingredients 13.01<br />
ที่มา<br />
: [1]<br />
Total 100.00<br />
ซึ่งกระบวนการผลิตอาหารสัตวของโรงงานผลิตอาหารสัตว<br />
กรณีศึกษานั้นใหความสนใจเฉพาะสูตรอาหารที่มีตนทุนวัตถุดิบต่ํา<br />
โดย<br />
เริ่มตนจากศูนยเทคโนโลยีอาหารสัตวทําการออกสูตรอาหารสัตวที่มี<br />
ตนทุนต่ําที่สุดโดยใช<br />
LCF ที่มีคุณคาทางอาหารชนิดตาง<br />
ๆ (ไขมัน,<br />
โปรตีน, ไฟเบอร, ฟอสฟอรัส และแคลเซียม) ตรงตามมาตรฐานที่<br />
กําหนด โดยคํานึงถึงราคาและวัตถุดิบที่มีอยู<br />
แตไมไดคํานึงถึงตนทุนใน<br />
การผลิต และเมื่อทําการผลิตแลวไมไดคุณรูปตามที่ตองการจะตองทําการ<br />
ปรับเปลี่ยนตัวแปรในการผลิต<br />
ซึ่งในบางกรณีไมสามารถผลิตตามสูตร<br />
อาหารที่ศูนยเทคโนโลยีอาหารสัตวทําการออกได<br />
ดังนั้นจึงตองมีการ<br />
ปรับเปลี่ยนสูตรอาหารใหม<br />
จึงทําใหเกิดตนทุนการผลิต (Production<br />
Cost) ที่สูงขึ้น<br />
ดังนั้นสูตรอาหารที่มีตนทุนวัตถุดิบต่ําจึงไมไดหมายถึง<br />
ตนทุนรวมต่ําดวย<br />
จากปญหาดังกลาว งานวิจัยนี้ดําเนินการโดยมี<br />
วัตถุประสงคเพื่อกําหนดสูตรอาหารสัตว<br />
เพื่อใหมีตนทุนวัตถุดิบ<br />
(Raw<br />
Material) และตนทุนการผลิต (Production Cost) รวมต่ําที่สุด<br />
รวมถึง<br />
คุณคาทางอาหารในแตละเบอรอาหารที่จะไดรับเพียงพอตอความตองการ<br />
ของสัตวนั้น<br />
ๆ เพื่อประกอบการตัดสินใจในการผลิตอาหารสัตวสูตร<br />
ตางๆ ที่เหมาะสม<br />
ซึ่งสงผลใหมีตนทุนในการผลิตลดลง<br />
มีรายไดและ<br />
กําไรเพิ่มมากขึ้น
2. ทบทวนวรรณกรรม<br />
รูปแบบทางคณิตศาสตรเปนวิธีการที่ใชแทนปญหา<br />
และ<br />
หาทางแกปญหาที่เหมาะสมที่สุด<br />
ดังนั้นการใชรูปแบบทางคณิตศาสตร<br />
จึงเปนหนทางและวิธีการที่เหมาะสม<br />
และไดประโยชน ที่จะนํามา<br />
ประยุกตใชกับปญหาที่มีตัวแปรหลายตัว<br />
เชน ปญหาการผสมวัตถุดิบ<br />
เพื่อใหไดอาหารสัตวสูตรตางๆ<br />
เพื่อกําหนดตนทุน<br />
โดยใชทรัพยากรที่มี<br />
อยูไดอยางเหมาะสม<br />
โดยเสียคาใชจายนอยที่สุด<br />
เปนตน Bassam Al-<br />
Deseit [3] ไดเสนอวิธีการกําหนดราคาของไกเนื้อใหมีตนทุนต่ําที่สุด<br />
โดย<br />
การสรางแบบจําลองทางคณิตศาสตร พิจารณาความตองการคุณคาทาง<br />
อาหารของไกเนื้อ<br />
ซึ่งผลลัพธที่ไดแสดงถึงอัตราสวนของตนทุนที่ต่ําที่สุด<br />
และงานวิจัยที่คลายกัน<br />
Clinton et al. [4] ศึกษาการใชวัตถุดิบไมที่ใชใน<br />
การประกอบตู<br />
เพื่อลดตนทุนในการจัดซื้อไม<br />
และสรางแบบจําลองเชิง<br />
เสนตรงในกรณีที่มีการผลิต<br />
เพื่อใหวิธีการเชิงปริมาณใชในการตัดสินใจ<br />
ในการจัดซื้อ<br />
นอกจากนั้น<br />
Darvishi et al. [5] เสนอแบบจําลอง fuzzy<br />
และนํามาเปรียบเทียบกับโปรแกรมเชิงเสน ซึ่งแบบจําลอง<br />
fuzzy สามารถ<br />
นํามาใชเพื่อลดตนทุนของคาอาหาร<br />
และทราบถึงอัตราสวนที่แตกตางกัน<br />
ความตองการสารอาหารของวัวนมในสถานการณที่แตกตาง<br />
ซึ่งจะชวย<br />
ประเมินการของระบบการผลิตทางการเกษตรได เปนตน<br />
นอกจากที่กลาวมาขางตนแลวยังงานวิจัยอีกสวนหนึ่งที่<br />
เกี่ยวของกับ<br />
โครงขายประสาทเทียม (Artificial neural network, ANNs)<br />
หรือเรียกสั้น<br />
ๆ วา “ขายงานประสาท” (Neural network) ซึ่งเปนโมเดล<br />
ทางคณิตศาสตร สําหรับประมวลผล เพื่อจําลองการทํางานของระบบ<br />
ประสาทในสมองมนุษย และ ANNs ยังถูกนํามาประยุกตใชในงานอื่นๆ<br />
ไดแก การหาความสําคัญของตัวแปร ซึ่ง<br />
Chang and Chen [6] นําเสนอถึง<br />
ความสัมพันธของตัวแปรและผลลัพธวิธีการพยากรณเทคนิคการ<br />
พยากรณของโครงขายประสาทเทียมในทางการแพทย เพื่อหาปจจัยที่<br />
สําคัญและสงผลกระทบตอโรคทางผิวหนัง ซึ่งไดสรางแบบจําลองแลว<br />
นํามาเปรียบเทียบ เพื่อวิเคราะหผล<br />
และสามารถนําไปใชสําหรับอางอิง<br />
การวินิจฉัยของแพทย และการพยากรณหาผลผลิตทางการเกษตร<br />
สุรเชษฐ [7] เสนอเทคนิคการพยากรณผลผลิตออย วิเคราะหปจจัยที่<br />
เกี่ยวของหลายประการ<br />
ซึ่งประกอบดวย<br />
ประเภทออย พันธออย และ<br />
อุณหภูมิ นํามาใชเปนชุดขอมูลในการเรียนรูของโครงขายประสาทเทียม<br />
เพื่อสรางแบบจําลองในการพยากรณผลผลิตออย<br />
ซึ่งผลที่ไดจากการ<br />
พยากรณผลผลิตออยมีคาใกลเคียงกับความเปนจริง เปนตน<br />
จากการทบทวนวรรณกรรมที่เกี่ยวของที่ผานมาพบวา<br />
รูปแบบทางคณิตศาสตรสวนใหญเปนการศึกษาและวิเคราะหขอมูลเพื่อ<br />
สรางแบบจําลองทางคณิตศาสตร ในการลดตนทุนดานวัตถุดิบ สวนของ<br />
การศึกษาเรื่องโครงขายประสาทเทียม<br />
สวนใหญนั้นเปนการศึกษาถึงการ<br />
พยากรณผลผลิตสินคาเกษตรหรือการหาปจจัยสําคัญ โดยที่งานวิจัยที่<br />
ผานมาเปนการใชเครื่องมือเดียวในการวิเคราะหปญหา<br />
และยังไมมี<br />
งานวิจัยใดที่พิจารณารูปแบบทางคณิตศาสตรควบคูกับโครงขายประสาท<br />
121<br />
เทียม ดังนั้นงานวิจัยนี้จึงมุงเนนในการประยุกตใชรูปแบบทาง<br />
คณิตศาสตรควบคูกับโครงขายประสาทเทียมที่มีกระบวนการเรียนรูแบบ<br />
แพรยอนกลับ เพื่อเปนรูปแบบในการกําหนดสูตรอาหารสัตวใหมีตนทุน<br />
วัตถุดิบและตนทุนรวมต่ําที่สุด<br />
4. รูปแบบทางคณิตศาสตร<br />
ในการแกปญหาดวยรูปแบบทางคณิตศาสตรสําหรับรูปแบบ<br />
การกําหนดสูตรอาหารสัตวในอุตสากรรมผลิตอาหารสัตว ไดพัฒนา<br />
รูปแบบทางคณิตศาสตรโดยมีเปาหมายเพื่อใหมีตนทุนวัตถุดิบและตนทุน<br />
การผลิตต่ําที่สุด<br />
4.1 พารามิเตอร (Parameters)<br />
ในการแกไขปญหาดวยรูปแบบทางคณิตศาสตรตองมีการ<br />
กําหนดปจจัยตางๆ ที่เกี่ยวของกับปญหาใหอยูในรูปของสัญลักษณ<br />
โดย<br />
สัญลักษณที่ใชแกปญหารูปแบบการกําหนดสูตรอาหารสัตวใน<br />
อุตสาหกรรมผลิตอาหารสัตว มีดังนี้<br />
i ดัชนีของชนิดวัตถุดิบ i ทั้งหมด<br />
N จํานวนวัตถุดิบในแตละเบอรอาหาร<br />
Ci ราคาวัตถุดิบ i (บาท/กิโลกรัม)<br />
fi ปริมาณสารอาหารประเภทไขมันของวัตถุดิบ i (เปอรเซ็นต)<br />
fii ปริมาณสารอาหารประเภทไฟเบอรของวัตถุดิบ i (เปอรเซ็นต)<br />
proi ปริมาณสารอาหารประเภทโปรตีนของวัตถุดิบ i (เปอรเซ็นต)<br />
Pi ปริมาณสารอาหารประเภทฟอสฟอรัสของวัตถุดิบ i<br />
(เปอรเซ็นต)<br />
Cai ปริมาณสารอาหารประเภทแคลเซียมของวัตถุดิบ i<br />
(เปอรเซ็นต)<br />
Qi ปริมาณการผลิตในแตละเบอร (ตัน) STDi คือปริมาณ<br />
สารอาหารที่เพียงพอตอความตองการ<br />
(เปอรเซ็นต)<br />
Z ผลรวมของตนทุนวัตถุดิบต่ําที่สุด<br />
(บาท)<br />
4.2 ตัวแปรตัดสินใจ<br />
ตัวแปรตัดสินใจที่ใชในรูปแบบทางคณิตศาสตรของปญหา<br />
รูปแบบการกําหนดสูตรอาหารสัตวในอุตสกรรมผลิตอาหารสัตว คือ<br />
Xi ปริมาณวัตถุดิบ i (กิโลกรัม)<br />
4.3 รูปแบบสมการ<br />
The Objective Function: Min Z = ∑ CX i i<br />
(1)<br />
N<br />
i=<br />
1<br />
Subject To Constraints:<br />
fi ≥ STDi Xi ; ∀ i<br />
(2)<br />
fii ≥ STDi Xi ; ∀ i<br />
(3)<br />
proi ≥ STDi Xi ; ∀ i<br />
(4)<br />
Pi ≥ STDi Xi ; ∀ i<br />
(5)<br />
Cai ≥ STDi Xi ; ∀ i<br />
(6)
ผลลัพธที่ไดจากการพยากรณ<br />
แสดงใหเห็นวารูปแบบที่นําเสนอสามารถ<br />
นําไปสูการลดตนทุนรวมไดมากกวาการใชวิธี<br />
LCF อยางเดียว<br />
7. กิตติกรรมประกาศ<br />
งานวิจัยนี้ไดรับการสนับสนุนจากกลุมวิจัยระบบโซอุปทาน<br />
และโลจิสติกส มหาวิทยาลัยขอนแกน และบริษัทเบทาโกร จํากัด<br />
(มหาชน)<br />
เอกสารอางอิง<br />
[1] Pathumnakul S., & Piewthongngam K. (2010). How soaring<br />
agricultural prices will impact the way we do feed business,<br />
Revista Brasileira de Zootecnia, v.39, p.491-498.<br />
[2] Thomas, M., van Vliet, T., van der Poel, A.F.B. (1998). Physical<br />
quality of pelleted animal feed 3. Contribution of feedstuff<br />
components. Animal Feed Science Technology, v.70, p.59–78.<br />
[3] Al-Deseit B. (2009). Least-Cost Broiler Ration Formulation<br />
Using Linear Programming Technique, Journal of Animal<br />
and Veterinary Advances8(7), p.1274-1278.<br />
[4] Clinton H., Lenoir Jr., Honorio F. Carino. (1989). Minimizing<br />
wood raw material cost in cabinet manufacturing, European<br />
Journal of Operational Research, Vo.38, Issue 1, p.98-103.<br />
[5] SalooKolayi D.D., Yansari A.T., Nasseri S. h. (2011).<br />
Application of Fuzzy Optimization in Diet Formulation, The<br />
Journal of Mathematics and Computer Science, Vol .2, p.459-<br />
468.<br />
[6] Chang C.L., & Chen C.H. (2009). Applying decision tree and<br />
neural network to increase quality of dermatologic diagnosis,<br />
Expert Systems with Applications, p.4035–4041.<br />
[7] สุรเชษฐ เถื่อนแกวสิงห.<br />
(2552). การใชโครงขายประสาทเทียม<br />
และระบบสารสนเทศภูมิศาสตรในการพยากรณผลผลิตออย.<br />
วิทยานิพนธปริญญาวิศวกรรมศาสตรมหาบัณฑิต สาขาวิชา<br />
วิศวกรรมอุตสาหการ บัณฑิตวิทยาลัย มหาวิทยาลัยขอนแกน.<br />
123<br />
กัญญชลา ชํานาญกิจ จบการศึกษาระดับปริญญาตรี<br />
คณะวิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ในป พ.ศ. 2551 ปจจุบันกําลัง<br />
ศึกษาระดับปริญญาโท คณะวิศวกรรมศาสตร สาขา<br />
วิศวกรรมอุตสาหการ มหาวิทยาลัยขอนแกน<br />
รศ.ศุภชัย ปทุมนากุล จบการศึกษาระดับปริญญาตรี<br />
คณะวิศวกรรมศาสตร สาขาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยขอนแกน ระดับปริญญาโท – เอก ดาน<br />
Industrial Engineering, Iowa State University<br />
ประเทศสหรัฐอเมริกา ปจจุบันดํารงตําแหนงรอง<br />
ศาสตราจารยประจําภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร<br />
มหาวิทยาลัยขอนแกน<br />
รศ.กัลปพฤกษ ผิวทองงาม จบการศึกษาระดับปริญญา<br />
เอกสาขา Agricultural Economics, Oklahoma State<br />
University ประเทศสหรัฐอเมริกา ปจจุบันดํารงตําแหนง<br />
รองศาสตราจารย คณะวิ ทยาการจั ดการ<br />
มหาวิทยาลัยขอนแกน
124<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การเปรียบเทียบคุณลักษณะโครงขายการดึงผลิตภัณฑกลับคืนจากผลิตภัณฑคงทนและผลิตภัณฑไมคงทน<br />
A Comparison of Product Recovery Network Characteristics between Durable and Nondurable Products<br />
อุบลรัตน หวังรักษดีสกุล 1 และนันทกฤษณ ยอดพิจิตร 2<br />
1<br />
ภาควิชาวิศวกรรมการผลิต คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
เขตบางซื่อ<br />
กรุงเทพฯ 10800<br />
2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
เขตบางซื่อ<br />
กรุงเทพฯ 10800<br />
1 1 2<br />
Tel : 02-9132500 ext 8224 E-mail: ubl@kmutnb.ac.th, ntk@kmutnb.ac.th<br />
บทคัดยอ<br />
จากปญหาสภาวะแวดลอมโลก ทําใหผูประกอบการตองนํา<br />
แนวคิดดานการขนสงยอยกลับมาบูรณาการกับวิธีการดําเนินงานดวย ซึ่ง<br />
การขนสงแบบยอนกลับนี้เปนกิจกรรมสําคัญที่ชวยจัดการปญหาดาน<br />
สิ่งแวดลอมได<br />
งานวิจัยที่ผานมาแสดงใหเห็นวาการขนสงยอนกลับเนน<br />
การดึงผลิตภัณฑกลับคืน ประกอบดวย การใชซ้ํา<br />
(Reuse) การตกแตง<br />
ใหม (Refurbishing) การผลิตซ้ํา<br />
(Remanufacturing) การหมุนเวียนใชซ้ํา<br />
(Recycling) และ การกําจัดทิ้ง<br />
(Disposal) งานวิจัยนี้มีเปาหมายเพื่อ<br />
เปรียบเทียบคุณลักษณะโครงขายการดึงผลิตภัณฑกลับคืนจากผลิตภัณฑ<br />
คงทน เชน อุปกรณอีเล็กทรอนิกส และ ผลิตภัณฑไมคงทน เชน<br />
ผลิตภัณฑอาหารสด และนําเสนอโครงขายการดึงผลิตภัณฑกลับคืนแบบ<br />
ใหมสําหรับอุตสาหกรรมอาหารสดซึ่งจะสามารถนําไปประยุกตใชใน<br />
ระบบการจัดการหวงโซอุปทานในปจจุบัน<br />
คําสําคัญ: การขนสงยอนกลับ, การดึงผลิตภัณฑกลับคืน, ผลิตภัณฑ<br />
คงทน, ผลิตภัณฑไมคงทน<br />
Abstract<br />
Due to global environmental issues, many manufacturers<br />
focus on integrating reverse logistics into their operating systems since<br />
reverse logistics has been concerned as a key element in successful<br />
environmental management. Previous research shows that reverse<br />
logistics deals with product recovery, which includes product reuse,<br />
refurbishing, remanufacturing, recycling and disposal. The purposes of<br />
this paper are to compare the product recovery network characteristics<br />
of durable products (i.e. electronics equipment) with nondurable<br />
products (i.e. fresh food products) and propose the new product<br />
recovery network for food industries, which can be applied to their<br />
current supply chain management systems.<br />
Keywords: reverse logistics, product recovery, durable products,<br />
non-durable products<br />
1. บทนํา<br />
การเติบโตขึ้นของภาวะเศรษฐกิจและจํานวนประชากรโลกที่<br />
มีเพิ่มมากขึ้นทําใหเกิดการพัฒนาและปรับปรุงกระบวนการผลิต<br />
เพื่อตอบสนองความตองการผูบริโภค<br />
กอใหเกิดการใชสินคาทั่วโลกเพิ่ม<br />
มากขึ้น<br />
ดังนั้นเมื่อสินคาเหลานี้สิ้นอายุการใชงานหรือไมสามารถ<br />
ตอบสนองความตองการผูบริโภคไดแลวสินคาเหลานั้นจ<br />
ะ ถู กทิ้<br />
งหรือ ทําลายกลายเปนสิ่งไรคาทําใหเกิดปญหาดานสิ่งแวดลอมและสุขภาพตอ<br />
มนุษยชาติโดยรวม<br />
ประเทศในแถบเอเชียเริ่มตื่นตัวตอการอนุรักษสิ่งแวดลอม<br />
และผลักดันใหผูผลิตแสดงความรับผิดชอบตอสังคมมากขึ้น<br />
มีนักวิจัย<br />
หลายทานไดนําเสนอแนวทางเพื่อชวยบรรเทาปญหานี้<br />
เชน การขนสง<br />
ยอนกลับ (Reverse Logistics) เพื่อนําสินคาสิ้นอายุการใชงาน<br />
(End-of-<br />
Life Products) กลับคืนสูผูผลิต<br />
หรือ นําไปทําการดึงผลิตภัณฑกลับคืน<br />
และเพื่อใหปริมาณการจัดทิ้งมีนอยสุด<br />
[1, 2, 3] วัตถุประสงคของงานวิจัย<br />
นี้เพื่อนําเสนอเปรียบเทียบรูปแบบโครงขายการดึงผลิตภัณฑกลับคืน<br />
(Product Recovery Network) จากสินคาสิ้นอายุการใชงาน<br />
โดย<br />
เปรียบเทียบระหวางผลิตภัณฑคงทน (Durable Products) และผลิตภัณฑ<br />
ไมคงทน (Nondurable Products) ผลิตภัณฑคงทน หมายถึง ผลิตภัณฑที่มี<br />
อายุการใชงานมากกวา 3 ปขึ้นไป<br />
[4] ซึ่งมักมีมูลคาสูง<br />
เชน อุปกรณ<br />
อีเล็กทรอนิกส ผลิตภัณฑไมคงทน คือ ผลิตภัณฑที่มีอายุการใชงานนอย<br />
กวา 3 ป ซึ่งมักจะมีมูลคาไมสูงมากนัก<br />
เชน ผลิตภัณฑทางการเกษตร<br />
2. วิธีดําเนินงานวิจัย<br />
งานวิจัยนี้จะเนนการศึกษาและเปรียบเทียบการจัดการขนสง<br />
ยอนกลับ (Reverse Logistics Management) และการดึงผลิตภัณฑ<br />
กลับคืน (Product Recovery) จากสินคาที่สิ้นอายุการใชงาน<br />
ซึ่งสามารถ<br />
แบงออกเปน 3 หัวขอยอย คือ การจัดการขนสงไปขางหนาและยอนกลับ<br />
(Forward and Reverse Logistics) การดึงผลิตภัณฑกลับคืนและกิจกรรม
ที่เกี่ยวของ<br />
(Product Recovery and Related Activities) และการ<br />
เปรียบเทียบโครงขายการดึงผลิตภัณฑกลับคืน (Comparison of Product<br />
Recovery Network)<br />
2.1 การจัดการขนสงไปขางหนาและยอนกลับ<br />
Rogers และ Tibben-Lembke ไดเปรียบเทียบการขนสงไป<br />
ขางหนาและการขนสงยอนกลับ โดยอางจาก The Council of Logistics<br />
Management ไวดังนี้<br />
การขนสงไปขางหนา หมายถึง กระบวนการ<br />
วางแผน การนําไปใชงาน และการควบคุมประสิทธิภาพ ตนทุนการไหล<br />
ของวัตถุดิบ งานระหวางผลิต สินคาสําเร็จรูป และขอมูลอื่นๆที่เกี่ยวของ<br />
จากจุดเริ่มตนถึงจุดการบริโภค<br />
โดยมีวัตถุประสงคเพื่อตอบสนองความ<br />
ตองการผูบริโภค<br />
ในขณะที่การขนสงยอนกลับจะรวมกิจกรรมทั้งหมดที่<br />
คลายกับการขนสงไปขางหนาแตเปนไปในทิศทางตรงขาม คือ พิจารณา<br />
กระบวนการเหมือนการขนสงไปขางหนา แตทิศทางเริ่มพิจารณาจากจุด<br />
ที่มีการบริโภคกลับไปจุดเริ่มตนการขนสงเพื่อประเมินมูลคาสินคาสิ้น<br />
อายุการใชงาน หรือ การกําจัดทิ้ง<br />
(Disposal) อยางเหมาะสม [5]<br />
การจัดการขนสงยอนกลับนี้นับวาเปนกิจกรรมสําคัญของการ<br />
จัดการโซอุปทาน [6] ในประเทศสหรัฐอมริกา ป พ.ศ. 2551 พบวา มูลคา<br />
การขนสงคิดเปนประมาณ 9 เปอรเซ็นตของผลิตภัณฑมวลรวมประเทศ<br />
และการขนสงยอนกลับมีสัดสวนเพียง 5-6 เปอรเซ็นตของมูลคาการ<br />
ขนสงทั้งหมด<br />
แตคิดเปนมูลคาถึง 60-70 พันลานเหรียญสหรัฐฯ [7] ป<br />
พ.ศ. 2551 มีนักวิจัยได ศึกษาเปรียบเทียบตนทุนการขนสง (Logistics<br />
Cost) ระหวางประเทศจีนกับประเทศสหรัฐอเมริกา สรุปวา ประเทศจีนมี<br />
ตนทุนการขนสงประมาณ 18% ของผลิตภัณฑมวลรวม ซึ่งสูงกวา<br />
ประเทศสหรัฐอเมริกาถึง 2 เทา นั่นคือประเทศสหรัฐอเมริกา<br />
มีตนทุนการ<br />
ขนสงประมาณ 9% ของผลิตภัณฑมวลรวม [8] ป พ.ศ. 2553 มีรายงานวา<br />
ตนทุนการขนสงของประเทศไทยมีมูลคา ประมาณ 18.6% ของผลิตภัณฑ<br />
มวลรวม [9] ซึ่งสูงมากเมื่อเทียบกับประเทศอุตสาหกรรมอยางประเทศ<br />
สหรัฐอเมริกา ป พ.ศ.2540 ในประเทศสหรัฐอเมริกาไดมีการประมาณ<br />
การตนทุนการขนสงยอนกลับไวที่<br />
0.5% ของผลิตภัณฑมวลรวม หรือคิด<br />
เปนมูลคาถึง 35 พันลานเหรียญดอลลารสหรัฐฯ [5] นับวามีแนวโนม<br />
เพิ่มขึ้นเกือบหนึ่งเทา<br />
เมื่อเทียบกับป<br />
พ.ศ.2551<br />
ถึงแมมูลคาการขนสงยอนกลับยังมีปริมาณไมสูงมากเมื่อเทียบ<br />
กับการขนสงทั้งหมด<br />
แตการศึกษาวิจัยเกี่ยวกับการขนสงยอนกลับมีการ<br />
ดําเนินการอยางตอเนื่อง<br />
เนื่องจากสินคาสิ้นอายุการใชงานหรือไม<br />
สามารถตอบสนองความตองการของผูบริโภคไดแลว<br />
นั้นหากไมมีการ<br />
กําจัด หรือดึงผลิตภัณฑกลับคืนมาใชอยางเปนระบบ จะสงผลตอ<br />
สภาพแวดลอมของโลกและรวมถึงสุขภาพของประชากรโลก ที่ยังไม<br />
สามารถประเมินคาเปนตัวเลขได [10]<br />
2.2 การดึงผลิตภัณฑกลับคืนและกิจกรรมที่เกี่ยวของ<br />
การดึงผลิตภัณฑกลับคืนจากผลิตภัณฑสิ้นอายุการใชงานเปน<br />
กิจกรรมที่สําคัญหนึ่งของการขนสงยอนกลับ<br />
ซึ่งหากผูผลิตมีการพิจารณา<br />
125<br />
และนํากิจกรรมเหลานี้มาใชในองคกร<br />
จะชวยสนับสนุนการดึงผลิตภัณฑ<br />
กลับคืนไดมูลคามากขึ้น<br />
และ อาจหมายถึงชวยเพิ่มกําไรใหองคกร<br />
หรือ<br />
หมายถึง ภาพลักษณขององคกรตอสังคมในการมีสวนรวมในการรักษา<br />
สิ่งแวดลอม<br />
กิจกรรมเหลานี้ประกอบดวย<br />
5 กิจกรรม หลักคือ การใชซ้ํา<br />
(Reuse) การตกแตงใหม (Refurbishing) การผลิตซ้ํา<br />
(Remanufacturing)<br />
การหมุนเวียนใชซ้ํา<br />
(Recycling) และ การกําจัดทิ้ง<br />
(Disposal) ซึ่งแสดง<br />
ในรูปที่<br />
1<br />
Ravi และคณะ ไดอางอิงความหมายของกิจกรรมการดึง<br />
ผลิตภัณฑกลับคืน จาก Carter และ Ellram ซึ่งอธิบายไวในป<br />
2541 ดังนี้<br />
กิจกรรมเหลานี้จะเรียงลําดับความสําคัญจากมากสุดไปถึงนอยสุด<br />
[11]<br />
เริ่มดวยกิจกรรม<br />
การใชซ้ํา<br />
หมายถึง การใชสินคา หรือ วัสดุซ้ํา<br />
โดย<br />
ตองการพลังงานในการปรับปรุงนอย ตัวอยางเชน คอนเทนเนอรที่ใชซ้ํา<br />
ได [12] โดยสวนใหญมักเปนสินคาประเภทบรรจุภัณฑ กิจกรรมสําคัญ<br />
รองลงมาคือ การตกแตงใหม หมายถึง การปรับปรุงสินคาสิ้นอายุ<br />
โดย<br />
การเปลี่ยนบางชิ้นสวนของผลิตภัณฑ<br />
และ ตกแตงทาสี หรือขัดสินคาให<br />
ดูใหม มักใชกับผลิตภัณฑที่มีมูลคาสูง<br />
สวนการผลิตซ้ํา<br />
กิจกรรมนี้จะมี<br />
ขั้นตอนการถอดแยก<br />
การเปลี่ยน<br />
หรือซอมชิ้นสวนประกอบโดยที่ใช<br />
พลังงานในการปรับปรุงมากกวาการตกแตงใหม เชน สินคาอุปกรณ<br />
เครื่องจักร<br />
[13] สวน กิจกรรมที่สําคัญรองลงมา<br />
คือ การหมุนเวียนใชซ้ํา<br />
หมายถึง การหมุนเวียนกลับไปเปนวัสดุตั้งตนในการผลิตใหม<br />
เชน การ<br />
หมุนเวียนใชซ้ําเศษเหล็ก<br />
[14] การหมุนเวียนใชซ้ํากระดาษ<br />
[15]<br />
ทางเลือกสุดทายคือการกําจัดทิ้งเมื่อไมสามารถดึงผลิตภัณฑกลับคืน<br />
ไดอีก<br />
รูปที่<br />
1. ลําดับความสําคัญของกิจกรรมในการดึงผลิตภัณฑกลับคืน<br />
[ปรับปรุงจาก Ravi และคณะ (2551)]<br />
การเลือกใชกิจกรรมเหลานี้มีความแตกตางกันตามลักษณะ<br />
ของผลิตภัณฑที่เกี่ยวของ<br />
บางผลิตภัณฑสามารถเลือกใชไดบางกิจกรรม<br />
เทานั้น<br />
ในหัวขอถัดไปเราจะอธิบายเปรียบเทียบความแตกตาง ระหวาง<br />
ผลิตภัณฑคงทน และ ผลิตภัณฑไมคงทน
2.3. การเปรียบเทียบโครงขายการดึงผลิตภัณฑกลับคืน<br />
งานวิจัยนี้เนนการเปรียบเทียบโครงขายการดึงผลิตภัณฑ<br />
กลับคืนจากผลิตภัณฑ 2 ประเภท คือ ผลิตภัณฑคงทน เชน อุปกรณ<br />
คอมพิวเตอร กับ ผลิตภัณฑไมคงทน เชน ผลิตภัณฑอาหารประเภทผัก<br />
สด โดยใชแนวคิดงานวิจัยซึ่งไดศึกษาความสําคัญของการดึงผลิตภัณฑ<br />
กลับคืนจากสินคาสิ้นอายุการใชงาน<br />
แตโดยสวนใหญแลวงานวิจัยที่ผาน<br />
มามุงเนนการศึกษาเพียงกลุมของผลิตภัณฑคงทนเทานั้น<br />
[2]<br />
2.3.1 คุณลักษณะโครงขายการดึงผลิตภัณฑกลับคืนจาก<br />
ผลิตภัณฑคงทน<br />
เนื่องจากผลิตภัณฑคงทน<br />
มีอายุการใชงานนานกวา 3 ป มั กมี<br />
มูลคาสูง ดังนั้นกิจกรรมการดึงผลิตภัณฑกลับคืนจึงมีองคประกอบ<br />
มากกวาผลิตภัณฑไมคงทน ในกรณีศึกษานี้พิจารณาผลิตภัณฑเครื่อง<br />
คอมพิวเตอร ตามรูปที่<br />
2 ซึ่งปรับปรุงจากแนวคิดจากงานของนักวิจัยกอน<br />
หนา [16]<br />
รูปที่<br />
2. โครงขายการดึงผลิตภัณฑกลับคืนผลิตภัณฑคงทน : ผลิตภัณฑ<br />
เครื่องคอมพิวเตอร<br />
[ปรับปรุงจาก Lau และ Wang (2552)]<br />
จากรูปที่<br />
2. โครงขายการดึงผลิตภัณฑคงทนกลับคืนเริ่มจากผู<br />
จัดสงชิ้นสวนประกอบ<br />
(Part Components Supplier) จัดสงชิ้นงานให<br />
ผูผลิตคอมพิวเตอร<br />
(Producer) หลังผลิตเสร็จผูผลิตจะกระจายสินคาไป<br />
ศูนยกระจายสินคา (Retailer) เชน รานขายคอมพิวเตอร จากนั้นจะสงไป<br />
ยัง ลูกคา (Consumer) อยางไรก็ตามระหวาง ผูจัดสงชิ้นสวนประกอบ<br />
ผูผลิต<br />
ศูนยกระจายสินคา และ ผูบริโภคสามารถที่จะสงผลิตภัณฑที่ไมได<br />
ตามขอกําหนดคืนกลับตนทางได หลังจากลูกคาใชงานผลิตภัณฑ สินคา<br />
สิ้นอายุการใชงาน<br />
หรือไมเปนที่ตองการของลูกคา<br />
แลว จะถูกสงไปยัง<br />
จุดรับคืนสินคา (Return Point) และถูกสงไป ศูนยคัดแยกสินคา<br />
(Collector) เพื่อแยกสินคาตามความสามารถในการถูกดึงผลิตภัณฑ<br />
กลับคืน เชน กรณีการใชซ้ํา<br />
และ การผลิตซ้ํา<br />
จะถูกสงกลับไปยัง<br />
126<br />
โรงงานผลิตเดิมเพื่อทําแตละกิจกรรม<br />
หลังจากนั้นสินคาจะถูกสงไปศูนย<br />
กระจายสินคา เพื่อขายตอไป<br />
สวนกรณี การตกแตงใหมจะถูกสงไปศูนย<br />
กระจายสินคา เพื่อปรับแตงแลวสงไปยังลูกคาตอไป<br />
กรณีการหมุนเวียน<br />
ใชซ้ํา<br />
วัสดุนั้นจะถูกสงไปขายใหโรงงานภายนอกในการทํากิจกรรม<br />
หมุนเวียนใชซ้ํา<br />
เพื่อทําการดึงชิ้นสวนประเภท<br />
พลาสติก หรือ โลหะมีคา<br />
เพื่อนําไปใชงานใหม<br />
สวนกิจกรรมสุดทาย คือ การกําจัดทิ้ง<br />
2.3.2 คุณลักษณะโครงขายการดึงผลิตภัณฑกลับคืนจากผลิต-<br />
ภัณฑไมคงทน<br />
เนื่องจากประชากรสวนใหญของประเทศไทยมี<br />
อาชีพดาน เกษตรกรรมเปนหลัก และมีผลผลิตทางการเกษตรในปริมาณมากที่<br />
สามารถสงออกตางประเทศไดจํานวนมาก งานวิจัยนี้มีความสนใจศึกษา<br />
ผลิตภัณฑอาหารประเภทผักสด (Fresh Vegetables) ซึ่งมีชวงอายุ<br />
ประมาณ 1-2 สัปดาห สินคากลุมนี้สามารถดึงผลิตภัณฑกลับคืน<br />
ไดโดย<br />
กิจกรรมที่แสดงใน<br />
รูปที่<br />
3 ซึ่งปรับปรุงแนวคิดจาก<br />
งานวิจัยป พ.ศ.2553<br />
[17] อธิบายไดดังนี้<br />
จุดเริ่มที่ผูจัดสงวัตถุดิบ<br />
(Materials Supplier) สง<br />
วัตถุดิบเขาโรงงานผลิต (Producer) ในระหวางนี้สินคาที่สงระหวางผูขาย<br />
กับ ผูผลิต<br />
หากไมไดตามขอกําหนด ผูผลิตสามารถสงกลับคืนได<br />
วัตถุดิบ<br />
ที่ผานกระบวนการผลิต<br />
จะถูกกระจายไป ผูคาปลีก<br />
(Retailer) จากนั้นจึง<br />
กระจายไปยังผูบริโภค<br />
(Consumer) ระหวางนี้สินคาที่สงไปยังผูคาปลีก<br />
หากไมไดตามขอกําหนดจะถูกสงกลับคืนผูผลิต<br />
สวนสินคาที่ขายไม<br />
หมด ผูขายจะตองจัดการกับ<br />
สินคาสิ้นอายุการใชงาน<br />
(End-of-Life<br />
Products) โดยสงไปศูนยคัดแยก (Collector) เพื่อทําการดึงผลิตภัณฑ<br />
กลับคืน ดวยการหมุนเวียนใชซ้ํา<br />
โดยแบงออกเปน 3 วิธี คือ การสงไป<br />
ขายฟารมเลี้ยงสัตว<br />
(Animal Feeding) การนําไปผลิตปุยชีวภาพ<br />
(Compost) และ การสงไปโรงหมักกาซชีวภาพ (Biogas) สวนเศษที่เหลือ<br />
เมื่อไมสามารถนําไปผลิตกิจกรรมอื่นแลวจะถูกสงไปกําจัดทิ้ง<br />
รูปที<br />
่ 3. โครงขายการดึงผลิตภัณฑกลับคืนผลิตภัณฑไมคงทน: ผลิตภัณฑ<br />
อาหารประเภทผักสด [ปรับปรุงแนวคิดจาก Khoo และคณะ (2553)]
3. ผลการศึกษา<br />
จากรูปที่<br />
2 และ 3 แสดงโครงขายการดึงผลิตภัณฑกลับคืน<br />
ของผลิตภัณฑคงทน และผลิตภัณฑไมคงทน ตามลําดับนั้น<br />
มีความ<br />
แตกตางกันในบางกิจกรรมการดึงผลิตภัณฑกลับคืน คือ ผลิตภัณฑคงทน<br />
สามารถใชกิจกรรมการดึงผลิตภัณฑกลับคืนได 4 สวนคือ การใชซ้ํา<br />
การ<br />
ตกแตงใหม การผลิตซ้ํา<br />
การหมุนเวียนใชซ้ํา<br />
ในขณะที่ผลิตภัณฑไม<br />
คงทนสามารถใชกิจกรรมการดึงผลิตภัณฑกลับคืนเพียง 1 กิจกรรม คือ<br />
การหมุนเวียนใชซ้ําอยางไรก็ตามในการนําไปใชงานในทางปฏิบัติ<br />
จําเปนตองมีการหาผลลัพธเชิงปริมาณ เพื่อสนับสนุนการตัดสินใจ<br />
และ<br />
แนวทางเลือกของการดึงผลิตภัณฑกลับคืน ผูวิจัยไดนําเสนอวิธีการ<br />
พิจารณาองคประกอบสําหรับผลิตภัณฑคงทน และผลิตภัณฑไมคงทน<br />
โดยปรับปรุงวิธีการคิดการสรางรูปแบบการไหลจากงานวิจัยที่ผานมา<br />
[18], [19] มีรายละเอียดดังตอไปนี้<br />
3.1 รูปแบบปญหาผลิตภัณฑคงทนประเภทเครื่องคอมพิวเตอร<br />
ทําการสรางรูปแบบปญหาในรูปที่<br />
4 โดยใชพื้นฐานแนวคิด<br />
จากโครงขายกิจกรรมการดึงผลิตภัณฑกลับคืน จากรูปที่<br />
2 เพื่อพิจารณา<br />
และสรางรูปแบบปญหาที่เหมาะสม<br />
โดยใชพื้นฐานหลักการจากนักวิจัย<br />
กอนหนาในการกําหนด สมมติฐาน สมการเปาหมาย เงื่อนไขขอจํากัด<br />
ตัวแปร และดัชนี [20]<br />
รูปที่<br />
4. รูปแบบการไหลของกิจกรรมการดึงผลิตภัณฑกลับคืนของ<br />
ผลิตภัณฑคงทน [ผลิตภัณฑเครื่องคอมพิวเตอร]<br />
เปาหมาย เพื่อรายไดสูงสุด<br />
องคประกอบหลักในการพิจารณา<br />
คือ รายไดจากการขายสินคาที่ผานการดึงผลิตภัณฑกลับคืน<br />
– คาใชจาย<br />
ในการกําจัดสินคา - คาใชจายในการเปดศูนย - คาใชจายในการ<br />
ดําเนินงาน – คาใชจายในการขนสง<br />
สมการเปาหมาย<br />
127<br />
เงื่อนไข
ดัชนี<br />
i = ดัชนีของแหลงคืนกลับสินคา ; i = 1,..,A<br />
j = ดัชนีของศูนยคัดแยกสินคา ; j = 1,..,B<br />
k= ดัชนีของศูนยตกแตงใหม ; k= 1,…,C<br />
L = ดัชนีศูนยผลิตซ้ํา<br />
; L= 1,...,D<br />
m = ดัชนีของศูนยกระจายสินคา ; m = 1,...,E<br />
n = ดัชนีของศูนยการหมุนเวียนใชซ้ํา<br />
; n = 1,..., F<br />
r = ดัชนีของศูนยการใชซ้ํา<br />
; r = 1,..., G<br />
t = ดัชนีของชนิดการดึงผลิตภัณฑกลับคืน คือ การใชซ้ํา<br />
การตกแตง<br />
ใหม การผลิตซ้ํา<br />
และ การหมุนเวียนใชซ้ํา<br />
พารามิเตอร<br />
; t = 1, 2, 3,4<br />
oi = ปริมาณสินคาคืนกลับจากแหลงคืนสินคา; i (ตัน)<br />
dtm = ความตองการสินคาประเภท; t = 1,2,3 ที่ศูนยกระจายสินคา;<br />
m<br />
(ตัน)<br />
d4n = ความตองการสินคาประเภท; t = 4 ที่ศูนยการหมุนเวียนใชซ้ํา;<br />
n<br />
(ตัน)<br />
PCt = เปอรเซ็นตของสินคาคืนกลับ ประเภท; t<br />
PRt = ราคาขายของสินคาคืนกลับ ประเภท; t (บาท/ตัน)<br />
Cdisp = ตนทุนการกําจัดทิ้งสินคา<br />
(บาท/ตัน)<br />
FC j = คาลงทุนสรางศูนยคัดแยก; j (บาท)<br />
FCr = คาลงทุนสรางศูนยการใชซ้ํา;<br />
r (บาท)<br />
FC k = คาลงทุนสรางศูนยตกแตงใหม; k (บาท)<br />
FCL = คาลงทุนสรางศูนยผลิตซ้ํา;<br />
L (บาท)<br />
OC j = คาดําเนินงานศูนยคัดแยก; j (บาท/ป)<br />
OCr = คาดําเนินงานศูนยการใชซ้ํา;<br />
r (บาท/ป)<br />
OC k = คาดําเนินงานศูนยตกแตงใหม; k (บาท/ป)<br />
OCL = คาดําเนินงานศูนยผลิตซ้ํา;<br />
L (บาท/ป)<br />
TCij = ตนทุนรวมการขนสงสินคาจากแหลงรับคืนสินคา; i ไปศูนยคัด<br />
แยกสินคา; j (บาท/ตัน)<br />
TCjr= ตนทุนรวมการขนสงสินคาจากศูนยคัดแยก; j ไปศูนยการใชซ้ํา;<br />
r<br />
(บาท/ตัน)<br />
TCjk = ตนทุนรวมการขนสงสินคาจากศูนยคัดแยก; j ไปศูนยตกแตงใหม;<br />
k (บาท/ตัน)<br />
128<br />
TCjL = ตนทุนรวมการขนสงสินคาจากศูนยคัดแยก; j ไปศูนยผลิตซ้ํา;<br />
L<br />
(บาท/ตัน)<br />
TRrm = คาขนสงสินคาจากศูนยการใชซ้ํา;<br />
r ไปศูนยกระจายสินคา; m<br />
(บาท/ตัน)<br />
TRkm = คาขนสงสินคาจากศูนยตกแตงใหม; k ไปศูนยกระจายสินคา; m<br />
(บาท/ตัน) :ไมมีคาขนสงเนื่องจากศูนยตกแตงใหม<br />
เนื่องจากตั้งอยูที่ศูนย<br />
กระจายสินคา<br />
TRLm = คาขนสงสินคาจากศูนยผลิตซ้ํา;<br />
L ไปศูนยกระจายสินคา; m<br />
(บาท/ตัน)<br />
TRjn = คาขนสงสินคาจากศูนยคัดแยก; j ไปศูนยการหมุนเวียนใชซ้ํา;<br />
n<br />
(บาท/ตัน)<br />
Sj = ความสามารถในการจัดเก็บสินคาที่ศูนยคัดแยก;<br />
j (ตัน)<br />
CAPk = กําลังการผลิตที่ศูนยตกแตงใหม;<br />
k (ตัน)<br />
CAPL = กําลังการผลิตที่ศูนยผลิตซ้ํา,<br />
L (ตัน)<br />
CAPr = กําลังการผลิตที่ศูนยการใชซ้ํา;<br />
r (ตัน)<br />
ตัวแปรตัดสินใจ<br />
Xj = 1 ถา ศูนยคัดแยก; j เปดดําเนินการ และ 0 ถาไมเปดดําเนินการ<br />
Y k = 1 ถา ศูนยตกแตงใหม; k เปดดําเนินการ และ 0 ถาไมเปดดําเนินการ<br />
ZL = 1 ถา ศูนยผลิตซ้ํา;<br />
L เปดดําเนินการ และ 0 ถาไมเปดดําเนินการ<br />
Wr = 1 ถา ศูนยการใชซ้ํา;<br />
r เปดดําเนินการ และ 0 ถาไมเปดดําเนินการ<br />
uij = ปริมาณการสงสินคาจากแหลงคืนสินคา; i ไปศูนยคัดแยกสินคา; j<br />
(ตัน)<br />
vjr = ปริมาณการสงสินคาจากศูนยคัดแยก; j ไปศูนยการใชซ้ํา;<br />
r (ตัน)<br />
prm = ปริมาณการสงสินคาจากศูนยการใชซ้ํา;<br />
r ไปศูนยกระจายสินคา; m<br />
(ตัน)<br />
xjL = ปริมาณการสงสินคาจากศูนยคัดแยก; j ไปศูนยผลิตซ้ํา;<br />
L (ตัน)<br />
qLm = ปริมาณการสงสินคาจากศูนยผลิตซ้ํา;<br />
L ไปศูนยกระจายสินคา; m<br />
(ตัน)<br />
yjk = ปริมาณการสงสินคาจากศูนยคัดแยก; j ไปศูนยตกแตงใหม; k (ตัน)<br />
Rkm = ปริมาณการสงสินคาจากศูนยตกแตงใหม; k ไปศูนยกระจายสินคา;<br />
m (ตัน)<br />
Hjn = ปริมาณการสงสินคาจากศูนยคัดแยก; j ไปศูนยหมุนเวียนใชซ้ํา;<br />
n<br />
(ตัน)<br />
Disj = ปริมาณการทิ้งสินคาจากศูนย;<br />
j (ตัน)
3.2 รูปแบบปญหาผลิตภัณฑไมคงทนของผลิตภัณฑอาหาร<br />
ประเภทผักสด<br />
รูปแบบโครงขายสําหรับผลิตภัณฑไมคงทน ในรูปที่<br />
5 เราใช<br />
หลักการรูปแบบปญหางานวิจัยเชนเดียวกับปญหาผลิตภัณฑคงทน เปน<br />
พื้นฐานในการกําหนดดัชนี<br />
ตัวแปรตัดสินใจ และเงื่อนไขขอจํากัด<br />
เพื่อ<br />
สรางสมการเปาหมาย เชนเดียวกับ ผลิตภัณฑคงทน [20]<br />
รูปที่<br />
5. รูปแบบการไหลของกิจกรรมการดึงผลิตภัณฑกลับคืนของ<br />
ผลิตภัณฑไมคงทน (ผลิตภัณฑอาหารประเภทผักสด)<br />
เปาหมาย เพื่อรายไดสูงสุด<br />
องคประกอบหลักในการพิจารณา<br />
คือ รายไดจากการขายสินคาที่ผานการดึงผลิตภัณฑกลับคืน<br />
– คาใชจาย<br />
ในการกําจัดสินคา – คาใชจายในการเปดศูนย – คาใชจายในการ<br />
ดําเนินงาน – คาใชจายในการขนสง<br />
สมการเปาหมาย<br />
เงื่อนไข<br />
ดัชนี<br />
i = ดัชนีของศูนยกระจายสินคา ; i = 1,.., A<br />
j = ดัชนีของศูนยคัดแยกสินคา ; j = 1,..,B<br />
129<br />
t = ดัชนีของชนิดการดึงผลิตภัณฑกลับคืน ประเภท อาหารสัตว ปุย<br />
ชีวภาพ และ กาซชีวภาพ ; t = 1, 2, 3<br />
พารามิเตอร<br />
oi = ปริมาณสินคาจากศูนยกระจายสินคา ; i (ตัน)<br />
dt = ความตองการสินคาประเภท, t (ตัน) ; t = 1, 2, 3<br />
PCt = เปอรเซ็นตสินคาสามารถดึงผลิตภัณฑกลับคืน ; t = 1, 2, 3<br />
PRt = ราคาขายของสินคาดึงผลิตภัณฑกลับคืน (บาท/ตัน); t = 1, 2, 3<br />
CDisp = ตนทุนการกําจัดทิ้งสินคา<br />
(บาท/ตัน)<br />
FC j= คาลงทุนสรางศูนยคัดแยก; j (บาท)<br />
OCj= คาดําเนินงานที่ศูนยคัดแยก;<br />
j (บาท)<br />
TCij = ตนทุนรวมการขนสงสินคาจากศูนยกระจายสินคา; i ไปศูนยคัด<br />
แยกสินคา, j บวก (บาท/ตัน)<br />
Sj = ความสามารถในการจัดเก็บสินคาที่ศูนยคัดแยก;<br />
j (ตัน)<br />
ตัวแปรตัดสินใจ<br />
Xj = 1 ถา ศูนยคัดแยก; j เปดดําเนินการ และ 0 ถาไมเปดดําเนินการ<br />
uij = ปริมาณการสงสินคาสิ้นอายุการใชงาน<br />
จากศูนยกระจายสินคา; i ไป<br />
ศูนยคัดแยก; j (ตัน)<br />
vjt = ปริมาณสินคาการดึงผลิตภัณฑกลับคืนประเภท; t จากศูนยคัดแยก; j<br />
(ตัน)<br />
Disj = ปริมาณการทิ้งสินคาจากศูนยคัดแยก;<br />
j (ตัน)<br />
3.3 การเปรียบเทียบโครงขายการดึงผลิตภัณฑกลับคืนจาก<br />
ผลิตภัณฑคงทนและผลิตภัณฑไมคงทน<br />
การศึกษานี้พิจารณาผลจากการคํานวณเปรียบเทียบโครงขาย<br />
การดึงผลิตภัณฑกลับคืนจากผลิตภัณฑคงทนและผลิตภัณฑไมคงทน คิด<br />
ที่ปริมาณผลิตภัณฑืกลับคืน<br />
5,000 ตัน/ป เนื่องจากปริมาณสินคาสิ้นอายุ<br />
ของผลิตภัณฑคงทนมีประมาณ 10,000 ตัน/ป ซึ่งคาดการณวาสามารถ<br />
เรียกคืนไดประมาณ 50% และใหเปอรเซ็นตความตองการของกิจกรรม<br />
การดึงผลิตภัณฑกลับคืนมีคาเทากัน คือ ผลิตภัณฑคงทน มีเปอรเซ็นต<br />
ของ กิจกรรมการใชซ้ํา<br />
การตกแตงใหม การผลิตซ้ํา<br />
และ การหมุนเวียน<br />
ใชซ้ํา<br />
มีคาเทากัน คือ ประเภทละ 24% และการกําจัดทิ้ง<br />
4% สวน<br />
ผลิตภัณฑไมคงทนมีเพียงกิจกรรมการดึงผลิตภัณฑกลับคืนประเภทเดียว<br />
คือ การหมุนเวียนใชซ้ํา<br />
แตสามารถแบงยอยไดเปน การทําอาหารสัตว<br />
การทําปุยชีวภาพ<br />
และ การทํากาซชีวภาพ มีคาเทากัน คือ ประเภทละ<br />
32% และการกําจัดทิ้งประมาณ<br />
4%<br />
จากขอมูลตนทุนและราคาขายเบื้องตนจากผูประกอบการที่<br />
เกี่ยวของ<br />
รายไดสูงสุดจากโครงขายการดึงกลับคืนของผลิตภัณฑคงทน<br />
สามารถประมาณไดจากการคํานวณในสมการ 1.1
= รายไดจากการขายสินคาที่ผานการดึงผลิตภัณฑกลับคืน<br />
–<br />
คาใชจายในการกําจัดสินคา - คาใชจายในการเปดศูนย – คาใชจายในการ<br />
ดําเนินงาน – คาใชจายในการขนสง หรือ<br />
= 180,000,000 + 180,000,000 + 120,000,000 + 4,800,000 –<br />
2 ,000,000 – 180,000,000 – 30,000,000 – 30,000,000 – 30,000,000 –<br />
1,600,000 – 61,600,000 – 61,600,000 – 61,600,000 – 2,500,000 –<br />
600,000 – 600,000 – 600,000 – 600,000 – 600,000 – 600,000<br />
= 182,300,000 บาท/ป<br />
สําหรับผลิตภัณฑไมคงทนประเภทผักสด รายไดสูงสุด<br />
สามารถประมาณไดจากการแทนคาในสมการ 2.1<br />
= รายไดจากการขายสินคาที่ผานการดึงผลิตภัณฑกลับคืน<br />
–<br />
คาใชจายในการกําจัดสินคา – คาใชจายในการเปดศูนย -คาใชจายในการ<br />
ดําเนินงาน – คาใชจายในการขนสง<br />
= 4,800,000 + 3,200,000 + 6,400,000 – 100,000 – 9,000,000<br />
– 2,500,000 – 1,080,000<br />
= 1,720,000 บาท/ป<br />
จากการเปรียบเทียบคารายไดสูงสุดพบวาผลิตภัณฑกลับคืน<br />
ประเภทคงทนมีคารายไดจากมากกวาผลิตภัณฑกลับคืนไมคงทน<br />
ประมาณ 100 เทา<br />
4. สรุปและวิจารณผล<br />
ผลิตภัณฑคงทนมีกิจกรรมที่เกี่ยวของมากกวา<br />
ทําใหสมการ<br />
เปาหมายซับซอนกวา ทั้งนี้โดยสวนใหญผลิตภัณฑคงทน<br />
มีมูลคา<br />
มากกวาผลิตภัณฑไมคงทน จึงทําใหกิจกรรมการดึงผลิตภัณฑกลับคืน<br />
จากผลิตภัณฑไมคงทนกระทําไดนอยกวา อยางไรก็ตามเงินลงทุนยังมีคา<br />
นอยกวา และ ถึงแมวาเปนมูลคาผลิตภัณฑไมสูง แตปริมาณการใชงานมี<br />
มูลคาสูงกวาผลิตภัณฑคงทนถึง 100 เทา/ป และสงผลใหเพิ่มปริมาณขยะ<br />
อยางมากและรวดเร็วกวาผลิตภัณฑคงทน งานที่ทาทายการศึกษาวิจัย<br />
คือ<br />
การหมุนเวียนใชซ้ําขยะจากผลิตภัณฑอาหารสด<br />
เพื่อผลิตกาซชีวภาพ<br />
ซึ่ง<br />
จะไดมูลคามากขึ้นกวาเดิมมาก<br />
ผลการคํานวณเปนการทดลองเบื้องตน<br />
เพื่อเปรียบเทียบคา<br />
โดยประมาณ ขอมูลตัวเลขที่อางอิงอาจไมแมนยํา<br />
และผลลัพธที่ไดยัง<br />
ไมไดเปนคาที่เหมาะสม<br />
เนื่องจากมีปจจัยที่ตองคํานึงถึงอยางมาก<br />
เชน ปริมาณการขาย ราคาขาย ปริมาณสินคาสิ้นอายุ<br />
อัตราการขายในแต<br />
ละกิจกรรมของสินคาดึงผลิตภัณฑกลับคืน รวมทั้งยังไมไดคํานึงถึง<br />
คาใชจายในการจัดเก็บ งานวิจัยที่ควรพัฒนาตอไป<br />
คือ การศึกษาโครงขาย<br />
การดึงผลิตภัณฑกลับคืนจากผลิตภัณฑไมคงทน ประเภทอาหารสด โดย<br />
ทําการสืบคนฐานขอมูล ดานเงินลงทุน คาใชจายการขนสง คาใชจาย<br />
ดําเนินงานแตละกิจกรรม และรายไดจากการขายผลิตภัณฑที่สามารถดึง<br />
ผลิตภัณฑกลับคืนได เพื่อวิเคราะหผลเชิงปริมาณที่ไดผลลัพธดีสุดตาม<br />
สมการเปาหมาย แตรูปแบบปญหาควรกําหนดเปนสโตแคสติก<br />
130<br />
(Stochastic) เนื่องจากธรรมชาติความตองการสินคาสิ้นอายุการใชงาน<br />
และอัตราการคืนกลับมักเปนรูปแบบไมคงที่<br />
เอกสารอางอิง<br />
[1] A. Gungor, and S. Gupta, “Issues in environmentally conscious<br />
manufacturing and product recovery: A survey,” Computers &<br />
Industrial Engineering. 36, pp. 811– 853, 1999.<br />
[2] M. Fleischmann, P. Beullens, J.M. Bloemhof-Ruwaard, and L.N.<br />
van Wassenhove, “The impact of product recovery on logistics<br />
network design,” Production and Operations Management. 10(2),<br />
pp. 156–173, 2001.<br />
[3] M. Fleischmann, H.R. Krikke, R. Dekker, and S.D.P. Flapper, “A<br />
characterisation of logistics networks for product recovery,”<br />
Omega. 28 (6), pp. 653–666, 2000.<br />
[4] V. Jayaraman, RA. Patterson, and E. Rolland, “The design of<br />
reverse distribution networks: models and solution procedures,”<br />
European Journal of Operational Research, 150(2), pp. 128–49,<br />
2003<br />
[5] DS. Rogers, and RS. Tibben-Lembke, 1999. Going backwards:<br />
reverse logistics trends and practices. Reverse Logistics Executive<br />
Council. Pittsburg, PA, USA<br />
[6] M. De Brito, and R. Dekker, “A framework for reverse logistics,”<br />
Erasmus Research Institute of Management, Research<br />
Management, April 2003<br />
[7] J.R. Stock, Logistics Engineering Handbook. Taylor and Francis<br />
Group, edited by G.D. Taylor, CRC press, 2008, ch.25, pp. 1-15<br />
[8] M. Xiong, Lesson for China from a comparison of the logistics in<br />
the U.S and China. Thesis in Master of Science, Massachusetts<br />
Institute of Technology, 2010<br />
[9] www.thaigov.go.th (Accessed on June 1, 2011)<br />
[10] M. Vrijheid, “Health effects of residence near hazardous waste<br />
landfill sites: A review of epidemiologic literature,” Environmental<br />
Health Perspectives, 108, Supplement l, 2000<br />
[11] V. Ravi, R. Shankar, and M. K Tiwari , “Selection of a reverse<br />
logistics project for end-of-life computers: ANP and goal<br />
programming approach,” International Journal of Production<br />
Research, pp. 1-22, 2007.<br />
[12] L. Kroon, and G. Vrijens, “Returnable containers: an example of<br />
reverse logistics,” International Journal of Physical Distribution &<br />
Logistics Management. 25(2), pp. 56-68, 1994.
[13] S. Rubio, and A. Corominas, “Optimal manufacturing–<br />
remanufacturing policies in a lean production environment,”<br />
Computers & Industrial Engineering, 55, pp. 234–242, 2008.<br />
[14] T. Spengler, H. PuÈ chert, T. Penkuhn, and O. Rentz,<br />
“Environmental integrated production and recycling management,”<br />
European Journal of Operational Research. 97, pp. 308-326, 1997.<br />
[15] RK. Pati, P. Vrat, and P. Kumar, “A goal programming model for<br />
paper recycling system,” Omega, 36(3), pp. 405–417, 2008.<br />
[16] K. H. Lau, and Y. Wang, “Reverse logistics in the electronic<br />
industry of China: a case study,” Supply Chain Management: An<br />
International Journal, 14/6, pp. 447–465, 2009.<br />
[17] H.H. Khoo, T.Z. Lim, R.B.H. Tan, “Food waste conversion options<br />
in Singapore: Environmental impacts based on an LCA<br />
perspective,” Science of the Total Environment. 408, pp. 1367–<br />
1373, 2010<br />
[18] K. Lieckens, N. Vandaele, “Reverse logistics network design with<br />
stochastic lead times,” Computer & Operation Research, pp. 1-22,<br />
2005.<br />
[19] L.H. Shih, “Reverse logistics system planning for recycling<br />
electrical appliances and computers in Taiwan,” Resources,<br />
Conservation and Recycling, 32, pp. 55–72, 2001.<br />
[20] O. Listes, and R. Dekker, “A stochastic approach to a case study<br />
for product recovery network design,” European Journal of<br />
Operational Research, 160, pp. 268–287, 2005<br />
ประวัติผูเขียนบทความ<br />
อุบลรัตน หวังรักษดีสกุล<br />
สําเร็จการศึกษาวิศวกรรมศาสตรมหาบัณฑิต<br />
จุฬาลงกรณมหาวิทยาลัย ป พ.ศ.2533 ปจจุบัน<br />
อาจารย ประจําภาควิชาวิศวกรรมการผลิต คณะ<br />
วิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยี<br />
พระจอมเกลาพระนครเหนือ งานวิจัยที่สนใจ<br />
การ<br />
ขนสงยอนกลับ การพัฒนาคอรเดียไรทเซรามิกสสําหรับคะตะไลติกคอน<br />
เวอรเตอรในรถยนต<br />
นันทกฤษณ ยอดพิจิตร<br />
สําเร็จการศึกษา Ph.D. (Industrial and Systems<br />
Engineering) จาก Virginia Tech, USA, พ.ศ. 2553<br />
ปจจุบัน เปนอาจารยประจํา ภาควิชาวิศวกรรม<br />
อุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัย<br />
131<br />
เทคโนโลยีพระจอมเกลาพระนครเหนือ งานวิจัยที<br />
่สนใจ คือ วิศวกรรม<br />
ปจจัยมนุษย/การยศาสตร การออกแบบระบบความปลอดภัย และการ<br />
จัดการระบบการขนสง
ธุรกิจ ปญหาการจัดเสนทางรถขนสงนั้นแบงออกไดหลากหลายรูปแบบ<br />
ตามลักษณะสินคาที่จัดสง<br />
และขอจํากัดของการขนสง อุตสาหกรรม<br />
ปโตรเลียมนับเปนอุตสาหกรรมหนึ่ง<br />
ที่ตองมีการขนสงผลิตภัณฑ<br />
ปโตรเลียม ไปสูลูกคายังสถานที่ตางๆ<br />
โดยการขนสงหลายรูปแบบ การ<br />
ขนสงทางรถบรรทุกน้ํามันนั้นเปนการขนสงที่ถูกเลือกใชมากที่สุด<br />
เนื่องจากมีลูกคาจํานวนมากกระจายอยูทั่วประเทศ<br />
ในการขนสงสินคา<br />
ประเภทน้ํามันเชื้อเพลิงนั้น<br />
เปนผลิตภัณฑที่ไมสามารถจัดเก็บรวมกันได<br />
และโดยสวนใหญในแตละผลิตภัณฑจะไมมีการรวมกันระหวางลูกคา<br />
หลายราย รถขนสงจึงตองแบงออกเปนชองบรรจุหลายๆชองเพื่อที่จะ<br />
สามารถขนสงน้ํามันเชื้อเพลิงไดหลายชนิดซึ่งปญหานี้เรียกวาการจัด<br />
เสนทางเดินรถแบบสินคามีหลายชนิด (Multi compartment vehicle<br />
routing problem)<br />
Derigs et al (2010) ไดทําการศึกษาปญหาการจัดเสนทางรถ<br />
ขนสงแบบมีชองบรรจุสําหรับปญหาทั่วๆไป<br />
เปาหมายคือคาใชจายใน<br />
การขนสงต่ําที่สุดโดยใชวิธีฮิวริสติก<br />
(Heuristics) เพื่อใหคาใชจายในการ<br />
ขนสงต่ําที่สุดโดยมีทั้งคาขนสงตามระยะทางและคาเชารถขนสง<br />
Fallahi<br />
et al (2008) ไดแกปญหาการจัดเสนทางเดินรถแบบสินคามีหลายชนิด<br />
โดยใชเมเมติก อัลกอริธึม (Memetic algorithm) และวิธีคนหาทาบู (Tabu<br />
Search) โดยมีขอจํากัดของระยะเดินรถ และคําสั่งซื้อของลูกคาไมเกิน<br />
ชองบรรจุ เปาหมายเพื่อใหไดระยะทางขนสงที่สั้นที่สุด<br />
Abdelaziz et al<br />
(2002) ไดทําการศึกษาการจัดเสนทางรถขนสงในบริษัทตูนิเซี่ยน<br />
(Tunisian company) โดยเปนการขนสงสินคาปโตรเลียมโดยรถขนสง<br />
หลายชองบรรจุซึ่งมีรถขนสงรูปแบบเดียวและไมมีการแบงคําสั่งซื้อของ<br />
ลูกคา ใชวิธีVariable Neighborhood Search Heuristics ในปญหาการ<br />
ขนสงน้ํามันเชื้อเพลิงไปยังสถานีน้ํามันโดยแบงไดหลายชวงเวลา<br />
และ<br />
หลายรอบการสง โดยความตองการของลูกคาขึ้นอยูกับสตอกคงเหลือใน<br />
แทงคเก็บน้ํามัน<br />
เปาหมายเพื่อจัดสงน้ํามันใหไดมากที่สุด<br />
ไดถูกพัฒนา<br />
โดย Cornilier et al (2008) ในป 2009 Ghatee และ Hashemi ได<br />
ทําการศึกษาการออกแบบโครงขายสําหรับการขนสงปโตรเลียมภายใต<br />
ความไมแนนอนโดยนําปญหามาเสนอในรูปแบบ minimal cost flow<br />
problem (MCFP) และใชวิธีการหาระยะทางที่สั้นที่สุด<br />
(shortest path<br />
algorithm) ในการหาคําตอบที่เหมาะสม<br />
อดิศรและคณะ (2553) ไดแกปญหาการขนสงน้ํามัน<br />
ปโตรเลียม โดยกําหนดการแบงคําสั่งซื้อของลูกคาเพียงแบบเดียว<br />
และ<br />
แกปญหาโดยโปรแกรมLingo และฮิวริสติก เพื่อใหคาใชจายในการ<br />
ขนสงต่ําที่สุดโดยมีทั้งคาขนสงตามระยะทางและคาเชารถขนสง<br />
นอกจากการขนสงโดยรถขนสงแลว Siswanto et al (2010) ไดศึกษาการ<br />
จัดเสนทางและตารางการขนสงพัสดุคงคลังทางเรือสินคา โดยมี<br />
วัตถุประสงคในการหาเสนทางและตารางการสงที่มีคาใชจายต่ําที่สุดโดย<br />
พัฒนาเปนตัวแบบโปรแกรมเชิงเสนแบบจํานวนผสม (Mixed-integer<br />
linear programming) และหาคําตอบดวยโปรแกรม Lingo และฮิวริสติก<br />
133<br />
Akgun และ Tansel (2007) ไดศึกษาปญหา deployment planning<br />
problem (DPP) ของการเคลื่อนยายยุทธปจจัยทางทหารจากฐานที่ตั้งไปสู<br />
ที่หมายโดยมีขอจํากัดของตารางและเสนทางในการเคลื่อนยาย<br />
โดยสราง<br />
ตัวแบบเปนโปรแกรมเชิงเสนแบบจํานวนผสมมีวัตถุประสงคเพื่อให<br />
คาใชจายต่ําที่สุดและหาคําตอบโดยใชโปรแกรม<br />
optimization ชื่อ<br />
CPLEX ในปญหาการจัดสงที่ตองมีการรวมมือและประสานงาน<br />
Liu et al<br />
(2010) ไดอภิปรายปญหาที่เรียกวา<br />
Close-open Mixed vehicle routing<br />
problem (COMVRP) โดยตองมีการประสานกันในการใชรถขนสง<br />
สวนตัวและรถขนสงที่เชามาจัดสง<br />
โดยใชโปรแกรม CPLEX<br />
เปรียบเทียบกับ เมเมติก อัลกอริธึม คําตอบที่ไดนั้น<br />
เมเมติก อัลกอริธึมมี<br />
ประสิทธิภาพมากกวา CPLEX โดยเฉพาะในปญหาที่ใหญๆซึ่งโปรแกรม<br />
optimization ไมสามารถหาคําตอบได<br />
ดังที่กลาวมาขางตนผูวิจัยจึงไดพัฒนาตัวแบบทางคณิตศาสตร<br />
เพื่อแกปญหาการจัดเสนทางรถขนสงน้ํามันโดยเปาหมายใหมีคาใชจาย<br />
ต่ําที่สุดโดยคาใชจาย<br />
จะแปรผันตามระยะทางและตามความสามารถใน<br />
การบรรทุกของรถ โดยคิดคาใชจายตามระยะทางมีหนวยเปน บาทตอ<br />
กิโลเมตร และแบงตัวแบบเปน 2 แบบ คือ1) แบงคําสั่งซื้อของลูกคา<br />
ออกเปนแบบเดียว และ 2) แบงคําสั่งซื้อของลูกคาไดหลายแบบโดย<br />
วิธีการขนสงและตัวแบบทางคณิตศาสตรจะนําเสนอในหัวขอถัดไป<br />
2. การจัดเสนทางรถขนสงสําหรับการขนสงน้ํามันเชื้อเพลิง<br />
ปญหาการจัดสงน้ํามันเชื้อเพลิง<br />
เปนการจัดเสนทางรถขนสง<br />
รูปแบบหนึ่ง<br />
โดยจะมีคลังน้ํามันเปนจุดรวมรถขนสงทั้งหมด<br />
และจะทํา<br />
การจัดสงใหลูกคาตามคําสั่งซื้อที่ไดรับมา<br />
จากนั้นก็ทําการจัดสงตาม<br />
เสนทางที่ไดกําหนดไวโดยใหมีระยะทางสั้นที่สุดเพื่อใหเกิดคาใชจายที่<br />
ต่ําที่สุด<br />
รูปที่<br />
1 ปญหาการจัดเสนทางรถขนสง<br />
งานวิจัยนี้ไดกําหนดสมสมติฐานของการขนสงไวดังตอไปนี้<br />
1) ใหผลิตภัณฑที่จัดสงนั้นแบงออกเปน5ชนิด<br />
ไดแก แกสโซฮอลล<br />
91 แกสโซฮอลล 95 แกสโซฮอลล E20 น้ํามันดีเซล<br />
และน้ํามันดีเซล<br />
B5<br />
2) รถขนสงมีหลายขนาดบรรทุก และหลายรูปแบบชองบรรจุให<br />
เลือกใชในการขนสงมีจํานวนจํากัด<br />
3) ลูกคาแตละรายตองไดรับการขนสงเพียงครั้งเดียวไมมีการแบงสง<br />
จากรถขนสงหลายคัน
4) ชองบรรจุแตละชองสามารถบรรจุไดเพียงคําสั่งซื้อเดียวเทานั้น<br />
และหามบรรจุต่ํากวา<br />
80% ของความจุ<br />
5) คาใชจายในการขนสงนั้นจะคิดเหมาเปนระยะทางที่เดินรถและ<br />
ขึ้นอยูกับขนาดบรรทุกของรถขนสงนั้น<br />
3. ตัวแบบทางคณิตศาสตร<br />
วัตถุประสงคของงานวิจัยคือการหาตนทุนที่ต่ําที่สุดในการ<br />
ขนสงน้ํามันเชื้อเพลิงตามคําสั่งซื้อของลูกคาใหครบและเมื่อเสร็จสิ้นการ<br />
ขนสงรถขนสงจะเดินทางกลับสูคลังน้ํามัน<br />
งานวิจัยนี้อางอิงการจัดสง<br />
น้ํามันเชื้อเพลิงของบริษัทแหงหนึ่งซึ่งมีขอจํากัดคือใหลูกคาสามารถ<br />
สั่งซื้อน้ํามัน<br />
ไดตามจํานวนคูตั้งแต<br />
2 ถึง 16 (พันลิตร) โดยไดแบงปญหา<br />
ออกเปน 2 ตัวแบบ คือ 1) แบงความตองการของผลิตภัณฑแตละชนิด<br />
ของลูกคาที่มีปริมาณเกินชองบรรจุไดเพียงรูปแบบเดียวเทานั้นโดยความ<br />
ตองการที่ตรงกับความจุชองบรรจุสามารถบรรจุไดทันทีเรียกตัวแบบนี้วา<br />
Multi-Compartment Vehicle Routing Problem with Single Split Patterns<br />
(MCVRP-SSP) และ2) ตัวแบบที่สองนั้น<br />
เปนการแบงความตองการของ<br />
ผลิตภัณฑแตละชนิดของลูกคา ออกเปนหลายรูปตามที่กําหนด<br />
Multi-<br />
Compartment Vehicle Routing Problem with Multi-Split Patterns<br />
(MCVRP-MSP) ในการปองกันการเดินรถในเสนทางยอย (Sub tour) ได<br />
ใชขอจํากัด Desrochers และ Laporte (1991) มาใชเปนขอจํากัดในตัว<br />
แบบนี้<br />
การปองกันการเดินรถยอยยังไดถูกกลาวถึงใน Gouveia (1995)<br />
3.1 ตัวแบบที่<br />
1 (MCVRP-SSP)<br />
ตัวแบบนี้มีวัตถุประสงคเพื่อหาคาใชจายในการขนสงที่ต่ํา<br />
ที่สุดโดยมีขอจํากัดตางๆดังนี้<br />
1) การปองกันการเดินรถในเสนทางยอย [สมการที่<br />
(2)]<br />
2) ตําแหนงใดมีรถเขาตองมีรถออก [สมการที่<br />
(3)]<br />
3) ลูกคาตําแหนงใดก็ตามมีรถขนสงผานไดเพียง 1 คัน [สมการที่<br />
(4)]<br />
4) ตองมีการสงน้ํามันครบตามความตองการ<br />
[สมการที่<br />
(5)]<br />
5) ตองมีรถขนสงผานลูกคาที่มีความตองการ<br />
[สมการที่<br />
(6)]<br />
6) แตละชองบรรจุหามบรรจุน้ํามันตางชนิดในชองเดียวกัน<br />
[สมการ<br />
ที่<br />
(7)]<br />
7) ลูกคาตําแหนงใดๆ ใหมีการขนสงไดครั้งเดียวเทานั้น[สมการที่<br />
(8)]<br />
8) การขนสงจะตองไมเกินความสามารถในการบรรจุของรถขนสง<br />
[สมการที่<br />
(9)]<br />
9) การบรรจุในชองบรรจุใดๆ จะตองไมเกินความสามารถในการ<br />
บรรจุของชองบรรจุนั้น<br />
[สมการที่<br />
(10)]<br />
10) การบรรจุในชองบรรจุใดๆ จะตองมากกวาคา อัตราการใชชอง<br />
บรรจุที่กําหนด<br />
[สมการที่<br />
(11)]<br />
11) กําหนดตัวแปรตัดสินใจเปน (0,1)<br />
134<br />
ตัวแปร<br />
จํานวนตําแหนงทั้งหมด<br />
(กําหนดใหตําแหนงที่1คือคลังน้ํามัน<br />
และ<br />
ตําแหนงที่<br />
2 ถึง N คือตําแหนงของลูกคา)<br />
คาใชจายในการขนสงทั้งหมด<br />
จํานวนชนิดของผลิตภัณฑ<br />
โดย คือ เซ็ตของชองบรรจุของรถ k<br />
จํานวนรถขนสงทั้งหมด<br />
อัตราการใชของชอง w (%)<br />
D jp ความตองการผลิตภัณฑ p ของลูกคาตําแหนงที่<br />
j (พันลิตร)<br />
'<br />
D ความตองการผลิตภัณฑ p ของลูกคา j หลังจากแบงตามจํานวน<br />
jp<br />
ชองบรรจุที่ใช<br />
(พันลิตร)<br />
Cap ความสามารถในการบรรทุกของรถขนสงคันที่<br />
k<br />
k<br />
Cap ความสามารถในการบรรจุของชองที่<br />
w ของรถขนสงคันที่<br />
k<br />
kw<br />
U i ลําดับในการเดินรถของตําแหนงที่<br />
i<br />
U j ลําดับในการเดินรถของตําแหนงที่<br />
j<br />
dij ระยะทางจากตําแหนงที่<br />
i ไปตําแหนงที่<br />
j (กิโลเมตร)<br />
Ck คาใชจายของรถขนสง k (บาท/กิโลเมตร)<br />
p ⎧1<br />
เมื่อผลิตภัณฑ<br />
p ของลูกคา j บรรจุในชอง w ของรถ k<br />
Zkwj<br />
= ⎨<br />
⎩0<br />
อื่นๆ<br />
⎧1<br />
เมื่อมีการเดินรถไปตําแหนง<br />
j โดยรถ k<br />
E jk = ⎨ อื่นๆ<br />
⎩0<br />
Y jp =<br />
S j =<br />
D<br />
'<br />
jp<br />
⎧D<br />
/ Y<br />
= ⎨<br />
⎩0<br />
ตัวแปรตัดสินใจ<br />
Xijk<br />
⎧1<br />
= ⎨<br />
⎩ 0<br />
jp jp<br />
เมื่อ<br />
เมื่อ<br />
สมการเปาหมายและขอจํากัด<br />
D<br />
D<br />
jp<br />
jp<br />
> 0<br />
= 0<br />
เมื่อมีการเดินทางจากตําแหนง<br />
iไปตําแหนง j โดยรถคันที่<br />
k<br />
อื่นๆ<br />
N N K<br />
∑∑∑ ij ijk k<br />
(1)<br />
i= 1 j= 1 k=<br />
1<br />
MIN ( TC) = d X ⋅C
N P<br />
Q<br />
pq<br />
∑∑∑ Zkwj<br />
≤1<br />
(18)<br />
j= 1 p= 1 q=<br />
1<br />
Z ≤ E<br />
(19)<br />
pq<br />
kwj jk<br />
N W P Q<br />
pq ''<br />
∑∑∑∑ Zkwj ⋅Djpq ⋅Vjpq≤Capk j= 1 w= 1 p= 1 q=<br />
1<br />
(20)<br />
Z ⋅D ⋅V ≤ Cap<br />
(21)<br />
pq ''<br />
kwj jpq jpq kw<br />
Z ⋅D⋅V≥Z⋅V⋅( Cap ⋅Coef<br />
)<br />
pq ''<br />
pq<br />
kwj jpq jpq kwj jpq kw<br />
Q<br />
q=<br />
1<br />
(22)<br />
∑ Vjpq<br />
= 1<br />
(23)<br />
pq<br />
{ 0,1 } , { 0,1 } , { 0,1 } , { 0,1}<br />
E ∈ X ∈ Z ∈ V ∈<br />
jk ijk kwj jpq<br />
4. ตัวอยางการแกปญหาการขนสงน้ํามัน<br />
ผูวิจัยทําการแกปญหาโดยใชตัวแบบทางคณิตศาสตรที่ได<br />
กําหนดไว ในงานวิจัยนี้ตัวอยางการแกปญหาเปนเพียงตัวอยางสมมติเพื่อ<br />
แสดงถึงแนวทางการหาคําตอบเทานั้น<br />
โดยความตองการของลูกคาไดทํา<br />
การสุม<br />
โดยโอกาสที่ความตองการเปน<br />
0 มีคาเทากับ 70% โอกาสที่<br />
ความตองการเปน 2 กับ 4 อยางละ 5% โอกาสที่ความตองการเปน<br />
6 กับ 8<br />
อยางละ 4% โอกาสที่ความตองการเปน<br />
10 12 14 16 อยางละ 3% และใช<br />
136<br />
อัตราชองบรรจุ Coef เทากับ 80% ในสวนของตําแหนงของลูกคาได<br />
กําหนดตําแหนงพิกัด x-y ในพิกัดคารทีเซียนสองมิติในขอบเขต -200 ถึง<br />
200 จุด 0,0 คือคลังน้ํามันโดยสุมตําแหนง<br />
มาทั้งหมด<br />
60 จุดแลวทําการ<br />
สุมจาก<br />
60 จุดนั้น<br />
มาเปนตําแหนงลูกคาในปญหาตางๆ โดยความตองการ<br />
ของลูกคาไมเปลี่ยนแปลงซึ่งมีการเลียงลําดับจาก<br />
1 ถึง 60 ในปญหาที่<br />
ใหญขึ้นจะมีแคพิกัดของลูกคาเทานั้นที่ไดจากการสุมมาใหมในปญหา<br />
ถัดไป ในตัวอยางที่นําเสนอจะมีทั้งหมดสองปญหาที่แตกตางกันในแตละ<br />
ขนาดของปญหา โดยมีลูกคาจํานวน 5 10 15 20 25 30 40 50 และ60 ราย<br />
มีการกําหนดรถขนสงที่มีใหจํานวนหนึ่งในแตละปญหา<br />
หัวขอถัดไปจะ<br />
แสดงรายละเอียดในการแกปญหาสําหรับลูกคา 15 ราย ของปญหาที่<br />
1<br />
และแสดงผลการเปรียบเทียบคําตอบของทั้งสองตัวแบบในปญหาอื่นๆ<br />
ตอไป<br />
4.1 การแกปญหาสําหรับลูกคา 15 ราย<br />
ขอมูลพิกัดของตําแหนงลูกคาแตละราย แสดงในตารางที่<br />
1<br />
ความตองการของลูกคาแตละรายถูกแสดงในตารางที่<br />
2 โดยมีจํานวนรถที่<br />
มีใหจํานวน 8 คัน มีรายละเอียดดังตารางที่<br />
3โดยจํานวนรถหนวยเปน คัน<br />
ขนาดบรรทุกมีหนวยเปน พันลิตร สวนจํานวนชองบรรจุ คือจํานวน<br />
ชอง×ขนาดบรรทุกตอชองหนวยเปน พันลิตร เชน 4×2 หมายถึงมีชอง<br />
บรรจุขนาด 4 พันลิตรจํานวน 2 ชอง สวนคาใชจายจะคิดเปน บาทตอ<br />
กิโลเมตร ขึ้นอยูกับขนาดของรถขนสง<br />
ในสวนของรูปแบบการแบงความ<br />
ตองการของทั้งสองตัวแบบนั้นถูกแสดงดังตารางที่<br />
4<br />
่ ตารางที 1 พิกัดคารทีเซียนสองตําแหนงลูกคา เมื่อ<br />
(0,0) คือคลังน้ํามัน<br />
ตําแหนง<br />
พิกัด<br />
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15<br />
X 0 153 55 159 -183 -5 -61 1 -5 186 -4 -25 71 -42 192 -112<br />
Y 0 103 -143 58 166 -76 40 -162 -17 123 16 -93 -61 -120 -70 26<br />
่ ตารางที 2 ความตองการของลูกคาแตละราย<br />
ลูกคา<br />
ผลิตภัณฑ<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15<br />
1 16 0 14 4 6 12 4 0 12 4 8 4 16 8 4<br />
2 0 0 0 0 0 0 0 0 0 2 0 0 0 2 0<br />
3 0 0 0 0 0 0 6 2 0 0 0 10 0 0 0<br />
4 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0<br />
5 0 4 0 0 0 0 0 2 2 0 2 0 0 0 2
่ ตารางที 3 รายละเอียด รถขนสงที่สามารถใชได<br />
ประเภท<br />
จํานวน<br />
(คัน)<br />
ขนาด<br />
บรรทุก<br />
(พันลิตร)<br />
จํานวนชอง<br />
คาใชจาย<br />
(บาทตอ<br />
กิโลเมตร)<br />
1 1 16 4×2 , 2×4 15<br />
2 1 16 4×4 15<br />
3 2 40 8×5 19<br />
4 2 40 (8, 6, 4, 2)×2 19<br />
5 1 32 6×4 , 4×2 17<br />
6 1 32 8×2 , 4×4 17<br />
่ ตารางที 4 รูปแบบการแบงความตองการ<br />
ตัวแบบ<br />
ความตองการ<br />
(พันลิตร)<br />
ตัวหาร ( jp Y หรือY jpq )<br />
1<br />
10, 12, 14, 16<br />
2, 4, 6, 8<br />
2<br />
1<br />
16 2, 4, 8<br />
12 2, 3, 6<br />
10, 14 2<br />
2 8 1, 2, 4<br />
6 1, 3<br />
4 1, 2<br />
2 1<br />
ผูวิจัยไดดําเนินการหาคําตอบโดยใชโปรแกรม<br />
Lingo เวอรชั่น<br />
12 และใชฟงกชั่น<br />
Global solver โดยใชเวลาในการคํานวณ 4 ชม.คําตอบ<br />
จากโปรแกรม Lingo นั้นจะแสดงคําตอบสองประเภทคือ<br />
1) Best<br />
Objective (Best Obj) จะแสดงคําตอบจริงที่ไดในขณะนั้น<br />
2) Objective<br />
bound (Obj bound) คือคําตอบที่ดีที่สุดในทางทฤษฎี<br />
หากBest Obj กับ<br />
Obj bound เทากันแสดงวาคําตอบที่ไดเปนคําตอบที่ดีที่สุด<br />
(Global<br />
Optimal) ผลการหาคําตอบที่ไดจากตัวแบบที่<br />
1 และ 2 ของปญหา 15<br />
ลูกคาไดแสดงในตารางที่<br />
5 และ6 ตามลําดับ<br />
จากตารางที่<br />
3 รถขนสงที่มีขนาดบรรทุกมากจะมีคาใชจายผัน<br />
แปรสูงตามดวย ซึ่งคําตอบที่เหมาะสมก็จะขึ้นกับการเลือกใชรถให<br />
เหมาะสมกับระยะทางและขนาดชองบรรจุที่มีใหดวย<br />
137<br />
ตารางที่<br />
5 ผลการจัดเสนทางของตัวแบบที่<br />
1<br />
่ รถคันที<br />
ประเภทรถ<br />
(ลิตร - ประเภท)<br />
ลําดับการขนสง<br />
ความจุที่เหลือ<br />
(ลิตร)<br />
1 16,000 - 1 4 – 15 – 8 2,000<br />
2 40,000 - 3 13 24,000<br />
3 40,000 - 4 5 – 11 – 7 – 2 – 14 0<br />
4 40,000 - 4 10 – 1 – 9 4,000<br />
5 32,000 - 5 12 – 6 2,000<br />
6 32,000 - 6 3 18,000<br />
ตนทุนคาขนสงรวม<br />
44,259 บาท<br />
Global Optimal<br />
่ ่<br />
่<br />
ตารางที 6 ผลการจัดเสนทางของตัวแบบที 2<br />
รถคันที<br />
ประเภทรถ<br />
(ลิตร - ประเภท)<br />
ลําดับการขนสง<br />
ความจุที่เหลือ<br />
(ลิตร)<br />
1 16,000 - 1 4 – 15 – 8 2,000<br />
2 16,000 - 2 6 0<br />
3 40,000 - 4 11 – 5 – 7 – 2 – 14 0<br />
4 40,000 - 4 1 – 9 – 10 4,000<br />
5 32,000 - 5 12 18,000<br />
6 32,000 - 6 13 – 3 2,000<br />
ตนทุนคาขนสงรวม<br />
43,610 บาท<br />
39,259 บาท<br />
Best Obj<br />
Obj bound<br />
จากตารางที่<br />
5 ตนทุนคาขนสงที่ไดจากตัวแบบที่<br />
1 เปน<br />
คําตอบที่ดีที่สุด<br />
(Global Optimal) คือ 44,259 บาท โดยใชรถทั้งสิ้น<br />
6 คัน<br />
สวนตัวแบบที่<br />
2 ในตารางที่<br />
5 คําตอบที่ไดนั้นต่ํากวาตัวแบบที่<br />
1 คือ<br />
43,610 บาท แตไมสามารถยืนยันไดวาเปนคําตอบที่ดีที่สุด<br />
ใชรถขนสง<br />
จํานวน 6 คันแตจะแตกตางในประเภทรถที่ใช<br />
คําตอบที่ไดนี้อาจเปน<br />
คําตอบที่ดีที่สุดแลวก็เปนได<br />
หากใชเวลาในการคํานวณเพิ่มขึ้น<br />
คําตอบ<br />
ของ Obj bound อาจจะเทากับ Best Obj สังเกตไดวาตัวแบบที่<br />
2 สามารถ<br />
แบงคําสั่งซื้อไดหลากหลายจึงสามารถจัดเสนทางการขนสงที่มีคาใชจาย<br />
ต่ํากวาแบบแรกได<br />
4.2 ผลการแกปญหาในปญหาอื่นๆ<br />
ผูวิจัยไดทําการหาคําตอบในการแกปญหาที่มีจํานวนลูกคาที่<br />
แตกตางกันโดยมีจํานวนลูกคาที่<br />
5 10 15 20 25 30 40 50 และ60 ราย<br />
ตามลําดับโดยมีทั้งหมด<br />
2 ปญหา และไดทําการเปรียบเทียบคําตอบของ<br />
ตัวแบบทั้งสองแบบจากผลการคํานวณที่เวลา<br />
4 ชม.ในตารางที่<br />
7-11
140<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การวิเคราะหนโยบายเติมเต็มพัสดุหลักที่เหมาะสม<br />
กรณีศึกษา การไฟฟาสวนภูมิภาค<br />
Inventory Control Policy Analysis Case Study: Provincial Electricity Authority<br />
พัทธนันท มงคลสิริวัฒน 1 และธนัญญา วสุศรี 2<br />
1, 2<br />
บัณฑิตวิทยาลัยการจัดการและนวัตกรรม มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี<br />
กรุงเทพมหานคร 10140<br />
โทรศัพท/โทรสาร: 02-470-9799 E-mail: 1 phatthanan_m@hotmail.com, 2 twasusri@gmail.com<br />
บทคัดยอ<br />
การไฟฟาสวนภูมิภาค (กฟภ.) เปนหนวยงานผูใหบริการดาน<br />
พลังงาน ไดดําเนินการปรับปรุงระบบสายสง เพื่อรองรับตอความตองการ<br />
ทําใหความตองการพัสดุเพิ่มขึ้น<br />
รวมถึงตนทุนพัสดุคงคลังเพิ่มขึ้นตามมา<br />
วัตถุประสงของงานวิจัยนี้เพื่อศึกษานโยบายเติมเต็มพัสดุหลักและเพิ่ม<br />
ประสิทธิภาพใหแกกิจกรรม ดวยนโยบายเติมเต็มพัสดุอยางตอเนื่อง<br />
(Continuous Review System: CRS) รูปแบบสั่งซื้อประหยัด<br />
(Economic<br />
Order Quantity: EOQ) และกําหนดจุดสั่งซื้อ<br />
(Reorder Point: R) ที่<br />
เหมาะสม และกําหนดแนวทางปรับปรุงกระบวนการจัดซื้อและ<br />
เสนอแนะแนวทางเพิ่มประสิทธิภาพดวยรูปแบบการจัดการพัสดุคงคลัง<br />
โดยผูสงมอบ<br />
(Vendor Managed Inventory: VMI) งานวิจัยนี้กําหนด<br />
แนวทางปรับปรุงเพื่อเพิ่มประสิทธิภาพแกกระบวนการ<br />
ทั้งสิ้น<br />
4 แนวทาง<br />
คือแนวทางที่<br />
1 ลดขั้นตอนทํา<br />
TOR สามารถลดพัสดุสํารองได 6%<br />
แนวทางที่<br />
2 ลดขั้นตอนพิจารณาเทคนิค<br />
สามารถลดพัสดุสํารองได 7%<br />
แนวทางที่<br />
3 ลดระยะเวลาขั้นตอนตรวจรับพัสดุ<br />
ลดพัสดุสํารองได 10%<br />
และแนวทางที่<br />
4 การนําระบบจัดการพัสดุคงคลังโดยผูสงมอบมา<br />
ประยุกตใชกับกรณีศึกษา สามารถลดพัสดุสํารองลงได 35% แนวทางที่<br />
4 จึงเปนแนวทางเพิ่มประสิทธิภาพที่งานวิจัยนี้เลือกใชเพื่อแกปญหา<br />
ใหแกกรณีศึกษา<br />
คําสําคัญ: ระบบเติมเต็มอยางตอเนื่อง,<br />
รูปแบบการสั่งซื้อประหยัด,<br />
การจัดการพัสดุคงคลังโดยผูสงมอบ<br />
Abstract<br />
Provincial Electricity Authority (PEA) provides electricity<br />
service. The electricity distribution systems are needed to improve to<br />
support the increasing of customers’ demand. It is then lead to high<br />
inventory costs. This research is thus to study the inventory control<br />
policy for the case study. Firstly, Quantity (Q) was applied with an<br />
appropriate purchase order by Economy Order Quantity Theory (EOQ)<br />
and Reorder Point (R). Then, to improve the purchasing process and<br />
guidelines for increasing the efficiency of activities with Vendor<br />
managed inventory (VMI) are provided. There were four scenario<br />
proposed. First, an reengineer process of TOR could reduce safety stock<br />
by 6 %. Second, the reduction of the technical process lead time could<br />
reduce safety stock by 7 %. Thirdly, to reduce the inspection process<br />
lead time could reduce safety stock by 10 % In addition to this, VMI<br />
can bring benefits to the case study by reducing its safety stocks can<br />
reduce by 35 %<br />
Key Words: Continuous Review System, Economic Order Quantity,<br />
Vendor Managed Inventory<br />
1. บทนํา<br />
ไฟฟา เปนพลังงานสําคัญตอการขับเคลื่อนเศรษฐกิจประเทศ<br />
เห็นไดจากอัตราความตองการใชไฟฟาของประเทศมีทิศทางเดียวกับ<br />
อัตราการขยายตัวของเศรษฐกิจ ดังนั้นเพื่อรองรับความตองการที่เพิ่มขึ้น<br />
การไฟฟาสวนภูมิภาคซึ่งเปนหนวยงานรัฐวิสาหกิจผูใหบริการดาน<br />
พลังงาน จึงตองดําเนินการปรับปรุงระบบจําหนายและสายสง เพื่อ<br />
รองรับความตองการที่เพิ่มขึ้นในอนาคตและตอบสนองความตองการ<br />
ของผูใชไฟไดอยางมีประสิทธิภาพ<br />
การปรับปรุงระบบจําหนายและสาย<br />
สง มีผลใหอัตราความตองการพัสดุอุปกรณไฟฟาและตนทุนดําเนิน<br />
กิจกรรมตางๆเพิ่มขึ้น<br />
ดังนั้นการไฟฟาสวนภูมิภาค<br />
จึงตองคํานึงถึงอัตรา<br />
การใหบริการแกลูกคาในระดับสูงสุดภายใตตนทุนองคกรที่เหมาะสม<br />
โดยตนทุนดําเนินงานสําคัญตัวหนึ่ง<br />
คือตนทุนพัสดุคงคลัง กิจกรรม<br />
จัดการพัสดุเปนกิจกรรมที่เชื่อมโยงกับหลายหนวยงานทั้งภายในและ<br />
ภายนอกองคกร หากระบบจัดการไมมีประสิทธิภาพก็จะสงผลตอ<br />
กิจกรรมอื่นขององคกร<br />
ดังเชน กิจกรรมจัดการพัสดุของกรณีศึกษา ซึ่งมี<br />
กระบวนการทํางานเชื่อมโยงกับหลายหนวยงาน<br />
ดังเชน ฝายพัสดุ ฝาย<br />
จัดหา การไฟฟาเขตทั้ง<br />
12 เขตทั่วภูมิภาค<br />
เปนตน กระบวนการจัดการ<br />
พัสดุของการไฟฟาสวนภูมิภาค มีขั้นตอนดังรูปที่<br />
1
รูปที่<br />
1 กระบวนการจัดการพัสดุในปจจุบัน (<strong>AS</strong>-IS)<br />
จากรูปที่<br />
1 สามารถอธิบายรายละเอียดแตละขั้นตอนได<br />
ดังตอไปนี้<br />
การไฟฟาเขต 12 เขต รวบรวมความตองการพัสดุจากจุดรวม<br />
งานภายใตการดูแลของตน เพื่อสงมายังกองบริหารพัสดุ<br />
กองบริหารพัสดุ รับความตองการมาจากการไฟฟาเขตทั้ง<br />
12<br />
เพื่อพิจารณาวางแผนจัดหาประจําป<br />
โดยคณะทํางานจัดหาพัสดุหลักและ<br />
พัสดุรองประจําป จะนําขอมูลความตองการพัสดุ (พัสดุหลัก คือ พัสดุที่มี<br />
มูลคาสูงในแตละรายการ, พัสดุรอง คือ พัสดุที่มีมูลคาไมสูง)<br />
ไปใชใน<br />
การวางแผน จากนั้นเสนอตอผูบริหารตามขั้นตอนถึงสภาพัฒนฯและ<br />
ไดรับการอนุมัติ<br />
ฝายจัดหา ดําเนินการตามขั้นตอนประกวดราคาอิเล็กทรอนิคส<br />
ประกอบดวยกระบวนการหลัก 5 กระบวนการดังนี้<br />
[1] 1) ขั้นตอนจัดทํา<br />
แผนจัดหาพัสดุหลักประจําป (Procurement Planning) 2) ขั้นตอนออก<br />
ประกวดราคา (Bidding) 3) ขั้นตอนคัดเลือกผูขาย/ผูสงมอบสินคา<br />
(Vendor/Supplier Selection) 4) ขั้นตอนจัดทําสัญญา<br />
(Contracting) และ<br />
5) ขั้นตอนตรวจรับพัสดุ<br />
(Goods Receipt)<br />
ผูสงมอบ<br />
(Supplier) ดําเนินการสงมอบพัสดุ ณ คลังพัสดุ<br />
กลาง (รังสิต) โดยรับฝากพัสดุจากผูสงมอบเพื่อรอเขาสูกระบวนการ<br />
ตรวจรับ เมื่อพัสดุผานขั้นตอนตรวจรับจะถูกรับเขาสูกระบวนการรับ<br />
พัสดุเขาคลังอยางแทจริงเพื่อรอจัดสรรไปยังจุดตางๆตามที่กําหนดใน<br />
แผนจัดสรรเกิดเปนพัสดุคงคลัง ณ คลังพัสดุกลาง<br />
วัตถุประสงคของงานวิจัยนี้<br />
เปนการศึกษารูปแบบการจัดการ<br />
พัสดุอุปกรณไฟฟากลุมหลัก<br />
(พัสดุหลัก คือ พัสดุที่มีปริมาณการใชสูง<br />
หรือ พัสดุกลุม<br />
A จากการแบงกลุมดวยเทคนิค<br />
ABC) ที่เหมาะสมแกการ<br />
ไฟฟาสวนภูมิภาค และวิเคราะหแนวทางปรับปรุงเพื่อเพิ่มประสิทธิภาพ<br />
ใหกระบวนการจัดการพัสดุคงคลัง<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
2.1 การแบงกลุมพัสดุคงคลัง<br />
ดวยเทคนิค ABC (ABC<br />
Classification)<br />
141<br />
การแบงกลุมพัสดุคงคลังดวยเทคนิค<br />
ABC เปนเทคนิคที่ถูก<br />
นํามาใชกันอยางกวางขวางในหลายองคกร โดยการแบงกลุมจะอางอิง<br />
ตามหลักการของพาเรโต เทคนิค ABC งายตอการใชงานและการเขาใจ<br />
โดยทั่วไป<br />
พัสดุที่ถูกแบงกลุม<br />
ขึ้นกับ<br />
มูลคาพัสดุตอป โดยวิเคราะหจาก<br />
ความตองการใชงานตอปและราคาเฉลี่ยตอหนวย<br />
โดยแบงกลุมพัสดุเปน<br />
3 กลุม<br />
คือ พัสดุกลุม<br />
A เปนกลุมพัสดุที่มีจํานวนนอยแตมีมูลคาและความ<br />
ตองการใชงานสูง ตองถูกควบคุมและตรวจติดตามอยางสม่ําเสมอ<br />
เทียบ<br />
ไดกับพัสดุกลุมหลักของการไฟฟาสวนภูมิภาค<br />
(เทียบเปน 20% ของ<br />
รายการพัสดุทั้งหมด<br />
มีมูลคารวมคิดเปน 80%ของมูลคารวมทั้งหมด)<br />
พัสดุกลุม<br />
B คือพัสดุกลุมที่มีความตองการใชงานและมูลคาพัสดุเปน<br />
ลําดับถัดมาจากพัสดุกลุม<br />
A แตมีปริมาณพัสดุมากกวาพัสดุกลุม<br />
A (เทียบ<br />
เปน 30% ของรายการพัสดุทั้งหมด<br />
มีมูลคารวมคิดเปน 15%ของมูลคา<br />
รวมทั้งหมด)<br />
เทียบไดกับกลุมพัสดุรองของการไฟฟาสวนภูมิภาค<br />
และ<br />
พัสดุกลุม<br />
C คือกลุมพัสดุที่มีมูลคาต่ํากวา<br />
B แตมีปริมาณพัสดุมากกวา<br />
(เทียบเปน 50% ของรายการพัสดุทั้งหมด<br />
มีมูลคารวมคิดเปน 15%ของ<br />
มูลคารวมทั้งหมด)เทียบไดกับกลุมพัสดุรองของการไฟฟาสวนภูมิภาค<br />
ตามการแบงของการไฟฟาสวนภูมิภาคเชนกัน<br />
2.2 นโยบายการเติมเต็มพัสดุอยางตอเนื่อง<br />
(Continuous<br />
review system) รูปแบบ (Q, r)<br />
นโยบายเติมเต็มอยางตอเนื่อง<br />
รูปแบบ (Q, r) เปนระบบการ<br />
พิจารณาและตรวจเช็คอยางตอเนื่อง<br />
โดยวิเคราะหรูปแบบสั่งซื้อและจุด<br />
สั่งซื้อที่เหมาะสม<br />
งานวิจัยนี้เลือกใชทฤษฎี<br />
EOQ เพื่อวิเคราะหหาปริมาณ<br />
การสั่ง<br />
และจุดสั่งซื้อที่เหมาะสม<br />
กรณีความตองการแปรผันและ<br />
ระยะเวลานําคงที่<br />
เพื่อเปนพื้นฐานไปสูการพัฒนาระบบจัดการพัสดุโดยผู<br />
สงมอบ (Vendor managed Inventory: VMI) [3] สามารถแสดง<br />
ความสัมพันธตามรูปที่<br />
2<br />
รูปที่<br />
2 ความสัมพันธระหวางรูปแบบ EOQ และจุดสั่งซื้อ<br />
2.3 การปรับปรุงกระบวนการทํางาน (Business Process<br />
reengineering: BPR)<br />
การปรับปรุงกระบวนการทํางานใหม มีหลักการสําคัญคือ<br />
เนนผลลัพธ และสนใจเปาหมายมากกวาตัวงาน เพื่อการพัฒนาและ<br />
ขณะเดียวกันยังเปนการวัดสมรรถนะตางๆของธุรกิจ ในดานตนทุน<br />
คุณภาพ การบริการและความรวดเร็ว [4]
2.4 การจัดการพัสดุคงคลังโดยผูสงมอบ<br />
(Vendor Managed<br />
Inventory: VMI)<br />
VMI เปนกระบวนการจัดการพัสดุที่อาศัยประโยชนจากการ<br />
แลกเปลี่ยนขอมูลระหวางผูผลิต/ผูจัดหา<br />
และลูกคา ถือไดวาเปนกลยุทธ<br />
สําคัญในการจัดการโซอุปทาน โดย ผูผลิต/ผูจัดหา<br />
ทําหนาที่จัดการพัสดุ<br />
คงคลังใหแกลูกคา โดยใชขอมูลการใชงานและระดับพัสดุคงคลังที่<br />
ไดรับจากลูกคาเพื่อใชในการวางแผนเพื่อจัดการพัสดุคงคลังที่เหมาะสม<br />
ใหแกลูกคา กลาวคือ ผูผลิต/ผูจัดหาจะตรวจสอบปริมาณพัสดุคงคลังของ<br />
ลูกคา และจัดสงพัสดุใหลูกคาเพื่อรักษาระดับพัสดุคงคลังใหไดตามที่ตก<br />
ลงกัน รูปแบบ VMI สวนของหนาที่การจัดการและเติมเต็มพัสดุคงคลัง<br />
จะถูกโอนมาใหเปนหนาที่ของผูผลิต/ผูจัดหาเปนผูรับผิดชอบ<br />
ประโยชน<br />
ที่คาดวาจะไดรับจาก<br />
VMI คือ ระดับการใหบริการที่ดีขึ้น<br />
ลดปริมาณ<br />
พัสดุขาดมือ ในขณะที่ตนทุนจัดเก็บพัสดุและสั่งพัสดุลดลง<br />
สําหรับ<br />
ผูผลิต/ผูจัดหานั้น<br />
VMI สามารถลด Bullwhip Effect และชวยใหการวาง<br />
แผนการผลิตมีประสิทธิภาพมากขึ้น<br />
ใชทรัพยากรไดเหมาะสมขึ้น<br />
และ<br />
ชวยในการวางแผนการจัดสงและการเติมเต็มสินคาไดดีขึ้น<br />
โดยขอมูล<br />
จากจุดขายจะถูกสงตรงไปยังระบบคอมพิวเตอรของผูผลิต<br />
เชน<br />
Electronic Data Interchange (EDI) ทําใหผูผลิตสามารถเห็นยอดขายและ<br />
ตัดสินใจเริ่มกระบวนการเติมเต็มพัสดุได<br />
สําหรับขั้นตอนจัดทําระบบ<br />
VMI ประกอบดวย 6 องคประกอบหลัก ดังตอไปนี้<br />
[5]<br />
1. กําหนดตําแหนงจัดเก็บพัสดุคงคลัง (Inventory Location)<br />
โดยตกลงกันวา ควรตั้งพัสดุที่ใด<br />
2. กําหนดผูกระจายพัสดุ<br />
(Distribution Model) โดยกําหนด<br />
ผูดําเนินการกระจายพัสดุ<br />
เชนผูสงมอบ,<br />
การจาง Outsource เขามา<br />
ดําเนินการ เปนตน<br />
3. กําหนดการตรวจติดตามระดับพัสดุและปริมาณความ<br />
ตองการ (Inventory Level monitoring and demand visibility) อาทิเชน<br />
กําหนดวิธีการตรวจติดตามและผูตรวจติดตาม<br />
4. กําหนดรูปแบบการแลกเปลี่ยนขอมูลระหวางผูสงมอบและ<br />
ลูกคา (Role of information system) อาทิเชน ผาน Internet, Faxหรือ EDI<br />
เปนตน<br />
5. กําหนดผูมีอํานาจในการตัดสินใจเติมเต็มพัสดุ<br />
(Replenishment decision) ใหกับลูกคา<br />
6. กําหนดผูเปนเจาของพัสดุคงคลัง<br />
(Inventory Ownership)<br />
3. วิธีดําเนินงานวิจัย<br />
งานวิจัยนี้<br />
เริ่มจากคัดเลือกพัสดุกลุมตัวอยาง<br />
ก็คือ กลุมพัสดุหลัก<br />
หรือ พัสดุที่อยูในกลุม<br />
A ทั้งนี้การไฟฟาสวนภูมิภาคไดทําการจัดลําดับ<br />
ความสําคัญของพัสดุโดยใชปริมาณ x มูลคา ของพัสดุ เปนเกณฑืการ<br />
แบงกลุม<br />
โดยแบงกลุมพัสดุออกเปน<br />
2 กลุมคือ<br />
พัสดุกลุม<br />
A คือ กลุมพัสดุ<br />
หลัก เชน สายไฟ ผลิตภัณฑคอนกรีต เปนตน และพัสดุกลุม<br />
B, C นั้นคือ<br />
กลุมพัสดุรองเชน<br />
อุปกรณประกอบลูกถวย อุปกรณสายยึดโยง เปนตน<br />
142<br />
จากนั้นศึกษาสภาวการณปจจุบันการไฟฟาสวนภูมิภาค<br />
วิเคราะหปญหา<br />
และสาเหตุ กําหนดแนวทางแกปญหาและปรับปรุงการทํางาน โดยมี<br />
ขั้นตอนดําเนินงาน<br />
ดังนี้<br />
3.1 ขั้นตอนเก็บรวบรวมขอมูล<br />
งานวิจัยนี้<br />
เก็บรวบรวมขอมูลปฐมภูมิดวยวิธีการสัมภาษณ<br />
และขอมูลทุติยภูมิโดยใชขอมูลจายเขางานยอนหลังเปนรายป รูปแบบ<br />
ปริมาณและมูลคา ตั้งแตป<br />
พ.ศ. 2552 – 2553 ทั้งนี้การไฟฟาสวนภูมิภาค<br />
ดําเนินการจัดซื้อเพียงปละ<br />
1 รอบเทานั้น<br />
ทําใหปริมาณการจายพัสดุนั้น<br />
ขึ้นกับความพรอมพัสดุเปนหลัก<br />
ทําใหลักษณะความตองการพัสดุนั้น<br />
ไมใชความตองการที่เกิดขึ้นจริงในแตละเดือน<br />
3.2 ขั้นตอนวิเคราะหขอมูล<br />
ขั้นตอนนี้<br />
คัดเลือกตัวแทนพัสดุเพื่อใชในการวิจัย<br />
โดย<br />
วิเคราะหจากคาสัมประสิทธิ์ความแปรปรวน<br />
(Variability Coefficient, V)<br />
ตามหลัก Peterson – Silver และคัดเลือกขอมูลที่มีคา<br />
V นอยกวา 0.25 ซึ่ง<br />
เปนขอมูลที่มีปริมาณการใชคอนขางคงที่เหมาะสมในการจัดการพัสดุ<br />
ดวยรูปแบบ EOQ<br />
3.3 ศึกษาสภาวการณปจจุบันการจัดการพัสดุ<br />
ปจจุบันการไฟฟาสวนภูมิภาคประสบปญหา มูลคาพัสดุคง<br />
คลังเฉลี่ยสูงถึงปละประมาณ<br />
6,000 ลานบาท และ ปญหาพัสดุขาดแคลน<br />
เนื่องจากกิจกรรมจัดซื้อสวนกลาง<br />
มีระยะเวลาดําเนินการนานและไม<br />
แนนอน ซึ่งการจัดการพัสดุ<br />
มีหนวยงานรับผิดชอบหลักคือ ฝายพัสดุ ทํา<br />
หนาที่กําหนดและติดตามสถานะพัสดุ<br />
และกําหนดดัชนีชี้วัดในภาพรวม<br />
จํานวน 3 ตัวชี้วัดหลักๆ<br />
คือ 1) อัตราหมุนเวียนพัสดุ (Turnover Ratio) ทุก<br />
คลังพัสดุมีอัตราหมุนเวียนเทากับ 1.4 รอบ ตอป และติดตามผลเปนราย<br />
ไตรมาส 2) กําหนดปริมาณ Safety Stock ที่ระดับ<br />
2 เดือน และ 3) ระบุ<br />
พัสดุไมเคลื่อนไหวหรือเคลื่อนไหวชา<br />
จากขอมูลจายเขางาน สามารถ<br />
สรุปสถานภาพการจัดการพัสดุ ไดดังตารางที่<br />
1<br />
ตารางที่<br />
1 สรุปสถานภาพการจัดการพัสดุ (หนวย: พันลานบาท)<br />
จากตารางที่<br />
1 พบวายอดจัดซื้อจากสวนกลางมีแนวโนมลดลง<br />
เชนเดียวกับยอดจัดซื้อสวนภูมิภาค<br />
และยอดจายเขางาน ในขณะที่ยอด<br />
คงเหลือพัสดุยังคงมีมูลคาเฉลี่ยสูงถึง<br />
6 พันลานบาท เมื่อเปรียบเทียบพัสดุ<br />
คงเหลือกับยอดจายเขางาน สามารถวิเคราะหอัตราหมุนเวียน ดังนี้
่<br />
่<br />
ตารางที 6<br />
แนวทางที 3<br />
ผลการเปรียบเทียบการจัดการพัสดุรูปแบบ EOQ และ<br />
แนวทางที่4<br />
ลดระยะเวลาแนวทางที่<br />
1 2 และ 3 รวมทั้งสิ้น<br />
112<br />
วัน โดยเปลี่ยนรูปแบบการจัดการเปนรูปแบบจัดการพัสดุคงคลังโดยผูสง<br />
มอบ (Vendor managed Inventory: VMI) จากการวิจัย พบวาสามารถลด<br />
ตนทุนจัดซื้อได<br />
37% มีผลใหระดับพัสดุสํารองมีปริมาณลดลงจาก<br />
รูปแบบ EOQ 35% และอัตราหมุนเวียนพัสดุ 8 เทา ดังแสดงตามตาราง<br />
ที่<br />
7<br />
่<br />
่<br />
ตารางที 7<br />
แนวทางที 4<br />
ผลการเปรียบเทียบการจัดการพัสดุรูปแบบ EOQ และ<br />
4.3 เสนอแนวทางเพิ่มประสิทธิภาพการจัดการพัสดุ<br />
ดวย<br />
รูปแบบจัดการพัสดุคงคลังโดยผูสงมอบ<br />
จากแนวทางปรับปรุง 4 แนวทางจากหัวขอ 4.2 พบวา<br />
แนวทางที่<br />
4 สามารถลดเวลาดําเนินการและปริมาณพัสดุสํารองไดมาก<br />
ที่สุด<br />
งานวิจัยนี้จึงทําการเสนอแนวทางเพิ่มประสิทธิภาพใหกรณีศึกษา<br />
ดวยรูปแบบจัดการพัสดุคงคลังโดยผูสงมอบ<br />
การจัดการพัสดุคงคลังโดยผูสงมอบของกรณีศึกษา<br />
แตกตาง<br />
กับรูปแบบ VMI ปกติ เนื่องจากระเบียบและขอบังคับของการไฟฟาสวน<br />
ภูมิภาค ดังนั้นรูปแบบการทํา<br />
VMI ที่เหมาะสมจึงตองอยูภายใตขอจํากัด<br />
ดังกลาว งานวิจัยนี้จึงเสนอขั้นตอนดําเนินงานดังนี้<br />
1. จัดตั้งคณะทํางาน<br />
ประกอบดวย ฝายพัสดุ ฝายจัดหา หัวหนา<br />
แผนกบริหารพัสดุ และที่ปรึกษา<br />
และกําหนดแนวการนําระบบ VMI เขา<br />
มาใชในหนวยงาน<br />
2. คัดเลือกผูสงมอบที่เขารวมโครงการ<br />
จาก Vendor List ที่ขึ้น<br />
ทะเบียนมาแลวกวา 1 ป โดยพิจารณาความสามารถของผูสงมอบ<br />
145<br />
เรื่องอัตรากําลังการผลิตและสงมอบพัสดุอุปกรณไฟฟาใหแก<br />
การไฟฟาไดตามที่กําหนดไวในสัญญา<br />
3. การไฟฟาสวนภูมิภาคสรางความเขาใจในระบบ VMI กับผู<br />
สงมอบทั้งภายนอกและภายในองคกร<br />
เพื่อชี้แจงใหเห็นถึงความสําคัญ<br />
ของระบบ VMI<br />
4. แลกเปลี่ยนขอมูลระหวางการไฟฟาสวนภูมิภาคและผูสง<br />
มอบ เพื่อสรางขอตกลงรวมกันในลักษณะ<br />
Win-Win และกําหนด<br />
วัตถุประสงคดําเนินงานรวมกัน<br />
5. จัดทําสัญญาระหวางการไฟฟาสวนภูมิภาคและผูสงมอบ<br />
โดยรูปแบบสัญญาจะตองมีความชัดเจนและครอบคลุมในทุกดาน เชน<br />
การกําหนดเงื่อนไขในการสงมอบ<br />
บทลงโทษเมื่อสงมอบลาชาและ<br />
เงื่อนไขการชําระเงินโดยระบุใหชัดเจน<br />
เปนตน<br />
แนวทางการจัดทํา VMI สําหรับกรณีศึกษา ทําการนําเสนอ<br />
เปนหัวขอหลักๆ ดังตอไปนี้<br />
1. ตําแหนงจัดเก็บพัสดุคงคลัง เชนกําหนดใหผูสงมอบเปน<br />
ผูดําเนินการจัดเก็บพัสดุไวยังคลังพัสดุของผูสงมอบ<br />
2. รูปแบบการกระจายพัสดุ กําหนดใหผูสงมอบรับหนาที่<br />
กระจายพัสดุไปยังจุดตางๆตามรูปแบบโครงสรางบริหารงาน<br />
3. การกําหนดจุดเติมเต็ม ฝายพัสดุทําหนาที่กําหนดจุดเติมเต็ม<br />
และปริมาณที่ตองเติมเต็ม<br />
4. ผูมีอํานาจตัดสินใจเติมเต็ม<br />
อาทิเชน กําหนดใหผูสงมอบ<br />
เปนผูตัดสินใจเติมเต็มพัสดุใหแกคลังพัสดุทั่วประเทศ<br />
5. ความเปนเจาของพัสดุ อาทิเชน กําหนดใหผูสงมอบเปน<br />
เจาของพัสดุ จนกวาพัสดุจะผานการตรวจรับเขาสูคลังพัสดุ<br />
จึงจะเปลี่ยน<br />
ความเปนเจาของพัสดุมายังการไฟฟาสวนภูมิภาค<br />
6. วิธีแลกเปลี่ยนขอมูล<br />
อาทิเชน กําหนดใหแลกเปลี่ยนขอมูล<br />
โดยผานระบบ Website ที่เชื่อมโยงกับระบบ<br />
SAP ของการไฟฟาสวน<br />
ภูมิภาค<br />
จากแนวทางขางตน สามารถสรุปหนาที่แตละฝายไดดังนี้<br />
ดานผูสงมอบ<br />
ผูสงมอบเปนผูตัดสินใจเติมเต็มพัสดุใหแกลูกคา<br />
ในที่นี้คือ<br />
การไฟฟาเขตทั้ง<br />
12 หรือ 4 คลังภาค เมื่อระดับพัสดุคงคลังลดลงถึงจุดเติม<br />
เต็ม ตามปริมาณที่ทางฝายพัสดุ<br />
กําหนด ภายใน 21 วันหลังจากถึงจุดเติม<br />
เต็ม ผูสงมอบตองดําเนินการเติมเต็มพัสดุใหกับการไฟฟาเขตหรือคลัง<br />
ภาค โดยใชแนวทางขององคการเภสัชกรรม คือ พิมพระดับพัสดุคงคลัง<br />
จาก Web site เพื่อใชแทน<br />
Invoice ในการสงมอบ โดยผูสงมอบจะไดรับ<br />
การชําระเงินภายใน 45 วัน นับพัสดุผานการตรวจรับและเขาสูคลังพัสดุ<br />
ของการไฟฟาเขตหรือคลังภาคเปนที่เรียบรอย<br />
ดานการไฟฟาสวนภูมิภาค<br />
ฝายพัสดุ จะเปนผูกําหนดจุดเติมเต็มพัสดุและปริมาณการเติม<br />
เต็มใหกับคลังพัสดุของการไฟฟาเขตทั้ง<br />
12 หรือ 4คลังภาค และกําหนด<br />
ตัวชี้วัด<br />
(KPI) ที่ใชควบคุม<br />
เชน การวัดอัตราการหมุนเวียนพัสดุ ซึ่งทุก
148<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การวางแผนที่เหมาะสมสําหรับระบบโลจิสติกสน้ํามันดีเซลที่มีการลดราคาหลายรูปแบบ<br />
หลายคลังน้ํามัน<br />
และหลายรูปแบบการขนสง<br />
Optimal Planning for Diesel Fuel Logistics System with Multiple Discount Models,<br />
Multiple Storages, and Multimodal Transportation<br />
มนพร คุปตาสา 1 ชอแกว จตุรานนท 2 เจริญชัย โขมพัตราภรณ 3 และเตือนใจ สมบูรณวิวัฒน 4<br />
1, 2, 3, 4<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี<br />
126 ถ. ประชาอุทิศ แขวงบางมด เขตทุงครุ<br />
กรุงเทพฯ 10140 โทรศัพท : 0-2470-9175-6<br />
E-mail: 2 chorkaew.jat@kmutt.ac.th, 3 charoenchai.kho@kmutt.ac.th, 4 tuanjai.som@kmutt.ac.th<br />
บทคัดยอ<br />
ถึงแมวาในปจจุบันประเทศไทยมีเชื้อเพลิงหลากหลายชนิดที่<br />
สามารถใชทดแทนกันไดก็ตาม ดีเซลยังคงเปนน้ํามันเชื้อเพลิงที่มีการใช<br />
ในปริมาณที่สูงที่สุดอยางตอเนื่องโดยเฉพาะอยางยิ่งในภาคการขนสง<br />
และภาคอุตสาหกรรม งานวิจัยนี้เปนการศึกษาการวางแผนระบบโลจิ<br />
สติกสของน้ํามันดีเซลเพื่อใหไดตนทุนโดยรวมต่ําที่สุดของบริษัทคา<br />
น้ํามันเชื้อเพลิงแหงหนึ่งในประเทศไทย<br />
ซึ่งระบบโลจิสติกสประกอบไป<br />
ดวยการจัดหาน้ํามันจากโรงกลั่นน้ํามันในประเทศ<br />
การขนสงน้ํามันจาก<br />
โรงกลั่นน้ํามันไปยังคลังน้ํามัน<br />
และการจัดเก็บน้ํามันในคลังน้ํามัน<br />
การจัดหาน้ํามันดีเซลนั้นสามารถจัดหาไดจากโรงกลั่นน้ํามัน<br />
5 แหง<br />
โดยโรงกลั่นแตละแหงจะมีการใหสวนลดและระดับสวนลดที่แตกตาง<br />
กันไป จากนั้นทําการขนสงน้ํามันดีเซลไปเก็บยังคลังน้ํามันสวนกลาง<br />
7<br />
แหง และคลังน้ํามันสวนภูมิภาค<br />
8 แหง ในภาคเหนือและภาค<br />
ตะวันออกเฉียงเหนือ โดยสามารถทําการขนสงได 4 รูปแบบ คือ ทางทอ<br />
สงน้ํามัน<br />
ทางรถไฟ ทางเรือ และทางรถบรรทุกน้ํามัน<br />
ซึ่งคาใชจายที่<br />
เกิดขึ้นในระบบโลจิสติกสจะหมายถึงตนทุนของผูประกอบการระบบโล<br />
จิสติกสไดถูกนํามาพัฒนาเปนแบบจําลองทางคณิตศาสตร และใช Excel<br />
Premium Solver ในการหาคําตอบ<br />
คําสําคัญ: การวางแผนระบบโลจิสติกส, น้ํามันดีเซล,<br />
การขนสงหลาย<br />
รูปแบบ, การลดราคาหลายรูปแบบ, Excel Premium Solver<br />
Abstract<br />
Although there are many types of fuel that are substitutable<br />
to one another in Thailand, diesel fuel is still the most used type of fuel,<br />
particularly in transportation and in industry. This research studies<br />
planning of diesel fuel logistics system of a petroleum company in<br />
Thailand to minimize the system’s costs. The logistics system<br />
comprises of purchasing the fuel from refineries, transporting it to<br />
storages, and managing fuel inventory. The fuel is purchased from 5<br />
refineries, each can offer a different discount model at different<br />
discount rates. The fuel is transported to 7 central storages, and then to<br />
8 regional storages in the Northern and Northeastern parts of Thailand.<br />
There are 4 transportation modes—pipe, rail, ship, and road—involved.<br />
The logistics costs are those incurred to the company. The system is<br />
then formulated as a mathematical program, and solved using Excel<br />
Premium Solver software to find the optimal solution.<br />
Keywords: Logistics system planning, Diesel fuel, Multimodal<br />
transportation, Multiple discount Model, Excel Premium<br />
Solver<br />
1. คํานํา<br />
น้ํามันดีเซลเปนน้ํามันเชื้อเพลิงที่มีอัตราการใชงานสูงที่สุดใน<br />
ประเทศ ซึ่งมีราคาถูกกวาน้ํามันเชื้อเพลิงชนิดอื่น<br />
ในปจจุบันราคาน้ํามัน<br />
ดีเซลมีการปรับตัวเพิ่มขึ้นและผันผวนอยูตลอดเวลาอยางตอเนื่อง<br />
ภาค<br />
การขนสงและภาคอุตสาหกรรมตางๆ สวนมากพาหนะที่ใชในการขนสง<br />
ใชน้ํามันดีเซลเปนเชื้อเพลิงหลัก<br />
จึงทําใหการใชน้ํามันดีเซลมีแนวโนม<br />
เพิ่มสูงขึ้นตลอดเวลา<br />
ทําใหมีผลกระทบตอระบบโลจิสติกสของบริษัทคา<br />
น้ํามันแหงหนึ่งในประเทศไทย<br />
ซึ่งประกอบไปดวยการจัดหาน้ํามันดีเซล<br />
จากโรงกลั่นน้ํามันที่มีการใหสวนลดและระดับสวนลดที่แตกตางกันไป<br />
การขนสงน้ํามันดีเซลจากโรงกลั่นไปยังคลังน้ํามันตางๆในหลายรูปแบบ<br />
การขนสง และการจัดเก็บน้ํามันดีเซลในคลังน้ํามันตางๆ<br />
ซึ่งสงผลใหเกิด<br />
ความยุงยาก<br />
ซับซอน ทางบริษัทใชบุคลากรที่มีประสบการณในการ<br />
วางแผนแยกกันในแตละสวน และยังไมมีเครื่องมือชวยในการตัดสินใจ
ซึ่งอาจจะสงผลใหตนทุนในระบบโลจิสติกสสูงโดยไมจําเปน<br />
จาก<br />
เหตุผลดังกลาวจึงตองมีการวางแผนที่เหมาะสมสําหรับระบบโลจิส<br />
ติกส<br />
น้ํามันดีเซลใหมีประสิทธิภาพมากที่สุดเพื่อทําใหตนทุนต่ําที่สุด<br />
ในงานวิจัยนี้ไดนําเสนอการวางแผนระบบโลจิสติกสที่<br />
เหมาะสมสําหรับน้ํามันดีเซล<br />
โดยเขียนเปนตัวแบบคณิตศาสตร และใช<br />
Excel Premium Solver เปนเครื่องมือเพื่อหาคําตอบการวางแผนระบบโล<br />
จิสติกสน้ํามันดีเซล<br />
เพื่อชวยลดความซับซอนการปฏิบัติงาน<br />
และทําใหมี<br />
ตนทุนระบบโลจิสติกสที่ต่ําที่สุด<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
ทฤษฎีและงานวิจัยที่เกี่ยวของซึ่งนํามาประกอบการวิจัยมี<br />
ดังตอไปนี้<br />
2.1 การจัดการโลจิสติกส<br />
เปนการดําเนินการที่รวบรวมเอากิจกรรมที่มีสวนเกี่ยวของกับ<br />
การจัดหา การเคลื่อนยาย<br />
การจัดเก็บ และการขนสง สถานะทั้งหมดของ<br />
สินคาที่ทําการผลิต<br />
โดยมีการสื่อสารขอมูลตอกันมีการดําเนินงานที่<br />
ประสานงานกัน และเปนปจจัยสนับสนุนที่ชวยทําใหการดําเนินงานตาง<br />
ๆ สามารถบรรลุตามเปาหมายไดอยางมีประสิทธิภาพ และตอบสนอง<br />
ความตองการของลูกคาอยางรวดเร็ว [6]<br />
2.2 ตัวแบบปริมาณการสั่งซื้อที่มีการลดราคา<br />
สมการตัวแบบทางคณิตศาสตรสําหรับคํานวณหา<br />
การวางแผนการจัดซื้อน้ํามันสําเร็จรูปตามปริมาณที่ตองการ<br />
ในการวิจัยนี้<br />
เนนเฉพาะการลดราคา 2 ประเภท คือ<br />
1) การลดราคาแบบทุกหนวย (<strong>All</strong> Units Discount) เปน<br />
พฤติกรรมการลดราคาที่กําหนดใหราคาที่จายเทากันสําหรับรายการที่ซื้อ<br />
ทุกหนวยการสั่งสําหรับระดับราคานั้นๆ<br />
ราคาตอหนวยจะลดลงเมื่อทํา<br />
การสั่งซื้อในปริมาณที่มากกวาหรือเทากับจุดเหนือระดับราคา<br />
(Price<br />
Break Point) ซึ่งคาใชจายรวมทั้งหมดจะประกอบไปดวย<br />
คาคงที่และไม<br />
คงที่โดยสัมพันธกับราคาที่กําหนดไวแตละระดับสวนลด<br />
2) การลดราคาแบบกาวหนา (Incremental Discount) สําหรับ<br />
นโยบายสวนลดราคาประเภทนี้จะทําการเพิ่มสวนลดเฉพาะปริมาณที่เกิน<br />
จุดแบงระดับราคา ตัวอยางเชน หากจุดแบงระดับราคาอยูที่<br />
1,000 หนวย<br />
และปริมาณการสั่งซื้อ<br />
1,500 หนวย ปริมาณ 999 หนวยแรกจะไมไดรับ<br />
สวนลด แตจะไดรับสวนลดเฉพาะ 1,500 -999 = 501 หนวยที่เกินจุดแบง<br />
ระดับราคา หากเปรียบเทียบกับกรณีการลดราคาแบบทุกหนวยแลว ทั้ง<br />
1,500 หนวย จะไดรับสวนลดเทากันทุกหนวย [8,10]<br />
2.3 ปญหาการขนสงเพื่อสงตอ<br />
(Transshipment Problem)<br />
ปญหาการขนสงเพื่อสงตอ<br />
(Transshipment Problem) เปนการ<br />
ขนสงสินคาจากแหลงผลิตไปยังปลายทางโดยการจัดสงผานจุดเปลี่ยน<br />
ถายสินคา การแกปญหาการขนสงเพื่อสงตอจะใชรูปแบบปญหาทางการ<br />
149<br />
ขนสงมาดัดแปลงใชกับปญหาการขนสงเพื่อสงตอ<br />
ซึ่งสามารถนํามา<br />
จําลองเขียนใหอยูในรูปแบบโปรแกรมเชิงเสนได<br />
มีจุดประสงคเพื่อให<br />
เสียคาใชจายรวมนอยที่สุด<br />
[5,8]<br />
รูปที่<br />
1 กราฟแสดงคาใชจายสําหรับการลดราคาแบบ <strong>All</strong> Units Discount<br />
และ Incremental Discount ตามลําดับ [8]<br />
รูปที่<br />
2 โครงขายการขนสงเพื่อสงตอ<br />
SUPPLY<br />
TRANSHIPMENT<br />
DEMAND<br />
2.4 การบริหารจัดการสินคาคงคลัง (Inventory Management)<br />
เปนกิจกรรมหลักดานโลจิสติกสขององคกรที่มีความสําคัญ<br />
อยางหนึ่ง<br />
โดยการวางแผนจัดการและควบคุมสินคาและวัตถุดิบทั้งหมด<br />
ที่มีอยูและที่จะมีอยูตอไปในอนาคต<br />
กอนนําไปสูกระบวนการผลิตเพื่อใช<br />
ในองคกรหรือจําหนายตามความตองการตอไป โดยมีจุดประสงคเพื่อให<br />
เกิดการประหยัดทั้งในสวนเวลาและคาใชจายในการเก็บรักษาและการ<br />
เคลื่อนยาย<br />
[3]<br />
2.5 วิธีการหาคําตอบที่เหมาะสมที่สุด<br />
(Optimization Technique)<br />
เปนวิธีการทางทางคณิตศาสตรเพื่อหาแนวทางที่ดีที่สุดในการ<br />
ใชทรัพยากรที่มีอยูอยางจํากัด<br />
ใหสามารถบรรลุวัตถุประสงคที่ตองการ<br />
มากที่สุด<br />
ตัวอยางการหาคําตอบที่เหมาะสมที่สุดเชน<br />
การหาระยะทางสั้น<br />
ที่สุดในการเดินทางจากเมืองหนึ่งไปยังอีกเมืองหนึ่ง<br />
การหากําไรสูงสุด<br />
ในการผลิตสินคาภายใตขอจํากัดของจํานวนทรัพยากรที่มีอยู<br />
หรือการวาง<br />
แผนการลงทุน เปนตน<br />
ลักษณะของปญหาที่ตองการใชการหาคําตอบที่เหมาะสม<br />
ที่สุด<br />
ในการแกปญหานั้น<br />
จะประกอบดวย 3 สวนใหญๆ ไดแก<br />
1) ตัวแปรตัดสินใจ (Decision Variables) เปนตัวแปรที่มีผล<br />
ตอการตัดสินใจมีคาเปลี่ยนแปลงไดและผลของการเปลี่ยนแปลงนั้นมีผล<br />
ตอการไดผลลัพธที่เหมาะสมที่สุด<br />
(Optimal Solution)
2) ขอจํากัด (Constraints) คือขอจํากัดในการแกปญหา<br />
ซึ่งสามารถแสดงขอจํากัดในรูปแบบความสัมพันธทางคณิตศาสตรของ<br />
ตัวแปรตัดสินใจไดหลายแบบ<br />
3) วัตถุประสงค (Objectives) คือเปาหมายหรือวัตถุประสงค<br />
หรือสิ่งที่เราตองการไดจากการแกปญหา<br />
เชน จํานวนระยะทางที่สั้นที่สุด<br />
ราคาต่ําสุด<br />
คาใชจายต่ําสุด<br />
กําไรสูงสุด เปนตน [2]<br />
2.6 งานวิจัยที่เกี่ยวของ<br />
ระบบโลจิสติกสน้ํามันดีเซลของบริษัทคาน้ํามันมีกิจกรรม<br />
หลัก คือ กระบวนการจัดซื้อ<br />
กระบวนการขนสง และกระบวนการจัดเก็บ<br />
โดยปกติบริษัทผูคาน้ํามันจะทําการสั่งซื้อน้ํามันดีเซลจากโรงกลั่นน้ํามัน<br />
แตละแหง โดยที่โรงกลั่นน้ํามันแตละแหงมีการเสนอรูปแบบการให<br />
สวนลดและปริมาณการสั่งซื้อขั้นต่ําที่แตกตางกัน<br />
เมื่อกระบวนการสั่งซื้อ<br />
เสร็จสิ้นทางบริษัทคาน้ํามันทําการขนสงน้ํามันจากโรงกลั่นน้ํามันไปยัง<br />
คลังน้ํามันแตละแหง<br />
เพื่อจัดเก็บน้ํามันไวที่คลังน้ํามันกอนสงไปยังลูกคา<br />
ทําใหมีคาใชจายที่เกิดขึ้นในระบบโลจิสติกสประกอบดวย<br />
ตนทุนการ<br />
สั่งซื้อน้ํามัน<br />
ตนทุนการขนสงน้ํามัน<br />
และตนทุนการจัดเก็บน้ํามันคงคลัง<br />
ดังนั้นบริษัทคาน้ํามันตองมีการวางแผนและการตัดสินใจในดานการ<br />
จัดซื้อน้ํามัน<br />
การขนสงน้ํามัน<br />
และการหาปริมาณจัดเก็บน้ํามัน<br />
เพื่อให<br />
ตนทุนรวมต่ําที่สุด<br />
งานวิจัยที่เกี่ยวของกับระบบโลจิสติกสน้ํามันดีเซลในอดีต<br />
ดานการวางแผนและตัดสินใจกระบวนการจัดซื้อ<br />
กรรณิการ และคณะ ได<br />
ศึกษากระบวนการจัดซื้อน้ํามันดีเซลสําเร็จรูปจากหลายโรงกลั่น<br />
เพื่อชวย<br />
ตัดสินใจสั่งซื้อน้ํามันสําเร็จรูปจากหลายโรงกลั่นใหมีตนทุนรวมต่ําที่สุด<br />
โดยพิจารณาจากราคาที่โรงกลั่นแตละแหงเสนอ<br />
ปริมาณของสวนลดและ<br />
ปริมาณขั้นต่ํา<br />
หากสั่งซื้อไมถึงปริมาณขั้นต่ําที่กําหนด<br />
จะมีตนทุนคาปรับ<br />
เกิดขึ้น<br />
ซึ่งเปนปญหาไมเชิงเสน<br />
(Nonlinear) โดยใชวิธีฮิวริสติกและ<br />
วิธีการหาคําตอบบนโปรแกรม Excel Solver และเปรียบเทียบตนทุนรวม<br />
[1] Chen J., et.al ไดทําการศึกษากระบวนการจัดซื้อ<br />
เพื่อชวยในการ<br />
ตัดสินใจในระบบโลจิสติกสสําหรับโรงงานแหงหนึ่งในจีน<br />
ซึ่งมีกิจกรรม<br />
การจัดซื้อจากแตละผูขายที่มีรูปแบบการสั่งซื้อแตกตางกันเสนอ<br />
แบบจําลองทางคณิตศาสตร และหาคําตอบโดยใช Genetic Algorithm<br />
รวมกับ Gauss mapping [11]<br />
ดานวางแผนและตัดสินใจกระบวนการขนสง โดย มนชนก<br />
ไดศึกษาการวางแผนการขนสงน้ํามันดีเซลเพื่อใหไดตนทุนการขนสงที่<br />
ต่ําที่สุด<br />
เสนอแบบจําลองทางคณิตศาสตร ซึ่งไมจํากัดการขนสงโดยตรง<br />
จากโรงกลั่นน้ํามันที่ไปยังคลังน้ํามันสวนภูมิภาค<br />
จากนั้นทําการหา<br />
คําตอบโดยใช Excel Premium Solver และทําการเปรียบเทียบตนทุนการ<br />
150<br />
ขนสงที่นําเสนอในงานวิจัยนี้กับการปฏิบัติการการขนสงที่ใชอยูใน<br />
ปจจุบัน [4] Chen X., et.al ไดศึกษาการวางแผนระบบโลจิสติกส<br />
น้ํามันดิบของจีน<br />
โดยวิเคราะหแหลงที่มา<br />
เสนทางการขนสง และการ<br />
นําเขาน้ํามันดิบจากแหลงตางๆ<br />
เสนอแบบจําลองทางคณิตศาสตรเพื่อให<br />
ไดตนทุนระบบโลจิสติกสต่ําที่สุด<br />
โดยใชวิธี Genetic Algorithm และ<br />
MATLAB โดยใชขอมูลในป 2007 เพื่อคาดการณขอมูลในป<br />
2012 [9]<br />
ดานวางแผนและตัดสินใจการจัดเก็บน้ํามันคงคลัง<br />
วรัญญา<br />
และคณะ ไดศึกษาการหาปริมาณน้ํามันคงคลังที่เหมาะสมโดยศึกษา<br />
เฉพาะน้ํามันดีเซลเพื่อใหตนทุนสินคาคงคลังต่ําที่สุด<br />
โดยใชตัวแบบการ<br />
สั่งซื้ออยางประหยัด<br />
(EOQ) สําหรับอุปสงคที่คอนขางคงที่<br />
และตัวแบบ<br />
Silver-Meal และคาใชจายตอชิ้นต่ําที่สุด<br />
(Least Unit Cost) สําหรับอุป<br />
สงคที่ไมคงที่<br />
ตัวแบบเหลานี้ถูกโปรแกรมลงบน<br />
Microsoft Excel 2007<br />
[7]<br />
จะเห็นไดวาจากงานวิจัยที่ผานมาไดมีการศึกษาและประยุกตตัว<br />
แบบทางคณิตศาสตรสําหรับการจัดซื้อ<br />
การขนสง หรือการจัดเก็บน้ํามัน<br />
คงคลังในกิจกรรมใดกิจกรรมหนึ่ง<br />
ดังนั้นงานวิจัยนี้จึงไดนําเสนอการ<br />
วางแผนและการตัดสินใจสําหรับการสั่งซื้อน้ํามัน<br />
การขนสงน้ํามัน<br />
และ<br />
การจัดเก็บน้ํามันคงคลัง<br />
แบบบูรณาการ เพื่อใหครอบคลุมทั้ง<br />
3<br />
กระบวนการโดยเสนอแบบจําลองทางคณิตศาสตรสําหรับระบบโลจิ<br />
สติกสน้ํามันดีเซลที่มีการลดราคาหลายรูปแบบ<br />
หลายคลังน้ํามัน<br />
และ<br />
หลายรูปแบบการขนสง เพื่อทําใหตนทุนรวมมีคาต่ําที่สุด<br />
3. แบบจําลองทางคณิตศาสตรสําหรับการการวางแผน<br />
ระบบโลจิสติกสน้ํามันดีเซล<br />
3.1 พารามิเตอร (Parameters)<br />
A i<br />
C i<br />
ตัวปรับคาพฤติกรรมการลดโดยที่<br />
Ai = 1 กรณีพฤติกรรมสวนลดของโรงกลั่น<br />
i เปนแบบ <strong>All</strong><br />
Unit Discount<br />
Ai = 0 กรณีพฤติกรรมสวนลดของโรงกลั่น<br />
i เปนแบบ<br />
Incremental Discount<br />
กําลังการผลิตน้ํามันจากโรงกลั่น<br />
i (ลิตร)<br />
D ปริมาณความตองการน้ํามัน<br />
(ลานลิตร)<br />
D j<br />
D k<br />
ปริมาณความตองการน้ํามันดีเซลที่คลังน้ํามันสวนกลาง<br />
j (ลานลิตร)<br />
ปริมาณความตองการน้ํามันดีเซลที่คลังน้ํามันสวนภูมิภาค<br />
k (ลานลิตร)<br />
E จํานวนระดับของสวนลด<br />
F i<br />
f i<br />
คาปรับกรณีซื้อไมถึงขั้นต่ําจากโรงกลั่น<br />
i (ลานบาท)<br />
คาปรับกรณีซื้อไมถึงขั้นต่ําจากโรงกลั่น<br />
i (บาทตอลิตร)
H j<br />
H k<br />
L ib<br />
m i<br />
P i<br />
P ib<br />
R j<br />
R k<br />
S i<br />
U ib<br />
V ib<br />
V i<br />
h<br />
c ij<br />
คาถือครองน้ํามันคงคลังในคลังน้ํามันสวนกลาง<br />
j (บาท/ลานลิตร)<br />
คาถือครองน้ํามันคงคลังในคลังน้ํามันสวนภูมิภาค<br />
k (บาท/ลานลิตร)<br />
ปริมาณต่ําสุดในชวงราคาที่กําหนดจากโรงกลั่น<br />
i ระดับสวนลด b<br />
(ลานลิตร)<br />
ปริมาณขั้นต่ําที่กําหนดจากโรงกลั่น<br />
i(ลานลิตร)<br />
ราคาน้ํามันจากโรงกลั่น<br />
i (บาทตอลิตร)<br />
ราคาน้ํามันจากโรงกลั่น<br />
i ระดับสวนลด b (บาทตอลิตร)<br />
ปริมาณน้ํามันที่เหลือในคลังน้ํามันสวนกลาง<br />
j (ลานลิตร)<br />
ปริมาณน้ํามันที่เหลือในคลังน้ํามันสวนภูมิภาค<br />
k (ลานลิตร)<br />
ความสามารถในการผลิตน้ํามันดีเซลของโรงกลั่นน้ํามัน<br />
i (ลานลิตร)<br />
ปริมาณสูงสุดในชวงราคาที่กําหนดจากโรงกลั่น<br />
i ระดับสวนลด b<br />
(ลานลิตร)<br />
ปริมาณการสั่งซื้อน้ํามันจากโรงกลั่น<br />
i ระดับสวนลด b (ลานลิตร)<br />
ปริมาณการสั่งซื้อน้ํามันจากโรงกลั่น<br />
i (ลานลิตร)<br />
คาใชจายในการขนสงน้ํามันดีเซล<br />
(บาท/ลานลิตร) จากโรงกลั่น<br />
น้ํามัน<br />
i ไปยังคลังน้ํามันสวนกลาง<br />
j ดวยรูปแบบการขนสง h<br />
h<br />
c คาใชจายในการขนสงน้ํามันดีเซล<br />
(บาท/ลานลิตร) จากคลังน้ํามัน<br />
jk<br />
สวนกลาง j ไปยังคลังน้ํามันสวนภูมิภาค<br />
k ดวยรูปแบบการขนสง h<br />
h<br />
c ik<br />
คาใชจายในการขนสงน้ํามันดีเซล<br />
(บาท/ลานลิตร) จากโรงกลั่น<br />
น้ํามัน<br />
i ไปยังคลังน้ํามันสวนภูมิภาค<br />
k ดวยรูปแบบการขนสง h<br />
h<br />
α ปริมาณน้ํามันดีเซล<br />
(%) ที่สูญเสียระหวางการขนสงจากโรงกลั่น<br />
ij<br />
น้ํามัน<br />
i ไปยังคลังน้ํามันสวนกลาง<br />
j ดวยรูปแบบการขนสง h<br />
h<br />
α jk<br />
ปริมาณน้ํามันดีเซล<br />
(%) ที่สูญเสียระหวางการขนสงจากคลังน้ํามัน<br />
สวนกลาง j ไปยังคลังน้ํามันสวนภูมิภาค<br />
k ดวยรูปแบบการขนสง h<br />
h<br />
α ปริมาณน้ํามันดีเซล<br />
(%) ที่สูญเสียระหวางการขนสงจากโรงกลั่นน้ํามัน<br />
i<br />
ik<br />
ไปยังคลังน้ํามันสวนภูมิภาค<br />
k ดวยรูปแบบการขนสง h<br />
L จํานวนรูปแบบการขนสง<br />
M จํานวนโรงกลั่นน้ํามัน<br />
N จํานวนคลังสวนกลาง<br />
O จํานวนคลังสวนภูมิภาค<br />
3.2 ตัวแปรตัดสินใจ (Decision Variables)<br />
Vi h<br />
xij<br />
h<br />
x jk<br />
h<br />
x ik<br />
ปริมาณการสั่งซื้อน้ํามันจากโรงกลั่น<br />
i (ลานลิตร)<br />
ปริมาณน้ํามันดีเซล<br />
(ลานลิตร) ที่ขนสงจากโรงกลั่นน้ํามัน<br />
i ไปยัง<br />
คลังน้ํามันสวนกลาง<br />
j ดวยรูปแบบการขนสง h<br />
ปริมาณน้ํามันดีเซล<br />
(ลานลิตร) ที่ขนสงจากคลังน้ํามันสวนกลาง<br />
j ไป<br />
ยังคลังน้ํามันสวนภูมิภาค<br />
k ดวยรูปแบบการขนสง h<br />
ปริมาณน้ํามันดีเซล<br />
(ลานลิตร) ที่ขนสงจากโรงกลั่นน้ํามัน<br />
i ไปยัง<br />
คลังน้ํามันสวนภูมิภาค<br />
k ดวยรูปแบบการขนสง h<br />
151<br />
3.3 แบบจําลองทางคณิตศาสตร (Mathematical Model)<br />
⎡ M<br />
M<br />
E<br />
M ⎤<br />
Maximize⎢∑ViPiAi+<br />
∑( 1−<br />
Ai<br />
) ∑VibPib<br />
+ ∑ Fi<br />
⎥<br />
⎣i=<br />
1 i=<br />
1 b=<br />
1 i=<br />
1 ⎦<br />
⎡ L M N<br />
L M N<br />
L M N<br />
h h<br />
h h<br />
h h ⎤<br />
+ ⎢∑∑∑<br />
cij<br />
xij<br />
+ ∑∑∑cik<br />
xik<br />
+ ∑∑∑c<br />
jk x jk ⎥<br />
⎣h=<br />
1i= 1 j = 1 h=<br />
1i= 1 j = 1 h=<br />
1i= 1 j=<br />
1 ⎦<br />
⎡⎛<br />
L M<br />
L O<br />
h h<br />
h h ⎞ ⎤<br />
+ ⎢⎜<br />
∑∑( 1−<br />
αij<br />
) xij<br />
− ∑∑(<br />
1−<br />
α jk ) x jk − D j + R j ⎟H<br />
j ⎥<br />
⎣⎝<br />
h=<br />
1i= 1 h=<br />
1k= 1<br />
⎠ ⎦<br />
⎡⎛<br />
L M<br />
L N<br />
⎞ ⎤<br />
h h<br />
h h<br />
+ ⎢ ⎜ ∑∑( 1−<br />
αik<br />
) xik<br />
− ∑∑(<br />
1−<br />
α jk ) x jk − Dk<br />
+ Rk<br />
⎟<br />
⎟H<br />
k ⎥<br />
⎢⎣<br />
⎝ h=<br />
1i= 1 h=<br />
1j= 1<br />
⎠ ⎥⎦<br />
(1)<br />
Subject to<br />
M<br />
∑ i<br />
i =<br />
= D V<br />
1<br />
(2)<br />
Vi ≤ Si<br />
(3)<br />
F i =<br />
( mi − Vi<br />
) fi<br />
for Vi<br />
< mi<br />
0 for Vi<br />
≥ mi<br />
(4)<br />
Pi1V<br />
i1<br />
for 0 ≤ Vi1<br />
≤ U i1<br />
Pi1V<br />
i2<br />
for Li2<br />
≤ Vi2<br />
≤ U i2<br />
(5)<br />
Pi<br />
= Pi1V<br />
i3<br />
for Li3<br />
≤ Vi3<br />
≤ U i3<br />
Pi1V<br />
i4<br />
for Li4<br />
≤ Vi4<br />
≤ U i4<br />
Pi1V<br />
i5<br />
for Li5<br />
≤ Vi5<br />
≤ U i5<br />
Pij<br />
Ai<br />
L<br />
=<br />
=<br />
N<br />
Pi1V<br />
i1<br />
( Pi1U<br />
i1)<br />
+ Pi<br />
2(<br />
Vi2<br />
− Li2<br />
)<br />
( Pi1U<br />
i1)<br />
+ Pi<br />
2(<br />
U i2<br />
− Li2<br />
) + Pi<br />
3(<br />
Vi3<br />
− Li3<br />
)<br />
( P U<br />
3<br />
) + ∑ P ( U − L ) + P ( V − L )<br />
( P U ) + ∑ P ( U − L ) + P ( V − L )<br />
1<br />
0<br />
i1<br />
i1<br />
i1<br />
i1<br />
L<br />
O<br />
ib<br />
j = 2<br />
4<br />
ib<br />
j = 2<br />
for<br />
for<br />
h<br />
h<br />
∑∑xij<br />
+ ∑∑xik<br />
≤ Si<br />
; ∀i<br />
i4<br />
i4<br />
i5<br />
i5<br />
<strong>All</strong> Unit<br />
Discount<br />
Incrementa l Discount<br />
h=<br />
1j= 1 h=<br />
1k= 1<br />
L M<br />
∑∑(<br />
1−<br />
h=<br />
1i= 1<br />
L N<br />
h h<br />
h h<br />
ik ) xik − ∑∑(<br />
1−<br />
α jk ) x jk ≥ D j ; ∀j<br />
h=<br />
1j= 1<br />
L M<br />
∑∑(<br />
1 −<br />
h=<br />
1i= 1<br />
L N<br />
h h<br />
h h<br />
ik ) xik − ∑∑(<br />
1 − α jk ) x jk ≥ Dk<br />
; ∀j<br />
h=<br />
1k= 1<br />
M N<br />
∑∑<br />
2 2<br />
N O<br />
2 2<br />
M O<br />
2<br />
i=<br />
1j= 1<br />
j = 1k= 1<br />
i=<br />
1k= 1<br />
ib<br />
ib<br />
(6)<br />
(7)<br />
(8)<br />
α (9)<br />
α (10)<br />
i4<br />
i5<br />
( 1−<br />
αij<br />
)xij<br />
+ ∑∑( 1−<br />
α jk )x jk + ∑∑(<br />
1−<br />
αik<br />
)x<br />
ib<br />
ib<br />
for<br />
for<br />
for<br />
for<br />
for<br />
2<br />
ik<br />
0 ≤V<br />
≤U<br />
i2<br />
i3<br />
i4<br />
i5<br />
i1<br />
≤ CP<br />
i2<br />
i3<br />
i4<br />
i5<br />
i1<br />
L ≤V<br />
≤U<br />
i2<br />
L ≤V<br />
≤U<br />
i3<br />
L ≤V<br />
≤U<br />
i4<br />
L ≤V<br />
≤U<br />
i5<br />
(11)
L M<br />
L O<br />
h h<br />
h h<br />
∑∑(<br />
1 − α<br />
ij<br />
)x<br />
ij<br />
− ∑ ∑ ( 1 − α )x − D j + R j ≤ CAP<br />
jk jk<br />
j<br />
h=<br />
1i= 1<br />
h=<br />
1k= 1<br />
L M<br />
L N<br />
h h<br />
h h<br />
∑∑(<br />
1 − α )x + ( α )x Dk<br />
Rk<br />
CAP<br />
ik ik ∑ ∑ 1 − − + ≤<br />
jk jk<br />
k<br />
h=<br />
1i= 1<br />
h=<br />
1j= 1<br />
L M<br />
L O<br />
h h<br />
h h<br />
∑∑(<br />
1 − α<br />
ij<br />
)x<br />
ij<br />
− ∑ ∑ ( 1 − α )x − D j + R j ≥ 0.<br />
3B<br />
jk jk<br />
h=<br />
1i= 1<br />
h=<br />
1k= 1<br />
L M<br />
L N<br />
( 1 − α<br />
h<br />
)x<br />
h<br />
+ ( α<br />
h<br />
)x<br />
h<br />
Dk<br />
Rk<br />
. B<br />
ik ik ∑ ∑ 1 −<br />
jk jk<br />
− + ≥ 0 3<br />
h=<br />
1i= 1<br />
h=<br />
1j= 1<br />
(12)<br />
(13)<br />
(14)<br />
∑∑ (15)<br />
x i<br />
, x , x , V ≥ 0<br />
ij jk ik<br />
(16)<br />
สมการ (1) เปนสมการวัตถุประสงคของการวางแผนระบบ<br />
โลจิสติกสตองการตนทุนรวมที่ต่ําที่สุด<br />
สมการ (2) เปนสมการกําหนด<br />
ปริมาณในการสั่งซื้อรวมทุกโรงกลั่นตองเทากับปริมาณ<br />
ความตองการ<br />
น้ํามันดีเซลที่ตองการสั่งซื้อ<br />
สมการ (3) ปริมาณที่สั่งซื้อน้ํามันสําเร็จรูป<br />
จากแตละโรงกลั่นตองไมเกินกําลังการผลิตของโรงกลั่นนั้นๆ<br />
สมการ (4)<br />
เปนสมการกําหนดจํานวนเงินที่ถูกปรับหากไมไดทําการสั่งซื้อน้ํามันใน<br />
ปริมาณขั้นต่ําตามที่ไดกําหนดไว<br />
สมการ (5) เปนสมการกําหนด ราคา<br />
น้ํามันที่เกิดขึ้นเนื่องจากการพิจารณาจากกรณีที่สวนลดเปนแบบ<br />
<strong>All</strong> Unit<br />
Discount สมการ (6) เปนสมการกําหนดราคาน้ํามันที่เกิดขึ้นเนื่องจากการ<br />
พิจารณาจากกรณีที่สวนลดเปนแบบ<br />
Incremental Discount สมการ (7)<br />
เปนสมการตัวปรับประเภทของสวนลดโดยที่จะมีคาเปน<br />
1 เมื่อเปน<br />
<strong>All</strong><br />
Unit Discount และมีคาเปน 0 เมื่อเปน<br />
Incremental Discount สมการ (8)<br />
เปนสมการกําหนดปริมาณน้ํามันที่ขนสงหลังจากจากโรงกลั่นน้ํามันแต<br />
ละแหงตองไมเกินความสามารถในการผลิตของโรงกลั่นน้ํามันแหงนั้นๆ<br />
สมการ (9) เปนสมการที่กําหนดปริมาณน้ํามันดีเซลที่ขนสงเขาคลังน้ํามัน<br />
สวนภูมิภาคแตละแหงตองไมนอยกวาความตองการน้ํามันดีเซลที่คลัง<br />
น้ํามันสวนภูมิภาคแหงนั้นๆ<br />
สมการ (10) เปนสมการกําหนดปริมาณ<br />
น้ํามันดีเซลที่ขนสงเขาคลังน้ํามันสวนกลางจะตองเทากับปริมาณน้ํามัน<br />
ดีเซลที่ขนสงออกจากคลังน้ํามันสวนกลางรวมกับความตองการน้ํามัน<br />
ดีเซลที่คลังน้ํามันสวนกลาง<br />
สมการ (11) เปนสมการขอจํากัดในเรื่อง<br />
ความสามารถในการขนสงน้ํามันดีเซลทางรถไฟ<br />
(เนื่องจากขบวนรถไฟที่<br />
ทําการขนสงน้ํามันดีเซลโดยเฉพาะนั้นมีจํานวนจํากัดและมีตารางเวลา<br />
การขนสงที่แนนอนในแตละเดือน<br />
ทําใหไมสามารถที่จะเพิ่มกําลังการ<br />
ขนสงได ซึ่งตางกับการขนสงทางทอ<br />
ทางรถบรรทุกน้ํามัน<br />
หรือทางเรือที่<br />
ไมมีขอจํากัดในเรื่องกําลังการขนสง)<br />
(12) กําหนดปริมาณน้ํามันที่เก็บ<br />
รวมกับน้ํามันที่เหลือในคลังตองไมเกินปริมาณคงคลังสูงสุดที่คลังน้ํามัน<br />
สวนกลางนั้นสามารถเก็บรักษาได<br />
สมการ (13) กําหนดปริมาณน้ํามันที่<br />
เก็บรวมกับน้ํามันที่เหลือในคลังตองไมเกินปริมาณคงคลังสูงสุดที่คลัง<br />
น้ํามันสวนภูมิภาคสามารถเก็บรักษาได<br />
สมการ (14) กําหนดปริมาณ<br />
น้ํามันที่เก็บรวมกับน้ํามันที่เหลือในคลังน้ํามันสวนกลางตองมากกวา<br />
152<br />
30% ของปริมาณการคาประจําป (ปริมาณสํารองตามกฏหมาย) สมการ<br />
(15) กําหนดปริมาณน้ํามันที่เก็บรวมกับน้ํามันที่เหลือในคลังน้ํามันสวน<br />
ภูมิภาคตองมากกวา 30% ของปริมาณการคาประจําป และสมการ (16)<br />
กําหนดวาตัวแปรตัดสินใจตองไมมีคาเปนลบ<br />
4. การทดลอง<br />
ในงานวิจัยนี้ระบบโลจิสติกสของน้ํามันดีเซลประกอบไปดวย<br />
โรงกลั่นน้ํามัน<br />
5 แหง คลังน้ํามันสวนกลาง<br />
7 แหง และคลังน้ํามันสวน<br />
ภูมิภาค 8 แหงในภาคเหนือและภาคตะวันออกเฉียงเหนือ และสามารถทํา<br />
การขนสงได 4 ทาง คือ ทางทอสงน้ํามัน<br />
ทางรถไฟ ทางเรือ และทาง<br />
รถบรรทุกน้ํามัน<br />
โดยความสามารถในการผลิตน้ํามันดีเซลของโรงกลั่น<br />
น้ํามันขอมูลสวนลดในแตละแบบ<br />
และราคาขายน้ํามันของโรงกลั่นแตละ<br />
แหงแสดงในตารางที่<br />
1 ปริมาณน้ํามันขั้นต่ําที่ตองสั่งซื้อและคาปรับที่<br />
เกิดขึ้นแสดงในตารางที่<br />
2 ความตองการน้ํามันดีเซลที่คลังน้ํามัน<br />
สวนกลางและคลังน้ํามันสวนภูมิภาคแสดงในตารางที่<br />
3และ 4 ตามลําดับ<br />
รูปแบบการขนสงแสดงในตารางที่<br />
5 คาใชจายในการขนสงน้ํามันดีเซล<br />
ดวยรูปแบบการขนสงตางๆ แสดงในตารางที่<br />
6 - 8 (ขอมูลตัวเลขใน<br />
บทความนี้<br />
ไดแก คาขนสงน้ํามันดีเซล<br />
และ ความตองการน้ํามันดีเซล<br />
เปนคาประมาณเนื่องจากขอมูลจริงไมสามารถเปดเผยได)<br />
ตารางที่<br />
1 ความสามารถในการผลิตน้ํามันดีเซลของโรงกลั่นน้ํามัน,<br />
ขอมูลสวนลดในแตละแบบ และราคาขายน้ํามันของโรงกลั่น<br />
โรงกลั่น<br />
กําลังการผลิต<br />
น้ํามันดีเซล<br />
(ลานลิตร)<br />
BCP 242<br />
PTTAR 243<br />
SPRC 215<br />
TOP 485<br />
IRPC 308<br />
ปริมาณการสั่งซื้อ<br />
ตอครั้ง<br />
(ลานลิตร)<br />
สวนลดแบบ <strong>All</strong> Unit Discount<br />
ราคาขายน้ํามัน<br />
ของโรงกลั่น<br />
(บาท/ลิตร)<br />
มากกวา 0 ถึง 250 24.09<br />
มากกวา 250 ขึ้นไป<br />
20.00<br />
มากกวา 0 ถึง 500 24.07<br />
มากกวา 500 ขึ้นไป<br />
18.00<br />
มากกวา 0 ถึง 500 24.08<br />
มากกวา 500 ขึ้นไป<br />
16.00<br />
สวนลดแบบ Incremental Discount<br />
มากกวา 0 ถึง 200 24.06<br />
มากกวา 200 ถึง 400 15.00<br />
มากกวา 400 ขึ้นไป<br />
5.00<br />
มากกวา 0 ถึง 400 24.09<br />
มากกวา400 ถึง 600 22.00<br />
มากกวา 600 ถึง 800 20.00<br />
มากกวา 800 ขึ้นไป<br />
15.00
ตารางที่<br />
2 ปริมาณน้ํามันขั้นต่ําที่ตองสั่งซื้อและคาปรับที่เกิดขึ้น<br />
i โรงกลั่น<br />
ปริมาณน้ํามันขั้นต่ําที่ตอง<br />
สั่งซื้อ<br />
(ลานลิตรตอครั้ง)<br />
คาปรับของราคาน้ํามันที่สั่ง<br />
ไมถึงขั้นต่ํา<br />
(บาท/ลิตร)<br />
1 BCP 200 25<br />
2 TOP 100 50<br />
3 PTTAR 40 100<br />
4 SPRC 300 69<br />
5 IRPC 200 34<br />
่ ตารางที 3 ความตองการน้ํามันดีเซลที่คลังน้ํามันสวนกลาง<br />
(ลานลิตร/<br />
เดือน)<br />
j ที่ตั้งคลังน้ํามันสวนกลาง<br />
ความตองการน้ํามันดีเซล<br />
1 พระโขนง 55<br />
2 บางจาก 40<br />
3 ศรีราชา 319<br />
4 ลําลูกกา 290<br />
5 สระบุรี 280<br />
6 บางปะอิน 320<br />
7 สมุทรสาคร 85<br />
่ ตารางที 4 ความตองการน้ํามันดีเซลที่คลังน้ํามันสวนภูมิภาค<br />
(ลานลิตร/เดือน)<br />
k ที่ตั้งคลังน้ํามันสวนภูมิภาค<br />
ความตองการน้ํามันดีเซล<br />
1 เชียงใหม 12<br />
2 ลําปาง 10<br />
3 เดนชัย 9<br />
4 พิษณุโลก 11<br />
5 นครสวรรค 12<br />
6 อุบลราชธานี 18<br />
7 อุดรธานี 13<br />
8 ขอนแกน 19<br />
ตารางที่<br />
5 รูปแบบการขนสง<br />
h รูปแบบการขนสง<br />
1 รถบรรทุกน้ํามัน<br />
2 รถไฟ<br />
3 ทอ<br />
4 เรือบรรทุกน้ํามัน<br />
153<br />
ตารางที่<br />
6 คาใชจายในการขนสงน้ํามันดีเซลทางทอสงน้ํามัน<br />
(ลานบาท/<br />
ลานลิตร)<br />
โรงกลั่น<br />
น้ํามัน<br />
พระโขนง<br />
บางจาก<br />
บางปะอิน<br />
คลังน้ํามันสวนกลาง<br />
สมุทรสาคร<br />
ลําลูกกา<br />
สระบุรี<br />
BCP 0.56 0.56 0.87 - - - -<br />
ศรีราชา<br />
TOP - - - - 1.28 1.45 0.78<br />
PTTAR - - - - 1.34 1.41 -<br />
SPRC - - - - 1.32 1.39 -<br />
IRPC - - - - - - -<br />
ตารางที่<br />
7 คาใชจายในการขนสงน้ํามันดีเซลทางเรือบรรทุกน้ํามัน<br />
(ลาน<br />
บาท/ลานลิตร)<br />
โรงกลั่น<br />
น้ํามัน<br />
พระโขนง<br />
บางจาก<br />
บางปะอิน<br />
คลังน้ํามันสวนกลาง<br />
สมุทรสาคร<br />
ลําลูกกา<br />
สระบุรี<br />
ศรีราชา<br />
BCP 0.26 0.56 - 0.57 - - 0.54<br />
TOP 0.78 0.78 - 0.99 - - 0.43<br />
PTTAR 0.35 0.58 - 0.42 - - 0.53<br />
SPRC 0.51 0.32 - 0.63 - - 0.8<br />
IRPC 0.27 0.31 - 0.51 - - 0.68<br />
ตารางที่<br />
8 คาใชจายในการขนสงน้ํามันดีเซลทางรถบรรทุกน้ํามัน<br />
(ลาน<br />
บาท/ลานลิตร)<br />
โรงกลั่น<br />
น้ํามัน<br />
พระโขนง<br />
บางจาก<br />
บางปะอิน<br />
คลังน้ํามันสวนกลาง<br />
สมุทรสาคร<br />
ลําลูกกา<br />
สระบุรี<br />
ศรีราชา<br />
BCP 2.4 2.35 2.69 2.57 2.62 2.69 3.7<br />
TOP 2.78 2.8 3.23 3.78 4.44 2.79 3.81<br />
PTTAR 3.85 3.87 4.58 4.99 5.25 5.5 4.03<br />
SPRC 3.87 3.9 4.43 4.58 4.65 4.6 4.09<br />
IRPC 4.86 4.88 5.49 5.79 5.99 6.34 6.56<br />
โรงกลั่น<br />
น้ํามัน<br />
เชียงใหม<br />
ลําปาง<br />
เดนชัย<br />
คลังน้ํามันสวนภูมิภาค<br />
พิษณุโลก<br />
นครสวรรค<br />
ขอนแกน<br />
อุดรธานี<br />
อุบลราชธานี<br />
BCP 5.87 5.02 4.86 4.99 4.71 4.84 5.47 5.59<br />
TOP 5.42 5.39 5.24 5.82 4.69 5.21 5.50 5.97<br />
PTTAR 5.52 5.83 5.7 5.36 5.12 5.78 5.98 6.87<br />
SPRC 6.55 5.86 5.75 6.00 5.13 5.82 6.00 6.99<br />
IRPC 6.53 5.84 5.73 6.38 5.12 6.79 6.98 7.55
ตารางที่<br />
8 (ตอ)<br />
คลังน้ํามัน<br />
สวนกลาง<br />
เชียงใหม<br />
ลําปาง<br />
เดนชัย<br />
คลังน้ํามันสวนภูมิภาค<br />
พิษณุโลก<br />
นครสวรรค<br />
ขอนแกน<br />
อุดรธานี<br />
อุบลราชธานี<br />
พระโขนง 6.43 5.99 5.80 5.61 5.27 6.09 6.25 6.37<br />
บางจาก 6.42 5.98 5.78 5.55 5.15 6.08 6.24 6.36<br />
บางปะอิน 6.18 5.4 5.22 5.07 5.73 6.55 5.95 6.55<br />
สมุทรสาคร 6.84 6.27 6.23 6.04 5.92 6.77 6.68 6.74<br />
ลําลูกกา 7.21 6.34 6.18 5.9 6.31 6.98 6.81 7.14<br />
สระบุรี 6.00 5.59 5.38 5.23 6.56 7.13 7.00 7.43<br />
ศรีราชา 7.85 7.41 7.20 7.02 6.88 7.50 7.67 7.77<br />
ตารางที่<br />
9 คาใชจายในการขนสงน้ํามันดีเซลทางรถไฟ<br />
(ลานบาท/ลาน<br />
ลิตร)<br />
คลัง<br />
น้ํามัน<br />
สวนกลาง<br />
เชียงใหม<br />
ลําปาง<br />
เดนชัย<br />
คลังน้ํามันสวนภูมิภาค<br />
พิษณุโลก<br />
นครสวรรค<br />
ขอนแกน<br />
อุดรธานี<br />
อุบลราชธานี<br />
พระโขนง 5.28 5.82 5.76 4.48 5.35 6.73 6.81 7.00<br />
บางจาก 4.78 5.26 5.34 4.53 5.18 6.44 6.73 6.06<br />
บางปะอิน 4.75 5.99 5.00 4.65 4.89 5.92 6.07 6.00<br />
สมุทรสาคร 4.47 5.67 4.98 4.83 4.66 5.47 5.81 5.86<br />
ลําลูกกา 4.94 5.25 4.78 5.11 4.58 5.22 5.55 5.44<br />
สระบุรี 4.14 4.78 4.67 5.41 4.30 4.90 4.99 5.10<br />
ศรีราชา 4.03 6.73 6.64 5.75 6.21 6.87 7.89 8.09<br />
่ ตารางที 10 ตนทุนต่ําสุดที่ใชในการจัดซื้อ<br />
การขนสง และการจัดเก็บ<br />
น้ํามันดีเซล<br />
ตนทุนการจัดซื้อ<br />
(ลานบาท) 36,871<br />
ตนทุนการขนสง (ลานบาท) 19,904,700<br />
ตนทุนการจัดเก็บ (ลานบาท) 1,104,000<br />
ตนทุนรวม (ลานบาท) 21,045,571<br />
่ ตารางที 11 ปริมาณน้ํามันดีเซลที่สั่งซื้อจากโรงกลั่นตางๆ<br />
โรงกลั่น<br />
ปริมาณการสั่งซื้อ(ลานลิตร)<br />
BCP 242<br />
TOP 485<br />
PTTAR 215<br />
SPRC 243<br />
IRPC 308<br />
154<br />
ตารางที่<br />
12 ปริมาณน้ํามันดีเซลที่ขนสงดวยรูปแบบตางๆจากตนทางไปยัง<br />
คลังน้ํามันตางๆ<br />
รูปแบบการ<br />
ขนสง<br />
รถบรรทุกน้<br />
โรงกลั่นน้ํามัน<br />
ที่ตั้งคลังน้ํามัน<br />
ปริมาณน้ํามัน<br />
ดีเซล<br />
ํามัน SRPC ศรีราชา 66<br />
เชียงใหม 1<br />
นครสวรรค 1<br />
รถไฟ IRPC อุบลราชธานี 7<br />
ขอนแกน 2<br />
อุครธานี 8<br />
BCP ศรีราชา 242<br />
สระบุรี 58<br />
ทอ<br />
TOP บางปะอิน 309<br />
สมุทรสาคร 74<br />
PTTAR สระบุรี 211<br />
TOP พระโขนง 44<br />
เรือ<br />
PTTAR<br />
SRPC<br />
ลําลูกกา<br />
บางจาก<br />
4<br />
29<br />
IRPC ลําลูกกา 275<br />
6. ผลการทดลอง<br />
การหาคําตอบของปญหาการวางแผนระบบโลจิสติกสของ<br />
น้ํามันดีเซลที่มีการลดราคาหลายรูปแบบ<br />
หลายคลังน้ํามัน<br />
และหลาย<br />
รู ปแบบการขนสงในงานวิจั ยนี้<br />
มี จํ านวนตัวแปรทั้ งสิ้<br />
น<br />
h h h<br />
V + x + x + x = 5 + 5x7x4 + 7x8x4 + 5x8x4 = 529 ตัว<br />
i ij jk ik<br />
แปร ดังนั้นโปรแกรม<br />
Excel Premium Solver จึงถูกนํามาใชเปนเครื่องมือ<br />
ในการหาคําตอบของปญหา โดยมีคาใชจายที่เกี่ยวของต่ําที่สุด<br />
ในการหา<br />
คําตอบของปญหา พบวาตนทุนรวมในระบบโลจิสติกสของน้ํามันดีเซล<br />
มีคาใชจายรวมเทากับ 21,045,571 ลานบาท และมีรายละเอียดดังตารางที่<br />
9 – 11<br />
7. สรุปและอภิปรายผลการวิจัย<br />
จากการทําวิจัยในปญหาการวางแผนระบบโลจิสติกสของ<br />
น้ํามันดีเซลที่มีการลดราคาหลายรูปแบบ<br />
หลายคลังน้ํามัน<br />
และหลาย<br />
รูปแบบการขนสง เพื่อใหไดตนทุนโลจิสติกสที่ต่ําที่สุดสามารถสรุป<br />
ผลไดดังนี้<br />
1) แบบจําลองทางคณิตศาสตรที่สรางขึ้นสามารถใชวาง<br />
แผนการจัดซื้อ<br />
การขนสงน้ํามันดีเซล<br />
และปริมาณน้ํามันคงคลังอยางมี<br />
ประสิทธิภาพและมีตนทุนต่ําที่สุด<br />
จากการประมวลผลของโปรแกรม<br />
Excel Premium Solver แสดงใหเปนวาตนทุนรวมทั้งการจัดซื้อ<br />
ขนสง<br />
และจัดเก็บน้ํามันดีเซลนั้นต่ําที่สุด<br />
2) การใชโปรแกรมเสริม Excel Premium Solver ในการ<br />
สรางเครื่องมือ<br />
ใหผลลัพธที่สามารถใชในการตัดสินใจใหสอดคลองกับ<br />
สภาพปญหาที่เกิดขึ้นจริงไดดี<br />
โดยโปรแกรมเสริม Excel Premium
Solver ชวยใหผูใชงานลดระยะเวลาในการตัดสินใจการหาปริมาณการ<br />
สั่งซื้อ<br />
รูปแบบการขนสง และปริมาณน้ํามันคงคลังที่เหมาะสมของน้ํามัน<br />
ดีเซล<br />
8. เอกสารอางอิง<br />
[1] กรรณิการ มังคลาด โชติรส ศรีสยามดุจดาว บุญยะรัตน, “การสราง<br />
ตัวแบบชวยในการตัดสินใจซื้อน้ํามันสําเร็จรูปจากหลายโรงกลั่น”,<br />
การประชุมวิชาการดานการวิจัยดําเนินงาน ครั้งที่<br />
7 (OR-NET 2010),<br />
หนา 208-215, 2553.<br />
[2] ธนัญชัย ลีภักดิ์ปรีดา,<br />
“การหาคาเหมาะสมที่สุด<br />
หลักการพื้นฐานและ<br />
ขั้นตอนวิธีการ”,<br />
สํานักพิมพมหาวิทยาลัยธรรมศาสตร, กรุงเทพฯ,<br />
หนา 1-9, 2543.<br />
[3] เตือนใจ สมบูรณวิวัฒน, “การบริหารจัดการสินคาคงคลัง, เอกสาร<br />
วิชาการ”, มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี, 2551.<br />
[4] มนชนก จี้กังวาฬ,<br />
“การวางแผนการขนสงน้ํามันเชื้อเพลิงจากโรง<br />
กลั่นน้ํามันไปยังคลังน้ํามันแบบหลายรูปแบบดวยตนทุนที่ต่ําที่สุด”,<br />
การประชุมวิชาการดานการวิจัยดําเนินงาน ครั้งที่<br />
7 (OR-NET 2010),<br />
หนา 60-66, 2553.<br />
[5] มานพ วราภักดิ์,<br />
“การวิจัยดําเนินงาน”, ศูนยผลิตตําราเรียน สถาบัน<br />
เทคโนโลยีพระจอมเกลาพระนครเหนือ, กรุงเทพฯ, 2551.<br />
[6] แลมเบอรด และ เดากลัส เอ็ม, “การจัดการโซอุปทานและ<br />
โลจิสติกส”, สํานักพิมพทอป,กรุงเทพฯ, หนา 206, 2547.<br />
[7] วรัญญา สาตพันธ, สุธน มณีรัตน และพรเทพ ศรีสิทธิรัตนกุล.<br />
“การหาระดับปริมาณน้ํามันคงคลังที่เหมาะสม”,<br />
งานประชุมวิชาการ<br />
ขายงานวิศวกรรมอุตสาหการ (IE Network 2010), 2553.<br />
[8] Anderson, D.R., Sweeney, D.J. and Williams, T.A., “An<br />
Introduction to Management Science: Quantitative Approaches to<br />
Decision Making”, Thomson: South-Western, Kentucky, pp.1 –<br />
149, 2003.<br />
[9] Jie Chen, Jing Lu and Shilong Qi, “Transportation network<br />
optimization of import crude oil in China based on minimum<br />
logistics cost”, IEEE International Conference on Emergency<br />
Management and Management Sciences (ICEMMS 2010), 2010.<br />
[10] Nahmias, S., “Production and Operations Analysis”, 5e, McGraw-<br />
Hill, p.205-211, 2005.<br />
155<br />
[11] Xiao-Fang Chen, Li-Hui Cen and Yi-Gang Cen , “A raw material<br />
purchasing decision-making model of order allocation with<br />
multiple suppliers and its optimization”, 1st International<br />
Conference on Information Science and Engineering (ICISE 2009),<br />
2009.<br />
ประวัติผูเขียนบทความ<br />
นางสาวมนพร คุปตาสา ปจจุบันศึกษาอยูในระดับ<br />
ปริญญาโท สาขาวิศวกรรมระบบการผลิต คณะ<br />
วิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลา<br />
ธนบุรี<br />
ดร. ชอแกว จตุรานนท ปจจุบันเปนอาจารยประจํา<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี งานวิจัยที่ทํา<br />
อยูในปจจุบันเกี่ยวของกับ<br />
Applied Operations Research<br />
โดยสวนใหญเปนปญหาทางดาน Logistics and Supply<br />
Chain Management<br />
ผศ.ดร. เจริญชัย โขมพัตราภรณ ปจจุบันเปนอาจารยประจํา<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี งานวิจัยใน<br />
ปจจุบันเกี่ยวของกับ<br />
Applied Operations Research,<br />
Operations Management, Logistics and Supply Chain<br />
Management, and Industrial Carbon Management.<br />
ผศ.ดร. เตือนใจ สมบูรณวิวัฒน ปจจุบันเปนอาจารยประจํา<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี งานวิจัยที่ทํา<br />
อยูในปจจุบันเกี่ยวของกับ<br />
Operations Management,<br />
Logistics and Supply Chain Management
บทคัดยอ<br />
156<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การออกแบบระบบหอกลั่นสําหรับการทําใหเอทานอลบริสุทธิ์<br />
Design of distillation system for purification of ethanol<br />
อัญชลี กาญจนบัตร 1 และ ผศ.ดร.อมรชัย อาภรณวิชานพ 2<br />
1, 2<br />
ภาควิชาวิศวกรรมเคมี คณะวิศวกรรมศาสตร จุฬาลงกรณมหาวิทยาลัย<br />
เขตปทุมวัน จ.กรุงเทพฯ 10330<br />
โทรศัพท/โทรสาร: 02-218-6878 E-mail: 1 u_kanchanabut@hotmail.com, 2 amornchai_a@chula.ac.th<br />
เอทานอลเปนหนึ่งในพลังงานทดแทนที่สําคัญที่สุด<br />
ที่ผลิต<br />
โดยการหมักน้ําตาล<br />
หรือแปงใหกลายเปนเอทานอล และกลั่นใหบริสุทธิ์<br />
มีความเขมขน 99.5% โดยปริมาตร และนํามาผสมกับแกสโซลีนใชเปน<br />
เชื้อเพลิงสําหรับรถยนตเพื่อลดการใชแกสโซลีน<br />
วัตถุดิบที่สามารถนํามา<br />
ผลิตและเปนที่นิยมชนิดหนึ่งคือแปงมันสําปะหลัง<br />
ในการผลิตเอทานอ<br />
ลกระบวนการทําใหบริสุทธิ์เปนสวนที่ใชพลังงานมากที่สุด<br />
ในงานวิจัยนี้<br />
จะทําการพัฒนาแบบจําลองเพื่อออกแบบหอ<br />
กลั่นเอทานอลสําหรับการ<br />
ใชพลังงานอยางคุมคาโดยใชโปรแกรม<br />
Aspen HYSYS ® การพัฒนา<br />
แบบจําลองหอกลั่นจะทําการปรับคาตัวแปรหลักดังนี้<br />
อัตราสวนการ<br />
ปอนกลับของสารในหอแรก, ความเขมขนเอทานอลที่ออกจากหอแรกสู<br />
หอเรคติฟายอิง และปริมาณของผลิตภัณฑที่ไดตอชั่วโมง<br />
เพื่อดูสภาวะที่<br />
ทําใหเกิดการใชพลังงานอยางคุมคามากที่สุด<br />
ผลของแบบจําลองแสดงให<br />
เห็นวาสภาวะที่ใชควบคุมของหอกลั่นคาใหมนั้นมีการใชพลังงานที่ต่ํา<br />
กวาแบบเดิมมาก<br />
คําสําคัญ: เอทานอล, การกลั่น,<br />
การนําพลังงานกลับมาใชใหม, การใช<br />
พลังงานอยางคุมคา<br />
Abstract<br />
Ethanol is one of the most important renewable fuels which<br />
is transformation of sugar or starch to ethanol by fermenting organisms<br />
and purified to 99.5%v/v by distillation. Tapioca is one of the famous<br />
raw materials used to produce ethanol. This process also consume huge<br />
amount of energy especially in purification process. In order to analyze<br />
the process viability, distillation processes are simulated and<br />
parametrically optimized to reduce energy consumptions. Simulations<br />
are carried out in steady state using the commercial simulator Aspen<br />
HYSYS ® . The simulations vary based on these key parameters: reflux<br />
ratio of mash column (R 1), volume fraction of ethanol in distillate of<br />
mash column (X D1)and distillate flow rate of rectifying column (D 2) to<br />
find the suitable condition which is able to optimize energy<br />
consumption. And simulation results show that new condition can have<br />
significantly lower energy demands than common units.<br />
Keywords: Ethanol, Distillation, Heat integration, Energy<br />
optimization.<br />
1. Introduction<br />
Presently, ethanol is accepted to be an important renewable<br />
fuel and its use can reduce negative environmental impacts originated<br />
by the worldwide utilization of biomass fuels. From the production<br />
process of ethanol, it can be seen that the aqueous solution of ethanol<br />
obtained from the fermentation is concentrated to obtain hydrous<br />
ethanol to be utilized as a fuel and an oxygenate compound for adding<br />
to gasoline. The ethanol process consists of 4 major unit operations:<br />
liquefaction and saccharification, fermentation, distillation and<br />
dehydration section to reach 99.5%v/v. The separation of azeotropic<br />
mixtures is a process demands large input of energy, more than half of<br />
the total energy used. In this case fractional distillation is chosen to<br />
produce 95%v/v ethanol concentration because it gets the most<br />
purification and high efficiency and commonly used with high capacity.<br />
But if compare on the basis of energy requirements it is still extremely<br />
high. A considerable amount of energy supplied to the reboiler was<br />
wasted at unrecoverable temperatures in the condenser. In this case<br />
distillation process is first priority section to optimize [1] the energy by<br />
using commercial simulator Aspen HYSYS ® . The simulations will be<br />
varied based on related major key parameters such as number of stage<br />
and heat transfer area to find the suitable condition which is able to<br />
optimize energy consumption.<br />
2. Theories<br />
2.1. Process Description
Fig.1 Process Flow Diagram of Ethanol Process<br />
The ethanol process consists of 4 major unit operations:<br />
2.1.1. Liquefaction & Saccharification<br />
Heat up the mash to 90 o C, liquefying the starch. And<br />
enzymes are added to the mash to convert the starch to dextrose.<br />
2.2.2.Fermentation<br />
Yeast is added to the mash to ferment the sugars. During this<br />
process, the yeast eats the sugars, and in the process produces heat,<br />
ethanol 10%v/v and carbon dioxide.<br />
2.2.3.Distillation<br />
After fermentation the mash is called beer. The beer contains<br />
approximately 10% alcohol by volume and still has many impurities.<br />
These impurities are removed during the distillation phase until pure<br />
alcohol with at least 95% alcohol by volume is obtained. The alcohol<br />
moves on to dehydration. The stillage is processed into distiller grains.<br />
2.2.4.Dehydration<br />
The alcohol circulates through a molecular sieve to capture<br />
the last bit of water. At the end of this process, the ethanol obtains at<br />
least 99.5% v/v.<br />
2.2.5.Storage<br />
Finally, the ethanol is pumped into storage tanks. It is then<br />
ready for shipment to gasoline terminals or retailers.<br />
2.2 Heat distribution in distillation section<br />
For conventional distillation column<br />
Conventionally supplied at the bottom reboiler to evaporate<br />
a liquid mixture and is lost when liquefying the overhead vapor at the<br />
reflux condenser. Actually, heat is added at the highest temperature (T B)<br />
in the column, whereas that is removed at the<br />
157<br />
F, Z F<br />
Heat source<br />
T D1<br />
Tray 1<br />
Feed tray<br />
Tray n<br />
T B1<br />
CW<br />
R 1<br />
Steam<br />
Q C1<br />
Q R1<br />
D 1, x D1<br />
B 1, x B1<br />
Tray 1<br />
Feed tray<br />
Tray n<br />
TB2 Steam<br />
Mash column Rectifying column<br />
T D2<br />
CW<br />
R 2<br />
Q C2<br />
Q R2<br />
D 2, x D2<br />
Fig. 2 Simplified conventional distillation flowsheet<br />
B 2, xB2<br />
lowest temperature (T D). Interestingly, the thermal energy<br />
recovered at the condenser cannot be reused for heating other flows in<br />
the same distillation unit since the temperature of the coolant is usually<br />
sufficiently lower than that of the flows inside the column. Heat is<br />
added at the reboiler and thrown away at the condenser. Actually the<br />
energy is degraded over the temperature range of T B-T D and this is the<br />
prime reason of thermodynamic inefficiency of the conventional<br />
distillation technology [2].<br />
For heat integrated distillation column<br />
Fig. 3 Simplified heat integrated distillation flowsheet<br />
In the HIDiC scheme, the overhead vapor of the rectifying<br />
column enters the reboiler of mash column as heat source. The mash<br />
feed is preheated by vapor of mash column before entering to mash<br />
column. So steam and cooling water consumption can be saved.
3. Experiments<br />
The objective function was defined by considering the ratio<br />
of the heat duty of the reboiler (Q R1+Q R2) and the specified production<br />
of ethanol (D) [3]. The volume fraction of the ethanol was fixed at 0.95<br />
at top of the rectifying column. The objective function was inserted by<br />
means of the Aspen HYSYS ® .<br />
The procedure starts with the simulation of conventional<br />
distillation column and heat integrated distillation column which uses<br />
data as shown in Table 1 respectively. The total amount of heat rejected<br />
from the mash column (Q R1) and rectifying column (Q R2) will be<br />
compared.<br />
Table 1. Data for simulation conventional and heat integrated<br />
distillation column<br />
Paramters Value<br />
Feed flow rate (F), kmol/h 2335<br />
Number of stages for mash column (N1) 17<br />
Feed stage to mash column (NF1) 6<br />
Number of stages for rectifying column (N2) 25<br />
Feed stage to rectifying column (NF2) 13<br />
Mash feed temperature (TF), o C 30<br />
Volume fraction of ethanol in mash feed (ZF) 0.08<br />
Volume fraction of ethanol in distillate of mash column (XD1) 0.6<br />
Volume fraction of ethanol in distillate of rectifying column (XD2) 0.95<br />
Reflux ratio mash column (R1) 3<br />
Reflux ratio rectifying column (R2) 200<br />
And then the simulation uses to design optimized process for<br />
heat integrated distillation column [4]. A simple procedure is shown in<br />
Fig 4.<br />
1. Conduct the design of the heat integrated distillation column :<br />
determine the number of stages, feed location, feed flow rate, feed<br />
temperature, mole fraction of feed in, output flow rate, mole fraction of<br />
output and reflux ratio.<br />
2. Sensitivity test : evaluate the influence of the main variables and to<br />
decide which variable should be manipulated.<br />
3. Simulate to optimize energy consumption : vary the main variables<br />
which get from sensitivity test as shown in Table.2 (Reflux ratio of<br />
mash column (R 1), volume fraction of ethanol in distillate of mash<br />
column (X D1) and distillate flow rate of rectifying column (D 2)) [5-6].<br />
158<br />
4. Compare and conclude for the optimized design – min Q R/D<br />
Conduct the design of the<br />
heat integrated distillation<br />
column<br />
Sensitivity test (R 1, R 2, X D1,<br />
feed stage and D 2)<br />
Simulate to optimize energy<br />
consumption (by vary R 1,<br />
X D1 and D 2)<br />
Compare and conclude for<br />
optimized design<br />
min Q R/D<br />
Obtain the optimization<br />
process<br />
Fig. 4 Procedure for design optimized process<br />
for heat integrated distillation column<br />
QR = QR1 + QR2 5. Obtain the optimization process<br />
(1)<br />
Table 2. Design of experiment to design optimized process for heat<br />
integrated distillation column<br />
Case R1 XD1 D2 (kmol/h)<br />
1 0.5 0.7 60<br />
2 0.5 0.8 60<br />
3 0.5 0.7 70<br />
4 0.5 0.8 70<br />
5 1 0.7 60<br />
6 1 0.8 60<br />
7 1 0.7 70<br />
8 1 0.8 70
4. Results and discussions<br />
4.1 Simulation of conventional and heat integrated<br />
distillation column<br />
Results of simulation compare between conventional and<br />
heat integrated distillation column (HIDiC) was shown in Table 3 that<br />
HIDiC consumed less energy than conventional. To reach as objective<br />
function the simulation will be based on process parameters and<br />
configuration of heat integrated distillation column.<br />
Table 3. Comparison of specific heat duty between conventional and<br />
heat integrated distillation column<br />
Parameters Conventional HIDiC<br />
Mash feed rate (F), kmol/h 2335 2335<br />
Reflux ratio mash column(R 1) 3 3<br />
Reflux ratio rectifying column(R 2) 200 200<br />
Volume fraction of ethanol in distillate of mash column (XD1) 0.6 0.6<br />
Volume fraction of ethanol in distillate of rectifying column (XD2) 0.95 0.95<br />
Distillate flowrate of rectifying column (D2), kmol/h 70 70<br />
Specific heat duty (QR/D), GJ/mol 1.203 0.974<br />
4.2 Sensitivity Analysis<br />
The objective of this process is to evaluate the influence of<br />
main variables on the energy consumption, to decide which variables<br />
should be optimized [7]. And fig. 5a-e show the effect of reflux ratio of<br />
mash column (R1), reflux ratio of rectifying column (R2), volume<br />
fraction of ethanol in distillate of mash column (XD1), distillate flow rate<br />
of rectifying column (D2) and feed stage of mash column (NF1) on the<br />
specific heat duty while the other parameters are constant. Relationship<br />
of each main parameter and specific heat duty can be described as<br />
below;<br />
• More reflux ratio of mash column (R1), more energy<br />
consumes.<br />
• Vary of rectifying column’s reflux ratio (R2) do not<br />
effect much to total specific heat duty.<br />
• More ethanol composition of distillate of mash<br />
column (XD1), less energy consumes.<br />
• More distillate flow rate of rectifying column (D2), less energy consumes.<br />
• Vary of feed stage of mash column (NF1) do not effect<br />
much to total specific heat duty.<br />
159<br />
From the sensitivity analysis it can conclude that only 3<br />
parameters which are reflux ratio of mash column (R 1), volume fraction<br />
of ethanol in distillate of mash column (X D1) and distillate flow rate of<br />
rectifying column (D 2) effected to energy consumption. To optimize<br />
distillation process only these 3 parameters will be varied and the<br />
design of experiment is shown as table 2.<br />
Fig. 5a Relation between reflux ratio of mash<br />
column and specific heat duty<br />
Fig. 5b Relation between reflux ratio of rectifying<br />
column and specific heat duty<br />
Fig. 5c Relation between ethanol composition of distillate<br />
of mash column and specific heat duty
162<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การประยุกตใชแบบจําลองความปนปวน<br />
K-epsilon (k-ε)และ K-omega (k-ω)สําหรับการวิเคราะหรอบการหมุน<br />
ของกังหันน้ําผลิตไฟฟาแบบแกนตั้ง<br />
Application of K-epsilon (k-ε) and K-omega (k-ω) Turbulence Model for Rotation Analysis of Vertical<br />
Axis Water Turbine Generator<br />
วีระยุทธ หลาอมรชัยกุล 1<br />
่องกล คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีราชมงคลลานนา นาน<br />
59 หมู<br />
13 ตําบลฝายแกว อําเภอภูเพียง จังหวัดนาน 55000<br />
โทรศัพท/โทรสาร: 054-710-259 ตอ 1140, 0808261565 E-mail: 1 werayoot_rmutl@hotmail.com<br />
1 สาขาวิชาวิศวกรรมเครื<br />
บทคัดยอ<br />
รูปแบบการไหลแบบปนปวน<br />
ซึ่งเปนรูปแบบของสภาวะการ<br />
ไหลที่พบมาในงานวิศวกรรมเครื่องจักรกลของไหล<br />
เชน การไหลของ<br />
อากาศผานใบกังหันลม และการไหลของน้ําผานวงลอของกังหันน้ํา<br />
เปน<br />
ตน ซึ่งในปจจุบันเครื่องมือที่เขามาชวยในการออกแบบและเขามาชวยลด<br />
เวลาในการศึกษาวิเคราะหของวิศวกรนั่นคือ<br />
โปรแกรมชวยในการ<br />
วิเคราะหผลทางพลศาสตรของไหลเชิงคํานวณ ซึ่งงานวิจัยนี้มีจุดประสงค<br />
เพื่อพัฒนาประสิทธิภาพของกังหันน้ําผลิตไฟฟาขนาดเล็กแบบแกนตั้ง<br />
โดยใชวิธีการจําลองเชิงตัวเลขของการไหลของน้ําผานวงกังหันน้ําดวย<br />
โปรแกรมวิเคราะหทางพลศาสตรของไหล รวมกับแบบจําลองความ<br />
ปนปวนชนิด<br />
k-ε และ k-ω SST ซึ่งกังหันน้ําที่จําลองเปนกังหันน้ําผลิต<br />
ไฟฟาขนาดเล็กแบบแกนตั้ง<br />
ที่มีขนาดเสนผานศูนยกลางวงลอ<br />
280<br />
มิลลิเมตร ซึ่งการจําลองเชิงตัวเลขนั้น<br />
กระทําโดยใชกรรมวิธีการจํากัด<br />
ปริมาตรในแนวแกน 3 มิติ โดยสรางปริมาตรควบคุม (Control Volume)<br />
ใหกับวงลอกังหันน้ําเพื่อใหงายตอการคํานวณ<br />
ในการหาผลการทํางาน<br />
โดยการใชสมการอนุรักษมวล และ สมการโมเมนตัม ซึ่งผลของการ<br />
จําลองเชิงตัวเลขที่ไดจากแบบจําลองทั้งสองมีผลที่ใกลเคียงกัน<br />
โดยคา<br />
แรงบิดมีการเปลี่ยนแปลงไปตลอดเวลาซึ่งสัมพันธกับความเร็วสัมพัทธ<br />
และมุมประทะที่เขาสูหนาตัดของวงลอกังหันน้ําแบบแกนตั้ง<br />
ผลเฉลย<br />
จากการคํานวณนี้สามารถนําคาพารามิเตอรที่คํานวณไดจากโปรแกรมมา<br />
ออกแบบโวลูต และลอกังหันน้ําผลิตไฟฟา<br />
ใหมีประสิทธิภาพสูงได<br />
คําสําคัญ: แบบจําลองความปนปวน,<br />
พลศาสตรการคํานวณ<br />
Abstract<br />
Turbulence flows are often founded in the flow of machine<br />
engineering works such as the air flow through a wind turbine blade and<br />
water flow through a wheel of water turbine. Computational fluid<br />
dynamics (CFD) is now recognized as an essential design tool for<br />
engineering. The research presents the proposed results of analyzing the<br />
performance of vertical axis micro water turbine generator, using<br />
Computational Fluid Dynamics (CFD) technique by application using<br />
k-ε and k-ω SST Turbulence Model for calculation and rotational<br />
analysis from the commercials software program. The modeling is 280<br />
mm diameter using for the efficiency prediction in numerical method.<br />
The water turbine simulation producing the electricity is numerical<br />
modeled by varying flows through the wheel of vertical axis micro<br />
water turbine. The duplication of the numerical is modeled by the<br />
control volume methodology. Additionally, it is easier for solving of the<br />
conservations equations using mass and momentum theory. The results<br />
of numerical simulations from two models have similar results. The<br />
torque has changed over time, relative to the water speed and Impact<br />
angle of the water through the wheel type vertical axis micro water<br />
turbine. This result simulation of can be calculated from the parameters<br />
mathematical from a design program for development a water volute<br />
and modeled of water turbine wheel for High efficiency.<br />
Keywords: Turbulence Model, Computational Fluid Dynamics<br />
1. คํานํา<br />
การออกแบบระบบกังหันน้ําขนาดเล็กผลิตกระแสไฟฟาใหมี<br />
ประสิทธิภาพที่สูง<br />
และผลิตใชไดเองภายในประเทศ และชุมชนที่ยังไมมี<br />
ไฟฟาใช จําเปนที่จะตองมีเครื่องมือทางดานเทคโนโลยีที่ทันสมัยเขามา<br />
ชวยในการทําวิจัย และทําการออกแบบระบบทางกลใหมีความเหมาะสม<br />
ตอรูปแบบการใชงานจริง เพื่อชวยลดระยะเวลาในการวิจัย<br />
และลด<br />
ปริมาณคนที่จะตองจางมาชวยเก็บขอมูลงานวิจัย<br />
ซึ่งเครื่องมือที่ใชกันอยู<br />
ในหมูงานวิจัยทางดานกลศาสตรการเคลื่อนที่ของของไหล<br />
จะอาศัย<br />
โปรแกรมสําเร็จรูปเขามาชวยในการจําลองผลทางพลศาสตรของไหล<br />
ภายใตเงื่อนไขของแบบจําลองความปนปวนชนิดตางๆที่เลือกใชให
เหมาะสมตองานวิจัยนั้นๆ<br />
นอกจากนี้ยังขึ้นอยูกับการปอนคาของปญหา<br />
ขอบเขต (Boundary Condition) เมื่อมีการปอนคาปญหาขอบเขตที่ถูกตอง<br />
ผลการจําลองเชิงตัวเลขที่ไดจะใกลความเปนจริงมากที่สุด<br />
ในงานวิจัยนี้<br />
ผูวิจัยไดแบงการศึกษาออกเปนสองสวน<br />
เพื่อทําการแยกรูปแบบการ<br />
วิเคราะห สวนแรกนั้นเปนการศึกษาการสรางตนแบบของกังหันน้ําขนาด<br />
เล็กผลิตกระแสไฟฟาแบบแกนตั้งและทําการทดสอบวัดรอบการหมุนที่<br />
เกิดขึ้นจริงหลังจากที่มีแรงของการไหลของน้ําเขามากระทํากับใบพัด<br />
กังหันน้ําทําใหเกิดรอบการหมุน<br />
ซึ่งผลที่ไดนั้น<br />
ไดรอบการหมุนสูงสุดที่<br />
886 รอบตอนาที ที่ความสูงของหัวน้ํา<br />
12 เมตรน้ํา<br />
และไมมีภาระโหลด<br />
เขามากระทํา สวนที่สองเปนการศึกษาแนวทางการเลือกใชชนิดของ<br />
แบบจําลองความปนปวน<br />
โดยผูวิจัยไดเลือกแบบจําลองชนิดมาตรฐาน<br />
K-Epsilon (k-ε) และแบบจําลองชนิดมาตรฐาน K-Omega SST<br />
(k- ω SST) เขามาทําการจําลองผลเชิงตัวเลขที่เกิดขึ้นจากการไหลผาน<br />
ของน้ําที่วิ่งผานวงลอกังหันน้ําแบบแกนตั้ง<br />
เพื่อทําการศึกษาการลูเขาของ<br />
คําตอบในแตละแบบจําลอง เพื่อนําผลที่ไดจากการจําลองเชิงตัวเลขมา<br />
วิเคราะหและเปรียบเทียบผลกับการทดสอบจริงที่ไดจากตนแบบ<br />
เพื่อ<br />
ประเมินความแมนยําของแบบจําลองเทียบกับการศึกษาขอบเขตของ<br />
ปญหาที่ไดปอนภายใตกรอบของสมมุติฐานตางๆในเบื้องตน<br />
ปจจุบันการคํานวณผลทางพลศาสตรของไหลเชิงคํานวณ<br />
(Computational fluid dynamics, CFD) ไดมีบทบาทสําคัญเนื่องจากชวย<br />
ลดตนทุนและระยะเวลาในการออกแบบ สําหรับการไหลในงานดาน<br />
วิศวกรรมของไหลชั้นสูง<br />
โดยทั่วไปนั้นพบวาเปนการไหลแบบปนปวน<br />
สิ่งที่มีผลตอความถูกตองของผลการศึกษาจะขึ้นอยูกับชนิดของ<br />
แบบจําลองความปนปวน<br />
(Turbulence Models) โดยแบบจําลองความ<br />
ปนปวนในปจจุบันมีหลายแบบ<br />
เชน k-ε ,Spalart and <strong>All</strong>maras , k-ω ,<br />
Reynolds Stress Models เปนตน แบบจําลองความปนปวนที่เปนที่นิยม<br />
ใชอยูในปจจุบันคือ<br />
k-ε ซึ่งใหคาความถูกตองผลในการคํานวณเปนที่นา<br />
พอใจ ,ใชระยะเวลาในการคํานวณไมมาก และการเขียนโปรแกรมในการ<br />
คํานวณไมซับซอน [1]<br />
จากหลักการดังกลาว งานวิจัยนี้ผูวิจัยจึงมุงเนนที่จะทําการ<br />
ประเมินผลของแบบจําลองความปนปวน<br />
k-ε ในลักษณะของผล<br />
การศึกษาตางๆเทียบกับแบบจําลองความปนปวน<br />
k- ω SST เพื่อ<br />
คํานวณหาเปอรเซ็นตความคลาดเคลื่อนของแบบจําลองตอผลการ<br />
ทดสอบจริง<br />
2. ทฤษฎีและหลักการ<br />
2.1 สมการการเคลื่อนที่สําหรับการไหลแบบปนปวน<br />
สมการการเคลื่อนที่ของการไหลแบบปนปวนนั้น<br />
ประกอบ<br />
ไปดวยสมการกฎทรงมวล และสมการโมเมนตัม เชนเดียวกับการไหล<br />
แบบราบเรียบ แตดวยลักษณะที่ตางกันของการไหลแบบราบเรียบและ<br />
การไหลแบบปนปวน<br />
ที่ทําใหสมการการเคลื่อนที่ของการไหลแบบ<br />
ปนปวนตางจากสมการการเคลื่อนที่ของการไหลแบบราบเรียบ<br />
โดย<br />
163<br />
สมการการเคลื่อนที่ของการไหลแบบปนปวนมีความซับซอนมากกวา<br />
เนื่องมาจากความปนปวนที่เกิดขึ้นในการไหล<br />
ในทางวิศวกรรม สิ่งที่<br />
วิศวกรสนใจสวนใหญคือคาเฉลี่ยของการไหล<br />
ดังนั้นในงานวิจัยนี้นํา<br />
วิธีการเฉลี่ยของเรยโนลด<br />
(Reynolds Averaging) มาใชกับสมการการ<br />
เคลื่อนที่ของการไหลแบบปนปวน<br />
เพื่อแปลงสมการการเคลื่อนที่ของการ<br />
ไหลแบบปนปวน<br />
ใหอยูในรูปของคาเฉลี่ย<br />
โดยสมมุติฐานของงานวิจัยนี้<br />
ไดแก เปนการไหลที่อัดตัวไมได,<br />
ไมมีการถายเทความรอน และเปน<br />
สภาวะคงตัว สามารถเขียนเปนสมการในรูปเทนเซอรไดดังนี้<br />
สมการกฎทรงมวล<br />
( ui<br />
) 0<br />
xi ρ<br />
∂<br />
=<br />
(1)<br />
∂<br />
สมการโมเมนตัม<br />
P ⎛ ⎛ u u ⎞⎞<br />
i j<br />
( ρ uu i j)<br />
µ<br />
xi xi xi xj xi<br />
∂<br />
∂ ∂ ∂ ∂<br />
=− + ⎜ ⎜ + ⎟⎟<br />
∂ ∂ ∂ ⎜ ⎜∂ ∂ ⎟⎟<br />
⎝ ⎝ ⎠⎠<br />
∂<br />
+ ( −ρuu<br />
′ ′<br />
i j )<br />
(2)<br />
∂xi<br />
โดยที่<br />
µ คือคาสัมประสิทธิ์ของความหนืด,<br />
ρ คือความ<br />
หนาแนน สมการโมเมนตัมที่ถูกเฉลี่ยดวยวิธีการของเรยโนลด<br />
ตางจาก<br />
สมการโมเมนตัมที่ยังไมไดถูกเฉลี่ย<br />
เนื่องจากมีพจนที่เกิดขึ้นเนื่องมาจาก<br />
การใชวิธีการเฉลี่ยของคาเรยโนลด<br />
คือ พจนความเคนเรยโนลด<br />
(Reynolds Stresses) uu ′ ′<br />
i j ซึ่งพจนที่เกิดขึ้นมาเปนพจนที่เกิดจากคา<br />
ของความปนปวนในรูปแบบการไหลที่เกิดขึ้นในสภาวะการตางๆ<br />
ซึ่ง<br />
พจนความเคนเรยโนลด จะมีรูปแบบของความสัมพันธเปนเชิงเสนกับคา<br />
อัตราการเปลี่ยนแปลงความเครียด<br />
ซึ่งสามารถเขียนเปนสมการตาม<br />
สมมุติฐานของ Boussinesq [2] ดังนี้<br />
⎛ u u ⎞<br />
i j<br />
ρ uu i j µ t<br />
x j xi<br />
∂<br />
′ ′<br />
∂<br />
− = ⎜ +<br />
⎜<br />
⎟<br />
∂ ∂ ⎟<br />
⎝ ⎠<br />
2 ⎛ ∂u<br />
⎞ k<br />
− δij ⎜ρ k + µ t ⎟ (3)<br />
3 ⎝ ∂xk<br />
⎠<br />
โดยที่คา<br />
Eddy viscosity ( µ t ) เปนความสัมพันธของคา<br />
พลังงานจลนของความปนปวน<br />
( k) และอัตราการลดลงของคาพลังงาน<br />
จลนของความปนปวน<br />
( ε ) สามารถเขียนไดดังนี้<br />
[5]<br />
2<br />
k<br />
µ t = ρc<br />
µ<br />
(4)<br />
ε<br />
แบบจําลองความปนปวนชนิด<br />
Standard k − ε<br />
ดังนี้<br />
คือ<br />
สมการของคาพลังงานจลนของความปนปวนสามารถเขียนได<br />
∂ ∂ ⎛⎛ µ ⎞ t ∂k⎞<br />
( ρ kui) = ⎜⎜µ + ⎟ ⎟+<br />
Gk + Gb<br />
−ρε<br />
(5)<br />
∂xi ∂x ⎜<br />
i σ k ∂x<br />
⎟<br />
⎝⎝ ⎠ i ⎠
ดังนี้<br />
อัตราการลดลงของพลังงานจลนของคาความปนปวนเขียนได<br />
∂ ∂ ⎛⎛ µ ⎞ t ∂ε⎞<br />
( ρε ui<br />
) = ⎜⎜µ + ⎟ ⎟<br />
∂xi ∂x ⎜<br />
i σ k x ⎟<br />
⎝⎝ ⎠∂<br />
i ⎠<br />
่<br />
้<br />
⎛ ε ⎞ε<br />
ε<br />
+ ⎜Cε1 ( Gk + Cε3Gb) ⎟ −ρCε2<br />
⎝ k ⎠k<br />
k<br />
โดยที<br />
⎛∂uj⎞ Gk =−ρu′ i u ′<br />
j ⎜ ⎟<br />
⎝ ∂xi<br />
⎠<br />
(7)<br />
µ t<br />
Gb =−gi<br />
ρ PrT<br />
∂ρ<br />
∂xi<br />
(8)<br />
สําหรับคาคงที่ตางๆในสมการจะมีคาคงที่ของ<br />
Launder and<br />
Sharma [3] ดังนี<br />
C µ =0.09, 1 Cε =1.44, 2 Cε =1.92, 3 Cε =1, σ k =1, σ ε =1.3, σ T =<br />
0.9<br />
แบบจําลองความปนปวนชนิด<br />
Standard k − ω SST<br />
(SST, Shear Stress Transport Turbulence Model)<br />
แบบจําลอง k − ω SST ของ Menter [1] สมการพลังงาน<br />
จลนของความปนปวน<br />
(k) สามารถเขียนไดดังนี้<br />
∂ ∂ ⎛ ∂k⎞<br />
( ρ kui)<br />
= ⎜( µ + σ kµ t)<br />
⎟<br />
∂xi ∂xi ⎝ ∂xi<br />
⎠<br />
∂u<br />
j *<br />
−ρuu ′ ′<br />
i j −ρβ<br />
kω<br />
∂x<br />
i<br />
สมการอัตราการลดลงของพลังงานจลนของคาความปนปวน<br />
จําเพาะ ( ω) สามารถเขียนไดดังนี้<br />
∂ ∂ ⎛ ∂ω⎞<br />
( ρω ui)<br />
= ⎜( µ + σ ωµ<br />
t)<br />
⎟<br />
∂xi ∂xi ⎝ ∂xi<br />
⎠<br />
α ∂u<br />
j<br />
2<br />
− ρuu ′ ′<br />
i j −ρβω<br />
vt ∂xi<br />
1 ∂k∂ω + 21 ( −F1<br />
) ρσ ω,2<br />
ω ∂xj ∂xj<br />
โดยที่คา<br />
Eddy viscosity แสดงไดดังนี้<br />
k 1<br />
µ t = ρ<br />
ω ⎡ 1 ΩF2<br />
⎤<br />
max ⎢ , *<br />
⎣αa1ω⎥ ⎦<br />
(6)<br />
(9)<br />
(10)<br />
(11)<br />
โดยที่<br />
Ω= ΩijΩ ij<br />
(12)<br />
164<br />
1 ⎛∂u∂u⎞ i j<br />
Ω ij = ⎜ −<br />
2 ⎜<br />
⎟<br />
x j x ⎟<br />
⎝∂ ∂ i ⎠<br />
(13)<br />
F = tanh Φ (14)<br />
2 ( )<br />
2 2<br />
⎡ k 500µ<br />
⎤<br />
Φ 2 = max ⎢2 , 2 ⎥ (15)<br />
⎣ 0.09ωy<br />
ρωy<br />
⎦<br />
โดยที่พจนความเคนเรยโนลด<br />
ซึ่งสามารถเขียนเปนสมการ<br />
ตามสมมุติฐานของ Boussinesq [2] ดังสมการที่<br />
(3) ซึ่งคาคงที่ในสมการ<br />
*<br />
ไดแก β , σk, σωหาไดจากสมการที่ (16) โดยที่คา<br />
θ เปนคาคงที่<br />
ใดๆที่ใชในสมการ,<br />
θ1 เปนคาคงที่ที่มาจากแบบจําลองชนิด<br />
k − ω ,<br />
θ2 เปนคาคงที่ที่มาจากแบบจําลองชนิด<br />
k − ε ซึ่งคา<br />
( θ ) F ( θ) ( 1 F )( θ )<br />
่<br />
=<br />
โดยที<br />
1 + − 1 2<br />
(16)<br />
4 ( )<br />
F = tanh Φ (17)<br />
1 1<br />
⎡ ⎛ k 500µ ⎞⎛<br />
4ρk<br />
⎞⎤<br />
Φ 1 = min ⎢max ⎜ , 2 ⎟⎜ + 2 ⎟⎥(18)<br />
⎝0.09ωy ρy ω⎠ ⎜σω,2Dωy ⎟<br />
⎢⎣ ⎝ ⎠⎥⎦<br />
⎡<br />
+ 1 ∂k∂ω ⎤<br />
−20<br />
Dω<br />
= max ⎢2 ρ ,10 ⎥<br />
(19)<br />
⎢ σ ω ⎣<br />
∂x ,2 j ∂x<br />
ω<br />
j ⎥⎦<br />
สําหรับคาคงที่อื่นๆในสมการมีดังนี้<br />
β 1 =0.075, β 2 =0.0826, a 1 =0.31,<br />
*<br />
α =1<br />
2.2 วิธีดําเนินการศึกษา<br />
งานวิจัยนี้ไดดําเนินการศึกษาผลของการจําลองเชิงตัวเลขที่ได<br />
จากการวิเคราะหผลการไหลของน้ําที่ไหลผานเสน<br />
Profile ใบของลอ<br />
กังหันน้ําผลิตไฟฟาขนาดเล็กแบบแกนตั้ง<br />
โดยทําการประเมิน<br />
ประสิทธิภาพของความแมนยําและผลของการลูเขาของคําตอบที่รวดเร็ว<br />
และมีถูกตองของแบบจําลองความปนปวนที่เกิดจากสภาวะการไหลทั้ง<br />
สองชนิดที่เลือกใช<br />
ซึ่งในงานวิจัยนี้ไดเลือกชนิดของแบบจําลองไว<br />
2<br />
ชนิด คือ แบบจําลองชนิด k − ε Model และ แบบจําลองชนิด k − ω<br />
SST เพื่อนําผลการจําลองเชิงตัวเลขที่ไดมาทําการวิเคราะหและทําการ<br />
เปรียบเทียบผลที่ได<br />
จากผลการทดสอบจริงจากตนแบบที่ไดออกแบบ<br />
และสรางขึ้น<br />
ดังรูปที่<br />
1
รูปที่<br />
1ตนแบบจริงที่ไดออกแบบและสรางขึ้น<br />
ในการจําลองผลเชิงตัวเลขสําหรับการวิเคราะหผลทางดาน<br />
พลศาสตรของไหลนั้น<br />
สิ่งที่สําคัญที่สุดเพื่อใหไดผลการวิเคราะหมีความ<br />
ถูกตองมากที่สุด<br />
คือการกําหนดโดเมนและขนาดของโดเมนใหเหมาะสม<br />
ตอการศึกษาวิจัย ซึ่งชิ้นสวนที่นํามาทําการวิเคราะหผลควรที่จะมีขนาดที่<br />
เหมือนจริงมากที่สุด<br />
เพื่อใหไดรูปแบบการไหลที่คลายกับการทดสอบ<br />
จริง [6]<br />
ในการกําหนดขนาดของโดเมนที่เหมาะสมในการวิเคราะหจะ<br />
มีผลตอการสรางเมชและผลของคําตอบที่ถูกตอง<br />
เพราะขนาดของโดเมน<br />
จะเปนตัวที่กําหนดสัดสวนในการวิเคราะหและสรางขอบเขตของเมชเอลิ<br />
เมนตและการกําหนดปญหาขอบเขตตางๆทางการศึกษา (Boundary<br />
Condition) เพราะโดเมนที่มากเกินไปจะสงผลในการสรางเมชและการ<br />
คํานวณผล เพราะจะใชเวลาในการคํานวณผลที่มากขึ้น<br />
การเลือกขนาด<br />
ของโดเมนสําหรับการวิเคราะหที่เหมาะสมควรจะเลือกเพียงโวลูตน้ําและ<br />
วงลอกังหันน้ํา<br />
ซึ่งเปนสวนที่มีผลตอรูปแบบการไหลมากที่สุด<br />
เปนดัง<br />
รูปที่<br />
2<br />
รูปที่<br />
2 ขนาดของโดเมนที่เลือกสําหรับการวิเคราะห<br />
นอกจากขนาดของโดเมนที่มีความเหมาะสมแลว<br />
สิ่งที่สําคัญ<br />
ที่สุดคือการกําหนดปญหาขอบเขตใหกับแบบจําลอง<br />
เพื่อทําการจําลอง<br />
ผลใหไดคําตอบที่ใกลความเปนจริง<br />
ในการศึกษาวิจัยนี้<br />
นอกจากความ<br />
แตกตางของแบบจําลองความปนปวนทั้ง<br />
2 ชนิดที่ใชแลว<br />
สิ่งที่เหมือนกัน<br />
165<br />
คือการปอนคาตัวแปร เชน คาความเร็วลําน้ําที่เทียบกับระดับความสูงของ<br />
หัวน้ํา<br />
การกําหนดคาโมเมนตความเฉื่อยในการหมุนของลอกังหันน้ํา<br />
การ<br />
กําหนดคา Free Motion เปนตน ซึ่งองคประกอบของแบบจําลองทั้งสอง<br />
สามารถแสดงผลไดดังรูปที่<br />
3<br />
2.3 ผลการวิจัย<br />
ก. แบบจําลองความปนปวนสําหรับ<br />
k − ε<br />
ข. แบบจําลองความปนปวนสําหรับ<br />
k − ω SST<br />
รูปที่<br />
3 ปญหาขอบงานวิจัย (Boundary Condition)<br />
จากผลการจําลองเชิงตัวเลขทางดานพลศาสตรของไหลของ<br />
น้ําผานวงลอกังหันน้ําขนาดเล็กผลิตไฟฟาแบบแกนตั้งของแบบจําลอง<br />
ความปนปวนทั้งสองชนิด<br />
ทั้งในสวนของแบบจําลองความปนปวน<br />
และ S SST ผลที k −่เกิดจากการจําลองนั<br />
ε k − ω ้นมีคาความแตกตางกันพอสมควร<br />
เพราะแบบความปนปวน<br />
k − ε จะใหที่คลาดเคลื่อนมากกวาแบบความ<br />
ปนปวน<br />
k −ω SST เนื่องจากแบบจําลองความชนิด<br />
k − ε จะมีผล
ตอการคํานวณที่หยาบกวา<br />
และใชเวลาในการคํานวณผลที่นอยกวา<br />
เพราะจะใชสมการในการคํานวณผลเพียงแค 2 สมการเทานั้น<br />
[3] แตสวน<br />
แบบจําลองความปนปวนชนิด<br />
k −ω SST ไดถูกพัฒนาขึ้นมาจากการผสมผสานขอดีของ<br />
แบบจําลอง k − ε และ k − ω ชนิด Standard ซึ่งผลของแบบจําลอง<br />
ความปนปวน<br />
k − ω สามารถครอบคลุมปญหาที่บริเวณสวนที่ใกล<br />
ผนังไดดีแตจะไวตอการกําหนดคาที่ขอบของทางเขา<br />
จึงแกปญหาดวย<br />
การใชแบบจําลอง k − ε ที่สามารถคํานวณการไหลดานนอกไดดี<br />
เพื่อ<br />
ปองกันไมใหคําตอบจากการคํานวณไวตอการกําหนดคาที่ขอบ<br />
และมี<br />
เสถียรภาพในการคํานวณ ผลการผสมผสานแบบจําลองทั้งสองชนิด<br />
สามารถทําไดโดยใชการ blending function ( F 1)<br />
[4] จากรูปแบบการ<br />
คํานวณผลทั้งสองสามารถแสดงไดดังตารางที่<br />
1<br />
่ ตารางที 1 ผลการจําลองเชิงตัวเลข<br />
Turbulence<br />
CFD Prototype<br />
Model Mash 0.01 mm Mash 0.02 mm Test<br />
k − ε 906 RPM 916 RPM<br />
k − ω SST 876 RPM 897 PPM<br />
855 RPM<br />
ผลการจําลองเชิงตัวเลขที่เกิดขึ้นในงานวิจัยนี้ไดดําเนินการ<br />
วิเคราะหผลของการคํานวณหารอบการหมุนที่เกิดขึ้นจริง<br />
โดยไดจําลอง<br />
สถานะของการไหลของน้ําที่ไหลจากที่สูงลงสูที่ต่ํา<br />
ซึ่งเปนไปตามกรอบ<br />
การคํานวณของปญหาขอบเขต ดังรูปที่<br />
4<br />
รูปที่<br />
4 กรอบของปญหาในการวิเคราะห<br />
166<br />
จากผลการจําลองทั้งสองแบบจําลองความปนปวน<br />
ทําใหเห็น<br />
ถึงรูปแบบและลักษณะของรูปแบบการไหลของน้ํากอนเขาและออกสู<br />
สภาวะบรรยากาศของน้ํา<br />
ตลอดจนโปรไฟลการไหลของน้ําที่เกิดการ<br />
หมุนวนเปนวงกลม ซึ่งทําใหเกิดการสูญเสียขึ้นภายในระบบการวิเคราะห<br />
ซึ่งทําใหเกิดการตานตัวของเวกเตอรของน้ําที่ไมไดออกสูบรรยากาศ<br />
ดัง<br />
รูปที่<br />
5<br />
เวกเตอรการตานตัวของน้ําและ<br />
การหมุนวนของน้ํา<br />
รูปที่<br />
5 การตานตัวของเวกเตอรการไหลของน้ํา<br />
การจําลองการหมุนวนของรูปแบบการไหลของน้ํา<br />
เพื่อ<br />
คํานวณหารอบการหมุนที่เกิดขึ้นจริง<br />
โดยทําการเปรียบเทียบกับ<br />
แบบจําลองและผลการทดสอบ ดังแสดงในรูปที่<br />
6
ก. Free Rotation แบบจําลอง k − ε<br />
ข. Free Rotation แบบจําลอง k − ω SST<br />
รูปที่<br />
6 ผลการจําลองการไหลของน้ําเทียบกับแบบจําลองความปนปวน<br />
3. สรุปผลการศึกษา<br />
จากผลการจําลองการไหลเชิงตัวเลขพบวา ในการเลือกใช<br />
ชนิดของแบบจําลองความปนปวนใหถูกตองกับรูปแบบปญหาในการ<br />
วิเคราะหตางๆ จะใหใหผลการจําลองปญญานั้นมีความถูกตอง<br />
และ<br />
สอดคลองกับตนแบบที่ไดทําการสราง<br />
ซึ่งงานวิจัยนี้ไดเลือกแบบจําลอง<br />
ความปนปวนทั้งสองชนิดมาทําการวิเคราะหและเปรียบเทียบกัน<br />
พบวา<br />
แบบจําลองที่ไดถูกพัฒนาขึ้นมาจากแบบจําลองชนิด<br />
Standard k − ε<br />
และ k − ω กลายเปนแบบจําลองความปนปวน<br />
k − ω SST ใหผล<br />
การทดสอบที่ไดผลใกลเคียงความเปนจริงมากที่สุด<br />
เมื่อสอบเทียบผลกับ<br />
ตนแบบดังตารางที่<br />
1 ซึ่งจากตารางที่<br />
1 ผลจากการทดสอบจริงจาก<br />
ตนแบบที่ไดสรางขึ้น<br />
ไดรอบการหมุนสูงสุด 855 รอบตอนาที และผลที่<br />
ไดจากการวิเคราะหรอบการหมุนโดยอาศัยแบบจําลองชนิด Standard<br />
167<br />
k − ε ไดรอบการหมุนสูงสุด ที่ขนาดของเอลิเมนตมีความละเอียดมาก<br />
ที่สุด<br />
ไดรอบการหมุนสูงสุด 906 รอบตอนาที สวนแบบจําลองความ<br />
ปนปวน<br />
k − ω SST ไดรอบการหมุนสูงสุด 876 รอบตอนาที เมื่อนํา<br />
ผลที่ไดจากแบบจําลองความปนปวน<br />
k − ω SST ซึ่งใหผลคําตอบ<br />
ใกลเคียงกับตนแบบจริงมากที่สุดมาคํานวณหาเปอรเซ็นตความ<br />
คลาดเคลื่อน<br />
ผลจากการคํานวณจะแตกตางกันอยู<br />
2.4 เปอรเซ็นต<br />
ซึ่งผลของพฤติกรรมการลูเขาของคําตอบ<br />
ที่ไดจากแบบจําลอง<br />
ทั้งสอง<br />
ทําใหงายตอการอธิบายรูปแบบการไหล ตลอดจนพฤติกรรม<br />
ตางๆที่เกิดขึ้นจากการไหลแบบปนปวนของน้ําที่เกิดขึ้นจากรอบของการ<br />
หมุน และเวกเตอรของการหมุนวน ทําใหปญหาที่ซับซอน<br />
และยากตอ<br />
การอธิบายปรากฏการณที่เกิดขึ้น<br />
มีการแกปญหาไดอยางถูกตองและ<br />
แมนยํา ทําใหผลการทดสอบลูเขาความเปนจริง<br />
ซึ่งจะชวยลดเวลาในการ<br />
วิจัยลง<br />
4. กิตติกรรมประกาศ<br />
งานวิจัยนี้ไดรับความสนับสนุนดานเงินทุนวิจัย<br />
และ<br />
คําปรึกษาจนโครงการวิจัยสําเร็จ จากมหาวิทยาลัยเทคโนโลยีราชมงคล<br />
ลานนา นาน นอกจากนี้ผูวิจัยขอขอบคุณ<br />
ดร.พิพัฒน ปราโมทย ภาควิชา<br />
วิศวกรรมเครื่องกล<br />
คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีราช<br />
มงคลธัญบุรี ที่ใหความอนุเคราะหในการใชโปรแกรมลิขสิทธิ์สําหรับ<br />
การวิเคราะหผลทางพลศาสตรของไหล<br />
เอกสารอางอิง<br />
[1] สืบสกุล คุรุรัตน, เอกชัย จันทสาโร, และวางรัตน จันทสาโร.<br />
“การประเมินแบบจําลองความปนปวน<br />
k − ω SST สําหรับการ<br />
ไหลแบบ Wall Bounded Flows ภายในทอสี่เหลี่ยมจัตุรัส<br />
3 มิติ.”<br />
การประชุมวิชาการเครือขายวิศวกรรมเครื่องกลแหงประเทศไทย<br />
ครั้งที่<br />
19, 2548., ภูเก็ต<br />
[2] วีระยุทธ หลาอมรชัยกุล และวิรชัย โรยนรินทร. “การวิเคราะห<br />
ประสิทธิภาพของกังหันน้ําขนาดเล็กโดยโปรแกรมคอมพิวเตอร<br />
วิเคราะหพลศาสตรของไหล” การประชุมวิชาการรูปแบบพลังงาน<br />
ทดแทนสูชุมชนแหงประเทศไทย<br />
ครั้งที่<br />
1, 2552., พิษณุโลก<br />
[3] กชกร ธานีวัฒน. (2547, เมษายน). “จับตาพลังงานหมุนเวียน<br />
ป 47 ไทยขึ้นแทนผูนําอาเซียน,”<br />
รักษพลังงาน. 2(6) : 7-8.<br />
[4] Ponta, F.L. and Jacovkis, P.M.2000. A vortex model for Darrieus<br />
turbine using finite element techniques. Renewable Energy 24-1-8<br />
[5] Robert Peele, Mining Engineers’ Handbook, vol.II, John Wiley &<br />
Sons, New York, 1966.
งานของพนักงานควบคุมเครื่องจักรใหนอยลง<br />
โดยที่ไมทําใหจํานวนงาน<br />
เสียเพิ่มมากขึ้น<br />
1.2 วัตถุประสงค<br />
1. เพื่อศึกษากระบวนการผลิตชิ้นงานสลีฟที่เปนสวนประกอบ<br />
ของมอเตอรสปนเดิล ในโรงงานผลิตอุปกรณและสวนประกอบ<br />
คอมพิวเตอรตัวอยาง<br />
2. เพื่อควบคุมปริมาณของเสียในกระบวนการผลิตชิ้นงาน<br />
3. เพื่อลดเวลาในการปรับคาพารามิเตอรของเครื่องจักร<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
งานวิจัยนี้เปนการศึกษากระบวนการผลิตชิ้นงานสลีฟที่เปน<br />
สวนประกอบของมอเตอรสปนเดิล โดยเนนการศึกษาโปรแกรมชวยปรับ<br />
อัตโนมัติ (Auto Macro Offset Program) เพื่อลดความถี่ในการปรับคาของ<br />
พนักงานควบคุมเครื่องจักร<br />
ดังนั้นเพื่อรักษาคุณภาพและมาตรฐานของ<br />
อุตสาหกรรมอิเล็กทรอนิกส ทางคณะผูวิจัยไดทําการรวบรวมเอกสาร<br />
แนวความคิด และงานวิจัยที่เกี่ยวของโดยจะใชการอางอิงจากทฤษฎี<br />
ดังตอไปนี้<br />
1. เครื่องจักรอัตโนมัติ<br />
(Computer Numerical Control: CNC)<br />
คือ คอมพิวเตอรหรือไมโครโปรเซสเซอร สําหรับใชควบคุมการทํางาน<br />
เครื่องจักรกล<br />
CNC ในปจจุบันนั้นสวนมากจะหมายถึง<br />
เครื่องจักรกล<br />
ซีเอ็นซี ซึ่งจะมีคอมพิวเตอรที่สามารถเขาใจตัวเลขและตัวอักษรหรือ<br />
โปรแกรมที่ปอนและขณะเดียวกัน<br />
จะใชคอมพิวเตอรสําหรับการควบคุม<br />
เครื่องจักรจากคําสั่งหรือ<br />
โคด (Code) ในโปรแกรมที่ปอนเขาไป<br />
2. ซิกซ ซิกมา (Six Sigma) คือ กระบวนการเพื่อลดความ<br />
ผิดพลาด (Defect) ที่เกิดขึ้นในกระบวนการตางๆโดยมุงเนนใหเกิดความ<br />
ผิดพลาดนอยที่สุด<br />
และมีความสูญเสียไดไมเกิน 3.4 หนวยในลานหนวย<br />
หรือเรียกอีกอยางวา ลดความสูญเสียโอกาสลงใหเหลือเพียงแค 3.4<br />
หนวยนั่นเอง<br />
(Defect per Million Opportunities: DPMO) สัญลักษณที่<br />
นิยมใชกันทางสถิติคือ ตามความหมายของซิกซ ซิกมา ทางสถิติ หมายถึง<br />
ขอบเขตขอกําหนด (Specification Limit) และการแจกแจงปกติ (Normal<br />
Distribution) ขอบเขตขอกําหนดบนมีคาเปน 6 หมายถึง ที่ระดับ<br />
ซิกมา มี<br />
ของเสียเพียง 0.022 ชิ้นจากจํานวนของทั้งหมด<br />
1,000,000 ชิ้น<br />
4. งานวิจัยที่เกี่ยวของ<br />
กัลยาณี เกตุแกว, ปริยา พรพัฒนเลิศกุล, อัญชิษฐา คชวงษ<br />
และ สิทธิพร พิมพสกุล (2547) ไดทํางานวิจัยเรื่อง<br />
การปรับปรุง<br />
ประสิทธิภาพกระบวนการผลิตกรณีศึกษา บริษัท คอนิเมก จํากัด การวิจัย<br />
นี้มีวัตถุประสงคเพื่อวิเคราะหและปรับปรุงประสิทธิภาพของ<br />
กระบวนการผลิตภาชนะบรรจุภัณฑพลาสติกในบริษัท คอนิเมก จํากัด<br />
โดยใชเทคนิคการลดความสูญเปลา 7 ประการ จากการศึกษาพบวา<br />
สาเหตุของปญหาขางตนมี 3 ประการ ไดแก การขาดแรงงาน การเปลี่ยน<br />
แมพิมพ และการซอมเครื่องจักร<br />
การแกไขปญหาใชหลักการคิวซีสตอรี่<br />
(QC Story) การศึกษาการเคลื่อนไหวและเวลา<br />
(Motion Time and Study)<br />
170<br />
มาเปลี่ยนขั้นตอนการเปลี่ยนแมพิมพเพื่อลดระยะเวลาในการเปลี่ยน<br />
แมพิมพ รวมทั้งใชหลักการดังกลาวเพื่อออกแบบวิธีการทํางานของ<br />
พนักงาน<br />
จักรกฤษณ ฮั่นยะลา<br />
(2552) ไดทํางานวิจัยเรื่องการปรับปรุง<br />
ประสิทธิภาพการผลิตในโรงงานผลิตเสื้อผาสําเร็จรูปดวยเทคนิค<br />
การศึกษาการเคลื่อนไหวและเวลา<br />
ดยศึกษาในสวนกระบวนการผลิตเสื้อ<br />
เวส (เสื้อทหาร)<br />
ของบริษัทนอรทเทิรน แอนไทร จํากัด จากการศึกษาการ<br />
ทํางานของพนักงานและสอบถามหัวหนางาน พบวา ปญหาหลักที่พบ<br />
เปนเรื่องของประสิทธิภาพในการผลิตคอนขางต่ํา<br />
การจัดงานอยูใน<br />
ลักษณะที่ทํางานไมสะดวก<br />
งานอยูในตําแหนงที่มีการเคลื่อนไหวแลวเกิด<br />
ความเมื่อยลา<br />
ชิ้นสวนตาง<br />
ๆ ไมสะดวกกับการหยิบใช สงผลใหกําลังการ<br />
ผลิตที่มีอยูในปจจุบันไมสามารถตอบสนองความตองการของลูกคาได<br />
ทั้งหมด<br />
ทําใหลูกคาบางรายเปลี่ยนไปสั่งซื้อสินคาจากโรงงานอื่น<br />
ดังนั้น<br />
ผูวิจัยจึงไดวิเคราะหหาสาเหตุของปญหาโดยใชแผนผังแสดงเหตุและผล<br />
(Cause-and-Effect Diagram) แลวนําเทคนิคการศึกษาการเคลื่อนไหวและ<br />
เวลามาแกไขปญหาที่เกิดขึ้น<br />
โดยการศึกษากระบวนการผลิตดวยแผนผัง<br />
การไหล (Flow Diagram) และแผนภูมิกระบวนการผลิต (Process Chart)<br />
แลวทําการเปลี่ยนแปลงขั้นตอนการทํางาน<br />
รวมทั้งใชหลักการดังกลาว<br />
ออกแบบวิธีการทํางานของพนักงาน หลังการปรับปรุงไดจัดทําเวลา<br />
มาตรฐานของกระบวนการผลิตเสื้อเวส<br />
(เสื้อทหาร)<br />
และเปรียบเทียบ<br />
ประสิทธิภาพการผลิตกอนและหลังปรับปรุง เพื่อนําเสนอแนวทางแกไข<br />
ปญหาแกโรงงาน ผลการปรับปรุงพบวา สามารถลดระยะเวลาใน<br />
กระบวนการผลิตจาก 30.24 นาที เปน 25.53 นาที คิดเปน 15.57 % และ<br />
ลดขั้นตอนการผลิตโดยการออกแบบอุปกรณ<br />
ชวยทําใหขั้นตอนใน<br />
กระบวนการผลิตลดลงจาก 116 ขั้นตอน<br />
เปน 97 ขั้นตอน<br />
คิดเปน 16.37<br />
% โดยมีระยะคืนทุนจากการผลิต 10 วัน<br />
ประเสริฐ ศรีบุญจันทร และ สมจิตร ลาภโนนเขวา (2550) ได<br />
ทํางานวิจัยเรื่อง<br />
การเพิ่มผลผลิตของกระบวนการบรรจุหีบหอใน<br />
อุตสาหกรรมผลิตนม การวิจัยนี้มีวัตถุประสงคเพื่อลดเวลาการทํางานและ<br />
เพิ่มประสิทธิภาพการทํางานของกระบวนการบรรจุหีบหอจากการศึกษา<br />
พบวา ปญหาคือเวลาในการทํางาน ไดแกเวลารอคอยเวลาในการบรรจุ<br />
หีบหอและเวลาสูญเปลาในกระบวนการบรรจุหีบหอ และกําหนด<br />
มาตรการในการแกปญหา 3 มาตรการ คือ การปรับเปลี่ยนตําแหนงการ<br />
วางผลิตภัณฑที่จะนํามาบรรจุหีบหอใหม<br />
การนําจิ๊กเขามาชวยในการหยิบ<br />
จับผลิตภัณฑที่จะนํามาบรรจุหีบหอ<br />
การเลื่อนตําแหนงของกลองใส<br />
อุปกรณที่ใชในการบรรจุหีบหอ<br />
ศิระพงศ ลือชัย และ อิสรา ธีระวัฒนสกุล (2548) ไดทํา<br />
งานวิจัยเรื่อง<br />
การลดตนทุนการผลิตในโรงงานเซรามิค โดยใชเทคนิค<br />
การศึกษาการเคลื่อนไหวและเวลา<br />
การวิจัยนี้มีวัตถุประสงคเพื่อปรับปรุง<br />
องคประกอบตลอดจนกระบวนการในการผลิตโดยสายการผลิตจาน<br />
เคลือบเซรามิคจากเครื่อง<br />
Ram-Press ทําใหกําลังการผลิตเพิ่ม<br />
จาก
การศึกษาพบวาสามรถลดเวลาในการผลิตชิ้นงานแตละชิ้นได<br />
ซึ่งทําให<br />
สามารถที่จะผลิตสินคาไดปริมาณที่มากขึ้นในแตวัน<br />
รวมทั้งทําให<br />
สามารถลดปริมาณการวางงานของคนงานและของเครื่องจักรทําให<br />
สามารถใชเครื่องจักรไดอยางเต็มที่ยิ่งขึ้น<br />
ทําใหตนทุนการผลิตลดลงและ<br />
ประสิทธิภาพในการผลิตเพิ่มขึ้น<br />
อรอุมา กอสนาน, วรลักษณ จันทรกระจาง, วัชระ พรหม<br />
สมบูรณ, จรูญศักดิ์<br />
มีทอง (2551) ไดทํางานวิจัยเรื่อง<br />
การเพิ่มผลผลิตของ<br />
สายการผลิตสลีฟสําหรับสปนเดิลมอเตอรในอุตสาหกรรมการผลิต<br />
ฮารดดิสก งานวิจัยนี้มีวัตถุประสงคเพื่อศึกษาสภาพปญหาในสาย<br />
การ<br />
ผลิตสลีฟซึ่งเปนชิ้นสวนที่ประกอบอยูในสปนเดิลมอเตอรของบริษัท<br />
ผลิตชิ้นสวนอิเล็กทรอนิกสแหงหนึ่งโดยการประยุกตใชหลักการทาง<br />
วิศวกรรมอุตสาหการ และเพื่อเพิ่มผลผลิตของสายการผลิตดังกลาว<br />
ผล<br />
จากการ ศึกษาพบวา สาเหตุที่ทําใหอัตราการผลิตมีคาต่ํากวาเปาหมายที่<br />
ไดกําหนดไวและสงผลทําใหอัตราการทํางานของสายการผลิตสลีฟอยูใน<br />
เกณฑต่ํา<br />
เนื่องมาจาก<br />
พนักงานขาดขอกําหนดของวิธีการทํางานที่เปน<br />
มาตรฐาน ทางคณะผูวิจัยจึงไดนําเทคนิค<br />
ECRS มาประยุกตใชเพื่อชวยใน<br />
การแกไขปญหาดังกลาว ทําใหสามารถเพิ่มอัตราการผลิตเปน<br />
304 ชิ้นตอ<br />
ชั่วโมง<br />
จากเดิมซึ่งมีอัตราการผลิตอยูที่<br />
245 ชิ้นตอชั่วโมง<br />
นั่นคือ<br />
ทํา<br />
ใหผลผลิตในการทํางานของสายการผลิต Sleeve เพิ่มขึ้น<br />
24.08%<br />
3. ขั้นตอนการดําเนินงาน<br />
3.1 วิธีการศึกษาขอมูล<br />
1. ศึกษากระบวนการผลิตชิ้นงานสลีฟในโรงงานผลิตอุปกรณ<br />
และสวนประกอบคอมพิวเตอรตัวอยาง<br />
2. ศึกษาหลักการในการทํางานของเครื่องจักรกลอัตโนมัติ<br />
3. ศึกษาโปรแกรมชวยปรับอัตโนมัติ<br />
4. ศึกษาเทคนิคทางวิศวกรรมเพื่อนํามาปรับปรุงแกไขใน<br />
กระบวนการผลิตชิ้นงาน<br />
3.2 ขั้นตอนและวิธีการ<br />
1. ทําความเขาใจปญหาที่เกิดขึ้น<br />
และศึกษาสภาพปญหาหลัก<br />
2. ศึกษาและวิเคราะหปจจัยที่มีผลทําใหเกิดปญหา<br />
3. ปจจัยและขอบเขตที่ทําการวิเคราะห<br />
4. ทําการทดลอง<br />
4.1 การทดลองดานโปรแกรม<br />
4.2 การทดลองดานบุคคล<br />
5. ทําการทดลองเพื่อยืนยันประสิทธิภาพของโปรแกรมที่<br />
พัฒนาขึ้น<br />
6. เก็บขอมูลและสรุปผลการทดลอง<br />
4. ผลการทดลอง<br />
4.1 ผลการศึกษาขั้นตอนการทํางานม<br />
171<br />
ขั้นตอนและเวลา<br />
3 ลําดับแรกที่มากที่สุดในการทํางานของ<br />
พนักงานควบคุมเครื่องจักรในกระบวนการผลิตชิ้นงานสลีฟของ<br />
โรงงานผลิตอุปกรณ และสวนประกอบคอมพิวเตอรตัวอยาง เปนดังนี้<br />
่ ตารางที 1 ขั้นตอนที่ใชเวลามากสุด<br />
3 อันดับแรก<br />
ลําดับ รายละเอียด<br />
เวลาตอกะ<br />
(วินาที)<br />
1. การตรวจสอบงานรายชั่วโมง<br />
992<br />
2. การตรวจสอบชิ้นงานในขั้นการตัดงานแบบหยาบ<br />
320<br />
3. การนํางานจากสวนกลางมาวางไวขางเครื่อง<br />
288<br />
ที่มา:<br />
โรงงานผลิตอุปกรณสวนประกอบคอมพิวเตอรตัวอยาง, 2553<br />
จากตารางที่<br />
1 ขั้นตอนการตรวจสอบงานรายชั่วโมงเปน<br />
ขั้นตอนที่ใชเวลาตอกะมากที่สุด<br />
ทางคณะผูวิจัยจึงทําการศึกษา<br />
รายละเอียดยอยในขั้นตอนการตรวจสอบงานรายชั่วโมงวามีรายละเอียด<br />
สวนใดที่ใชเวลาในการทํางานมากที่สุด<br />
ดังตารางที่<br />
2<br />
่<br />
่<br />
ตารางที 2 ขั้นตอนและเวลาในการตรวจสอบงานรายชั่วโมง<br />
ลําดับ รายละเอียด<br />
เวลาตอครั้ง<br />
(วินาที)<br />
1. พนักงานทําการวัดงานโดยใชกลองจุลทรรศน 10<br />
2. พนักงานทําการปรับตั้งเครื่องจักร<br />
9<br />
3. พนักงานทําการวัดงานโดยใชเครื่องมือวัดที<br />
2 7<br />
ที่มา:<br />
โรงงานผลิตอุปกรณสวนประกอบคอมพิวเตอรตัวอยาง, 2553<br />
จากตารางที่<br />
2 จะเห็นวาขั้นตอนที่พนักงานทําการวัดงานโดย<br />
ใชกลองจุลทรรศนใชเวลามากที่สุด<br />
รองลงมาจะเปนขั้นตอนการปรับตั้ง<br />
เครื่องจักรของพนักงานควบคุมเครื่อง<br />
แตเนื่องจากขั้นตอนที่พนักงานทํา<br />
การวัดงานโดยใชกลองจุลทรรศนนั้นใชประสบการณและความสามารถ<br />
สวนบุคคลดวยจึงยากที่จะทําการแกไข<br />
ดังนั้นทางคณะผูวิจัยจึงทําการ<br />
แกไขในขั้นตอนของการปรับตั้งเครื่องจักรของพนักงานควบคุมเครื่อง<br />
โดยทําการศึกษาและปรับปรุงโปรแกรมชวยปรับอัตโนมัติใหเหมาะสม<br />
กับประเภทของมีดตัดกลึงที่ใชตัดบริเวณเสนผานศูนยกลางดานใน<br />
ชิ้นงานสลีฟ<br />
เพื่อลดเวลาในการปรับคาพารามิเตอรของเครื่องจักร<br />
โดยที่<br />
ไมทําใหจํานวนของเสียเพิ่มสูงขึ้น<br />
4.2 ผลการวิเคราะหระบบการวัด<br />
จากการวิเคราะหระบบการวัดเพื่อทดสอบความเที่ยงตรงของ<br />
เครื่องมือวัด<br />
Gap Jet ไดผลการวิเคราะหการวัดขนาดเสนผานศูนยกลาง<br />
ดานในชิ้นงาน<br />
Sleeve จากโปรแกรมสําเร็จรูปสามารถบอกไดวาเครื่อง<br />
Gap Jet ที่เปนเครื่องมือวัดขนาดเสนผานศูนยกลางดานในชิ้นงาน<br />
Sleeve<br />
มีความสามารถในการแยกชิ้นงานไดหลายกลุม<br />
และพนักงานที่ทําการวัด
ชิ้นงานทั้ง<br />
3 คน มีวิธีการทํางานที่เหมือนกันทําใหขอมูลที่ไดจากการวัดมี<br />
ความถูกตองและแมนยํา<br />
4.3 ผลการดําเนินงานดานโปรแกรม<br />
4.3.1 ผลการทดลองในชวงที่<br />
1<br />
ผลการทดลองในชวงที่<br />
1 เปนการทดลองตัดชิ้นงานโดย<br />
ยกเลิกโปรแกรมชวยปรับอัตโนมัติ แลวเก็บคาที่พนักงานควบคุม<br />
เครื่องจักรปรับคานํามาพลอตกราฟไดดังรูปที่<br />
1<br />
รูปที่<br />
1 คาการปรับตั้งเครื่องจักรของพนักงานในชวงการทดลองที่<br />
1<br />
จากผลการทดลองในชวงที่<br />
1 ไดมีการนําคาการปรับตั้ง<br />
เครื่องจักรของพนักงานควบคุมเครื่องมาทําการจําลองสถานการณ<br />
(Simulate) วาถาหากพัฒนาโปรแกรมชวยปรับอัตโนมัติแลวจะสามารถ<br />
ชวยทําใหพนักงานควบคุมเครื่องจักรมีการปรับคา<br />
(Adjust) ลดลงหรือไม<br />
โดยในการทําเงื่อนไขของโปรแกรมนั้นจะตองคํานึงถึงการชดเชยการสึก<br />
หรอของมีดตัด และการปรับคาของพนักงานควบคุมเครื่องจักร<br />
ดังตาราง<br />
ที่<br />
3 เมื่อนําขอมูลที่ไดมาทําการพลอตกราฟแลวจะไดเปนกราฟที่มีความ<br />
ตรงเปนชวงๆ ซึ่งจากการจําลองสถานการณจะไดดังรูปที่<br />
2<br />
ตารางที่<br />
3 ตัวอยางคาการปรับระยะชดเชยการสึกหรอของมีดตัด<br />
อายุการใชงาน<br />
มีดตัด (ชิ้น)<br />
คาที่พนักงาน<br />
ปรับจริง (มม.)<br />
คาที่โปรแกรม<br />
ชวยปรับ (มม.)<br />
ผลตาง<br />
(มม.)<br />
10 -0.001000 -0.000500 0.000500<br />
20 -0.001500 -0.001000 0.000500<br />
30 -0.002400 -0.001500 0.000900<br />
40 -0.002800 -0.002000 0.000800<br />
50 -0.003900 -0.002500 0.001400<br />
60 -0.003900 -0.003000 0.000900<br />
70 -0.004600 -0.003500 0.001100<br />
80 -0.003900 -0.004000 0.000100<br />
90 -0.005300 -0.004500 0.000800<br />
100 -0.005300 -0.005000 0.000300<br />
172<br />
รูปที่<br />
2 การจําลองสถานการณหากมีโปรแกรมชวยปรับอัตโนมัติ<br />
จากการจําลองสถานการณทําใหเราไดเงื่อนไขของโปรแกรม<br />
ปรับอัตโนมัติมา ดังตารางที่<br />
4<br />
ตารางที่<br />
4 เงื่อนไขของโปรแกรมปรับอัตโนมัติหลังจากที่ไดจากการ<br />
จําลองสถานการณ<br />
ชวงอายุการใชงาน<br />
โปรแกรมทํา<br />
ของมีดตัด (ชิ้น)<br />
การปรับทุกๆ (ชิ้น)<br />
1 – 200 2<br />
201 – 500 10<br />
501 – 2,000 50<br />
2,001 – 12,000 100<br />
*หมายเหตุ เมื่อเครื่องจักรที่ใชในการทดลองสามารถใสคาไดนอยสุด<br />
0.000010 มิลลิเมตร<br />
4.3.2 ผลการทดลองในชวงที่<br />
2<br />
เมื่อนําเงื่อนไขของโปรแกรมปรับอัตโนมัติที่ไดจากการ<br />
จําลองสถานการณไปใสในโปรแกรมชวยปรับอัตโนมัติ จากนั้นจึงทํา<br />
การทดลองไดคาดังภาคผนวก ง แลวจึงนําคามาพลอตกราฟจะไดดัง<br />
รูปที่<br />
3<br />
รูปที่<br />
3 คาการปรับงานของพนักงานควบคุมเครื่องจักร<br />
ในชวงการทดลองที่<br />
2<br />
จากรูปที่<br />
3 จะเห็นวากราฟมีความตรงเปนชวงๆ โดยตั้งแต<br />
ประมาณชวงอายุการใชงานของมีดตัดที่<br />
2,200 ชิ้น<br />
เปนตนไปจนกระทั่ง
ถึงประมาณชวงอายุการใชงานที่<br />
7,700 ชิ้น<br />
กราฟมีรูปรางคลายกับระฆัง<br />
คว่ํา<br />
แสดงใหเห็นวาพนักงานควบคุมเครื่องจักรมีการปรับคากลับมาที่เดิม<br />
ดังนั้นในชวงอายุการใชงานดังกลาวพนักงานควบคุมเครื่องจักรจึงไม<br />
จําเปนที่จะปรับเครื่องจักรเนื่องจากโปรแกรมปรับอัตโนมัติชวยทําการ<br />
ปรับอยู<br />
และในที่นี้จะเห็นวากราฟมีถึงอายุการใชงาน<br />
8,200 ชิ้น<br />
เนื่องจากวาเมื่อทําการทดลองจนกระทั่งถึงชวงเวลาดังกลาวเครื่องจักรที่<br />
ทําการทดลองเกิดมีปญหาจึงจําเปนจะตองหยุดการทดลอง แตเนื่องจาก<br />
ชวงอายุการใชงานของมีดตัดหลัง 8,200 ชิ้น<br />
เปนตนไปจนถึงชวงอายุการ<br />
ใชงานที่<br />
12,000 ชิ้น<br />
มีจํานวนชิ้นงานที่จะถูกตัดอยูประมาณ<br />
3,800 ชิ้น<br />
และโปรแกรมชวยปรับอัตโนมัติในชวงนี้จะทําการปรับงานทุกๆ<br />
100 ชิ้น<br />
แสดงวาในชวงดังกลาวโปรแกรมมีการปรับงานประมาณ 38 ครั้ง<br />
ซึ่งเมื่อ<br />
เปรียบเทียบกับในชวงอายุการใชงานของมีดตัดที่<br />
2,200 จนถึง 7,700 ชิ้น<br />
มีจํานวนชิ้นงานที่ถูกตัดอยูประมาณ<br />
5,500 ชิ้น<br />
โปรแกรมมีการปรับ<br />
ประมาณ 55 ครั้ง<br />
แสดงวาถาไมมีปญหาในเรื่องปจจัยอื่นๆ<br />
คาที่ปรับได<br />
ในชวงนี้เมื่อนํามาพลอตกราฟแลวเสนกราฟมีแนวโนมเบี่ยงเบนไป<br />
คอนขางนอย ซึ่งขอมูลที่มีตอนนี้เพียงพอสําหรับการสรุปในทุกๆชวง<br />
ของโปรแกรมชวยปรับอัตโนมัติ<br />
4.4 ผลการทดลองเพื่อยืนยันประสิทธิภาพของโปรแกรม<br />
่<br />
่<br />
่<br />
หลังจากนั้นจึงทําการทดลองวาการปรับปรุงโปรแกรมในครั้ง<br />
นี้ไมสงผลตอจํานวนของเสียเพิ่มสูงขึ้น<br />
โดยทําการสุมชิ้นงานแตละชวง<br />
การปรับของโปรแกรม ซึ่งจํานวนของชิ้นงานนั้นขึ้นอยูกับเงื่อนไขในการ<br />
ปรับของโปรแกรม ดังตารางที 5<br />
ตารางที 5 จํานวนชิ้นงานในแตละชวงที่ทําการสุม<br />
ชวงอายุการใชงาน โปรแกรมทํา จํานวนชิ้นงานที<br />
ของมีดตัด (ชิ้น)<br />
การปรับทุกๆ (ชิ้น)<br />
ทําการสุม<br />
(ชิ้น)<br />
201-500 10 45<br />
501-2,000 50 120<br />
2,001-12,000 100 220<br />
จากนั้นจึงนําชิ้นงานทั้งหมดไปทําการวัดขนาดเสนผาน<br />
ศูนยกลางดานในชิ้นงานโดยใชเครื่อง<br />
Gap Jet นําขอมูลที่ไดเขา<br />
โปรแกรมสําเร็จรูปเพื่อดูสมรรถนะ<br />
และความแปรปรวนของ<br />
กระบวนการในแตละชวงอายุการใชงานของมีดตัดทั้งกอนและหลังการ<br />
พัฒนาโปรแกรม ไดขอมูลดังตอไปนี้<br />
- ในชวงอายุการใชงานของมีดตัดที่<br />
201-500 จํานวนชิ้นงาน<br />
45 ชิ้น<br />
173<br />
sc<br />
sc<br />
ID New macro<br />
ID Old macro<br />
ID New macro<br />
ID Old macro<br />
Test for Equal Variances for ID between old&new program<br />
0.0003 0.0004 0.0005 0.0006 0.0007<br />
95% Bonferroni Confidence Intervals for StDevs<br />
2.4985<br />
2.4990 2.4995 2.5000 2.5005<br />
ID between old&new program<br />
รูปที่<br />
4 ความแปรปรวนของกระบวนการสําหรับโปรแกรมเกาและใหม<br />
LSL<br />
Process Data<br />
2.4985<br />
Target *<br />
USL 2.5015<br />
Sample Mean 2.49944<br />
Sample N 45<br />
StDev(Within) 0.000201483<br />
StDev(Overall) 0.000436001<br />
Observed Performance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
2.4984<br />
2.4988<br />
2.4992<br />
2.4996<br />
2.5000<br />
2.5004<br />
2.5008<br />
2.5012<br />
รูปที่<br />
5 การวิเคราะหความสามารถของกระบวนการสําหรับโปรแกรมเกา<br />
LSL<br />
Process Data<br />
2.4985<br />
Target *<br />
USL 2.5015<br />
Sample Mean 2.4996<br />
Sample N 45<br />
StDev(Within) 0.000203498<br />
StDev(Overall) 0.000569698<br />
Observed Performance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
รูปที่<br />
6 การวิเคราะหความสามารถของกระบวนการสําหรับโปรแกรม<br />
ใหม<br />
- ในชวงอายุการใชงานของมีดตัดที่<br />
501-2,000 จํานวนชิ้นงาน<br />
120 ชิ้น<br />
2.5010<br />
Process Capability of ID Old macro<br />
LSL USL<br />
Exp. Within Performance<br />
PPM < LSL 1.46<br />
PPM > USL 0.00<br />
PPM Total 1.46<br />
Exp. Overall Performance<br />
PPM < LSL 15345.63<br />
PPM > USL 1.18<br />
PPM Total 15346.81<br />
Process Capability of ID New macro<br />
LSL USL<br />
2.4985 2.4990 2.4995 2.5000 2.5005 2.5010 2.5015<br />
Exp. Within Performance<br />
PPM < LSL 0.04<br />
PPM > USL 0.00<br />
PPM Total 0.04<br />
Exp. Overall Performance<br />
PPM < LSL 27237.13<br />
PPM > USL 414.54<br />
PPM Total 27651.67<br />
F-Test<br />
Test Statistic 1.71<br />
P-Value 0.079<br />
Levene's Test<br />
Test Statistic 2.72<br />
P-Value 0.103<br />
Within<br />
Overall<br />
Potential (Within) Capability<br />
Cp 2.48<br />
CPL 1.56<br />
CPU 3.40<br />
Cpk 1.56<br />
Overall Capability<br />
Pp 1.15<br />
PPL 0.72<br />
PPU 1.57<br />
Ppk 0.72<br />
Cpm *<br />
Within<br />
Overall<br />
Potential (Within) Capability<br />
Cp 2.46<br />
CPL 1.79<br />
CPU 3.12<br />
Cpk 1.79<br />
Overall Capability<br />
Pp 0.88<br />
PPL 0.64<br />
PPU 1.11<br />
Ppk 0.64<br />
Cpm *
sc<br />
sc<br />
ID New macro<br />
ID Old macro<br />
ID New macro<br />
ID Old macro<br />
Test for Equal Variances for ID between old&new program<br />
0.00035 0.00040 0.00045 0.00050 0.00055 0.00060<br />
95% Bonferroni Confidence Intervals for StDevs<br />
2.4985<br />
2.4990 2.4995 2.5000 2.5005<br />
ID between old&new program<br />
รูปที่<br />
7 ความแปรปรวนของกระบวนการสําหรับโปรแกรมเกา<br />
และโปรแกรมใหม<br />
LSL<br />
Process Data<br />
2.4985<br />
Target *<br />
USL 2.5015<br />
Sample Mean 2.49925<br />
Sample N 120<br />
StDev(Within) 0.000144526<br />
StDev(Overall) 0.000493659<br />
Observed Performance<br />
PPM < LSL 16666.67<br />
PPM > USL 0.00<br />
PPM Total 16666.67<br />
Process Capability of ID Old macro<br />
Exp. Within Performance<br />
PPM < LSL 0.12<br />
PPM > USL 0.00<br />
PPM Total 0.12<br />
LSL USL<br />
2.4981<br />
2.4986<br />
2.4991<br />
2.4996<br />
2.5001<br />
2.5006<br />
2.5011<br />
Exp. Overall Performance<br />
PPM < LSL 65201.62<br />
PPM > USL 2.50<br />
PPM Total 65204.12<br />
รูปที่<br />
8 การวิเคราะหความสามารถของกระบวนการสําหรับโปรแกรมเกา<br />
LSL<br />
Process Data<br />
2.4985<br />
Target *<br />
USL 2.5015<br />
Sample Mean 2.50019<br />
Sample N 120<br />
StDev(Within) 9.23774e-005<br />
StDev(Overall) 0.000389394<br />
Observed Performance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
Process Capability of ID New macro<br />
LSL USL<br />
2.4985<br />
2.4989<br />
Exp. Within Performance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
2.4993<br />
2.4997<br />
2.5001<br />
2.5009<br />
2.5013<br />
รูปที่<br />
9 การวิเคราะหความสามารถของกระบวนการสําหรับโปรแกรม<br />
ใหม<br />
- ในชวงอายุการใชงานของมีดตัดที่<br />
2,001-12,000 จํานวน<br />
ชิ้นงาน<br />
220 ชิ้น<br />
2.5005<br />
Exp. Overall Performance<br />
PPM < LSL 7.12<br />
PPM > USL 383.82<br />
PPM Total 390.94<br />
2.5010<br />
F-Test<br />
Test Statistic 0.62<br />
P-Value 0.010<br />
Levene's Test<br />
Test Statistic 7.39<br />
P-Value 0.007<br />
Wi thi n<br />
Overall<br />
Potential (Within) Capability<br />
Cp 3.46<br />
CPL 1.72<br />
CPU 5.20<br />
Cpk 1.72<br />
Overall Capability<br />
Pp 1.01<br />
PPL 0.50<br />
PPU 1.52<br />
Ppk 0.50<br />
Cpm *<br />
Wi thi n<br />
Overall<br />
Potential (Within) Capability<br />
Cp 5.41<br />
CPL 6.10<br />
CPU 4.73<br />
Cpk 4.73<br />
Overall Capability<br />
Pp 1.28<br />
PPL 1.45<br />
PPU 1.12<br />
Ppk 1.12<br />
Cpm *<br />
174<br />
sc<br />
sc<br />
ID New macro<br />
ID Old macro<br />
ID New macro<br />
ID Old macro<br />
Test for Equal Variances for ID between old&new program<br />
0.0002 0.0004 0.0006 0.0008 0.0010 0.0012<br />
95% Bonferroni Confidence Intervals for StDevs<br />
2.496<br />
2.497 2.498 2.499 2.500<br />
ID between old&new program<br />
รูปที่<br />
10 ความแปรปรวนของกระบวนการสําหรับโปรแกรมเกา<br />
และโปรแกรมใหม<br />
LSL<br />
Process Data<br />
2.4985<br />
Target *<br />
USL 2.5015<br />
Sample Mean 2.4987<br />
Sample N 220<br />
StDev(Within) 0.000140063<br />
StDev(Overall) 0.001037<br />
Observed Performance<br />
PPM < LSL 413636.36<br />
PPM > USL 0.00<br />
PPM Total 413636.36<br />
Process Capability of ID Old macro<br />
Exp. Within Performance<br />
PPM < LSL 79018.55<br />
PPM > USL 0.00<br />
PPM Total 79018.55<br />
LSL USL<br />
2.4968<br />
2.4976<br />
2.4984<br />
2.4992<br />
2.5000<br />
2.5008<br />
2.5016<br />
Exp. Overall Performance<br />
PPM < LSL 424391.15<br />
PPM > USL 3443.21<br />
PPM Total 427834.36<br />
รูปที่<br />
11 การวิเคราะหความสามารถของกระบวนการ<br />
สําหรับโปรแกรมเกา<br />
LSL<br />
Process Data<br />
2.4985<br />
Target *<br />
USL 2.5015<br />
Sample Mean 2.49986<br />
Sample N 220<br />
StDev(Within) 0.000108893<br />
StDev(Overall) 0.000291656<br />
Observed Performance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
Process Capability of ID New macro<br />
LSL USL<br />
2.4985<br />
2.4989<br />
Exp. Within Performance<br />
PPM < LSL 0.00<br />
PPM > USL 0.00<br />
PPM Total 0.00<br />
2.4993<br />
2.4997<br />
2.5001<br />
2.5009<br />
2.5013<br />
รูปที่<br />
12 การวิเคราะหความสามารถของกระบวนการ<br />
สําหรับโปรแกรมใหม<br />
่<br />
้<br />
่<br />
จากรูปที 4<br />
กระบวนการไดดังนี<br />
ถึง 12 สามารถวิเคราะหความสามารถของ<br />
- ในชวงอายุการใชงานของมีดตัดที 201-500 มี P-Value<br />
เทากับ 0.079 ซึ่งมีคามากกวา<br />
0.05 แสดงวา ขอมูลกอนทําการปรับปรุง<br />
2.5005<br />
Exp. Overall Performance<br />
PPM < LSL 1.46<br />
PPM > USL 0.01<br />
PPM Total 1.47<br />
2.501<br />
F-Test<br />
Test Statistic 0.08<br />
P-Value 0.000<br />
Levene's Test<br />
Test Statistic 187.09<br />
P-Value 0.000<br />
Wi thi n<br />
Overall<br />
Potential (Within) Capability<br />
Cp 3.57<br />
CPL 0.47<br />
CPU 6.67<br />
Cpk 0.47<br />
Overall Capability<br />
Pp 0.48<br />
PPL 0.06<br />
PPU 0.90<br />
Ppk 0.06<br />
Cpm *<br />
Wi thi n<br />
Overall<br />
Potential (Within) Capability<br />
Cp 4.59<br />
CPL 4.18<br />
CPU 5.01<br />
Cpk 4.18<br />
Overall Capability<br />
Pp 1.71<br />
PPL 1.56<br />
PPU 1.87<br />
Ppk 1.56<br />
Cpm *
และหลังทําการปรับปรุงไมตางกัน ดังนั้นขอมูลของ<br />
Cp และ Cpk ของ<br />
กอนทําการปรับปรุง และหลังทําการปรับปรุงจึงไมมีผล<br />
- ในชวงอายุการใชงานของมีดตัดที่<br />
501-2,000 มี P-Value<br />
เทากับ 0.010 ซึ่งนอยกวา<br />
0.05 แสดงวาขอมูลกอนทําการปรับปรุง และ<br />
หลังทําการปรับปรุงตางกัน เมื่อดูในสวนของ<br />
Cp และ Cpk ปรากฏวา<br />
หลังทําการปรับปรุงมี Cp และ Cpk ดีขึ้น<br />
- ในชวงอายุการใชงานของมีดตัดที่<br />
2,001-12,000 มี<br />
P-Value เทากับ 0.000 ซึ่งนอยกวา<br />
0.05 แสดงวาขอมูลกอนทําการ<br />
ปรับปรุง และหลังทําการปรับปรุงตางกัน เมื่อดูในสวนของ<br />
Cp และ Cpk<br />
ปรากฏวาหลังทําการปรับปรุงมี Cp และ Cpk ดีขึ้น<br />
จากขอมูลในแตละชวงอายุการใชงานของมีดตัดสามารถสรุป<br />
สมรรถนะ และความแปรปรวนของกระบวนการไดดังตารางที่<br />
6<br />
่ ตารางที 6 สมรรถนะ และความแปรปรวนของกระบวนการในแตละชวง<br />
อายุของมีดตัด<br />
ชวงอายุการใชงาน<br />
ของมีดตัด (ชิ้น)<br />
กอนปรับปรุง<br />
Cp Cpk<br />
หลังปรับปรุง<br />
Cp Cpk<br />
P-Value<br />
201 – 500 2.48 1.56 2.46 1.79 0.079<br />
501 – 2,000 3.46 1.72 5.41 4.73 0.010<br />
2,001 – 12,000 3.57 0.47 4.59 4.18 0.000<br />
4.5 ผลการดําเนินงานดานบุคคล<br />
ขอมูลจากเอกสารที่ใหพนักงานควบคุมเครื่องจักรใสคาหากมี<br />
การปรับคาของเครื่องจักร<br />
ดังนี้<br />
- สําหรับเครื่องจักรที่ใชโปรแกรมชวยปรับอัตโนมัติกอนการ<br />
พัฒนา พนักงานควบคุมเครื่องจักรมีการปรับมากที่สุด<br />
16 ครั้งตอกะ<br />
และ<br />
ปรับนอยที่สุด<br />
1 ครั้งตอกะ<br />
หลังการพัฒนา พนักงานควบคุมเครื่องจักรมี<br />
การปรับมากที่สุด<br />
10 ครั้งตอกะ<br />
และปรับนอยที่สุด<br />
0 ครั้งตอกะ<br />
- สําหรับเครื่องจักรที่ใชโปรแกรมชวยปรับอัตโนมัติกอนการ<br />
พัฒนา พนักงานควบคุมเครื่องจักรมีการปรับเฉลี่ย<br />
7 ครั้งตอกะ<br />
สําหรับ<br />
เครื่องจักรที่ใชโปรแกรมชวยปรับอัตโนมัติหลังการพัฒนา<br />
พนักงาน<br />
ควบคุมเครื่องจักรมีการปรับเฉลี่ย<br />
5 ครั้งตอกะ<br />
จะมีการปรับคาลดลง<br />
28.57 เปอรเซ็นตตอกะ<br />
- กอนทําการพัฒนาโปรแกรม พนักงานปรับตั้งคาเครื่องจักร<br />
1 ครั้ง<br />
ใชเวลาเฉลี่ย<br />
9 วินาที ถาพนักงานปรับตั้งคาเครื่องจักรเฉลี่ย<br />
7 ครั้ง<br />
ตอกะใชเวลาเฉลี่ย<br />
63 วินาที หลังทําการพัฒนาโปรแกรมพนักงาน<br />
ปรับตั้งคาเครื่องจักร<br />
1 ครั้ง<br />
ใชเวลาเฉลี่ย<br />
9 วินาที ถาพนักงานปรับตั้งคา<br />
เครื่องจักรเฉลี่ย<br />
5 ครั้งตอกะใชเวลาเฉลี่ย<br />
45 วินาที การพัฒนาโปรแกรม<br />
ชวยปรับอัตโนมัติใหม พนักงานที่ควบคุมเครื่องจักรจะใชเวลาในการ<br />
ปรับตั้งเครื่องจักรลดลง<br />
18 วินาทีตอกะ<br />
175<br />
ปจจุบันโรงงานผลิตอุปกรณและสวนประกอบตัวอยางมี<br />
เครื่องจักรแบบเดียวกัน<br />
จํานวน 25 เครื่อง<br />
จะคิดเปนเวลาที่ลดลงทั้งหมด<br />
450 วินาทีตอกะ<br />
5. กิตติกรรมประกาศ<br />
บทความนี้สามารถสําเร็จลุลวงไปไดดวยดี<br />
คณะผูวิจัย<br />
ขอขอบพระคุณโรงงานตัวอยาง และคณะวิศวกรรมศาสตรและ<br />
เทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากรที่กรุณาใหแนวคิดและ<br />
คําแนะนําที่เปนประโยชนตอการดําเนินงานเปนอยางดี<br />
เอกสารอางอิง<br />
์<br />
์<br />
่<br />
[1] สืบศักดิ สุขการเพียร, การเขียนโปรแกรมมาโคร ของ Fanuc<br />
(Fanuc Macro Programming), กรุงเทพมหานคร, 2548<br />
[2] ชาลี ตระการกลู, เทคโนโลยีซีเอ็นซี CNC TECHNOLOGY,<br />
สมาคมสงเสริมเทคโนโลยี (ไทย-ญี่ปุน),<br />
2542.<br />
[3] ไพโรจน แสงสุข, พื้นฐานเทคโนโลยีซีเอ็นซี<br />
หลักสูต<br />
[4]<br />
ประกาศนียบัตรวิชาชีพ, 2546<br />
กิติศักดิ พลอยพานิชเจริญ, สถิติสําหรับงานวิศวกรรม, เลม1, พิมพ<br />
ครั้งที<br />
2, สมาคมสงเสริมเทคโนโลยี (ไทย - ญี่ปุน),<br />
กรุงเทพฯ,<br />
่<br />
2539.<br />
[5] ธงชัย จันทรมณี, ศุภกิจ เศิกศิริ และอนุรัตน ฉิมเจริญ, การศึกษา<br />
เรื่อง<br />
การศึกษาตัวแปรการกัดแมพิมพสําหรับเครื่องจักรซีเอ็นซี<br />
(CNC)กรณีกัดงาน 3มิติ “The Study of Parameters for CNC<br />
Machine in Case 3 D”,วิทยานิพนธมหาวิทยาลัยเทคโนโลยีพระ<br />
จอมเกลาพระนครเหนือ, 2550.<br />
[6] จักรดาว ประทุมชาติ และตะวัน สุจริตกุล, การศึกษาการพัฒนา<br />
ระบบควบคุมเครื่องกัดซีเอ็นซีดวยคอมพิวเตอรแบบแผงวงจรเดี่ยว<br />
โดยการปอนสัญญาณดิจิตอลใหกับสเต็ปปงมอเตอร,<br />
การประชุม<br />
วิชาการเครือขายวิศวกรรมเครื่องกลแหงประเทศไทยครั้งที<br />
ขอนแกน, 2547.<br />
18,<br />
[7] จักรกฤษณ ฮั่นยะลา,<br />
การปรับปรุงประสิทธิภาพการผลิตใน<br />
[8]<br />
โรงงานผลิตเสื้อผาสําเร็จรูปดวยเทคนิคการศึกษาการเคลื่อนไหว<br />
และเวลา, วิทยาศาสตรมหาบัณฑิต, มหาวิทยาลัยเชียงใหม, 2552.<br />
กัลยาณี เกตุแกว, ปริยา พรพัฒนเลิศกุล, อัญชิษฐา คชวงษ และ<br />
สิทธิพร พิมพสกุล, การปรับปรุงประสิทธิภาพกระบวนการผลิต<br />
กรณีศึกษา บริษัท คอนิเมก จํากัด, IRPUS, 2547.
[8] ประเสริฐ ศรีบุญจันทร และ สมจิตร ลาภโนนเขวา, ระบบการผลิต<br />
แบบลีนของสายการประกอบเครื่องเชื่อมในอุตสาหกรรมผลิต<br />
เครื่องเชื่อม,<br />
การประชุมวิชาการครุศาสตรอุตสาหกรรมแหงชาติ<br />
ครั้งที่<br />
1, สถานบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง<br />
, 2549, หนา 78 – 86<br />
[9] ศิระพงศ ลือชัย, การลดตนทุนการผลิตในโรงงานเซรามิกโดยใช<br />
เทคนิคการศึกษาการเคลื่อนไหวและเวลา,<br />
วารสารโลกพลังงาน<br />
8,26 (ม.ค.-มี.ค. 2548) 20-27., 2548.<br />
[10] อรอุมา กอสนาน, วรลักษณ จันทรกระจาง, วัชระ พรหมสมบูรณ,<br />
จรูญศักดิ์<br />
มีทอง, การเพิ่มผลผลิตของสายการผลิตสลีฟสําหรับสปน<br />
เดิลมอเตอรในอุตสาหกรรมการผลิตฮารดดิสก, การประชุมวิชาการ<br />
เครือขายวิศวกรรมอุตสาหการแหงประเทศไทย, สงขลา, 2551.<br />
[11] R. Baptista ,J.F Antune Simoes, “Three and five axes milling of<br />
sculptured surfaces”, Technical University of Lisboa, Libson,<br />
Portugal, 1999.<br />
[12] Kuang – Hua Fuh , Hung – Yen Chang, “An accuracy model for<br />
the peripheral milling of aluminum alloys using response<br />
surface design”, Mechanical Engineering, 1996.<br />
[13] Chowdhury K. K. and E. V. Gopal., Quality Improvement<br />
Through Design of Experiments, Quality Engineering, 2000.<br />
ประวัติผูเขียนบทความ<br />
ผูชวยศาสตราจารยวันชัย<br />
ลีลากวีวงศ สําเร็จการศึกษา<br />
วิศวกรรมศาสตรมหาบัณฑิต (การจัดการงาน<br />
วิศวกรรม) มหาวิทยาลัยเอเชียอาคเนย และวิศวกรรม<br />
ศาสตรบัณฑิต (วิศวกรรมอุตสาหการ) สถาบัน<br />
เทคโนโลยีราชมงคล วิทยาเขตเทเวศน สนใจงานวิจัย<br />
ดานวิศวกรรมอุตสาหการ<br />
ผูชวยศาสตราจารยสุขุม<br />
โฆษิตชัยมงคล สําเร็จ<br />
การศึกษา วิศวกรรมศาสตรมหาบัณฑิต (เทคโนโลยี<br />
วัสดุ) สถาบันเทคโนโลยีพระจอมเกลาธนบุรี และ<br />
ครุศาสตรอุตสาหกรรมบัณฑิต (วิศวกรรมอุตสาหการ)<br />
สถาบันเทคโนโลยีพระจอมเกลาธนบุรี สนใจงานวิจัย<br />
ดานวิศวกรรมอุตสาหการ<br />
นายสิริพงศ จึงถาวรรณ สําเร็จการศึกษา บริหารธุรกิจ<br />
มหาบัณฑิต (การจัดการทั่วไป)<br />
มหาวิทยาลัย<br />
รามคําแหง และ วิศวกรรมศาสตรบัณฑิต (วิศวกรรม<br />
176<br />
อุตสาหการ) มหาวิทยาลัยศิลปากร สนใจงานวิจัยดาน<br />
วิศวกรรมอุตสาหการ<br />
นางสาวอภัสนันท แพงทอง สําเร็จการศึกษา วิศวกรรม<br />
ศาสตรบัณฑิต (วิศวกรรมอุตสาหการ) มหาวิทยาลัย<br />
ศิลปากร สนใจงานวิจัยดานวิศวกรรมอุตสาหการ
177<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การคัดเลือกขนาดของบัฟเฟอรโดยอาศัยเทคนิคการจําลองสถานการณ<br />
Buffer Size Selection via Using Simulation Technique<br />
ชมพูนุท เกษมเศรษฐ 1 และวรทัศร ขจิตวิชยานุกูล 2<br />
1<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเชียงใหม<br />
2<br />
Industrial and Manufacturing Engineering, School of Engineering & Technology, Asian Institute of Technology<br />
บทคัดยอ<br />
ระบบ Drum-Buffer-Rope (DBR) เปนกลไกในการควบคุม<br />
ระบบการผลิตซึ่งมาจากแนวคิดของทฤษฎีขอจํากัด<br />
(Theory of<br />
Constraints, TOC) ซึ่งเปนทฤษฎีที่เนนการปรับปรุงคอขวดใน<br />
กระบวนการผลิต บัฟเฟอร คือจํานวนชิ้นสวนระหวางการประกอบที่ควร<br />
เผื่อไว<br />
เพื่อปองกันการวางงานของเครื่องจักรในจุดที่เปนคอขวดของ<br />
กระบวนการผลิต และเพื่อที่จะใหการทํางานมีประสิทธิภาพมากที่สุด<br />
ซึ่ง<br />
หมายถึงการใชกําลังการผลิตของจุดที่เปนคอขวดใหไดมากที่สุด<br />
การ<br />
ขนาดของบัฟเฟอรนั้นเปนสิ่งที่ยากในการคํานวณวา<br />
ควรจะใชที่จํานวน<br />
เทาใด จึงจะทําใหระบบโดยรวมสามารถทํางานไดเกิดประสิทธิภาพมาก<br />
ที่สุด<br />
งานวิจัยฉบับนี้<br />
จัดทําขึ้นเพื่อนําเสนอระเบียบวิธีการกําหนดขนาด<br />
ของบัฟเฟอร โดยอาศัยเทคนิคการจําลองสถานการณ โดยทําการจําลอง<br />
ระบบ เพื่อหาขนาดของบัฟเฟอรที่เหมาะสม<br />
เริ่มจากการหาทางเลือก<br />
ขนาดของบัฟเฟอร ซึ่งมาจากการคํานวณโดยใชหลักการของทฤษฎี<br />
แถวคอย (Queuing Theory) และหลักการของฟสิกสโรงงาน (Factory<br />
Physics) หลังจากนั้นจึงทําการหาขนาดบัฟเฟอรที่เหมาะสมโดยอาศัยการ<br />
จําลองสถานการณ ซึ่งจะไดมีการแสดงตัวอยาง<br />
เพื่อใหเห็นถึงการนํา<br />
ระเบียบวิธีที่นําเสนอไปประยุกตใชในงานวิจัยฉบับนี้ดวย<br />
คําสําคัญ: บัฟเฟอร, ทฤษฎีขอจํากัด, เทคนิคการจําลองสถานการณ,<br />
ทฤษฎีแถวคอย, DBR, ฟสิกสโรงงาน<br />
Abstract<br />
Drum-Buffer-Rope (DBR) is the Theory of Constraints<br />
(TOC) based mechanism to control the system in order to improve the<br />
bottleneck. Buffers are stored parts to protect the system bottleneck<br />
from the shortage in order to maximize the use of bottleneck’s capacity.<br />
The size of buffer is one parameter that is difficult to set up and it has<br />
the effect on the system output and production cost. The motivation of<br />
this study is to present a procedure to obtain the size of buffer by<br />
applying simulation technique. Simulation experiment is conduct to<br />
evaluate the sizes of buffer that derive from queuing theory and Factory<br />
E-mail: 1 chompook@gmail.com, 2 voratas@ait.ac.th<br />
Physic concept. Then, the appropriate buffer size is selected. The<br />
numerical example is illustrated to show how the procedure works.<br />
Keywords: Buffer, Theory of Constraints, Simulation, Queuing Theory,<br />
DBR, Factory Physic<br />
1. บทนํา<br />
ทฤษฎีขอจํากัด (Theory of Constraints, TOC) ไดถูกพัฒนา<br />
และใชอยางแพรหลายเพื่อการบริหารจัดการโรงงานอยางมีประสิทธิภาพ<br />
วิธีการคิดตามแบบของ TOC นี้เปนการนําเสนอแนวคิดใหมสําหรับการ<br />
บริหารและจัดการกระบวนการทํางาน โดยมีหลักการคือ การเนน<br />
การจัดการ ณ จุดที่เปนขอจํากัด<br />
(Constraint) ของกระบวนการเปนหลัก<br />
หรือที่เราเรียกวา<br />
จุดคอขวด (Bottleneck) ของกระบวนการนั่นเอง<br />
Drum-Buffer-Rope (DBR) เปนกลไกที่นํามาใชควบคุม<br />
กระบวนการตามหลักการของ TOC เพื่อที่จะปรับปรุงการทํางาน<br />
ณ จุดที่<br />
เปนคอขวดเปนหลัก บัฟเฟอร (Buffers) คือ จํานวนชิ้นสวนระหวาง<br />
ประกอบของผลิตภัณฑ ซึ่งตองเผื่อไวเพื่อปองกันไมใหเกิดการวางงาน<br />
ของเครื่องจักร<br />
หรือกระบวนการที่เปนคอขวดของระบบ<br />
ทั้งนี้เพื่อใหคอ<br />
ขวดของระบบสามารถใชกําลังการผลิตอยางเต็มที่<br />
ขนาดหรือปริมาณ<br />
ของบัฟเฟอร เปนพารามิเตอรที่ยากแกการกําหนดคาที่จะทําใหเกิด<br />
ประสิทธิภาพรวมของกระบวนการดีที่สุด<br />
ดังนั้นงานวิจัยฉบับนี้จึง<br />
ตองการนําเสนอระเบียบวิธีการกําหนดขนาดของบัฟเฟอรที่เหมาะสม<br />
โดยอาศัยเทคนิคการจําลองสถานการณ<br />
2. ความรูพื้นฐานและงานวิจัยที่เกี่ยวของ<br />
“An hour lost at the bottleneck is an hour lost for the entire<br />
system. An hour saved at a non-bottleneck is a mirage” จากประโยค<br />
ขางตนซึ่งเขียนไวใน<br />
[1] โดย Goldratt and Cox ในป 1986 สามารถ<br />
ตีความไดวา จํานวนชั่วโมงการผลิตที่เสียไปของจุดคอขวดของ<br />
กระบวนการ คือการสูญเสียกําลังการผลิตของทั้งระบบ<br />
ดังนั้น<br />
ตาม
หลักการของ TOC จึงตองการเนนการบริหารจัดการจุดที่เปนขอจํากัด<br />
(Constraint) ของกระบวนการ หรือ จุดที่เปนคอขวด<br />
(Bottleneck) นั่นเอง<br />
กุญแจสําคัญของหลักการ TOC คือ ผลิตผลของกระบวนการ<br />
โดยรวมจะถูกกําหนดโดยเครื่องจักรหรือกระบวนการที่ทํางานชาที่สุด<br />
ซึ่งทําใหในระบบของ<br />
TOC มีการแบงเครื่องจักรหรือกระบวนการ<br />
ออกเปน 2 ประเภท คือ 1) เครื่องจักรหรือกระบวนการที่เปนคอขวดหรือ<br />
ขอจํากัดของระบบ (Bottleneck หรือ Capacity Constraint Resource<br />
(CCR)) และ 2) เครื่องจักรหรือกระบวนการที่ไมเปนคอขวดหรือไมเปน<br />
ขอจํากัดของระบบ (Non-bottleneck หรือ Non-CCR) เครื่องจักรหรือ<br />
กระบวนการแบบแรก ในที่นี้ขอเรียกวา<br />
จุดคอขวด (Bottleneck) ของ<br />
กระบวนการ หมายถึง เครื่องจักร<br />
หรือกระบวนการ ที่มีกําลังการผลิต<br />
นอยกวาหรือเทากับความตองการในการผลิตสินคา สวนเครื่องจักรหรือ<br />
กระบวนการผลิตประเภทที่สอง<br />
ซึ่งเปนเครื่องจักรหรือกระบวนการที่ไม<br />
เปนคอขวดหรือไมเปนขอจํากัดของระบบนั้น<br />
คือเครื่องจักรหรือ<br />
กระบวนการที่มีกําลังการผลิตมากกวาความตองการผลิตสินคานั่นเอง<br />
ดังนั้นตามหลักการของ<br />
TOC จึงตองการที่จะจัดสมดุลของการผลิต<br />
ณ จุด<br />
ที่เปนคอขวดใหเทากับหรือมากกวาความตองการสินคาจริงของตลาด<br />
DBR เปนกลไกที่นํามาใชควบคุมกระบวนการตามหลักการ<br />
ของ TOC เพื่อที่จะปรับปรุงการทํางาน<br />
ณ จุดที่เปนคอขวดเปนหลัก<br />
จุดที่<br />
เปนคอขวดจะถูกกําหนดใหเปน กลอง (Drum) ซึ่งหมายถึงผูควบคุม<br />
จังหวะ ความหมายคือจุดที่เปนคอขวดจะใหสัญญาณแกจุดอื่นๆในระบบ<br />
ใหทําการผลิตในอัตราเดียวกัน โดยทั้งระบบควรจะทํางานโดยอางอิง<br />
อัตราการทํางานของจุดที่เปนคอขวดเปนหลัก<br />
บัฟเฟอร (Buffer) คือ จํานวนชิ้นสวนระหวางการผลิตที่เก็บ<br />
ไวสําหรับปองกันการวางงาน ณ จุดที่เปนคอขวด<br />
ซึ่งตําแหนงที่เหมาะสม<br />
ของบัฟเฟอรจะอยูที่กอนหนากระบวนการที่เปนคอขวดนั่นเอง<br />
ตาม<br />
หลักการของ TOC จะใชบัฟเฟอรในลักษณะของ บัฟเฟอรที่เปนตัวเวลา<br />
(Time Buffer) ซึ่งแสดงตัวอยางในภาพที่<br />
1<br />
รูปที่<br />
1 บัฟเฟอรที่เปนตัวเวลา<br />
178<br />
การใชบัฟเฟอรเปนตัวเวลานี้<br />
จะเชื่อมโยงกับการปลอย<br />
วัตถุดิบเขาสูกระบวนการผลิต<br />
โดยใชอัตราการผลิตของเครื่องจักรหรือ<br />
กระบวนการที่เปนจุดคอขวดเปนตัวกําหนด<br />
การใชบัฟเฟอรเปนตัวเวลาก็<br />
เนื่องจากวาชวงเวลานั้นสามารถถูกกําหนดตายตัวได<br />
ในขณะที่จํานวน<br />
ขนาดของผลิตภัณฑนั้นไมตายตัว<br />
เนื่องจากในกระบวนการผลิตอาจจะมี<br />
ผลิตภัณฑไดหลายชนิดและใชเวลาในการผลิตที่แตกตางกัน<br />
สวนประกอบสุดทายคือ เชือก (Rope) ซึ่งหมายถึง<br />
ขอมูลที่สง<br />
จากเครื่องจักรหรือกระบวนการที่เปนคอขวด<br />
เพื่อควบคุมไมใหมีปริมาณ<br />
สินคาระหวางการผลิตมากเกินไป ซึ่งอาจสงผลกระทบกับผลผลิต<br />
โดยรวมของกระบวนการ<br />
วัตถุประสงคของกลไก DBR คือการทําใหเกิดกระบวนการ<br />
ผลิตที่สามารถควบคุมใหเกิดการผลิตที่เพิ่มขึ้น<br />
โดยใหมีสินคาระหวาง<br />
การผลิตที่ลดลง<br />
รวมไปถึงการลดของเสียและงานที่ตองทําการแกไข<br />
และใหสามารถจัดสงสินคาใหไดตามเวลาที่กําหนด<br />
ดังนั้นเพื่อจะให<br />
บรรลุจุดมุงหมายทั้งหมด<br />
กระบวนการหรือเครื่องจักรที่เปนขอจํากัดของ<br />
กระบวนการหรือจุดคอขวดนั้น<br />
จําเปนที่จะตองถูกปกปองไมใหไดรับผล<br />
ที่เกิดจากการผันแปรของกระบวนการ<br />
เพื่อใหการผลิตสามารถเกิด<br />
ประสิทธิภาพสูงสุด<br />
จากผลการศึกษาใน [3] นําเสนอ การใชเทคนิคการจําลอง<br />
สถานการณในการวัดประสิทธิภาพของกลไก DBR โดยทําการศึกษา<br />
ประสิทธิภาพของระบบการผลิต 3 แบบ คือ ระบบ MRP (Push System),<br />
DBR (TOC system) และระบบบัฟเฟอรใชรวมกับระบบ MRP พบวา ใน<br />
สถานการณที่ความผันแปรของระบบเพิ่มขึ้น<br />
กลไกของ DBR สามารถจะ<br />
ชวยรักษาสมดุลการผลิตของสายการผลิตได นอกจากนั้นยังพบวา<br />
ระบบ<br />
MRP ที่มีการใชบัฟเฟอร<br />
สามารถรักษาสมดุลการผลิตไดดีกวาระบบ<br />
MRP ดั้งเดิม<br />
และเมื่อทําการเปรียบเทียบระบบ<br />
DBR กับระบบ MRP ที่มี<br />
การใชบัฟเฟอร พบวา ระบบ MRP ที่มีการใชบัฟเฟอรทําใหเกิดการ<br />
วางงานบนกระบวนการที่เปนจุดคอขวด<br />
ดังนั้นการศึกษาฉบับนี้จึง<br />
สรุปวา กลไก DBR ในระบบ TOC นั้นดีที่สุดจากการเปรียบเทียบกันของ<br />
ทั้งสามระบบ<br />
จากผลการศึกษาใน [4] ซึ่งศึกษาการทดสอบกลไก<br />
DBR ใน<br />
ระบบการผลิตแบบตามกระบวนการ (Job-shop) ซึ่งผลการศึกษาไดแสดง<br />
ใหเห็นวา DBR นั้นชวยใหระบบทํางานไดอยางมีประสิทธิภาพมากขึ้น<br />
นอกจากนี้ยังมีการศึกษาของ<br />
[5] อธิบายถึงหลักการของการ<br />
ใชบัฟเฟอรเพื่อตอสูกับความแปรปรวนของกระบวนการ<br />
แตในตอนทาย<br />
ของการศึกษานี้ไดมีการสรุปวา<br />
ไมวาจะใชวิธีใดก็ตาม การลดความ
โดยที่ไมพิจารณาความแปรปรวนของกระบวนการ<br />
rb คือ อัตราการผลิตที่<br />
สูงที่สุดของระบบซึ่งหมายถึง<br />
อัตราการผลิตที่ต่ําที่สุด<br />
ณ จุดคอขวด<br />
นั่นเอง<br />
และ To คือ เวลารวมของการผลิตทั้งหมด<br />
หลังจากทั้งสองขั้นตอนนี้<br />
จะไดทางเลือกของขนาดบัพเฟอร<br />
จากคา K ซึ่งอาจจะมีไดหลายคาและคา<br />
Wo เพื่อมาทําการทดสอบหาคาที่<br />
เหมาะสมที่จะนํามาใชเปนขนาดของบัฟเฟอรในระบบของ<br />
TOC<br />
3.2 การใชเทคนิคการจําลองสถานการณมาใชในการหาขนาด<br />
บัฟเฟอรที่เหมาะสมาราง<br />
เมื่อมี<br />
Buffer Size Candidate หลายๆคา เราจะใชการจําลอง<br />
สถานการณ เขามาชวยในการหาคาขนาดของบัฟเฟอรที่เหมาะสมโดยที่<br />
ใชการจําลองสถานการณมาทดสอบคา Buffer Size Candidate ที่มีอยู<br />
และเก็บคาผลิตผลรวมออกมาทําการเปรียบเทียบกันในแตละสถานการณ<br />
และเลือกเอาคา Buffer Size Candidate ที่ทําใหมีคาผลผลิตรวมมากกวา<br />
คาผลผลิตรวมเปาหมาย มาตั้งเปน<br />
คาบัฟเฟอรของจุดคอขวดนั้นๆ<br />
โดย<br />
ในการเปรียบเทียบผลผลิตรวม จะใชหลักการของการสราง Mean<br />
Confidence Interval ของผลผลิตขึ้นมาทําการเปรียบเทียบกับคาผลผลิต<br />
เปาหมาย ซึ่งจะไดแสดงตัวอยางในสวนตอไป<br />
4. ตัวอยางการประยุกตใช<br />
ในที่นี้จะขออาศัยตัวอยางจากงานวิจัย<br />
[8] มาทําการแสดงให<br />
เห็นถึงการนําวิธีการที่นําเสนอนี้ไปใชงาน<br />
โดยตัวอยางที่จะนํามาแสดงนี้<br />
เปนตัวอยางของปญหาในรูปแบบระบบการผลิตแบบยืดหยุน<br />
(Flexible<br />
Manufacturing) ที่มีจํานวนผลิตภัณฑ<br />
5 ประเภทและจํานวนเครื่องจักร<br />
7<br />
ประเภท (A, B, C, D, E, F และ G)<br />
ขอมูลตั้งตน<br />
:<br />
180<br />
1) ตําแหนงของจุดคอขวด คือ เครื่องจักร<br />
G (การหาจุดที่เปนคอขวด<br />
ของกระบวนการสามารถทําไดหลายวิธี แตจากตัวอยางนี้กําหนดโดยวิธี<br />
ที่นําเสนอใน<br />
[9])<br />
2) ρ = 1.066 (ที่<br />
G) ( λ = 0.001623 lot/min, µ = 0.001522 lot/min)<br />
3) rb = 0.00122 lot/ min (ที่<br />
G)<br />
4) To = 4520.12<br />
โดย กําหนดให: 1 Lot = 100 หนวย<br />
จากขอมูลตั้งตนที่มาจากงานวิจัย<br />
[8] ขอมูลในขอ 1), 2) มา<br />
จากการใชเทคนิคการจําลองสถานการณมาทําเก็บขอมูล โดยใชหลักการ<br />
การสรางตัวแบบจําลองสถานการณสําหรับระบบ TOC ที่เสนอใน<br />
งานวิจัย [10] และใชวิธีการหาตําแหนงของคอขวดในกระบวนการตาม<br />
วิธีของ [9] สวนขอมูลในขอ 3) และ 4) มาจากการนําขอมูลพื้นฐานของ<br />
ระบบการผลิตมาใชไดโดยตรง<br />
ในการทดลองนี้<br />
เราจะทําการใชคา x ทั้งหมด<br />
3 คา คือ 1%,<br />
3% และ 5% มาใชในการคํานวณขนาดของบัฟเฟอรในรูปแบบของ<br />
แถวคอยของเครื่องจักรที่เปนจุดคอขวด<br />
ซึ่งในที่นี้คือเครื่องจักร<br />
G ดังนั้น<br />
ตารางของขนาดบัฟเฟอรที่จะนํามาทําการทดสอบจะแสดงดังตารางที่<br />
1<br />
ตารางที่<br />
1 ขนาดของบัฟเฟอรที่จะนํามาทําการทดลองโดยการจําลอง<br />
สถานการณ<br />
Factor ขนาดบัฟเฟอร (หนวย)<br />
x = 1 % 31<br />
x = 3% 18<br />
x = 5% 13<br />
W o<br />
6
จากนั้นทําการทดลองโดยใชแบบจําลองสถานการณบน<br />
ARENA 11.0 โดยใชเวลาการผลิตคือ 30 วัน วันละ 24 ชั่วโมง<br />
โดยทําการ<br />
ทดลองทั้งหมด<br />
50 ครั้งตอหนึ่งสถานการณ<br />
และมีสถานการณทั้งหมด<br />
5<br />
สถานการณ คือ สถานการณที่<br />
1 ไมมีการใชบัฟเฟอร และสถานการณที่<br />
2<br />
ถึง 5 เปลี่ยนขนาดบัฟเฟอรตามตารางที่<br />
1<br />
จากนั้นทําการเก็บขอมูลของคาผลผลิตที่ไดจากกระบวนการ<br />
นํามาเปรียบเทียบโดยใช Throughput Mean Confidence Interval<br />
Comparison ที่ชวงความเชื่อมั่น<br />
95% เพื่อหาวาขนาดบัฟเฟอรที่เหมาะสม<br />
ซึ่งแสดงดังรูปภาพที่<br />
2<br />
จากรูปภาพที่<br />
2 แสดงใหเห็นวา การใชบัฟเฟอรมาปองกันจุด<br />
คอขวดไมใหเกิดการวางงานนั้น<br />
ทําใหมีผลผลิตเพิ่มขึ้นโดยรวมในทุก<br />
สถานการณเทียบกับสถานการณตั้งตน<br />
ดังนั้น<br />
ผลที่ไดจากการทดลองในตัวอยางนี้<br />
จะเห็นไดวาการ<br />
ใชบัฟเฟอรทุกขนาดก็ทําใหเกิดความแตกตางของผลผลิตที่ไดเมื่อเทียบ<br />
กับสถานการณที่ไมมีการใชบัฟเฟอรเขามาชวย<br />
(ซึ่งในตัวอยางนี้<br />
ไมไดมี<br />
การกําหนดคาผลผลิตเปาหมายดังนั้นจะเลือกขนาดบัพเฟอรจาก<br />
สถานการณที่เกิดการเพิ่มของผลผลิตที่แตกตางจากสถานการณที่ไมมี<br />
การใชบัพเฟอร)<br />
5. วิเคราะหและสรุปผลการศึกษา<br />
จากวิธีการที่นําเสนอนี้เปนการใชเทคนิคการจําลอง<br />
สถานการณมาชวยในการเลือกขนาดของบัฟเฟอรที่จะนําไปใช<br />
ณ จุดคอ<br />
ขวดของกระบวนการ ซึ่งการใชเทคนิคการจําลองสถานการณนั้นมี<br />
ประโยชนมากในการใหขอมูลประกอบการตัดสินใจเนื่องจากในบางครั้ง<br />
การทําการทดลองไมสามารถทําในระบบผลิตได ซึ่งวิธีที่นําเสนอนี้<br />
นอกจากจะนําเทคนิคทางการจําลองสถานการณมาใชแลวยังเปนการนํา<br />
แนวคิดในเรื่องของทฤษฎีแถวคอยและ<br />
Factory Physics เขามาประกอบ<br />
ในการหาทางเลือกของขนาดบัฟเฟอรอยางมีหลักการ<br />
จากผลการทดลองในตัวอยางที่ไดยกขึ้นมานี้แสดงใหเห็นถึง<br />
ประโยชนของการนําเทคนิคการจําลองสถานการณเขามาชวยในการ<br />
ตัดสินใจในการเลือกขนาดของบัฟเฟอรที่จะนํามาใช<br />
เชนในตัวอยางที่ได<br />
นําเสนอ จะเห็นวาทุกขนาดของบัฟเฟอรนั้นจะชวยใหผลผลิตโดยรวม<br />
เพิ่มขึ้น<br />
แตหลักการในการเลือกขนาดบัฟเฟอรถามองไปถึงตนทุนใน<br />
สายการผลิต ทางเลือกที่ดีที่สุดคือ<br />
ควรจะเลือกขนาดบัฟเฟอรที่นอยที่สุด<br />
รูปที่<br />
2 การเปรียบเทียบคาผลผลิตโดยการสราง Mean Confidence Interval<br />
ที่สามารถทําใหผลผลิตโดยรวมเพิ่มขึ้นตามความตองการ<br />
ดังนั้นใน<br />
ตัวอยางนี้<br />
ไมไดมีการกําหนดคาผลผลิตเปาหมาย ทางเลือกที่เหมาะสม<br />
ที่สุดจึงเปนทางเลือกของขนาดบัฟเฟอรที่เทากับ<br />
6 แตถาหากวาทางเลือก<br />
เพิ่มหรือลด<br />
หรือมีเงื่อนไขอื่นๆเพิ่มเติม<br />
เชน คาผลผลิตเปาหมายที่<br />
เปลี่ยนไป<br />
หรือการเลือกใช % ของชวงความเชื่อมั่นที่เปลี่ยนไป<br />
ซึ่งอาจมี<br />
ผลตอการตัดสินใจได (มีผลการศึกษาระบุใน [11]) การตัดสินใจเลือก<br />
ขนาดของบัฟเฟอรที่จะนํามาใชก็จะขึ้นกับดุลยพินิจของผูนําวิธีการนี้ไป<br />
ใช<br />
6. ขอเสนอแนะ<br />
วิธีการที่ทําการเสนอในผลงานวิจัยนี้เปนการนําเอาเทคนิคการ<br />
จําลองสถานการณมาใชในการหาขนาดบัฟเฟอร ณ จุดที่เปนคอขวดของ<br />
กระบวนการ เพื่อใหมีขนาดที่เหมาะสม<br />
ซึ่งวิธีการนี้มีประโยชนมาก<br />
เนื่องจากวาเปนการหาขนาดของบัฟเฟอรที่อาศัยหลักการคํานวณอยางมี<br />
หลักการ ตามทฤษฎีแถวคอยและ Factory Physics ซึ่งในผลงานวิจัยฉบับ<br />
นี้ไดนําเสนอตัวอยางการนําไปใชในระบบของ<br />
Flexible Manufacturing<br />
ที่มีจุดขอขวดเพียงจุดเดียว<br />
อยางไรก็ดี วิธีการนี้สามารถนําไปขยายใชใน<br />
กรณีที่มีจุดคอขวดมากกวาสองจุดขึ้นไปไดเชนกัน<br />
โดยมีตัวอยางที่<br />
ใกลเคียงนําเสนอใน [12]<br />
ดังนั้นการอาศัยวิธีการเลือกขนาดบัฟเฟอรอยางมีหลักการจะ<br />
ทําใหสามารถเลือกใชขนาดของบัฟเฟอรที่เหมาะสม<br />
ไมมากและไมนอย<br />
จนเกินไป รวมทั้งการนําเทคนิคการจําลองสถานการณมาใชก็ทําใหเห็น<br />
ถึงแนวโนมของกระบวนการหลังจากที่มีการปรับปรุงเปลี่ยนแปลงดวย<br />
ซึ่งหากจะมีการนําขนาดบัฟเฟอรที่ไดจากการทดลองไปใชนั้น<br />
เพื่อให<br />
เกิดประโยชนสูงสุด จึงควรใชรวมกันทั้งระบบของ<br />
DBR และการนํา<br />
หลักการของ Transfer Lot Size ซึ่งเปนเครื่องมืออีกอยางหนึ่งที่สําคัญ<br />
ของแนวคิดแบบ TOC เขามารวมดวย โดยไดมีการนําเสนอการใชเทคนิค<br />
Simulation มาชวยในการตั้งระบบของ<br />
TOC ในงานวิจัยหลายๆ ฉบับ<br />
[10, 12, 13]<br />
เอกสารอางอิง<br />
[1] Goldratt, E.M. and CoX, J., The Goal: A Process of Ongoing<br />
Improvement, Revised Edition, North River Press, 1986.<br />
[2] Youngman, K.J., A Guide to Implementing the Theory of<br />
Constraint (TOC) For Innovative; Production, Supply Chain,<br />
Service Provision, Distribution, Marshalling, Healthcare,<br />
181
Turnaround Management, Corperate Finance & Strategy [online],<br />
Available from: http://www.dbrmfg.co.nz [Accessed 15 December<br />
2004], 2003.<br />
[3] Duclos, L.K., and Spencer, M.S., “The Impact of a Constraint<br />
Buffer in a Flow Shop”, International Journal Production<br />
Economics, 42: 175-185, 1995.<br />
[4] Chakravorty, S.S., “An Evaluation of the DBR Control<br />
Mechanism in a Job Shop Environment”, Omega, 29: 335-342,<br />
2001.<br />
[5] Hurley, S.F. and Whybark, D.C., “Inventory and Capacity Tradeoffs<br />
in a Manufacturing Cell”, International Journal Production<br />
Economics, 59: 203-212, 1999.<br />
[6] Radovislsky, Z.D., “A Quantitative Approach to Estimate the Size<br />
of the Time Buffer in the Theory of Constraints”, International<br />
Journal Production Economics, 55: 113-119, 1998.<br />
[7] Hopp, W.J. and Spearman, M.L., Factory Physics, Second<br />
Edition, McGraw-Hill, Inc., 1999.<br />
[8] Kasemset, C., Simulation-based Tool for Theory of Constraints<br />
(TOC) Implementation, Master Research Study No.ISE-05-11,<br />
Asian Institute of Technology, Bangkok, 2005.<br />
[9] Kasemset, C. and Kachitvichyanukul V., “Simulation-based<br />
Procedure for Bottleneck Identification”, <strong>Proceeding</strong> of AsiaSim<br />
2007, Asia Simulation Conference 2007, 10-12 October 2007,<br />
Seoul, Korea, Berlin: Springer, 47-55, 2007.<br />
[10] Kasemset, C. and Kachitvichyanukul, V., “Simulation Tool for<br />
TOC Implementation”, <strong>Proceeding</strong>s of <strong>AS</strong>IMMOD 2009, 22–23<br />
January 2009, Bangkok, Thailand, 86-97, 2009.<br />
[11] Kasemset, C. and Kachitvichyanukul V., “Effect of Confidence<br />
Interval on Bottleneck Identification via Simulation”, <strong>Proceeding</strong><br />
of the 2010 IEEE IEEM (IEEE International Conference on<br />
Industrial Engineering and Engineering Management), 8-10<br />
December 2010, Macao, 1592-1595, 2010.<br />
[12] Kasemset, C. and Kachitvichyanukul, V., “Simulation-based<br />
Procedure for Implementing Theory of Constraints: Extension for<br />
Cases with Multiple Bottlenecks”, <strong>Proceeding</strong> of The 9th APIEMS<br />
Conference, 3-5 December 2008, Bali, Indonesia, 1811–1819,<br />
2008.<br />
[13] Kasemset, C. and Kachitvichyanukul, V., Simulation-based Tool<br />
for Implementing Theory of Constraints, <strong>Proceeding</strong> of The 6th<br />
APIEMS Conference, 4-7 December 2005, Manila, Philippines,<br />
Article 4426, 2005.<br />
182
improvement, standard of work and working standard time were<br />
applied. [6]<br />
Finding answers by using linear programming technique to<br />
solve the problem of resource allocation factors and the nature of the<br />
relationship variables. Linearly related to total The goal to solve<br />
problems and make decisions that impact by way of example, the best<br />
most profitable and lowest cost way of other tasks. The most effective<br />
system is [7].<br />
This study found the lowest shipping costs in storage by<br />
Linear equation to find the shortest distance, Fuel to reduce energy costs<br />
in its sample. The data represent the information in the program LINDO<br />
(Student version). Additionally, the simulation programming was<br />
perform to make the new decision option and evaluated them.<br />
2.3 Analysis<br />
Analysis of results from current storage to store the<br />
experiment results by using SPSS (Student Version) to compare two<br />
sets of data by significant value.<br />
2.4 Calculation Method<br />
The Introduction, the foregoing approach is optimized to<br />
reduce the cost of storage as follows.<br />
2.4.1 Linear programming.<br />
Background Information<br />
The data were collected since January - May 2010, kinds of<br />
products with a capacity of Top 5 of 15, kinds of oil production sent<br />
packing to packing machine, and product sales volumes outside were<br />
used to calculate. After loading is complete to keep the warehouse, then,<br />
waiting in the warehouse for 2 days for the product is sold outside. The<br />
top 5 products by volume are N220, N660, N550, N330 and N326,<br />
respectively.<br />
Prescriptive<br />
W4 is warehouse 4<br />
W5 is warehouse 5<br />
W6 is warehouse 6<br />
W7 is warehouse 7<br />
P3 is Location L#3<br />
P4 is Location L#4<br />
184<br />
P5 is Location L#5<br />
Table 1 charts the distance between the locations of the container to the<br />
warehouse (meters).<br />
P3 P4 P5 W4 W5 W6 W7<br />
P3 384 194 434 191<br />
P4 384 194 434 191<br />
P5 370 180 420 177<br />
W4 384 384 370<br />
W5 194 194 180<br />
W6 434 434 420<br />
W7 191 191 177<br />
The calculation by linear programming was assumed that:<br />
Initializing inventory carried forward from the previous month. By the<br />
distance relative to the cost. The distance from the decision variables<br />
and the capacity of the warehouse. The quantity of goods on a daily<br />
basis, come to think that the use of product was actually made of<br />
packing until the fifth month.<br />
Mathematical Model.<br />
Prescriptive<br />
Z is the total distance of all of the store<br />
i is the day by i = 1,2,3, ..., 31.<br />
j is type of production j = 1,2,3,4,5<br />
k is location k= 1,2,3<br />
n is warehouse n=1,2,3<br />
Parameter<br />
Dijk is the distance from the day that i kind of product j from<br />
location to the warehouse packing n.<br />
A is the capacity of the warehouse day i type of production j<br />
from location k to warehouse n<br />
X is volume of production day i of type of product j from<br />
location k to warehouse n<br />
V is capacity of container of day i production type j from<br />
location k to warehouse n<br />
R = 1 When a product contains the location that contains k.= 0<br />
Other cases<br />
Decision variables<br />
Is the volume of species i on product j from location k to the<br />
warehouse n.
Objective Function<br />
The purpose of this problem is the minimum distance.<br />
Equation of restrictions (Constrains)<br />
Each day i have volume of product x type j which contains<br />
products from location k to warehouse n must not exceed the amount of<br />
warehouse capacity.<br />
Each day i have volume of product x type j which contains<br />
products from location k to warehouse n must have volume equal of<br />
warehouse V capacity.<br />
2.4.2 Simulation Programming<br />
The research also study by the Arena’s simulation method.<br />
The value to the start of used in the simulation by collected the<br />
appropriate amount of data and tested their distribution before using.<br />
The results prepare the alternative 4 options as follows:<br />
Table 2 options for improving warehouse<br />
Detail<br />
Option 1 Require to store in a warehouse with a short distance before it<br />
was full, Using diesel B5 fuel Folk Lift.<br />
Option 2 Build a new warehouse 5 at the storage capacity of 1500 tons.<br />
Using diesel B5 fuel Folk Lift.<br />
Option 3 Require to store in a warehouse with a short distance before it<br />
was full, The Folk Lift installs LPG gas.<br />
Option 4 Build a new warehouse near warehouse 5 at the storage capacity<br />
of 1500 tons. The Folk Lift installs LPG gas.<br />
Figure 2 Arena’s Model shows the location of the storage area<br />
Figure 2 Arena’s Model shows the location of the storage<br />
area of the product that starting from the packed location on each<br />
production line. The simulation in this model set the program to select<br />
(1)<br />
(2)<br />
(3)<br />
185<br />
stores in the warehouse with the shortest distance first. Then, consider<br />
the storage capacity for fill up. If the storage capacity in the shortest<br />
distance was full, the next warehouses will be selected<br />
3. Results<br />
3.1 Linear Programming Result<br />
Figure 3 Graph comparing the distance of storage<br />
From the graph comparing the distance of storage shows that<br />
the new linear program, the total distance to stock area was reduced<br />
from the existing as following: January 662,196 meters, February<br />
766,860 meters, March 980,731 meters, April and May 592,999 meters.<br />
The calculation of shipping used only one way transport. Equipment<br />
was folk lift truck with the consumption rate is 3 miles per liter of fuel<br />
is diesel B 5, or 1 km fuel consumption 12.01 baht (including<br />
consumption and maintenance forklift).<br />
3.2 Simulation Programming Result<br />
Table 3 Resources consumption change of each option<br />
Option<br />
Linear<br />
Programming<br />
Option 1<br />
(Simulation)<br />
Option 2<br />
(Simulation)<br />
Option 3<br />
(Simulation)<br />
Resources consumption change of each option<br />
Decrease Increase<br />
Distance running of the truck decreased<br />
3,586,302 meters, fuel decreased<br />
-<br />
43,071.49 baht<br />
Distance running of the truck decreased<br />
7,548,800 meters, fuel decreased<br />
-<br />
90,661.14 baht<br />
Building a new warehouse 5 at the storage<br />
capacity of 1500 tons<br />
Increased 3LPG forklift (New installation<br />
only<br />
Distance running of<br />
the truck decreased<br />
8,963,350 meters,<br />
fuel decreased<br />
107,974.09 baht<br />
Distance running of<br />
the truck decreased<br />
7,548,800 meters, fuel<br />
decreased 98,723.45<br />
baht
Table 3 (Continued)<br />
Option<br />
Option 4<br />
(Simulation)<br />
Resources consumption change of each option<br />
Decrease Increase<br />
1. Increased 3LPG forklift (New<br />
installation only)<br />
2. Building a warehouse 5 at the storage<br />
capacity of 1500 tons<br />
Distance running of<br />
the truck decreased<br />
8,963,350 meters,<br />
fuel decreased<br />
112,850.5 baht<br />
Table 3 showed that all options, the distance running of the<br />
truck decreased all alternative, but when used economic analysis, the<br />
results showed that payback period was 50 years. (Option 2) However<br />
the payback period was 5 years and 4 years for option 3, and 4<br />
respectively. (LPG Forklift)<br />
4. Conclusion<br />
The analysis by linear programming, compared to<br />
processing at the current storage, found that the method of linear<br />
programming decreased the distance fuel cost. Linear programming will<br />
be shown all the distance stored in 1-month run of each type of storage<br />
for each day of the inventory. However, linear programming can not<br />
display the fuel used from the storage. The linear programming method<br />
decreased the distance to 3,586,302 meters and the lower fuel 43,017.49<br />
baht, as 31.77%.<br />
When analyzed by comparison current storage with the<br />
simulation programming found that a new alternative model that create<br />
by the simulation program decreased the distance and fuel cost. The<br />
simulation program can calculate the distance of movement of goods<br />
and cost of fuel inventory, shows each day in each warehouse inventory<br />
as well as linear programming.<br />
When analyzed results the 4 options of simulation found that<br />
option 3 and 4 was the most effective. Then, evaluation of all criteria<br />
found that the best choice was option 3.<br />
Reference<br />
[1] Karun Kunponphai, the formatting of transport limestone in<br />
cement production using linear programming and queuing<br />
systems, Master Thesis, King Mongkut's Institute of Technology,<br />
Bangkok, 2547.<br />
[2] Preecha Lahkun, creating a model of linear programming to<br />
find the lowest cost to melt aluminum, Master Thesis,<br />
University of Sukhothai Thammathirat Royal Works, 2550.<br />
186<br />
[3] Phakkhanart Srimahasup, finding the best position to place of<br />
storage components in the warehouse so that the total<br />
distance of moving parts, the whole system under the<br />
program Excel Solver, independent study. University of<br />
Technology Thonburi, 2552.<br />
[4] Suwanlapha Sangprakye,Use Optimization applied to the<br />
operating costs for transporting mail, Master Thesis,<br />
University of Technology Thonburi, 2542.<br />
[5] Charan Chanthalakana, statistical analysis and research plan.<br />
Bangkok<br />
[6] Wichit Tanthasuth and Faculty grant, Work Study. Bangkok<br />
[7] Wichit Tanthasuth and Faculty grant, research operations.<br />
Bangkok<br />
[8] Wayne L. Winston. 1997. User's Guide for LINDO and<br />
LINGO, Windows Versions. Duxbury Press.<br />
[9] Taha, H. M., Operations Research an Introduction, Pearson<br />
Education, Inc., 2007<br />
[10] Kelton W.D., Sadodowski R.P. and Sturrock D.T., Simulation<br />
with ARENA, McGraw-Hill, 2003<br />
[11] Law, A.M. & Kelton, W.D. Simulation Modeling and Analysis.<br />
(2nd ed). New York: McGraw-Hill, Inc. 1991<br />
[12] Shannon, Robert E., System Simulation the Art and Science,<br />
Prentice-Hall Inc., 1975<br />
[13] Pegden C. D., Shannon R. E., Shadowski R. P., Introduction to<br />
Simulation Using SIMAN, McGraw-Hill, 1995<br />
[14] Seila A.F., Ceric V., and Tadakamalla P., Applied Simulation<br />
Modeling, Thomson Learning, Inc.,
187<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การจัดการวัตถุดิบคงคลังประเภทสารเคมีที่ใชในโรงงานฟอก-ยอมสิ่งทอ<br />
Inventory Management for Dyeing Chemical Substances in Textile Industries<br />
พรรณวิภา พุฒิภาษ 1 และพรธิภา องคคุณารักษ 2<br />
1, 2<br />
ภาควิชาเทคโนโลยีอุตสาหกรรมเกษตร คณะอุตสาหกรรมเกษตร มหาวิทยาลัยเกษตรศาสตร<br />
เขตจตุจักร กรุงเทพมหานคร 10900<br />
โทรศัพท/โทรสาร: 0-2562-5000 E-mail: 1 panwipa.ptp@gmail.com, 2 numorr@gmail.com<br />
บทคัดยอ<br />
อุตสาหกรรมฟอก-ยอมเปนอุตสาหกรรมที่นําวัสดุสิ่งทอจาก<br />
อุตสาหกรรมทอผาและถักผามาผานกระบวนการฟอก-ยอม ใหเปนวัสดุ<br />
สิ่งทอสําเร็จจนนําไปผลิตหรือจําหนายตอได<br />
ซึ่งวัตถุดิบนับวาเปน<br />
สวนประกอบสําคัญของการผลิตสินคาหรือผลิตภัณฑสําเร็จรูป<br />
โดยทั่วไปมูลคาของตนทุนวัตถุดิบคิดเปน<br />
30 – 60% ของยอดขาย ดังนั้น<br />
การบริหารวัตถุดิบคงคลังจึงเปนสวนสําคัญของการดําเนินงานที่บริษัท<br />
ควรใหความสําคัญ ซึ่งการประยุกตใชทฤษฎีตาง<br />
ๆ สามารถกําหนดเวลา<br />
และปริมาณการสั่งซื้อไดอยางเหมาะสมเพียงพอกับความตองการของ<br />
ลูกคา งานวิจัยฉบับนี้มีวัตถุประสงคเพื่อศึกษาและปรับปรุงระบบการ<br />
จัดการวัตถุดิบคงคลังพรอมทั้งประยุกตใชนโยบายคงคลังรูปแบบตางๆ<br />
ใหเหมาะสมกับความตองการในโรงงานฟอก-ยอมกรณีศึกษา โดยใช<br />
เทคนิคการแบงกลุมวัตถุดิบคงคลังตามลําดับความสําคัญ<br />
(ABC<br />
Analysis) และเลือกวัตถุดิบในกลุมเอซึ่งเปนกลุมที่มีมูลคาการใชมาก<br />
ที่สุดมาวิเคราะหหานโยบายวัตถุดิบคงคลังที่เหมาะสมโดยอางอิงทฤษฎี<br />
และวิธีการจําลองสถานการณ (Simulation) ผลการศึกษาพบวา การ<br />
วิเคราะหลักษณะของขอมูลมีประโยชนในการเลือกใชนโยบายที่<br />
เหมาะสม และสามารถลดตนทุนรวมเมื่อเทียบกับนโยบายปจจุบัน<br />
และ<br />
ยังคงรักษาระดับการใหบริการลูกคา (Customer Service Level) และ<br />
อัตราการเติมสินคา (Product Fill Rate) เทากับรอยละ 100 โดยวัตถุดิบที่<br />
มีลักษณะการแจกแจงแบบปรกติ คาที่ไดจากวิธีมาตรฐานและการจําลอง<br />
สถานการณสามารถลดตนทุนรวมไดทุกวิธี โดยนโยบายที่เหมาะสม<br />
คือ<br />
การจําลองสถานการณแบบนโยบาย (s S) สามารถลดตนทุนรวมไดรอย<br />
ละ 5.24 และลดปริมาณวัตถุดิบคงคลังเฉลี่ยไดรอยละ<br />
78.71 สวนวัตถุดิบ<br />
ที่มีลักษณะการใชแบบซ้ํา<br />
ๆ ไมเหมาะสมกับวิธีมาตรฐานเนื่องจากไม<br />
สามารถลดตนทุนรวมได แตเมื่อใชวิธีการจําลองสถานการณ<br />
สามารถลด<br />
ตนทุนรวมลงได<br />
คําสําคัญ: การจัดการสินคาคงคลัง, การจัดการโซอุปทาน, สิ่งทอ<br />
Abstract<br />
Bleaching-Dyeing Textile Industries are industries that bring<br />
textile materials from the weaving and knitting industry through the<br />
dyeing process and continue to production or distribution. Raw<br />
materials such as color and chemical substances are important<br />
components and theirs value are about 30 to 60% of sales. Thus, raw<br />
materials inventory management is important for the industries. The<br />
standard inventory policies could be implemented to determine when<br />
and how much to order raw material so that the total cost is minimized<br />
while maintains the customer service level. The objectives of this<br />
research are to study and improve inventory management of the case<br />
study dyeing industry. First, we categorize the raw materials inventory<br />
using ABC classification. Second, we select two raw materials in group<br />
A which have the most usage values. Third, we analyze the distribution<br />
of the usage rate of selected materials and implement the standard<br />
inventory policies such as (s, S), (s, Q) and S policies versus Monte<br />
Carlo simulation. Next, we compare those policies with the current<br />
policy and analyze the data. The results show that the distributions of<br />
raw material usage rate are useful in selecting the appropriate policy<br />
and can reduce the total cost compared with the current policy while<br />
maintain customer service level and product fill rate. If the raw material<br />
usage rate is normally distributed, then we can use either standard<br />
policy or simulation. These methods can reduce cost by 5.24 percent<br />
and can reduce inventory by 78.71 percent. On the other hand, if the<br />
raw material usage rate is non-normally distributed or repetitively<br />
distributed, the simulation is more appropriate that standard policy.<br />
Keywords: inventory management, supply chain management, textile<br />
industry
เดือนแทน [7] ไดใชวิธีการพยากรณที่เหมาะสมรวมถึงการปรับปรุงการ<br />
วางแผนความตองการและใช นโยบาย (s, S) ควบคุมการผลิตและสินคา<br />
คงคลังในผลิตภัณฑที่เนาเสียงาย<br />
ตอมา [8] ศึกษานโยบายสินคาคงคลัง<br />
เพื่อปรับปรุงประสิทธิรูปของการผลิตและการจัดการสินคาคงคลังเพื่อลด<br />
ตนทุนรวม ของผลิตภัณฑขาวโพดหวานบรรจุกระปอง ซึ่งผลิตภัณฑมี<br />
ความตองการไมแนนอน มีขอจํากัดดานเวลาในการจัดซื้อและอายุของ<br />
วัตถุดิบ โดยใชขอมูลการขายยอนหลัง มาศึกษารูปแบบของความตองการ<br />
พบวามีการแจกแจงแบบปกติ หลังจากนั้นนําขอมูลการขายมาคํานวณหา<br />
จุดสั่งซื้อและปริมาณสินคาคงคลังสูงสุด<br />
และกําหนดระดับการใหบริการ<br />
ลูกคา สวน [9] ไดทําการประยุกตใชนโยบายการจัดการสินคาคงคลังโดย<br />
ทําการแบงขอมูลเปนชุดในการปรับปรุงระบบการจัดหาวัตถุดิบที่เนาเสีย<br />
งายสําหรับรานอาหารเพื่อหาวิธีการพยากรณปริมาณการใชปลาชอนตอ<br />
วันที่เหมาะสม<br />
และวัดคาความคลาดเคลื่อนดวยคาเฉลี่ยความ<br />
คลาดเคลื่อนสมบูรณ<br />
(MAD) พบวา วิธีโฮลทและวินเทอรที่มีฤดูกาลแบบ<br />
บวกเปนวิธีการพยากรณที่เหมาะสมที่สุด<br />
และวางแผนการสั่งซื้อและการ<br />
จัดการวัตถุดิบคงคลังดวยนโยบายการสั่งซื้อวัตถุดิบแบบตอเนื่องโดยใช<br />
นโยบาย (s, S) และแบงขอมูลปริมาณการใชเปนชุดวันธรรมดากับชุด<br />
วันหยุด<br />
สวนงานวิจัยอื่น<br />
ๆ ที่เกี่ยวของกับการจัดการในอุตสาหกรรม<br />
สิ่งทอและเครื่องนุงหม<br />
ในการหาแนวทางการปรับปรุงประสิทธิรูปใน<br />
อุตสาหกรรมสิ่งทอนั้น<br />
บางครั้งไมสามารถทดลองดวยการปฏิบัติจริงได<br />
เนื่องจากมีขอจํากัดอยูหลายประการ<br />
เชน คาใชจาย หรือดานเวลา สงผล<br />
ใหกระทบตอการปฏิบัติงานจริง จึงใชการจําลองสถานการณ<br />
(Simulation) ซึ่งเปนวิธีที่จําลองสถานการณจริงหรือพฤติกรรมของระบบ<br />
เพื่อที่จะศึกษาการไหลของกิจกรรม<br />
โดยนําขอมูลมาวิเคราะหหารูปแบบ<br />
ที่ถูกตองเพื่อปรับปรุงระบบได<br />
เชน อัครวัฒน [10] อาศัยหลักการจัดทํา<br />
ผังกระบวนการธุรกิจในปจจุบันดวย IDEF0 Model และผังการไหลของ<br />
กระบวนการธุรกิจ โดยนําเสนอผังกระบวนการใหมที่ปรับปรุง<br />
มี<br />
เปาหมายในการลดเวลานํา วัดประสิทธิรูปเชิงเปรียบเทียบระหวาง<br />
กระบวนการธุรกิจในปจจุบันและกระบวนการที่ปรับปรุงใหม<br />
ดวย<br />
วิธีจําลองสถานการณ [11] ศึกษาการลดอัตราการสูญเสียของเนื้อผาโดย<br />
ใชเทคนิคการจําลองสถานการณ แบบ Monte Carlo Simulation พบวา<br />
แบบจําลองสถานการณสามารถทําใหกระบวนการผลิตมีประสิทธิรูปขึ้น<br />
และสามารถลดปริมาณการสูญเสียที่เกิดขึ้นได<br />
[12] ไดใชเทคนิคการ<br />
จําลองสถานการณเพื่อปรับปรุงผลการดําเนินงานของโรงงานผลิตเสื้อผา<br />
189<br />
สําเร็จรูป มาวิเคราะหพฤติกรรมการผลิตเสื้อผาสําเร็จรูปโดยใชโปรแกรม<br />
Arena เพื่อสรางระบบปจจุบันและปรับปรุงกระบวนการผลิต<br />
3. วิธีการวิจัย<br />
3.1 การเก็บรวบรวมขอมูล<br />
การเก็บรวบรวมขอมูลโดยการศึกษานี้ไดใชขอมูลปฐมภูมิที่<br />
ไดจากการเก็บขอมูลปริมาณการใชวัตถุดิบประเภทสารเคมีเปนรายวัน<br />
ตามราคาสารเคมี ตั้งแตเดือนมกราคม<br />
พ.ศ.2552 ถึงเดือนธันวาคม พ.ศ.<br />
2552 จากโรงงานกรณีศึกษา<br />
3.2 การจัดทํา ABC Analysis<br />
นําขอมูลในอดีตที่ผานมาจํานวน<br />
12 เดือน ตั้งแตเดือน<br />
มกราคม ถึงเดือนธันวาคม พ.ศ. 2552 มาจัดกลุมวัตถุดิบประเภทสารเคมี<br />
โดยใชเทคนิคการแบงกลุมวัตถุดิบคงคลังตามลําดับความสําคัญ<br />
(ABC<br />
Analysis) เพื่อปรับปรุงการควบคุมวัตถุดิบคงคลังโดยแบงกลุมวัตถุดิบ<br />
ตามมูลคาการใช และเลือกวัตถุดิบประเภทสารเคมีที่มีปริมาณการใชใน<br />
อยูในกลุมเอมาวิเคราะหหานโยบายวัตถุดิบคงคลัง<br />
3.3 การวิเคราะหนโยบายวัตถุดิบคงคลัง<br />
3.3.1 ทดสอบการแจงแจกทางสถิติของขอมูลปริมาณความ<br />
ตองการใชวัตถุดิบประเภทสารเคมีกลุมเอ<br />
ในแตละตัววามีการแจกแจง<br />
แบบใดบางพรอมคํานวณหาปริมาณการใชเฉลี่ยและมาตรฐานสวน<br />
เบี่ยงเบนเฉลี่ย<br />
3.3.2 วิเคราะหนโยบายการจัดการวัตถุดิบคงคลังในแตละ<br />
นโยบาย เพื่อหานโยบายที่ดีที่สุดของวัตถุดิบแตละตัว<br />
โดยกําหนด<br />
ปริมาณวัตถุดิบคงคลังสูงสุด ปริมาณวัตถุดิบคงคลังสํารองและจุดสั่งซื้อ<br />
ที่เหมาะสมเพื่อนําไปคํานวณหาปริมาณการสั่งซื้อที่เหมาะสม<br />
แลวนํามา<br />
นโยบายปจจุบันกับนโยบายวัตถุดิบคงคลังแบบใหมมาเปรียบเทียบดู<br />
ตนทุนรวมกับจํานวนวัตถุดิบคงคลังที่ลดลงได<br />
โดยมีขอจํากัดตาง ๆ ดังนี้<br />
- ตนทุนการจัดเก็บตอหนวยตอวัน (Holding Cost) กําหนด<br />
ไวประมาณ 10% ของตนทุนวัตถุดิบ<br />
- ตนทุนการสั่งซื้อ<br />
(Ordering Cost) ตอครั้งไดกําหนดไว<br />
ประมาณ 20 บาทตอรอบการสั่งซื้อสินคาซึ่งประกอบดวยคาใชจายใน<br />
การติดตอและติดตามการสั่งสินคา<br />
คาใชจายในการจัดการเอกสาร เปน<br />
ตน<br />
- ตนทุนจากคาใชจายเนื่องจากสินคาขาดแคลน<br />
(Shortage<br />
Cost) ไดกําหนดไวที่ประมาณ<br />
5 เทาของตนทุนการจัดเก็บ<br />
- สูตรที่ใชในการคํานวณ<br />
แบงเปน 2 วิธี ดังนี้
1) วิธีมาตรฐาน<br />
1.1) นโยบาย (s, S) เปนการตรวจสอบสินคาคงคลัง<br />
แบบตอเนื่อง<br />
จะสั่งซื้อเมื่อปริมาณสินคาคงคลังต่ํากวาจุดสั่งซื้อหรือจุดสั่ง<br />
ผลิต (Reorder Point, s) และจะสั่งซื้อเพื่อใหมีสินคาคงคลังเทากับ<br />
จุดสูงสุดของคลังสินคา (Max Inventory, S)<br />
ปริมาณการสั่งซื้อที่ประหยัดที่สุด<br />
EOQ<br />
Q<br />
2KD<br />
h<br />
*<br />
= =<br />
(1)<br />
ปริมาณสินคาคงคลังสํารอง<br />
(SS) = Z × σ d L<br />
(2)<br />
จุดสั่งซื้อ<br />
(s) = L µ + SS<br />
(3)<br />
ปริมาณวัตถุดิบคงคลังสูงสุด (S) = จุดสั่งซื้อ<br />
+ ปริมาณการ<br />
สั่งซื้อที่ประหยัดที่สุด<br />
1.2) นโยบาย (s, Q) เปนนโยบายที่มีการตรวจสอบระดับ<br />
สินคาคงคลังแบบตอเนื่อง<br />
โดยกําหนดใหมีการจัดหาสินคาเมื่อสินคาคง<br />
คลังลงมาถึงระดับ s หรือต่ํากวา<br />
และปริมาณสินคาที่จัดหามีจํานวน<br />
เทากับ EOQ โดยใชสูตรเดียวกับนโยบาย (s, S)<br />
1.3) นโยบาย (S) เปนนโยบายที่มีการสั่งซื้อทุกชวงเวลาที่คงที่<br />
เชน สั่งซื้อสินคาทุกชวงเวลา<br />
T และสั่งซื้อเพื่อใหไดระดับปริมาณสินคา<br />
คงคลังเปาหมาย โดยการหาคา T หรือชวงเวลาที่เหมาะสมที่สุด<br />
ปริมาณวัตถุดิบคงคลังขั้นต่ํา<br />
(S) = µ × ( T + L)<br />
+ SS<br />
(4)<br />
ปริมาณสินคาคงคลังสํารอง<br />
(SS) = Z × σ × T + L<br />
(5)<br />
µ = คาเฉลี่ยความตองการตอชวงเวลาใดเวลาหนึ่ง<br />
ควรใหมี<br />
หนวยเดียวกับเวลานํา<br />
σ = สวนเบี่ยงเบนมาตรฐานของความตองการตอชวงเวลา<br />
d<br />
ใดเวลาหนึ่ง<br />
L = ระยะเวลาการสั่งซื้อจนถึงไดรับสินคา<br />
(Lead Time) = 2<br />
วัน<br />
Z = คาระดับความเชื่อมั่นในการตอบสนองความตองการของ<br />
ลูกคา กําหนดไวที่<br />
99%, Z = 2.33 หรือ สามารถคํานวณจากสูตรใน<br />
Excel = Normsinv(0.99)<br />
D = ความตองการตอป<br />
K = ตนทุนการสั่งซื้อตอครั้ง<br />
190<br />
h = ตนทุนการเก็บรักษาสินคาตอหนวยตอป<br />
2) วิธีการจําลองสถานการณ (Simulation)<br />
การจําลองสถานการณ (Simulation) แบบ Monte Carlo โดย<br />
ใชโปรแกรมคริสตัลบอลและฟงกชั่น<br />
OptQuest เพื่อหาจุดสั่งซื้อ<br />
ปริมาณ<br />
คงคลังสูงสุด ปริมาณการสั่งซื้อที่เหมาะสม<br />
หรือชวงเวลาที่เหมาะสม<br />
ตามแตละนโยบาย โดยมีคาตัวแปรสุม<br />
คือ ปริมาณการใชวัตถุดิบ และ<br />
ฟงกชั่นเปาหมาย<br />
คือ ตนทุนรวมต่ําสุด<br />
โดยวัตถุดิบที่มีลักษณะการใช<br />
แบบปกติ จะกําหนดรูปแบบการแจกแจงเปนแบบปกติ (Normal) สวน<br />
วัตถุดิบที่มีลักษณะการใชแบบซ้ํา<br />
ๆ จะกําหนดรูปแบบการแจกแจงเปน<br />
แบบกําหนดเอง (Custom) สวนการกําหนดคาของนโยบายแสดงดัง<br />
ตารางที่<br />
1<br />
่<br />
่<br />
ตารางที 1 การกําหนดคาของนโยบายตาง ๆ<br />
รายการ ตัวแปรตัดสินใจ ขอจํากัด<br />
นโยบาย (s, S) -จุดสั่งซื้อ<br />
-ปริมาณคงคลังสูงสุด<br />
-ปริมาณคงคลังสูงสุด มากกวาจุดสั่งซื้อ<br />
นโยบาย (s, Q) -จุดสั่งซื้อ<br />
-ปริมาณการสั่งซื้อที<br />
เหมาะสม<br />
-<br />
นโยบาย (S) -ชวงเวลา (T) -<br />
4. ผลการวิจัย<br />
4.1 การควบคุมสินคาคงคลังดวยวิธีเอบีซี (ABC Analysis)<br />
เนื่องจากโรงงานกรณีศึกษามีการจัดเก็บวัตถุดิบคงคลัง<br />
จํานวนมาก ดังนั้น<br />
การแบงกลุมตามความตองการใช<br />
สามารถลดภาระใน<br />
การดูแลและควบคุมคงคลังที่มี<br />
เพราะถาควบคุมทุกรายการเขมงวดเทา<br />
เทียมกันทําใหเสียเวลาและคาใชจายมากเกินความจําเปน โดยมูลคาของ<br />
วัตถุดิบคงคลังแตละรายการหาไดจากการคูณปริมาณการใชของวัตถุดิบ<br />
คงคลังตอปแตละรายการดวยราคาตอหนวย จากนั้นทําการเรียงลําดับจาก<br />
มูลคามากที่สุดไปยังนอยที่สุด<br />
แลวทําการจัดกลุมวัตถุดิบคงคลัง<br />
ผลที่ได<br />
พบวา มีวัตถุดิบประเภทสารเคมีทั้งหมดจํานวน<br />
106 รายการ จัดอยูใน<br />
กลุมเอจํานวน<br />
17 รายการ ซึ่งเปนกลุมที่มีมูลคาการใชมากที่สุดและควร<br />
ควบคุมอยางเขมงวด กลุมบีเปนกลุมที่ควรควบคุมปานกลาง<br />
มี 19<br />
รายการ และกลุมซีเปนกลุมที่ไมตองเขมงวดมาก<br />
มี 71 รายการ ดังแสดง<br />
ในตารางที่<br />
2 และรูปที่<br />
1
ตารางที่<br />
2 สรุปการแบงกลุมวัตถุดิบจากการวิเคราะหเอบีซี<br />
กลุม<br />
มูลคาวัตุดิบ (บาท) จํานวน<br />
วัตถุดิบ<br />
รอยละของ<br />
วัตถุดิบ<br />
รอยละของ<br />
มูลคา<br />
เอ 29,173,011.53 17 16.04 74.50<br />
บี 7,539,060.52 19 17.92 19.25<br />
ซี 2,445,688.76 70 66.04 6.25<br />
รวม 39,157,760.81 106 100.00 100.00<br />
A B C<br />
รูปที่<br />
1 การแบงกลุมตามมูลคาการใช<br />
โดย ABC Analysis<br />
4.2 การวิเคราะหนโนบายวัตถุดิบคงคลังที่เหมาะสม<br />
เนื่องจากปริมาณการใชวัตถุดิบแตละรายการมีลักษณะการใช<br />
ที่แตกตางกัน<br />
จึงไดเลือกวัตถุดิบประเภทสารเคมีในกลุมเอ<br />
คือมีมูลคาการ<br />
ใชตอปสูงและมีรอบของวัตถุดิบคงคลังสูง เมื่อนําขอมูลปริมาณการใช<br />
รายวันของกลุมเอไปทดสอบคาทางสถิติดวย<br />
Input Analysis จาก<br />
โปรแกรม Arena สามารถแบงลักษณะการใชที่มีการแจกแจงแบบปกติ<br />
และการแจกแจงแบบรูปแบบอื่น<br />
เนื่องจากวัตถุดิบในกลุมเอมีหลายตัว<br />
ดังนั้นจึงเลือกวัตถุดิบ<br />
2 รายการ คือวัตถุดิบที่มีลักษณะการแจกแจงแบบ<br />
ปรกติ ดังแสดงในรูปที่<br />
2 กับวัตถุดิบที่มีลักษณะการแจกแจงแบบอื่น<br />
ๆ<br />
เชน วัตถุดิบที่มีลักษณะการใชแบบซ้ําๆ<br />
ดังแสดงในรูปที่<br />
3 เพื่อ<br />
ทําการศึกษา หลังจากนั้นนําขอมูลปริมาณการใชวัตถุดิบระหวางเดือน<br />
มกราคม – ธันวาคม ไปคํานวณคาตาง ๆ ตามนโยบายคงคลังที่ศึกษา<br />
พรอมทั้งคํานวณตนทุนและอัตราการเติมเต็มวัตถุดิบของแตละนโยบาย<br />
เพื่อนําไปเปรียบเทียบกับตนทุนของนโยบายปจจุบัน<br />
ซึ่งไดกําหนดใหไม<br />
มีวัตถุดิบขาดมือหรืออัตราการเติมเต็มเทากับรอยละ 99<br />
โดยผลการศึกษาพบวา การนํานโยบายวัตถุดิบคงคลังโดย<br />
อางอิงจากทฤษฎีและวิธีการจําลองสถานการณ มาประยุกตใชกับขอมูล<br />
วัตถุดิบที่มีลักษณะ<br />
การใชที่มีการแจกแจงแบบปกติ<br />
ดังแสดงในตาราง<br />
191<br />
ที่<br />
3 ทั้ง<br />
6 วิธี สามารถลดตนทุนรวมได โดยนโยบายที่เหมาะสมที่ทําให<br />
ตนทุนรวม ต่ําที่สุด<br />
คือ วิธีการจําลองสถานการณแบบนโยบาย (s, S)<br />
สามารถลดตนทุนรวมของการจัดการวัตถุดิบคงคลังไดเปนจํานวนเงิน<br />
172,059.27 บาท หรือคิดเปนรอยละ 5.34 และปริมาณวัตถุดิบคงคลัง<br />
เฉลี่ยลดลงรอยละ<br />
78.71 สวนลักษณะการใชวัตถุดิบที่มีการแจกแจง<br />
รูปแบบอื่น<br />
ๆ เชน มีลักษณะการใชแบบซ้ํา<br />
ๆ ดังแสดงในตารางที่<br />
4 คาที่<br />
ไดจากการคํานวณตามทฤษฎี ยังไมสามารถลดตนทุนได แตวิธีการ<br />
จําลองสถานการณทั้งแบบนโยบาย<br />
(s, S) และ (s, Q) สามารถลดตนทุน<br />
รวมลงได โดยวิธีการจําลองสถานการณแบบนโยบาย (s, Q) เหมาะสม<br />
กับลักษณะการใชวัตถุดิบแบบซ้ํา<br />
ๆ มากกวาวิธีการจําลองสถานการณ<br />
แบบนโยบาย (s, S) โดยสามารถลดตนทุนรวมของการจัดการวัตถุดิบคง<br />
คลังไดเปนจํานวนเงิน 11,191.81 บาท หรือคิดเปนรอยละ 0.28 และ<br />
ปริมาณวัตถุดิบคงคลังเฉลี่ยลดลงรอยละ<br />
36.05<br />
รูปที่<br />
2 วัตถุดิบที่มีลักษณะการแจกแจงแบบปกติ<br />
รูปที่<br />
3 วัตถุดิบที่มีลักษณะการใชแบบซ้ํา<br />
ๆ
ตารางที่<br />
3 เปรียบเทียบตนทุนและปริมาณสินคาคงคลังเฉลี่ยระหวางนโยบายปจจุบันกับนโยบายใหมของวัตถุดิบที่มีลักษณะการแจกแจงแบบปกติ<br />
ตนทุน<br />
นโยบาย<br />
ปจจุบัน<br />
นโยบาย<br />
(s, S)<br />
นโยบาย<br />
(s, Q)<br />
192<br />
นโยบาย S<br />
(ทุก2วัน)<br />
นโยบาย (s, S)<br />
simulation<br />
นโยบาย (s, Q)<br />
simulation<br />
นโยบาย (S)<br />
Simulation<br />
(ทุก5วัน)<br />
ตนทุนรวม (บาท) 3,219,881.99 3,051,275.49 3,050,742.55 3,066,557.32 3,047,822.72 3,051,822.75 3,090,017.62<br />
-ตนทุนวัตถุดิบ (บาท) 3,208,640.00 3,046,054.01 3,045,584.90 3,059,293.80 3,039,546.55 3,045,026.46 3,082,590.27<br />
-ตนทุนการสั่งซื้อ<br />
(บาท) 740.00 1,400.00 1,600.00 3,520.00 6,040.00 3,720.00 1,460.00<br />
-ตนทุนการจัดเก็บ (บาท) 10,501.99 3,821.48 3,557.65 3,743.52 2,236.17 3,076.29 5,967.34<br />
-ตนทุนการขาด (บาท) - - - - - - -<br />
สวนตาง (บาท) - 168,606.50 169,139.45 153,324.67 172,059.27 168,059.24 129,864.38<br />
สวนตาง (รอยละ)<br />
ปริมาณสินคาคงคลังเฉลี่ย<br />
- 5.24 5.25 4.76 5.34 5.22 4.03<br />
(กิโลกรัม) 38,752.74 14,101.41 13,127.86 13,813.73 8,251.54 11,351.62 22,019.72<br />
สวนตาง (รอยละ) - 63.61 66.12 64.35 78.71 70.71 43.18<br />
ตารางที่<br />
4 เปรียบเทียบตนทุนและปริมาณสินคาคงคลังเฉลี่ยระหวางนโยบายปจจุบันกับนโยบายใหมของวัตถุดิบที่มีลักษณะการใชแบบซ้ํา<br />
ๆ<br />
ตนทุน<br />
นโยบาย<br />
ปจจุบัน<br />
นโยบาย<br />
(s, S)<br />
นโยบาย<br />
(s, Q)<br />
นโยบาย S<br />
(ทุก2วัน)<br />
นโยบาย (s, S)<br />
simulation<br />
นโยบาย (s, Q)<br />
simulation<br />
นโยบาย (S)<br />
Simulation<br />
(ทุก5วัน)<br />
ตนทุนรวม (บาท) 3,955,808.49 3,960,122.57 3,957,631.72 3,969,341.35 3,948,661.32 3,944,616.68 4,009,306.81<br />
-ตนทุนวัตถุดิบ (บาท) 3,948,000.00 3,954,219.60 3,951,666.96 3,961,164.69 3,951,666.96 3,938,600.00 4,000,377.49<br />
-ตนทุนการสั่งซื้อ<br />
(บาท) 1,340.00 1,540.00 1,840.00 3,560.00 6,060.00 1,880.00 1,460.00<br />
-ตนทุนการจัดเก็บ (บาท) 6,468.49 4,362.97 4,124.76 4,616.65 3,001.32 4,136.68 7,469.32<br />
-ตนทุนการขาด (บาท) - - - - - - -<br />
สวนตาง (บาท) - -4,314.08 -1,823.22 -13,532.85 7,147.18 11,191.81 -53,498.32<br />
สวนตาง (รอยละ)<br />
ปริมาณสินคาคงคลังเฉลี่ย<br />
- -0.11 -0.05 -0.34 0.18 0.28 -1.35<br />
(กิโลกรัม) 1,293.69863 872.59 824.95 923.33 600.26 827.34 1,493.86<br />
สวนตาง (รอยละ) - 32.55 36.23 28.63 53.60 36.05 -15.47
ประวัติผูเขียนบทความ<br />
1) นางสาวพรรณวิภา พุฒิภาษ<br />
ประวัติการศึกษา<br />
-วิทยาศาสตรบัณฑิต (เกียรตินิยมอันดับ 2) สาขาพัฒนาการเกษตร<br />
คณะเทคโนโลยีการเกษตร<br />
สถาบันพระจอมเกลาเจาคุณทหารลาดกระบัง<br />
-ปจจุบันศึกษาระดับปริญญาโท สาขาการจัดการอุตสาหกรรมเกษตร<br />
คณะอุตสาหกรรมเกษตร มหาวิทยาลัยเกษตรศาสตร<br />
2) ผศ.ดร.พรธิภา องคคุณารักษ<br />
ประวัติการศึกษา<br />
-Ph.D. in Industrial and Systems Engineering<br />
Virginia Polytechnic Institute and State University, US<br />
ประวัติการทํางาน<br />
-อาจารยประจําภาควิชาเทคโนโลยีอุตสาหกรรมเกษตร คณะ<br />
อุตสาหกรรมเกษตร มหาวิทยาลัยเกษตรศาสตร<br />
194
ประสิทธิภาพ หนาที่การขนถายวัสดุ<br />
เพื่อทําการเคลื่อนยายวัสดุใน<br />
ขบวนการผลิต หรือระหวางเครื่องจักร<br />
หรือระหวางกิจกรรมตางๆ ให<br />
เปนไปอยางมีประสิทธิภาพ หนาที่ดานการควบคุม<br />
เปนการควบคุมการ<br />
ดําเนินการในหนาที่เกี่ยวของกับการทํางานอยางสอดคลองกัน<br />
องคประกอบสําคัญของการขนถายวัสดุ คือ การเคลื่อนที่,<br />
เวลา, ปริมาณ<br />
และเนื้อที่<br />
(ผศ.สมศักดิ์<br />
ตรีสัตย: การออกแบบและการวางผังโรงงาน,<br />
2545)<br />
2.4 การจัดผังในคลังสินคา (Warehouse layout)<br />
การจัดผังในคลังสินคาเปนสวนสําคัญสวนหนึ่งในการบริหาร<br />
คลังสินคา เนื่องจากเปนการตัดสินใจที่มีการลงทุนและสงผลในระยะยาว<br />
เชนเดียวกับการเลือกสถานที่จัดตั้งคลังสินคานอกจากนี้การจัดผัง<br />
คลังสินคายังสงผลตอประสิทธิภาพของการจัดการภายในคลังสินคาและ<br />
คาใชจายในการดําเนินงานอีกดวย ในการเลือกรูปแบบการจัดผัง<br />
คลังสินคาที่เหมาะสมและมีประสิทธิภาพนั้นควรพิจารณาถึงปจจัยตาง<br />
ๆ<br />
ประกอบกัน เชน ขนาดพื้นที่ของคลังสินคา<br />
และ ความจําเปนของความ<br />
สะดวกรวดเร็วในการเลือกหยิบสินคา<br />
ประสิทธิภาพของการจัดผังคลังสินคานั้น<br />
สามารถวัดไดจาก<br />
การใชสอยพื้นที่ที่จํากัดในการจัดเก็บสินคาใหไดในปริมาณมาก,<br />
ความสามารถในการหาสินคาที่ตองการไดอยางรวดเร็ว,<br />
และ ระยะเวลาที่<br />
รถบรรทุกใชในการรอและขนถายสินคาที่มารับ<br />
(คํานาย อภิปรัชญาสกุล:<br />
การจัดการคลังสินคา, 2547)<br />
2.5 การเขากอนออกกอน<br />
การเขากอนออกกอน (FIFO: First in First out) เปนวิธีที่ใช<br />
ในการวัดตนทุนของสินคาโดยตั้งอยูในสมมติฐานวาสินคาหรือวัตุดิบที่<br />
ซื้อเขามาใชกอนจะตองถูกนําออกขายหรือนํามาใชกอนเชนกัน<br />
การเขา<br />
กอนออกกอนมีแนวคิดเปนไปตามการคาโดยปกติที่บริษัทมักจะตองขาย<br />
หรือใชของเกากอนเสมอ ดังนั้นดวยระบบการเขากอนออกกอน<br />
ตนทุน<br />
ของวัตถุดิบที่ซื้อเขามากอนจะใชเปนตนทุนสินคาที่ผลิตออกมากอนดวย<br />
เชนกัน<br />
2.6 การลดระยะการเคลื่อนยายสินคาในคลังสินคา<br />
โดยใชระบบการ<br />
จัดเก็บแบบแบงกลุมสินคา<br />
การแบงกลุมสินคา<br />
(ABC Classification Location Policy/<br />
ABC CSLP) เปนวิธีการแบงกลุมสินคาเปน<br />
3 กลุม<br />
โดยพิจารณาจาก<br />
ขอมูลความถี่ในการหมุนเวียนสินคาเขาและออก<br />
กลุมสินคาที่มีการ<br />
หมุนเวียนสูง (Fast Moving) ปานกลาง (Medium Moving) และต่ํา<br />
(Slow<br />
Moving) กําหนดใหแทนดวยกลุม<br />
A BและC ตามลําดับ จากนั้นทําการ<br />
197<br />
แบงพื้นที่สําหรับการจัดเก็บสินคาเปน<br />
3 เขต (Zone) เพื่อรองรับปริมาณ<br />
สินคาแตละกลุมที่ไดแบงไวและตองสํารองพื้นที่ไวสูงสุดของแตละกลุม<br />
(ประเสริฐ ลาดสุวรรณ, การลดระยะการเคลื่อนที่ยายสินคาในคลังสินคา<br />
โดยใชระบบการจัดเก็บแบบแบงกลุมสินคา,<br />
2549)<br />
2.7 การใชระบบสารสนเทศในการจัดการคลังสินคา สําหรับอุตสาหกรรม<br />
อาหารแชแข็ง<br />
การลดเวลาในการรับ-จายสินคาในคลังสินคาหองเย็น เพื่อ<br />
จัดการพื้นที่ในการจัดเก็บสินคาในคลังสินคาหองเย็นใหเต็มพื้นที่<br />
และ<br />
พนักงานคลังสินคาสามารถทราบตําแหนงและจํานวนสินคาใน<br />
คลังสินคาหองเย็นไดอยางถูกตองและแมนยํา โดยนําเทคโนโลยี<br />
สารสนเทศเขามาใช และไดมีการใชระบบการเก็บแบบแบงกลุมสินคามา<br />
ใช คือ แบงสินคาออกเปน 3 กลุม<br />
โดยพิจารณาจากความสําคัญของสินคา<br />
คงคลังตามการเคลื่อนยายเขาและออก<br />
สินคาคงคลังที่มีการเคลื่อนยายสูง<br />
ที่สุด<br />
ปานกลางและต่ําที่สุด<br />
โดยกําหนดใหแทนดวยกลุม<br />
A BและC<br />
ตามลําดับ จากนั้นทําการแบงเขตพื้นที่ภายในคลังสินคาหองเย็น<br />
เพื่อ<br />
รองรับปริมาณสินคาในแตละกลุมที่ไดแบงพื้นที่ไว<br />
(กัญญทอง หรดาล,<br />
การใชระบบสารสนเทศในการจัดการคลังสินคาสําหรับอุตสาหกรรม<br />
อาหารแชแข็ง, 2551)<br />
2.8 การเพิ่มประสิทธิภาพการจัดการสินคาคงคลัง<br />
ปญหาการจัดการทางดานระบบงาน เนื่องจากไมมีคูมือและ<br />
แผนการปฏิบัติงานที่เปนมาตรฐาน<br />
สงผลใหพนักงานขาดความเขาใจใน<br />
ระบบงานที่แทจริงและการเก็บรวบรวมขอมูลไมเปนระบบ<br />
นอกจากนี้ยัง<br />
ไมสามารถควบคุมการจัดการกับระบบสินคาคงคลังได รวมทั้งโปรแกรม<br />
สําเร็จรูป Magic ไมมีความเชื่อมโยงในแตละระบบงานสงผลใหยากตอ<br />
การปรับปรุงขอมูลใหถูกตอง และรวดเร็ว(สาวิตรี ทันจิตต, การเพิ่ม<br />
ประสิทธิภาพการจัดการสินคาคงคลัง, 2551)<br />
2.9 การวิเคราะหตนทุนและการลดตนทุนโลจิสติกส<br />
ระบบตนทุนฐานกิจกรรม (Activity-based Costing) เขามา<br />
เปนเครื่องมือในการวิเคราะหตนทุนโลจิสติกส<br />
ทําการเก็บขอมูลตนทุน<br />
เบื้องตนในทุกแผนกที่เกี่ยวของรวมทั้งสัมภาษณเจาหนาที่ที่เกี่ยวของ<br />
เพื่อ<br />
นําขอมูลนั้นมาทําการวิเคราะหตนทุนและคํานวณหาตนทุนทรัพยากร<br />
ทั้งหมดที่ใชไปในทุกกิจกรรม<br />
เพื่อใหไดตนทุนโลจิสติกสขององคกร<br />
พบวาตนทุนคาน้ํามันเชื้อเพลิงสําหรับรถยกในคลังสินคา<br />
(Forklift) มี<br />
ตนทุนสูง การจัดเสนทางการหยิบสินคาจะทําใหระยะทางในการหยิบ<br />
สินคาลดลงไปดวย ซึ่งระยะทางที่ลดลงยอมทําใหตนทุนคาน้ํามัน
เชื้อเพลิงลดลงดวยเชนกัน<br />
(ชาคริยา ธาระรูป, การวิเคราะหตนทุนและ<br />
การลดตนทุนโลจิสติกส, 2552)<br />
3. วิธีการดําเนินการวิจัย<br />
งานวิจัยนี้เปนการศึกษาการจัดการคลังสินคาเพื่อแกไข<br />
ปรับปรุงแผนผังที่ใชในการจัดเก็บสินคาสุราถังไมโอค<br />
ในกระบวนการ<br />
ผลิตสุราเก็บบมในถังไมโอค ปจจุบันยังประสบปญหาพื้นที่ในการจัดเก็บ<br />
ไมเพียงพอและเกิดความผิดพลาดในการจัดเก็บบันทึกขอมูลการผลิต ทํา<br />
ใหมีผลกระทบตอปริมาณการจัดเก็บสินคาคงคลังและแผนการผลิตสุรา<br />
สําเร็จรูป<br />
การเก็บขอมูลเก็บจากการปฏิบัติงานจริงในคลังสินคาและ<br />
ขอมูลที่เกี่ยวของและจําเปน<br />
ที่บันทึกไวในโปรแกรม<br />
Microsoft Excel ที่<br />
ใชบันทึกและควบคุมสินคาคงคลังใชเปนฐานขอมูลในการปรับปรุงการ<br />
วางผังสินคา และทําการศึกษาระเบียบการปฏิบัติงานหนวยงานเก็บบม<br />
สุราถังไมโอคที่ผานมา<br />
เพื่อหาแนวทางการแกไขแผนผังการจัดเก็บสินคา<br />
ที่เหมาะสมเปรียบเทียบการทํางานแบบเดิม<br />
ศึกษาเอกสารและงานวิจัยที่<br />
เกี่ยวของ<br />
แผนผังการจัดเก็บสินคา (Layout) การเก็บบมสุราในถังไมโอค<br />
ระเบียบวิธีการปฏิบัติงานของหนวยงานสุราถังไมโอค แผนกปรุงสุรา<br />
เพื่อนํามาใชเปนเครื่องมือในการวิจัย<br />
รูปที่<br />
1 ขั้นตอนงานวิจัย<br />
198<br />
เก็บรวบรวมขอมูลรายละเอียดที่เกี่ยวของของสินคาที่จัดเก็บ<br />
และกระบวนการผลิตสุราถังไมโอค รายละเอียดแสดงขั้นตอนการ<br />
ปฏิบัติงานหนวยงานเก็บบมสุราถังไมโอค<br />
อาคารเก็บบมถังไมโอคพื้นที่อาคารคลังสินคาที่ใชเก็บบม<br />
ขนาดพื้นที่/<br />
ตําแหนงที่ใชเก็บบมถังไมโอคได<br />
ความสามารถในการ<br />
จัดเก็บบม ขอมูลถังไมโอคที่เก็บบม<br />
(ขนาดถัง/ จํานวน) เงื่อนไขการจัด<br />
วาง (ถังไมโอคที่มีการเคลื่อนไหว)<br />
เงื่อนไขการขนยาย<br />
(FIFO) แผนผัง<br />
การจัดเรียงถังไมโอค<br />
ขอมูลถังไมโอคที่เก็บบม<br />
ชื่อ,<br />
รหัส, หนวยนับ, อายุและ<br />
น้ําหนักของถังไมโอค<br />
ชนิดหรือหมวดน้ําสุราจํานวนถังไมโอค<br />
ตอพาเลท<br />
(Pallet) วันที่ผลิต<br />
(อายุเก็บบม) เลขที่<br />
Lot ถังไมโอค ขนาดบรรจุ จํานวน<br />
ที่จัดเก็บ<br />
พื้นที่การจัดเก็บสินคา<br />
โดยจัดพื้นที่ใหสอดคลองและสามารถ<br />
รับจํานวนสินคาในแตละประเภทได โดยตองพยากรณที่ปริมาณสูงสุดที่<br />
สามารถจัดเก็บสินคาไดจริง<br />
ปญหาและแนวทางการแกปญหาของการปฏิบัติงาน การ<br />
จัดเรียงและจัดเก็บถังไมโอคในอาคารคลังสินคาไมเพียงพอ ทําใหตองมี<br />
การจัดเรียงสินคาไวนอกอาคาร และคนหาสินคาใชเวลานาน และการเก็บ<br />
และบันทึกขอมูล ลงบันทึกในคอมพิวเตอร<br />
หนวยสุราถังไมโอคไดรับมอบน้ําสุราบรรจุถังไมโอคจาก<br />
แผนกปรุงสุรา/หรือแผนกหมัก-กลั่นสุรามอลทวิสกี้แลวจึงดําเนินการ<br />
เคลื่อนยายถังไมโอคบรรจุน้ําสุราโดยใชรถโฟลคลิฟทยกขึ้นรถบรรทุก<br />
ไปอาคารเก็บบมสุราโดยใชรถโฟลคลิฟทยกถังไมโอคลงจากรถบรรทุ<br />
เขาจัดเรียง<br />
การเรียงแบบวางตามแนวนอนของถัง โดยวางซอนทับสูงได<br />
ไมเกิน 4 ชั้น<br />
และตองเรียงโดยนําดานที่ประทับ/ชี้บงออกดานใดดานหนึ่ง<br />
เปนลักษณะเดียวกันเพื่อความเปนระเบียบและสะดวกรวดเร็วในการคา<br />
หา และทําการบันทึกขอมูลน้ําหนัก<br />
ดีกรี ปริมาตร หมายเลขถัง ของแตละ<br />
ถังลงใน บันทึกการจัดเก็บถังไมโอควางพื้น<br />
การวางตั้งบนพาเลท<br />
พาเลทละ 4 ถัง (ในแตละพาเลท ถังไม<br />
โอคตองมีความสูงตางกันไมเกิน 1 เซนติเมตร เพื่อปองกันการวางซอนที่<br />
เอียง) และเรียงซอนทับสูงไมเกิน 4 ชั้น<br />
(4 เมตร) โดยตองนําดานที่<br />
ประทับ/ ชี้บงออกไวดานบนเสมอเพื่อความเปนระเบียบและความสะดวก<br />
รวดเร็วในการคนหา
รูปที่<br />
2 กระบวนการผลิตสุรา<br />
จากรูปที่<br />
2 แสดงถึงขั้นตอนการผลิตหนึ่งที่สําคัญของ<br />
กระบวนการผลิตสุรา คือ ขั้นตอนการเก็บบมสุราถังไมโอค<br />
การกลั่น<br />
แอลกอฮอล รอยละ 40-50 กลั่นอีกครั้งเพื่อเพิ่มความบริสุทธิ์<br />
เปน<br />
แอลกอฮอล รอยละ 95-96 แลวทําการคัดคุณภาพ และชนิดของ<br />
แอลกอฮอล โดยผูเชี่ยวชาญพิเศษ<br />
เพื่อนําไปเก็บบมในถังไมโอคนาน<br />
3 ป<br />
, 5 ป และ 10 ป นําแอลกอฮอลที่บมไดมาตรฐานแลวเขาสูกระบวนการ<br />
ปรุงแตงรส โดยผสมกับน้ําบริสุทธิ์และหัวเชื้อสุราที่มีสูตรเฉพาะแลว<br />
ปรับแตงแอลกอฮอลไดดีกรีตามตองการ<br />
รูปที่<br />
3 กระบวนการเก็บบมสุราถังไมโอค<br />
199<br />
จากรูปที่<br />
3 แสดงถึงขั้นตอนกระบวนการเก็บบมสุราถังไม<br />
โอค มีวัตถุประสงคเพื่อใหมั่นใจวากระบวนการเก็บบมน้ําสุราถังไมโอค<br />
มีการควบคุม และดําเนินการตามขั้นตอน<br />
เพื่อใหไดคุณภาพน้ําสุราเก็บ<br />
บมตามที่ตองการ<br />
เริ่มจากการบรรจุน้ําสุราดีกรีสูง<br />
จากแผนกปรุงสุราโดย<br />
รับเขามาและทําการจัดเก็บเขาในอาคารเก็บบม จนถึงการนําน้ําสุราที่ผาน<br />
การเก็บบมมาเทใชงานในรูปสุราหัวเชื้อ<br />
ในการจัดเรียงถังไมโอคเพื่อเก็บ<br />
บมจัดวางเรียงซอนกันตองไมเกิน 4 ชั้น<br />
(ประมาณ 4 เมตร) พื้นที่บรรจุน้ํา<br />
สุราลงถังไมโอค บรรจุน้ําสุรา<br />
60 หรือ 65 ดีกรี ตามแผนงานและควบคุม<br />
การบรรจุน้ําสุรา<br />
ตามปริมาตรที่กําหนด<br />
190 หรือ 200 ลิตร ดวยมาตรวัด<br />
ปริมาตร (Flow meter) เมื่อบรรจุเสร็จปดฝาถังดวยฝาจุกถังไมโอคและ<br />
ตรวจสอบการรั่วซึมใหเรียบรอย<br />
ขนยายถังสุราไมโอคเขาอาคารเก็บบม<br />
ดวยรถยก ตามรูปที่<br />
4 ทําการวัดความสูงและชั่งน้ําหนักถังไมโอคหลัง<br />
บรรจุบันทึก อานคาน้ําหนักถังเปลาที่บันทึกบนฝาถังและทําการบันทึก<br />
ใบรายงานการบรรจุน้ําสุราถังไมโอค<br />
พรอมกับระบุหมายเลขถัง ขนาด<br />
บรรจุ ดีกรี วันเดือนปที่บรรจุ<br />
ชนิดน้ําสุราและเปอรเซ็นแอลกอฮอล<br />
ใช<br />
ตรายางปมที่ฝาถัง<br />
ทํารายงานการบรรจุน้ําสุราถังไมโอคและบันทึกลงใน<br />
แบบบันทึกประวัติถังไมโอค การเรียงแบบแนวตั้งของถัง<br />
ตามรูปที่<br />
5<br />
รูปที่<br />
4 การขนยาย เพื่อจัดเรียงดวยรถยก<br />
รูปที่<br />
5 การตรวจนับ เพื่อลงบันทึกขอมูล
รูปที่<br />
6 การสูญเสียน้ําสุราจากการเก็บบม<br />
4. ผลการศึกษาวิจัย<br />
การเก็บบมน้ําสุราในถังไมโอค<br />
เพื่อใหเกิดความคลองตัวใน<br />
การขนยายสินคาและการตรวจสอบสภาพความสมบูรณของถังไมโอคที่<br />
ใชจัดเก็บน้ําสุรา<br />
อาคารเก็บบมสุราถังไมโอค ลักษณะอาคารเปนอาคาร<br />
แบบ 2 ชั้น<br />
ชั้นลางและชั้นบนมีพื้นที่การจัดเก็บเทากัน<br />
แตการจัดเรียงถัง<br />
ไมโอคไมเหมือนกัน ขนาดพื้นที่ดานกวาง<br />
44 เมตร ความยาว 66 เมตร<br />
และมีความสูง 6.5 เมตร มีพื้นที่รวมทั้งหมดเทากับ<br />
2,904 ตารางเมตร ชั้น<br />
ลางการจัดเก็บสินคาสุราถังไมโอคเปนวางแนวตั้งวางเรียงบนพาเลท<br />
พลาสติก 1 พาเลท สามารถวางถังไมโอคได จํานวน 4 ถัง เรียงซอนไม<br />
เกิน 4 ชั้น<br />
รูปที่<br />
7 การจัดเรียงถังไมโอคบนพาเลทพลาสติก<br />
การแกไขปรับปรุงแผนผังการจัดเรียงสินคาสุราถังไมโอค<br />
อาคารเก็บบมสุราถังไมโอคที่ไดดําเนินการออกแบบแผนผังการจัดเก็บมี<br />
ทั้งหมด<br />
4 รูปแบบ<br />
แผนผังรูปแบบที่<br />
1 เปนรูปแบบแผนผังที่มีการใชงานอยูในปจจุบัน<br />
(รูปที่<br />
8) พื้นที่ใชงาน<br />
36x66 เมตร = 2,376 ตารางเมตร พื้นที่ที่ไมสามารถวาง<br />
200<br />
สินคาไดบริเวณบันไดทางขึ้นชั้น<br />
2 ขนาดกวาง 4 เมตร ยาว 5.5 เมตร = 22<br />
ตารางเมตร จํานวน 2 จุด เทากับ 44 ตารางเมตร<br />
พื้นที่ใชงานไดจริง<br />
2,332 ตารางเมตร สามารถจัดเก็บสุราถัง<br />
ไมโอคได เปนจํานวน 20,352 ถัง<br />
รูปที่<br />
8 แผนผังการจัดเก็บสินคา แบบที่<br />
1 (กอนปรับปรุง)<br />
ตารางที่<br />
1 เปรียบเทียบขอดี ขอเสีย แผนผังรูปแบบที่<br />
1<br />
แผนผังรูปแบบที่<br />
2 พื้นที่ใชงาน<br />
32x55 เมตร = 1,760ตารางเมตร (รูปที่<br />
9)<br />
พื้นที่ที่ไมสามารถวางสินคาไดแบงพื้นที่สําหรับทางเดิน<br />
เพื่อใชในการ<br />
ตรวจถังไมโอคและการขนยายสินคา และบริเวณบันไดทางขึ้นชั้น<br />
2 รวม<br />
44 ตารางเมตร<br />
พื้นที่ใชงานไดจริง<br />
1,716 ตารางเมตร สามารถจัดเก็บสุราถัง<br />
ไมโอคได เปนจํานวน 14,976 ถัง
จัดเก็บสินคาไดจํานวนมากที่สุด<br />
เปนจํานวน 20,352 ถังแตการบริหาร<br />
จัดการสินคาที่จัดเก็บสินคาและขนยายสินคาแบบเขาออกกอน<br />
(FIFO)<br />
ทําไดยาก<br />
จากขอมูลที่ไดจากการจัดแผนผังใหมทําใหเลือกใชการจัด<br />
แผนผังรูปแบบที่<br />
4 ซึ่งสามารถบริหารจัดการในการจัดเก็บสินคาไดดีกวา<br />
รูปแบบที่<br />
1 และแบบที่<br />
2, 3 สามารถใชพื้นที่ในการจัดเก็บได<br />
1,892<br />
ตารางเมตร และสามารถจัดเก็บสุราถังไมโอค ได 16,512 ถัง ใชพื้นที่ใน<br />
การจัดเก็บสินคาไดมากกวาแบบที่<br />
2 และ 3 แตนอยกวารูปแบบที่<br />
1 อยู<br />
3,840 ถัง แผนผังรูปแบบที่<br />
4 สามารถเคลื่อนยายสินคาเขาออกได<br />
สะดวก และสามารถกําหนดพื้นที่จัดเก็บสินคาแตละประเภทไดชัดเจน<br />
การคํานวณพื้นที่ที่ใชในการจัดเก็บสินคาจากการจัดเรียถังไม<br />
โอคบนพาเลท ใชพนักงานเก็บบมจํานวน 2 คน พนักงานบันทึกขอมูล 1<br />
คน พนักงานขับรถยก 1 คน โดยใชเวลาเฉลี่ยในการจัดเรียง<br />
1 วัน<br />
สามารถจัดเก็บไดจํานวน 20 พาเลท รวมจํานวน 80 ถัง<br />
โดยจัดเตรียมพื้นที่อาคารเก็บบมใหม<br />
ตามรูปแบบแผนผัง<br />
คลังสินคา รูปแบบที่<br />
4 กําหนดใหการจัดถังไมโอคแยกตามพื้นที่การ<br />
จัดเก็บ ไดดังนี้<br />
พื้นที่<br />
A จัดเก็บ น้ําสุราเก็บบม<br />
(องุน)<br />
พื้นที่<br />
B จัดเก็บ น้ําสุราเก็บบม<br />
(สับปะรดสด)<br />
พื้นที่<br />
C จัดเก็บ น้ําสุราเก็บบม<br />
(โมลาส)<br />
พื้นที่<br />
D จัดเก็บ น้ําสุราเก็บบม<br />
(ธัญพืช)<br />
รูปที่<br />
12 แผนผังการจัดเก็บสินคา แบบที่<br />
4 กําหนดพื้นที่วางสินคา<br />
รูปแบบแผนผังสินคาที่ไดมากําหนดพื้นที่เพื่อจัดวางสินคา<br />
แยกตามประเภทน้ําสุราที่เก็บบม<br />
กําหนดใหเรียงถังไมโอคจากซายไป<br />
202<br />
ขาว โดยกําหนดพื้นที่ตามเสาอาคาร<br />
แนวกวาง 1-11 และ แนวยาว 1-12<br />
ซึ่งจะตองบันทึกในแบบฟอรมการจัดเก็บ<br />
เพื่อนํามาบันทึกเปนฐานขอมูล<br />
ในเครื่องคอมพิวเตอร<br />
ใชควบคุมดูแลปริมาณการรับน้ําสุราไมโอคเขา<br />
จัดเก็บบม และการตัดจายออกเพื่อสงปรุงสุราตอไป<br />
4. สรุป<br />
ผลการวิจัยทําใหทราบวาการจัดแผนผังตามรูปแบบที่<br />
4 จาก<br />
ขอมูลที่ไดจากการจัดแผนผังใหมทําใหเลือกใชการจัดแผนผังรูปแบบที่<br />
4<br />
ซึ่งสามารถบริหารจัดการในการจัดเก็บสินคาไดดีกวารูปแบบที่<br />
1 และ<br />
แบบที่<br />
2, 3 ซึ่งปริมาณการจัดเก็บสินคาไดนอยกวารูปแบบที่<br />
1 อยู<br />
3,840<br />
ถัง แผนผังรูปแบบที่<br />
4 สามารถเคลื่อนยายสินคาเขาออกไดสะดวก<br />
และ<br />
สามารถกําหนดพื้นที่จัดเก็บสินคาแตละประเภทไดชัดเจน<br />
ดังนั้นเพื่อใหการจัดการและบริหารการใชสอยพื้นที่อาคาร<br />
คลังสินคาใหไดประโยชนเต็มที่<br />
และทําใหการจัดเก็บสินคาอยางมี<br />
ประสิทธิภาพ ตองอาศัยการจัดเก็บสินคาแบบการเขากอนออกกอน น้ํา<br />
สุราถังไมโอคที่เขาเก็บบมในคลังสินคากอนก็หมุนเวียนออกไปกอน<br />
เพื่อ<br />
ลดการสูญเสียจากการจัดเก็บเปนเวลานาน<br />
การจัดรูปแบบของการจัดการวางแผนผังการจัดเก็บถังไมโอค<br />
แบบใหม และการนําระบบสารสนเทศเขามาชวยในการจัดการและ<br />
จัดเก็บขอมูล สามารถชวยลดระยะเวลาการคนหาของถังไมโอค และมี<br />
ฐานขอมูลที่ดีทราบถึงจํานวนของถังไมโอคไดแนนอน<br />
สามารถสืบคน<br />
ถังไมโอคที่ตองการตามวัน<br />
เดือน ปที่ผลิตไดอยางถูกตองรวดเร็ว<br />
เนื่องจากพนักงานเก็บบมถังไมโอคสามารถทราบตําแหนงจากแผนผัง<br />
การจัดเก็บถังไมโอค ทําใหบริหารการจัดเก็บถังไมโอคมีประสิทธิภาพ<br />
มากขึ้น<br />
และมีฐานขอมูลที่ดีสามารถนําไปใชในการควบคุมงบประมาณ<br />
คาใชจายไดอีกดวย<br />
เอกสารอางอิง<br />
วิทยานิพนธ<br />
[1] ประเสริฐ ลาดสุวรรณ, การลดระยะการเคลื่อนยายสินคาใน<br />
คลังสินคา โดยใชระบบการจัดเก็บแบบแบงกลุมสินคา,<br />
วิทยานิพนธ<br />
ปริญญามหาบัณฑิต สาขาวิชาการจัดการขนสงและโลจิสติกส<br />
บัณฑิตวิทยาลัย, มหาวิทยาลัยบูรพา, กรุงเทพฯ, 2549.<br />
[2] กัญญทอง หรดาล, การใชระบบสารสนเทศในการจัดการคลังสินคา<br />
สําหรับอุตสาหกรรมอาหารแชแข็ง, วิทยานิพนธปริญญามหาบัณฑิต<br />
สาขาวิชาการจัดการงานวิศวกรรม บัณฑิตวิทยาลัย, มหาวิทยาลัย<br />
ศิลปากร, นครปฐม, 2551.
[3] สาวิตรี ทันจิตต, การเพิ่มประสิทธิภาพการจัดการสินคาคงคลัง,<br />
วิทยานิพนธปริญญามหาบัณฑิต สาขาวิชาระบบสารสนเทศทางการ<br />
บัญชี บัณฑิตวิทยาลัย, มหาวิทยาลัยหอการคาไทย, 2551.<br />
[4] ชาคริยา ธาระรูป, การวิเคราะหตนทุนและการลดตนทุนโลจิสติกส,<br />
วิทยานิพนธปริญญามหาบัณฑิต สาขาวิชาการจัดการโลจิสติกส<br />
บัณฑิตวิทยาลัย, มหาวิทยาลัยเทคโลโลยีพระจอมเกลาธนบุรี, 2552.<br />
[5] กฤษนันท ธาดาบดินทร, การปรับปรุงประสิทธิภาพคลังสินคาเหล็ก<br />
แผนมวนรีดรอน ดวยวิธีการจัดวางแบบแบงกลุมลําดับชั้นสินคา,<br />
วิทยานิพนธปริญญามหาบัณฑิต สาขาวิชาการจัดการขนสงและโลจิ<br />
สติกส บัณฑิตวิทยาลัย, มหาวิทยาลัยบูรพา, 2550.<br />
[6] กอบชัย ธนสารกุลัง, การปรับปรุงขั้นตอนการจัดการวัตถุดิบคงคลัง<br />
ของบริษัทรับติดตั้งอุปกรณเสริมในรถยนต,<br />
วิทยานิพนธปริญญา<br />
มหาบัณฑิต สาขาวิชาการจัดการขนสงและโลจิสติกส บัณฑิต<br />
วิทยาลัย, มหาวิทยาลัยบูรพา, กรุงเทพฯ, 2550.<br />
หนังสือภาษาไทย<br />
[7] สมศักดิ์<br />
ตรีสัตย. 2545. การออกแบบและการวางผังโรงงาน. พิมพ<br />
ครั้งที่<br />
12. กรุงเทพมหานคร: สํานักพิมพ ส.ส.ท.<br />
[8] ชัยนนท ศรีสุภินานนท. 2541. การออกแบบผังโรงงานเพื่อเพิ่ม<br />
ผลผลิต. กรุงเทพมหานคร: ซีเอ็ดยูเคชั่น.<br />
[9] คํานาย อภิปรัชญาสกุล. 2547. การจัดการคลังสินคา. กรุงเทพฯ:<br />
โรงพิมพตํารวจ.<br />
203
204<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การพัฒนากลยุทธการสั่งซื้อวัสดุ<br />
กรณีศึกษา: การสั่งซื้อวัสดุในอุตสาหกรรมฮารดดิสกไดรฟ<br />
The Improvement on Inventory Control Strategies of Material: A case study in Hard Disk Drive Industry<br />
สรณธร ไกรภิญญามาศ 1 และอรรถกร เกงพล 2<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรอุตสาหการ บัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
1518 ถ.พิบูลสงคราม แขวงวงศสวาง เขตบางซื่อ<br />
กรุงเทพมหานคร 10800<br />
โทรศัพท/โทรสาร: 081-870-6072 E-mail: 1 sornnatorn.k@gmail.com, 2 athakorn@kmutnb.ac.th<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อพัฒนากลยุทธการสั่งซื้อวัสดุที่มี<br />
ความตองการวัสดุในแตละชวงเวลาไมคงที่ของบริษัทกรณีศึกษา<br />
เพื่อลด<br />
คาใชจายรวมทั้งทางดานการสั่งซื้อ<br />
และการจัดเก็บวัสดุคงคลังใหต่ําที่สุด<br />
โดยมีหลักการเริ่มตนจากการวิเคราะหหาระดับความสําคัญของวัสดุแต<br />
ละชนิดดวยวิธีการจัดกลุมสินคา<br />
(ABC Classification- System) และ<br />
เลือกศึกษาวัตถุดิบ Class A ที่มีมูลคาเงิน<br />
80% ของตนทุนวัสดุทั้งหมด<br />
จํานวน 49 ชนิด จากนั้นจึงพัฒนาแผนสั่งซื้อใหเหมาะสมกับลักษณะ<br />
ความตองการใชวัสดุ และชวงเวลานําในการจัดสงวัสดุแตละชนิด ซึ่ง<br />
วัสดุแตละชนิดมีชวงเวลานําไมเทากัน โดยในงานวิจัยนี้จะประยุกตใช<br />
แบบจําลองทางคณิตศาสตรของวิธีกําหนดการพลวัตของแวกเนอร-วิ<br />
ทธิน (Wagner-Whitin Algorithm: WW) เพื่อกําหนดปริมาณการสั่งซื้อ<br />
วัสดุในแตชวงเวลาที่ทําใหคาใชจายรวมในการสั่งซื้อ<br />
และจัดเก็บวัสดุคง<br />
คลังต่ําที่สุด<br />
(Minimized Cost) จากนั้นนําผลลัพธที่ไดจากแบบจําลองไป<br />
เปรียบเทียบกับแผนสั่งซื้อแบบเดิม<br />
ผลการวิจัยพบวาแผนการสั่งซื้อวัสดุ<br />
ที่พัฒนาขึ้นทําใหคาใชจายรวมในการสั่งซื้อ<br />
และจัดเก็บวัสดุคงคลังลดลง<br />
ทําใหการวางแผนการสั่งซื้อมีประสิทธิภาพเพิ่มมากขึ้น<br />
คําสําคัญ: กลยุทธการสั่งซื้อ,<br />
คาใชจายรวมต่ําสุด,<br />
วิธีการพลวัตของ<br />
แวกเนอร-วิทธิน<br />
Abstract<br />
The primary purpose of this study is to develop the ordering<br />
strategy which material requirement varies between variable lead time<br />
at a case company, aiming to reduce the ordering cost and minimize the<br />
inventories. Initially, analysis is performed using the ABC<br />
Classification System to determine the level of significance for each<br />
type of materials. In present study, 49 Class A materials with 80%<br />
monetary value of overall costs are chosen. The ordering plan is then<br />
developed in consistence with the material requirement and shipment<br />
lead time for each type of materials, which the lead time varies from<br />
material to material. The Wagner-Whitin Algorithm (WW) is applied to<br />
determine the quantity of ordering at each lead time that minimizes<br />
overall ordering and inventories cost. The results are compared with<br />
traditional ordering plan. The finding indicates that the developed<br />
ordering plan reduces the ordering cost and inventory storage cost,<br />
leading to more effective ordering plan.<br />
Keywords: Strategies, Minimized cost, Wagner-Whitin Algorithm<br />
1. บทนํา<br />
การวางแผนการสั่งซื้อ<br />
และการควบคุมปริมาณวัสดุคงคลัง<br />
เปนสวนหนึ่งที่มีความสําคัญในการลดตนทุนของการดําเนินธุรกิจ<br />
เพราะ<br />
การจัดใหมีวัสดุคงคลังนั้นจําเปนตองใชตนทุนในกลุมของทรัพยสิน<br />
หมุนเวียนที่มีมูลคาสูงจึงควรมีการพิจารณาอยางรอบคอบ<br />
การมีปริมาณ<br />
วัสดุคงคลังอยูในระดับต่ํานั้นยอมเปนสิ่งที่ผูวางแผนตองการ<br />
เพราะทําให<br />
สามารถลดตนทุนในการดําเนินงานไดเปนจํานวนมาก และนํามาซึ่งการ<br />
เพิ่มผลกําไรของธุรกิจเพิ่มขึ้น<br />
แตการมีปริมาณวัสดุคงคลังในระดับที่ต่ํา<br />
เกินไปอาจทําใหมีวัสดุคงคลังมีไมเพียงพอกับความตองการของการผลิต<br />
สงผลใหการผลิตหยุดชะงัก และอาจกอใหเกิดปญหาสงสินคาไดไมทัน<br />
กําหนดเวลาของลูกคา ซึ่งอาจจะเปนสาเหตุใหลูกคาขาดความเชื่อถือ<br />
และ<br />
สูญเสียความเชื่อถือจากลูกคาได<br />
แตหากมีปริมาณวัสดุคงคลังอยูใน<br />
ระดับสูงก็จะตองใชตนทุนจํานวนมากเพื่อจะถือครองวัสดุคงคลัง<br />
เหลานั้น<br />
สงผลใหเงินลงทุนในสวนของราคาวัสดุคงคลัง และตนทุนใน<br />
การจัดใหมีวัสดุคงคลังเพิ่มขึ้น<br />
ดังนั้นการรักษาระดับของปริมาณวัสดุคง<br />
คลังใหเหมาะสมนั้นจึงเปนสิ่งที่สําคัญในการดําเนินธุรกิจ<br />
สภาพปญหาปจจุบันของบริษัทกรณีศึกษาคือทางบริษัท<br />
กรณีศึกษาวางแผนการสั่งซื้อวัตถุดิบโดยใชประสบการณของผูวางแผน
ควบคูกับขอมูลในอดีต<br />
ไมมีหลักการวางแผนการสั่งซื้อที่เหมาะสมกับ<br />
การเปลี่ยนแปลงความตองการวัสดุในแตละชวงเวลา<br />
ทําใหบางครั้งอาจ<br />
เกิดปญหาการขาดแคลนวัตถุดิบ หรือมีวัตถุดิบคงคลังมากเกินไป อีกทั้ง<br />
ยังตองมีการเปลี่ยนแปลงแผนการสั่งซื้อนอกเหนือจากแผนเดิมที่วางไว<br />
ถึง 6% ของจํานวนวัตถุดิบทั้งหมด<br />
สวนใหญจะเปนการสั่งซื้อวัตถุดิบ<br />
เพิ่มเติม<br />
และเรงกําหนดการจัดสงวัตถุดิบ งานวิจัยนี้จึงมุงเนนเพื่อหา<br />
ปริมาณการสั่งซื้อวัสดุในแตชวงเวลาที่ทําใหคาใชจายรวมในการสั่งซื้อ<br />
และจัดเก็บวัสดุคงคลังต่ําที่สุด<br />
(Minimized Cost)<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
2.1 การบริหารวัสดุคงคลัง<br />
การบริหารวัสดุคงคลังมีหลากหลายวิธีจึงควรเลือกใชระบบ<br />
ควบคุมวัสดุคงคลังไดมีประสิทธิภาพมากที่สุด<br />
โดยการพิจารณาเลือก<br />
ระบบมาใชในการบริหาร และควบคุมวัสดุคงคลังจะตองเลือกวิธีการที่<br />
เหมาะสมกับสถานการณ ประเภทของวัสดุคงคลัง และกล-ยุทธในการ<br />
แขงขันทางธุรกิจ โดยคํานึงถึงหลักการสําคัญคือจะตองพยายามรักษา<br />
ระดับการลงทุนในวัสดุคงคลังใหต่ําที่สุด<br />
พรอมทั้งรักษาระดับการผลิต<br />
ใหมีประสิทธิภาพ และรักษาระดับการใหบริการลูกคาใหอยูในระดับที่<br />
เหมาะสม<br />
การกําหนดขนาดรุนในการสั่งซื้อวัสดุที่นิยมใช<br />
ไดแกวิธีการ<br />
สั่งแบบรุนตอรุน<br />
(Lot for Lot: LFL) ปริมาณรุนการสั่งซื้อที่ประหยัด<br />
(Economic Order Quantity: EOQ) วิธีปริมาณการสั่งเปนชวง<br />
(Periodic<br />
Order Quantity: POQ) เทคนิคสวนของชวงเวลาที่สมดุล<br />
(Part Period<br />
Balancing: PPB) วิธีคาใชจายตอหนวยต่ําสุด<br />
(Least Unit Cost: LUC)<br />
วิธีการ Silver-Meal Heuristic (SMH) และวิธีกําหนดการพลวัตของ แวก<br />
เนอร-วิทธิน (Wagner-Whitin Algorithm: WW) เปนตน กอนจะตัดสินใจ<br />
เลือกวิธีการกําหนดขนาดรุนใดมาใช<br />
ควรมีการประเมินคาใชจายในการ<br />
ควบคุมวัสดุคงคลังของแตละวิธี แลวนําตนทุนที่ไดมาเปรียบเทียบกัน<br />
เพื่อเลือกวิธีการที่เหมาะสม<br />
และทําใหตนทุนรวมต่ําที่สุด<br />
[1-3]<br />
2.2 งานวิจัยที่เกี่ยวของ<br />
แกวปน<br />
[4] เสนอวิธีการกําหนดการสั่งซื้อ<br />
2 วิธี วิธีแรกใช<br />
หลักการคํานวณเบื้องตนจากวิธีของ<br />
Silver-Meal สวนวิธีที่สองใช<br />
หลักการคํานวณเบื้องตนจากวิธีการของ<br />
Wagner-Whitin และไดนําผล<br />
การคํานวณมาทดสอบประสิทธิภาพ โดยแบงการทดสอบออกเปน 2<br />
สวน สวนแรกเปนการเปรียบเทียบกับวิธีการสั่งซื้อแบบเดิมของโรงงาน<br />
ตัวอยาง และสวนที่สองเปนการเปรียบเทียบประสิทธิภาพกับวิธีการหา<br />
คําตอบที่ดีที่สุดภายใตการจําลองปญหาแตกตางกัน<br />
500 กรณี โดยใช<br />
โปรแกรมวิชวลเบสิกชวยในการคํานวณ ผลการเปรียบเทียบพบวา<br />
205<br />
วิธีการสั่งซื้อที่<br />
1 และ 2 สามารถลดคาใชจายโดยรวมลงจากวิธีการเดิม<br />
ของโรงงานได 306,947.58 และ 309,742.73 บาท หรือคิดเปน 13.81%<br />
และ 13.94% ตามลําดับ<br />
อาคม [5] ไดพัฒนาแบบจําลองทางคณิตศาสตรที่พัฒนาตอ<br />
จากขั้นตอนการคํานวณของ<br />
Wagner-Whitin เพื่อศึกษาการกําหนดขนาด<br />
การสั่งซื้อที่เหมาะสมที่ทําใหเกิดตนทุนโดยรวมตลอดระยะเวลาการวาง<br />
แผนการสั่งซื้อมีคาต่ําที่สุด<br />
จากนั้นนําผลลัพธที่ไดไปเปรียบเทียบกับ<br />
วิธีการเดิมพบวาสามารถลดตนทุนรวมในการจัดการวัตถุดิบคงคลังลงได<br />
196,018,315 บาท หรือคิดเปน 24.94%<br />
3. การดําเนินการวิจัย<br />
งานวิจัยนี้ผูวิจัยไดพัฒนาแบบจําลองทางคณิตศาสตรโดย<br />
พัฒนาตอจากแบบจําลองทางคณิตศาสตรของ Wagner-Whitin (Wagner-<br />
Whitin Algorithm: WW) [6, 7-12] และหลักการระบบสินคาคงคลัง<br />
ประเภทหลายรายการจากหลายคลังสินคา (Multi-Item Multi Source:<br />
MIMS) [13-14] โดยวิเคราะหหาระดับความสําคัญของวัสดุแตละชนิด<br />
ดวยวิธีการจัดกลุมสินคา<br />
(ABC Classification- System) [1, 15] และเลือก<br />
ศึกษาวัตถุดิบ Class A ที่มีมูลคาเงิน<br />
80% ของตนทุนวัสดุทั้งหมดจํานวน<br />
49 ชนิด จากนั้นจึงใชโปรแกรม<br />
Lingo 12.0 ชวยในการแกปญหาของ<br />
แบบจําลองที่สรางขึ้น<br />
[5, 16]<br />
่<br />
่<br />
ตารางที 1 การจัดอันดับความสําคัญของวัสดุแตละชนิดจากคาใชจายใน<br />
ไตรมาสที 4 ป 2553 เปนจํานวนเงิน 14,621,000 บาท<br />
ประเภท ปริมาณวัสดุ งบประมาณที่ใช<br />
A 13 % (49 ชนิด) 80 % (11,694,000)<br />
B 15 % (58 ชนิด) 15 % (2,194,000)<br />
C 72 % (272 ชนิด) 5% (733,000)<br />
3.1 แบบจําลองทางคณิตศาสตร<br />
N T<br />
N T<br />
N T<br />
i=<br />
1t=<br />
1<br />
สมการขอจํากัด<br />
it<br />
i=<br />
1t=<br />
1<br />
i it<br />
i=<br />
1t=<br />
1<br />
i it<br />
I i , t 1 X i , ( t Li<br />
) I i , t − + − − = it D ∀ it<br />
(2)<br />
I i , 0<br />
≥<br />
Li<br />
∑ D i , t<br />
t=<br />
0<br />
∀ it<br />
(3)<br />
N<br />
∑ ( Ci<br />
* X it )<br />
i=<br />
1<br />
≤ BG ∀ t<br />
(4)<br />
MinTC = ∑∑(<br />
O*<br />
y ) + ∑∑(<br />
C * X ) + ∑∑(<br />
H * I ) (1)
208<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การนําระบบการผลิตแบบโตโยตามาใชในกระบวนการประกอบแบตเตอรี่รถยนต<br />
Implementing the Toyota Production System in Automotive Battery Assembly Process<br />
สมพร จุลวรรณ 1 อนันต มุงวัฒนา<br />
2 และปวิณ สุวแข 3<br />
1, 2, 3<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเกษตรศาสตร<br />
50 ถ.งามวงศวาน แขวงลาดยาว เขตจตุจักร กรุงเทพฯ 10900<br />
โทรศัพท: 0-2942-8555 ตอ 1603 E-mail: 1 dolphin_jibs@hotmail.com, 2 fenganm@ku.ac.th, 3 pawinsuwakae@gmail.com<br />
บทคัดยอ<br />
งานวิจัยฉบับมีวัตถุประสงคเพื่อ<br />
ลดชวงเวลานําใน<br />
กระบวนการผลิตแบตเตอรี่<br />
โดยระบบการผลิตในปจจุบันที่ใช<br />
คือระบบ<br />
การผลิตแบบผลัก จากเงื่อนไขดังกลาวทําใหชวงเวลานําสงแบตเตอรี่สูง<br />
ถึง 22.5 วัน สําหรับแบตเตอรี่รุน<br />
A และ รุน<br />
B ตามลําดับ และชวงเวลานํา<br />
ที่ยาวนานเปนผลมาจาก<br />
การเก็บสต็อกแบตเตอรี่ในกระบวนการผลิต<br />
ที่มากเกินไป<br />
เพราะเมื่อแบตเตอรี่ถูกเก็บไวเปนเวลานาน<br />
จะทําใหโวลต<br />
ตก และตองนําไปรี่ชารจไฟใหม<br />
จากปญหาขางตนจึงนําระบบการผลิต<br />
แบบโตโยตามาใชแทนที่ระบบการผลิตแบบผลัก<br />
ดวยเทคนิคตางๆ เชน<br />
ระบบคัมบัง การเฮจุงกะ เปนตน ผลจากการประยุกตใชทําใหสามารถลด<br />
ชวงเวลานํา ลดลงเปน 11.9 วัน สําหรับแบตเตอรี่รุน<br />
A และ 14.2 วัน<br />
สําหรับแบตเตอรี่รุน<br />
B ตามลําดับ<br />
คําสําคัญ: ระบบการผลิตแบบโตโยตา, คัมบัง, เฮจุงกะ<br />
Abstract<br />
This research aims at reducing the production lead time of<br />
battaries. Currently, the manufacturing system which is used to<br />
produces these battaries is under the push system. With such operating<br />
conditions, the lead times are 22.5 days for Model A and for B,<br />
respectively. The long lead time is caused by the excessive stock of<br />
battaries in the manufacturing system. In addition, when battaries are<br />
kept for a long period of time, the voltage will drop. In turn, the<br />
battaries would have to be recharged. From the above problem, the<br />
Toyota Production System (TPS) is implemented to the manufacturing<br />
system to replace the push system. Many techniques such as kanban,<br />
heijunka, etc. are implemented to the manufacturing system. As a result,<br />
the production lead times are reduced to 11.9 days for Model 80B26L<br />
and 14.2 days for B, respectively.<br />
Keywords: manuscript format, font size, font style<br />
1. บทนํา<br />
ในปจจุบันบริษัทผูผลิตแบตเตอรี่รถยนตรายหนึ่งซึ่งผลิต<br />
แบตเตอรี่ใหกับกลุมลูกคาอีซูซุพบปญหาการมีชวงเวลานําใน<br />
กระบวนการการประกอบแบตเตอรี่รถยนต<br />
(Automotive Battery<br />
Assembly Process) กระบวนการชารจไฟ (Jar-formation Process) และ<br />
กระบวนการขั้นสุดทาย<br />
(Finishing Process) สูง โดยชวงเวลานํารวมโดย<br />
เฉลียของทั้ง<br />
3 กระบวนการนี้สูงถึง<br />
22.5 วัน ซึ่งถาเที่ยบกับ<br />
กลุมโตโยตา<br />
จะมีชวงเวลานํารวมโดยเฉลียในกระบวนการที่เหมือนกันนี้เทากับ<br />
16.5<br />
วัน ซึ่ง<br />
3 กระบวนการนี้ยิ่งมีชวงเวลานําสงสูงมากเทาไหรก็จะสงผล<br />
กระทบตอการบริหารพื้นที่ในการจัดเก็บแบตเตอรี่<br />
สูญเสียพื้นที่เก็บไป<br />
โดยเปลาประโยชน แบตเตอรี่ที่เก็บไวจะมีปญหาเรื่องโวลตต่ําเนื่องจาก<br />
การเก็บไวนาน และตองนํากลับมาชารจไฟใหม ซึ่งปญหาเหลานี้สงผล<br />
ตอบริษัทในดานการควบคุมคุณภาพ และสูญเสียเวลาในการแกไขปญหา<br />
ดังนั้นทางบริษัทไดนําแนวคิดระบบการผลิตแบบโตโยตามาเพื่อ<br />
แกปญหาดังกลาวใน 3 กระบวนการนี้<br />
Valerie Tardif [1] ไดนําเสนอระบบคัมบังที่สามารถ<br />
ปรับเปลี่ยนระดับสินคาคงคลัง<br />
และ backorder ไดโดยที่จํานวนบัตรคัม<br />
บังนั้นยังคงมีเทาเดิม<br />
P.Shahabudeen [2] ไดเสนอแนวทางในการกําหนด<br />
จํานวนบัตรคัมบังใน และขนาดของ lot size แตละสถานีงานที่ทําใหเกิด<br />
ประสิทธิภาพในการทํางานมากที่สุด<br />
Gravel, Marc [3] แสดงใหเห็นวา<br />
ระบบคัมบังสามารถนํามาปรับใชกับการผลิตแบบ job shop ได<br />
2. ทฤษฎีที่เกี่ยวของ<br />
2.1 ระบบคัมบัง (Kanban System)<br />
[4] เปนคําสั่งในการผลิต<br />
และขนยายชิ้นสวน<br />
เปนเครื่องมือ<br />
สําหรับการควบคุมดวยสายตา เพื่อปองกันความสูญเปลา<br />
จากการผลิต<br />
เกินความจําเปน เพื่อแสดงความคืบหนา<br />
และเพื่อตรวจหาสาเหตุการลาชา<br />
ของกระบวนการ เปนเครื่องมือสําหรับการปรับปรุง<br />
และเปนวิธีการ<br />
สําหรับปรับปรุงเปลี่ยนแปลงในการผลิต<br />
แบงออกเปน 4 ประเภท คือ<br />
คัมบังสั่งผลิต<br />
คัมบังเบิกถอน คัมบังชั่วคราว<br />
และอิเล็กทรอนิกสคัมบัง
สูตรที่ใชในการคํานวณจํานวนคัมบังสั่งผลิตในระบบการผลิตแบบสะสม<br />
จํานวนคัมบังคือ<br />
จํานวนคัมบัง = {ความตองการตอรอบของเฮจูงกะ + ชวงเวลา<br />
นํา (คือ ชวงเวลานําของขอมูล + ชวงเวลานําของกระบวนการ + ชวงเวลา<br />
ปรับตั้งเครื่อง)<br />
+ อัตราการแกวงของลูกคา } / จํานวนแบตเตอรี่ตอพาเลท<br />
(1)<br />
สูตรที่ใชในการคํานวณจํานวนคัมบังเบิกถอน<br />
จํานวนคัมบังนอยสุด = จํานวนแบตเตอรี่ตอวัน<br />
/ จํานวน<br />
แบตเตอรี่ตอพาเลท<br />
(2)<br />
จํานวนคัมบังมากสุด = (1 รอบการดึงจากตูพักคัมบัง<br />
+ รอย<br />
ละคา กวง + จํานวนที่หยุดนิ่งในกลองพักคัมบัง<br />
+ การจัดคัมบังในตูเฮจุง<br />
กะ + ชวงเวลานําในการเตรี่ยมความพรอม<br />
+ สวนตางวันทํางาน + สต็อก<br />
เผื่อความปลอดภัย)<br />
/ จํานวนแบตเตอรี่ตอพาเลท<br />
(3)<br />
2.2 วิธีการผลิตแบบกําหนดจํานวนคัมบัง เพื่อทําการสั่งผลิต<br />
(Fix Quantity)<br />
คือ การกําหนดปริมาณหรือจํานวนของงานที่จะทําการผลิต<br />
ในแตละครั้ง<br />
โดยระบบการผลิตแบบสะสมจํานวนมีวิธีการคํานวณ<br />
ชวงเวลานําคือ<br />
ชวงเวลานําแบบสะสมจํานวน = ความตองการตอรอบของ<br />
เฮจูงกะ + จํานวนสะสม + ชวงเวลานํา (ประกอบไปดวย: ชวงเวลานําของ<br />
ขอมูล+ชวงเวลานําของกระบวนการ + ชวงเวลาปรับตั้งเครื่อง)<br />
+ อัตรา<br />
การแกวงของลูกคา (4)<br />
2.3 แผนผังกระบวนการไหลของวัตถุดิบและขอมูล<br />
(Material and Information Flow Chart: MIFC)<br />
เครื่องมือในการควบคุมกระบวนการผลิตใหเปนระบบการ<br />
ผลิตแบบทันเวลา เพื่อหาและขจัดจุดชะงักของขอมูลและชิ้นงานโดยจะ<br />
แสดงกระบวนการไหลของวัตถุดิบและขอมูลกระบวนการตางๆ เชน<br />
วิธีการสั่งผลิตในกระบวนการ<br />
รอบของคัมบังลูกคา วิธีการรับขอมูลการ<br />
สั่งซื้อของลูกคา<br />
วิธีการเตรี่ยมสินคาสําหรับจัดสงวาทําอยางไร<br />
เมื่อไร<br />
มี<br />
ความถี่กี่ครั้งตอวัน<br />
และจํานวนตอรอบการดึงเปนปริมาณเทาไร เปนตน<br />
3. การประยุกตใชระบบการผลิตแบบโตโยตากับแบตเตอรี่<br />
อีซูซุรุน<br />
A และ รุน<br />
B<br />
แบตเตอรี่ที่บริษัทไดผลิตใหกับบริษัทอีซูซุมีดวยกัน<br />
4 รุน<br />
209<br />
่ ตารางที 1 ปริมาณการสั่งแบตเตอรี่ในแตละรุน<br />
ตั้งแตเดือน<br />
มกราคม ถึง เดือนกรกฎาคม 2553 (หนวย : เปอรเซ็น)<br />
รุน<br />
ม.ค. ก.พ. มี.ค. เม.ย. พ.ค. มิ.ย. ก.ค.<br />
A 185 94 101 93 98 102 112<br />
B 156 105 105 107 100 98 114<br />
C 300 - - 109 67 76 125<br />
D 125 100 - - - - -<br />
จากตารางที่<br />
1 แสดงปริมาณการสั่งผลิตแบตเตอรี่ในแตละรุน<br />
จากบริษัทอีซูซุ ซึ่งจะเห็นวาแบตเตอรี่รุน<br />
A และ B มีการสั่งผลิตที่สมํา<br />
เสมอ ซึ่งเหมาะสมจะนํามาศึกษา<br />
3.1 รายงานผลชวงเวลานําในการเก็บสต็อกและชวงเวลานํา<br />
รวมกอนจัดทําระบบการผลิตแบบโตโยตา (ขณะใช<br />
ระบบการผลิตแบบผลัก )<br />
รายงานผลชวงเวลานําของขอมูล ชวงเวลานําของ<br />
กระบวนการ และชวงเวลานําของสต็อก ตั้งแตคลังสินคา<br />
กระบวนการ<br />
ขั้นสุดทาย<br />
กระบวนการชารจไฟ และ กระบวนการประกอบแบตเตอรี่<br />
รถยนต COS-8 ซึ่งเก็บสต็อกแบตเตอรี่แหง<br />
ดังแสดงในตารางที่<br />
2<br />
ตารางที่<br />
2 ชวงเวลานํารวมของแบตเตอรี่อีซูซุ<br />
ขณะบริหารงานภายใตระบบการผลิตแบบผลัก<br />
การบวนการ (Process)<br />
ชวงเวลานํา<br />
(Lead Time)<br />
สตอก<br />
แบตเตอรี่<br />
แหง<br />
ชารจไฟ<br />
ขั้น<br />
สุดทาย<br />
คลังสินคา<br />
สําเร็จรูป<br />
รวม<br />
(วัน)<br />
ขอมูล 3.5 3.3 0.004 0.2 7.0<br />
กระบวนการ 2.0 1.0 0.3 0.2 3.5<br />
สตอก 4.0 3.0 5.0 - 12.0<br />
รวม (วัน) 22.5<br />
3.2 คํานวณจํานวนคัมบังที่นํามาใชในแตละกระบวนการ<br />
ในเดือนมกราคม 2554<br />
คํานวณจํานวนคัมบังจากตารางการคํานวณในกระบวนการ<br />
ขั้นสุดทาย<br />
กระบวนการชารจไฟ และ กระบวนการประกอบรถยนต<br />
COS-8 ของแบตเตอรี่อีซูซุแตละรุน<br />
ดังตารางที่<br />
3 และ ตารางที่<br />
4
่<br />
่<br />
ตารางที 3 จํานวนคัมบังของแบตเตอรี่อีซูซุรุน<br />
A ในแตละ<br />
กระบวนการ เดือนมกราคม 2554<br />
แบตเตอรี่รุน<br />
A<br />
กระบวนการ<br />
จํานวนคัมบัง (คัมบัง)<br />
นอยที่สุด<br />
มากที่สุด<br />
ขั้นสุดทาย<br />
21 39<br />
ชารจไฟ<br />
ประกอบแบตเตอรี<br />
67 98<br />
รถยนตสายการ<br />
ประกอบ COS - 8<br />
20 39<br />
่<br />
่<br />
ตารางที 4 จํานวนคัมบังของแบตเตอรี่อีซูซุรุน<br />
B ในแตละ<br />
กระบวนการ เดือนมกราคม 2554<br />
แบตเตอรี่รุน<br />
B<br />
กระบวนการ<br />
จํานวนคัมบัง (คัมบัง)<br />
นอยที่สุด<br />
มากที่สุด<br />
ขั้นสุดทาย<br />
9 16<br />
ชารจไฟ<br />
ประกอบแบตเตอรี<br />
28 45<br />
รถยนตสายการ<br />
ประกอบ COS - 8<br />
15 23<br />
3.3 ผลการจัดทําคัมบังและตูพักคัมบัง<br />
กอนการจัดทําระบบการผลิตแบบโตโยตาในกระบวนการ<br />
ผลิตแบตเตอรี่ของบริษัทนะน<br />
จําเปนตองสรางเครื่องมือที่ใชในการ<br />
ควบคุมระบบการผลิตแบบโตโยตาเสียกอนดังแสดงในตารางที่<br />
5<br />
่<br />
่<br />
ตารางที 5 เครื่องมือหลังจัดทําระบบการผลิตแบบโตโยตา<br />
กระบวนการ<br />
เครื่องมือหลังจากจัดทําระบบการผลิต<br />
แบบโตโยตา<br />
ตูสะสมจํานวนคัม<br />
ขั้นสุดทาย<br />
คัมบังเบิกถอน บังเพื่อสั่งชารจ<br />
แบตเตอรี<br />
ชารจไฟ<br />
คัมบังควบคุม<br />
คําสั่งผลิต<br />
จุดพักคัมบัง<br />
ประกอบแบตเตอรี่<br />
รถยนต COS - 8<br />
คัมบังควบคุม<br />
คําสั่งผลิต<br />
ตูควบคุมคัมบัง<br />
210<br />
4. สรุป<br />
จากตารางการคํานวณจํานวนคัมบัง สามารถคํานวณชวงเวลา<br />
ในการเก็บสต็อกได ดังนั้นบทสรุปจากการจัดทําระบบการผลิตแบบโต<br />
โยตา ในแบตเตอรี่อีซูซุ<br />
รุน<br />
A พบวามีชวงเวลานําของสต็อกลดลง 8.71<br />
วัน คือ จาก 12 วัน เปน 3.29 วัน ทําใหชวงเวลานํารวม ลดลง 10.6 วัน<br />
คือ จาก 22.5 วัน เปน 11.9 วัน และ ชวงเวลานําในการเก็บสต็อก<br />
แบตเตอรี่<br />
รุน<br />
B ลดลง 7.97 วัน คือ จาก 12 วัน เปน 4.03 วัน ทําให<br />
ชวงเวลานํารวม ลดลง 8.3 วัน คือ จาก 22.5 วัน เปน 14.2 วัน ซึ่งสามารถ<br />
สรุปไดดังตารางที่<br />
6 สําหรับแบตเตอรี่<br />
รุน<br />
A และ ตารางที่<br />
7 สําหรับ<br />
แบตเตอรี่<br />
รุน<br />
B<br />
ตารางที่<br />
6 ชวงเวลานําของแบตเตอรี่อีซูซุรุน<br />
A เดือนมกราคม 2554<br />
การบวนการ (Process)<br />
ชวงเวลานํา สตอก<br />
รวม<br />
ชารจ ขั้น<br />
คลังสินคา<br />
(Lead Time) แบตเตอรี่<br />
(วัน)<br />
ไฟ สุดทาย สําเร็จรูป<br />
แหง<br />
ชวงเวลานํา<br />
ของขอมูล<br />
ชวงเวลานํา<br />
3.6 1.8 1.6 0.2 7.2<br />
ของ<br />
กระบวนการ<br />
0.1 1.1 0.0 0.2 1.4<br />
ชวงเวลานํา<br />
ของสตอก<br />
0.5 2.5 0.3 - 3.3<br />
รวม (วัน) 4.2 5.4 1.9 0.4 11.9<br />
ตารางที่<br />
7 ชวงเวลานําของแบตเตอรี่อีซูซุรุนB<br />
เดือนมกราคม 2554<br />
การบวนการ (Process)<br />
ชวงเวลานํา สตอก<br />
รวม<br />
ชารจ ขั้น<br />
คลังสินคา<br />
(Lead Time) แบตเตอรี่<br />
(วัน)<br />
ไฟ สุดทาย สําเร็จรูป<br />
แหง<br />
ขอมูล 4.26 2.58 1.55 0.2 8.6<br />
กระบวนการ 0.26 1.10 0.02 0.2 1.58<br />
สตอก 1.23 2.48 0.32 - 4.03<br />
รวม (วัน) 5.75 6.16 1.88 0.4 14.2<br />
่<br />
่<br />
ตารางที 8 เปรี่ยบเทียบชวงเวลานําของสตอกกอนหลังจัดทํา<br />
ระบบการผลิตแบบโตโยตา (หนวย : วัน)<br />
รุนของแบตเตอรี<br />
กอนจัดทําระบบ หลังจัดทําระบบ<br />
A 12.00 3.29<br />
B 12.00 4.03
จากตารางที่<br />
8 พบวาชวงเวลานําของสตอกในแบตเตอรี่รุน<br />
A<br />
และรุน<br />
B ลดลงจากเดิมเทากับ 73% และ 66% ตามลําดับ<br />
่<br />
่<br />
ตารางที 9 เปรี่ยบเทียบชวงเวลานํารวมกอนหลังจัดทํา<br />
ระบบการผลิตแบบโตโยตา (หนวย : วัน)<br />
รุนของแบตเตอรี<br />
กอนจัดทําระบบ หลังจัดทําระบบ<br />
A 22.50 11.90<br />
B 22.50 14.20<br />
จากตารางที่<br />
9 พบวาชวงเวลานําของแบตเตอรี่รุน<br />
A และรุน<br />
B<br />
ลดลงจากเดิมเทากับ 47% และ 37% ตามลําดับ<br />
5. กิตติกรรมประกาศ<br />
ผูจัดทําขอขอบคุณคณะวิศวกรรมศาสตร<br />
มหาวิทยาลัย<br />
เกษตรศาสตรที่สนับสนุนการจัดทําโครงงานวิศวกรรมอุตสาหการ<br />
ป<br />
การศึกษา 2553 และขอขอบพระคุณ รศ.ดร. อนันต มุงวัฒนา<br />
อาจารยที่<br />
ปรึกษางานวิจัย ที่ใหคําแนะนําเปนอยางดีตลอดการทําวิจัย<br />
เอกสารอางอิง<br />
[1] Valerie Tardif and et.al. 2001. An adaptive approach to<br />
controlling kanban systems. European Journal of Operational<br />
Research Volume 132, Issue 2, Pages 411-424<br />
[2] P. Shahabudeen and et.al. 2002. Design of bi-criteria kanban<br />
system using simulated annealing technique. Computers &<br />
Industrial Engineering Volume 41, Issue 4, Pages 355-370<br />
[3] Gravel, M. and Price, W.L., 1988. Using KANBAN in a<br />
jobshop environment. International Journal of Production<br />
Research 26, pp. 1105–1118.<br />
[4] มังกร โรจนประภากร. ระบบการผลิตแบบโตโยตา (Toyota<br />
Production System). พิมพครั้งที่<br />
2. สํานักพิมพสมาคมสงเสริม<br />
เทคโนโลยี (ไทย – ญี่ปุน).2551<br />
211
212<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การลดความลาชาของการสงมอบงานของกระบวนการผลิตกระสุน<br />
Reducing Delays in the Delivery of Ammunition Production<br />
ธีรวิทย เลิศลบ 1 และสีรง ปรีชานนท 2<br />
1, 2 ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร จุฬาลงกรณมหาวิทยาลัย กรุงเทพฯ 10330<br />
โทรศัพท/โทรสาร: 02-218-6814-6 E-mail: 1 merfy36@gmail.com, 2 seeronk@gmail.com<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อเสนอแนวทางในการปรับปรุง<br />
กระบวนการวางแผนการผลิตกระสุน เพื่อใหสงมอบสินคาไดทันตาม<br />
กําหนด โดยไดทําการปรับปรุงกระบวนการวางแผนการจัดการวัตถุดิบ<br />
ทําการศึกษากระบวนการวางแผนการผลิตแยกตามประเภทกลุมสินคา<br />
เพื่อนํามาวิเคราะหความตองการใชวัตถุดิบ<br />
และกําหนดนโยบายในการ<br />
สั่งซื้อ<br />
ซึ่งงานวิจัยนี้ไดทําการออกแบบการคํานวณ<br />
แบบจําลอง<br />
สถานการณของวัตถุดิบคงคลัง เพื่อเลียนแบบระบบจริง<br />
และหานโยบาย<br />
การจัดการวัตถุดิบคงคลังที่ดีที่สุด<br />
จากการศึกษาพบวาแบบจําลองการ<br />
เพิ่มคาใชจายเพื่อเรงการผลิตของผูสงมอบ<br />
สามารถลดความลาชาในการ<br />
สงมอบงานใหหมดไปได โดยการแกปญหาการรางวัตถุดิบ ลดการ<br />
สูญเสียโอกาสจากการไมมีสินคาสงมอบ<br />
คําสําคัญ: การควบคุมวัสดุคงคลัง, การวางแผนการผลิต, การเพิ่ม<br />
คาใชจายเพื่อเรงการผลิตของผูสงมอบ<br />
Abstract<br />
The objective of this research was to propose the procedure<br />
in improving the production process of ammunition resulting in on time<br />
delivery by enhancing the process of the raw material management,<br />
by study planning process and incurring orders have been classified by<br />
group of products in order to analyze the requirement of raw material<br />
and to identify purchasing policy. This research design and creates<br />
simulation of inventory for the real traditional trade and manages<br />
policies for inventory at best. The study analyzed from added cost of<br />
reducing lead time. The consequence of such improvement was<br />
revealed that this system can reduce the problem in the delivery of<br />
lateness by reduce the problem in the process of raw material cleaning,<br />
decrease the opportunity cost from the disability of on time delivery.<br />
Keywords: Inventory control system, Production planning, added cost of<br />
reducing lead time<br />
1. บทนํา<br />
โรงงานที่ทําการศึกษา<br />
เปนโรงงานที่ดําเนินการผลิตและ<br />
จําหนายดินสงกระสุนและกระสุนปนครบนัดใหกับสวนราชการ และ<br />
ภาคเอกชนที่เกี่ยวของกับงานดานอุตสาหกรรมปองกันประเทศ<br />
พรอมทั้ง<br />
พัฒนาการผลิต ผลิตภัณฑอุตสาหกรรมปองกันประเทศใหสามารถพึ่งพา<br />
ตนเองไดในอนาคต โดยในครั้งนี้ไดทําการศึกษาในสวนที่เปน<br />
กระบวนการวางแผนและควบคุมการผลิตกระสุน<br />
สําหรับปญหาที่เกิดขึ้นคือ<br />
การสงมอบสินคาไมทันกําหนด<br />
โดยในป 2551 และ2552 ทางโรงงานสงสินคาไมทันกําหนดจํานวน 9<br />
รายการ จากทั้งหมด<br />
66 รายการ หรือคิดเปน 13.64% และแตละรายการ<br />
สงมอบลาชาเปนเวลาประมาณ 60 วันโดยเฉลี่ย<br />
ทําใหทางโรงงานตองเสีย<br />
คาปรับ และเสียความเชื่อมั่นใหกับลูกคา<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
2.1 การวางแผนและควบคุมการผลิต<br />
การวางแผนและการควบคุมการผลิต [1] เปนเครื่องมือในการ<br />
จัดการ ที่นํามาใชเพื่อเปนแนวทางในการตัดสินใจเกี่ยวกับความตองการ<br />
ทรัพยากร ในอนาคต สําหรับการดําเนินการผลิต การจัดสรร ทรัพยากร<br />
และการจัดตารางการผลิต เพื่อใหไดผลผลิตเปนไปตามที่ไดวางแผนไว<br />
ทั้งในเชิงคุณภาพ<br />
ปริมาณ และเวลา<br />
การผลิตเปนกระบวนการที่ทําใหเกิดการสรางสิ่งหนึ่งสิ่งใด<br />
ขึ้นมา<br />
จากการใชทรัพยากรหรือปจจัยการผลิตที่มีอยู<br />
การดําเนินการผลิต<br />
จะเปนไปตามลําดับขั้นตอน<br />
กลาวคือ จากวัตถุดิบที่มีอยูจะถูกแปลง<br />
สภาพใหเปนผลผลิตที่อยูในรูปของระบบการผลิต<br />
ซึ่งประกอบไปดวย<br />
สวนที่สําคัญ<br />
3 สวนคือ ปจจัยการผลิต กระบวนการแปลงสภาพ และ<br />
ผลผลิต ที่อาจเปนสินคาและบริการ<br />
2.2 การบริหารพัสดุคงคลัง<br />
การบริหารพัสดุคงคลัง [2] เปนงานที่ผูบริหารในยุคปจจุบัน<br />
ไมวาจะเปนธุรกิจที่เกี่ยวของกับการผลิตสินคาหรือการใหบริการให<br />
ความสําคัญอยางมาก เนื่องจากพัสดุคงคลังไดรับการยอมรับวาเปนปจจัย<br />
ที่สงผลกระทบโดยตรงตอตนทุนและกําไรของธุรกิจ<br />
2.2.1 ปริมาณการสั่งที่ประหยัด<br />
ตนทุนการควบคุมพัสดุคงคลัง เปาหมายสําคัญในการบริหาร<br />
พัสดุคงคลัง คือการกําหนดระดับพัสดุคงคลังที่ทําใหการบริการในการ
ตอบสนองความตองการสูงสุด ขณะที่ตนทุนพัสดุคงคลังรวมทั้งสิ้นอยูใน<br />
ระดับต่ําสุด<br />
โดยมีตนทุนในการสั่ง<br />
(Ordering Costs) เปนตนทุนที่จายไป<br />
เพื่อใหไดมาซึ่งวัตถุดิบ<br />
ชิ้นสวนประกอบตางๆ<br />
และตนทุนในการถือ<br />
ครองพัสดุ (Inventory Holding Costs) ตนทุนที่เกิดจากการจัดหาสินคา<br />
มาเก็บไวจํานวนหนึ่ง<br />
2.2.2 ระบบจุดสั่งใหม<br />
(Re-order Point System, ROP)<br />
1) ระบบปริมาณการสั่งคงที่<br />
(Fixed Order Quantity, FOQ)<br />
หรือระบบจุดสั่งคงที่<br />
คือจะทําการออกใบสั่งดวยปริมาณคงที่เทากันทุก<br />
ครั้งที่ทําการออกใบสั่ง<br />
และจะทําการออกใบสั่งเมื่อพัสดุคงคลังลดลง<br />
มาถึงระดับวิกฤตที่ไดกําหนดไวระดับเดียวกันทุกครั้ง<br />
2) การคํานวณระดับสตอกปลอดภัย จุดสั่งใหม<br />
ในระบบการ<br />
สั่งคงที่<br />
มีวัตถุประสงคเพื่อปองกันการขาดสตอกและเพื่อรักษาระดับ<br />
บริการลูกคา<br />
2.3 ระบบสารสนเทศเพื่อการตัดสินใจของการควบคุมการผลิต<br />
การควบคุมการผลิต [3] จะตองทราบขอมูลจากทุกๆสวนของ<br />
การดําเนินการผลิต เชน ฝายรับของ ฝายสงของ ฝายผลิต และอื่นๆ<br />
โดยมี<br />
2 สวนคือ<br />
1. ขอมูลปอนเขาขั้นตนดังนี้<br />
สถานภาพของทรัพยากร งาน<br />
วัสดุ ตารางการผลิต การเคลื่อนยายวัสดุ<br />
และการปฏิบัติงานที่ผานมา<br />
2. ผลลัพธจากการควบคุมการผลิต ประกอบดวยรายงานการ<br />
วางแผนความตองการ การควบคุมพัสดุคงคลัง ตารางการปฏิบัติงาน การ<br />
ถายวัสดุ การควบคุมคุณภาพ การประกอบ การควบคุมในโรงงาน<br />
การผลิตตามสั่ง<br />
(Make-to-order)<br />
เปนลักษณะการผลิตตามคําสั่งซื้อของลูกคา<br />
โดยจะรอจน<br />
ไดรับใบสั่งซื้อจากลูกคามากอน<br />
จึงจะตัดสินใจผลิต ลักษณะผลิตภัณฑมี<br />
ความหลากหลาย จะไมผลิตเก็บไวในคลัง แตถาจําเปนตองผลิตเก็บไวจะ<br />
ผลิตจํานวนไมมาก คํามั่นสัญญาเกี่ยวกับการสงมอบสินคาจะมี<br />
ความสําคัญมาก จะตองตรงเวลาและเชื่อถือได<br />
ไมเร็วหรือชาเกินไป<br />
ความผิดพลาดที่เกิดขึ้นบอยครั้งจะทําใหลูกคาเสียความเชื่อถือ<br />
การแกปญหาในกรณีที่การสั่งซื้อวัตถุดิบมีระยะเวลานําที่นาน<br />
และไมแนนอน [4] ไดอธิบายวา ถาในรอบ 1 ป มีการสั่งซื้อ<br />
1, 2 หรือ 3<br />
ครั้ง<br />
จุดสั่งครั้งแรกจะเทากับ<br />
E(LT) + 1.25σ และความผันแปรของ<br />
คาใชจายจะตางกันนอยมากเมื่อจุดสั่งไมตางกันมากนัก<br />
ซึ่งผลทดสอบ<br />
ของความตองการที่ไมแนนอนตามสมมติฐาน<br />
การสั่งซื้อ<br />
1 หรือ 2 ครั้งคือ<br />
นโยบายที่ถูกตองที่สุด<br />
จากนั้น<br />
[5] ไดอธิบายถึงชวงเวลานําที่สามารถ<br />
ลดลงไดโดยการเพิ่มคาใชจายในการเรงรัดชวงเวลานํา<br />
โดยการลด<br />
ชวงเวลานํา จะทําใหการใหบริการลูกคาและการตอบสนองตอตารางการ<br />
ผลิตมีการปรับปรุงขึ้น<br />
และจะทําใหปริมาณวัตถุดิบสํารองคลังลดลงได<br />
หลังจากนั้น<br />
[6] ไดนําเสนอตัวแบบสินคาคงคลังที่พิจารณาปริมาณการ<br />
สั่งซื้อ<br />
และชวงเวลานําเปนตัวแปรสําหรับตัดสินใจ ซึ่งขยายมาจากตัว<br />
แบบของไลโอและไชยู ซึ่งคํานวณหาชวงเวลานําที่ประหยัดที่สุดเพียงคา<br />
213<br />
เดียว และแบบที่สองเปนของเบนดายาและอับดุลราอัฟ<br />
ซึ่งไดเลือกใช<br />
ฟงกชั่นความสัมพันธระหวางคาใชจายในการเรงรัดชวงเวลานํากับ<br />
ชวงเวลานํา เพื่อหาคาที่เหมาะสมที่สุดของปริมาณสั่งซื้อและชวงเวลานํา<br />
ซึ่งสอดคลองกับ<br />
[7] ไดอธิบายถึงการเพิ่มคาใชจายในการลดเวลานําของ<br />
การจัดซื้อวัตถุดิบ<br />
เพื่อชวยลดปริมาณวัตถุดิบสํารองคลัง<br />
และเพิ่มการ<br />
ใหบริการใหกับลูกคา ซึ่งมีเงื่อนไข<br />
คือ 1.คาใชจายในการเรงเวลานํา<br />
จะตองเพิ่มขึ้นอยางชาๆ<br />
2.ความตองการของลูกคามีความไมแนนอนสูง<br />
และ3.ราคาสินคาขายตองมีมูลคาเพิ่มมาก<br />
เพราะคาใชจายในการสั่งซื้อ<br />
เปนสวนประกอบหลักของคาใชจายรวม สวนการจัดการกับเวลานําที่ไม<br />
แนนอนของการผลิตแบบตามสั่ง<br />
[8] ไดทําการปรับปรุงในสวนของ<br />
นโยบายการสั่งซื้อ<br />
โดยมุงเนนการจัดซื้อวัตถุดิบในพื้นที่ใกลเคียง<br />
ใชผู<br />
จัดหารายเดียวในแตละใบสั่งซื้อ<br />
และการทําสัญญาจะทําใหการรับของ<br />
ตรงเวลาขึ้น<br />
ซึ่งสรุปวา<br />
การเจรจาจะเปนวิธีที่ดีที่สุดแตไมใชการกดดัน<br />
ผูคา<br />
คือเปนการมองปญหารอบดานตั้งแตเริ่มออกใบสั่งซื้อจนถึงกําหนด<br />
รับของ และจาก [9] ไดทําการศึกษาถึงปจจัยที่มีอิทธิพลตอระดับสินคา<br />
คงคลังในระบบการผลิตแบบตามสั่ง<br />
พบวาระดับสํารองของวัตถุดิบมี<br />
อิทธิพลตอระดับสินคาคงคลังของระบบการผลิตแบบตามสั่งมากที่สุด<br />
สําหรับการจัดซื้อ<br />
[10] ไดอธิบายถึงกลยุทธในการจัดซื้อ<br />
โดยใหมุงเนน<br />
ไปที่ความสัมพันธระหวางผูซื้อกับผูขาย<br />
โดยตองพัฒนากลยุทธของการ<br />
จัดซื้อรวมกับกลยุทธของบริษัท<br />
เลือก กลยุทธที่เหมาะสมกับ<br />
สถานการณ ซึ่งสามารถชวยลดความเสี่ยง<br />
ทําใหเวลานําสั้นลง<br />
ลงทุนนอย<br />
และสรางการตอบสนองที่ดีตามที่ลูกคาตองการ<br />
และ [11] ไดทําการศึกษา<br />
ระบบสินคาคงคลังซึ่งประกอบดวยผูผลิตรายเดียวผลิตสินคาขายใหกับผู<br />
ซื้อรายเดียวโดยใชนโยบายจุดสั่งปริมาณสั่งในการควบคุมสินคาคงคลัง<br />
ซึ่งเมื่อลดชวงเวลานําจะทําใหจุดสั่งซื้อต่ําลง<br />
สงผลใหวัตถุดิบสํารองคลัง<br />
ลดลง รวมทั้งคาใชจายรวมลดลง<br />
แตการลดเวลานํามากเกินไป จะทําให<br />
เกิดคาใชจายเพิ่มขึ้นซึ่งตองเลือกเวลานําที่เหมาะสมที่ใหคาใชจายรวม<br />
ต่ําสุด<br />
3. ระเบียบวิธีวิจัย<br />
3.1 ศึกษาและรวบรวมขอมูลเบื้องตนของโรงงานกรณีศึกษา<br />
โรงงานกรณีศึกษาเปนลักษณะการผลิตแบบตามสั่ง<br />
ผูวิจัยได<br />
ทําการคนหาสาเหตุของปญหา โดยทําการศึกษากระบวนการวางแผนการ<br />
ผลิต โดยเริ่มตั้งแตการติดตอกับลูกคา<br />
การประมาณการวางแผนการ<br />
จัดซื้อ<br />
การจัดซื้อ<br />
การจัดตารางการผลิต การผลิต จนถึงการสงมอบ<br />
เพื่อที่จะทราบวาสาเหตุที่ทําใหการสงมอบลาชาเกิดจากสาเหตุใด<br />
เพื่อจะ<br />
ไดดําเนินการแกไขปรับปรุง<br />
จากการศึกษาขั้นตอนในการทํางานของแผนกตางๆที่<br />
เกี่ยวของกับการผลิตและจากแผนภูมิกระบวนการผลิตสามารถสรุปไดวา<br />
สาเหตุที่สงมอบสินคาไมไดทันตามกําหนด<br />
เกิดจากการขาดวัตถุดิบ<br />
ประกอบกระสุนซึ่งเปน<br />
8 รายการจาก 9 รายการที่ทําใหสงมอบสินคา<br />
ลาชา และเมื่อวิเคราะหสาเหตุที่ทําใหเกิดการขาดวัตถุดิบพบวา<br />
ไดรับ
การหาคาปรับผูคา<br />
(F2) F2 = ((D*Y*M*)* (bi – J))/100 (4)<br />
การหาปริมาณที่จะใชในการผลิตล็อตแรก<br />
(N1) ในกรณี P2 - A - S ≤ 0<br />
N1 = D (5)<br />
การหาปริมาณที่จะใชในการผลิตล็อตแรก<br />
(N1) ในกรณีตรงขาม<br />
N1 = D – ((P2 - A – S)*R) (6)<br />
การหาจํานวนวันผลิตล็อตแรก (P1) ในกรณี P2 - A - S ≤ 0<br />
P1 = ((N1/R) + A + S) + T1 - bi การหาจํานวนวันผลิตล็อตแรก (P1) ในกรณีตรงขาม<br />
(7)<br />
P1 = (N1/R) (8)<br />
การหาวันที่เรงรัด<br />
(ai) a i = b i – P 1 (9)<br />
การคํานวณคาใชจายในการเรงรัดชวงเวลานํา (R(L))<br />
(10)<br />
การหาคาใชจายทั้งหมด<br />
(Total Cost)<br />
R(L) + W = Total Cost (11)<br />
3.2.4 กระบวนการการหาคําตอบ และผลลัพธการคํานวณ<br />
แบบจําลองถูกทดสอบโดยใชขอมูลปอนเขา จากตารางที่1<br />
เพื่อหาระยะเวลาลาชาในการสงมอบ<br />
คาปรับ ระยะเวลาในการเรงรัดที่เร็ว<br />
ที่สุด<br />
คาเรงการผลิต และคาใชจายรวม ซึ่งแสดงตัวอยางการคํานวณโดย<br />
สมมติใหลูกคาสั่งซื้อกระสุนชนิด<br />
B1 จํานวน 195,000 นัด (แตสั่งซื้อ<br />
วัตถุดิบ 200,000 ชุด เพื่อปองกันของเสีย<br />
และใชสํารองคลัง) โดยกําหนด<br />
สงมอบภายในระยะเวลา 12 เดือน (โดยคิดเปน 240 วันทํางาน) จาก<br />
ตัวอยางแสดงเวลาลาชา (T1) ในขั้นตอนการขอใบอนุญาตชั่วคราวเปน<br />
เวลา 60 วัน<br />
ตารางที่<br />
1 ขอมูลปอนเขา<br />
Parameters Value<br />
bi 80<br />
J 80<br />
T1 60<br />
D 200,000<br />
V 12.62<br />
M 0.1<br />
R 12,500<br />
A 7<br />
S 6<br />
ci 2,250<br />
W 800<br />
Y 6.75<br />
H 60<br />
G 20<br />
215<br />
โดยมีลําดับการหาคําตอบดังนี้<br />
1. คํานวณจํานวนวันคงเหลือสําหรับการผลิต (P2) โดยแทนคาตางๆ<br />
ลงในสมการที่<br />
(1)<br />
2. คํานวณระยะเวลาที่จะสงมอบสินคาลาชา<br />
(T2) โดยแทนคาตางๆ<br />
และคา (P2) ลงในสมการที่<br />
(2)<br />
3. คํานวณคาปรับ (F1) โดยแทนคา (T2) ลงในสมการที่<br />
(3)<br />
4. พิจารณาวาชวงเวลานําของผูคา<br />
(bi) มากกวาระยะเวลานําตาม<br />
สัญญา (J) หรือไม ถามากกวา ใหไปคํานวณหาคาปรับของผูคาตาม<br />
สมการที่<br />
(4) ในกรณีนี้<br />
bi เทากับ J จึงไปขั้นตอนตอไป<br />
5. พิจารณาวาวันคงเหลือสําหรับการผลิต (P2) ลบระยะเวลาที่ใชใน<br />
การจัดเก็บ และสงมอบ (A, S) นอยกวาเทากับศูนยหรือไม ในกรณีนี้ไม<br />
มากกวา จึงไปขั้นตอนตอไป<br />
6. คํานวณปริมาณที่จะใชในการผลิตล็อตแรก<br />
(N1) โดยแทนคา (P2) ลงในสมการที่<br />
(6)<br />
7. คํานวณหาจํานวนวันผลิตล็อตแรก (P1) โดยแทนคา (N1) ลงใน<br />
สมการที่<br />
(8)<br />
8. คํานวณหาวันเรงรัด (ai) โดยแทนคา (P1)ในสมการที่ (9)<br />
9. คํานวณคาใชจายในการเรงรัดชวงเวลานํา (R(L)) โดยแทนคา (ai, bi) ลงในสมการที่<br />
(10)<br />
10. คํานวณคาใชจายทั้งหมด<br />
(Total Cost) โดยแทนคา (R(L)) ลงใน<br />
สมการที่<br />
(11)<br />
รูปที่<br />
2 ขั้นตอนการหาคําตอบ
ผลลัพธจากการคํานวณ และขั้นตอนการหาคําตอบ<br />
(รูปที่<br />
2)<br />
จะไดดังนี้<br />
วันลาชาในการสงมอบ (T2) เทากับ 9 วัน เสียคาปรับในการสง<br />
มอบคาชา (F1) เทากับ 22,716 บาท เมื่อใชกระบวนการเรงรัดเวลานํา<br />
จะ<br />
ไดวันที่เรงไดเร็วที่สุด<br />
(ai) เทากับ 71 วัน จากวันสงมอบของผูคา<br />
(bi) 80<br />
วัน คิดเปนคาเรงการผลิต (R(L)) เทากับ 20,250 บาท และเปนคาใชจาย<br />
ทั้งหมด<br />
(Total Cost) เทากับ 21,050 บาท ดังนั้น<br />
เราจึงควรใชวิธีเรงรัด<br />
ชวงเวลานํา เพราะเสียคาใชจายนอยกวา และเพื่อขจัดความลาชาในการ<br />
สงมอบ และสรางความเชื่อมั่นใหกับลูกคา<br />
4. ผลการวิจัย<br />
จากผลการทดลองจากแบบจําลอง ความเหมาะสมของการ<br />
เรงรัดชวงเวลานําจะขึ้นอยูกับปจจัยหลายประการ<br />
คือคาใชจายในการ<br />
เรงรัด (ci) ปริมาณการสั่งซื้อ<br />
(D) ระยะเวลาลาชาในการขอใบอนุญาต<br />
ชั่วคราว<br />
(T1) ระยะเวลานําของผูคา<br />
(bi) อัตราคาปรับในการสงมอบลาชา<br />
(M) และคาใชจายอื่นๆของโรงงานในการเรงรัด<br />
(W) เชน คาขนสง คา<br />
จัดเก็บ ซึ่งคาใชจายรวม<br />
(Total Cost) จะแปรผันตามคาการเรงรัดชวงเวลา<br />
นํา ปริมาณความตองการของลูกคา และระยะเวลาลาชาในการขอ<br />
ใบอนุญาตชั่วคราว<br />
ซึ่งสอดคลองกับงานวิจัยของ<br />
[7] ที่กลาววา<br />
การเรงรัด<br />
ชวงเวลานําที่เหมาะสมจะขึ้นกับเงื่อนไขตางๆ<br />
คือ 1.คาใชจายในการเรง<br />
เวลานําจะตองเพิ่มขึ้นอยางชาๆ<br />
2.ความตองการของลูกคามีความไม<br />
แนนอนสูง และ3.ราคาสินคาขายตองมีมูลคาเพิ่มมาก<br />
โดยเมื่อปริมาณความตองการสินคาของลูกคาเพิ่มขึ้น<br />
ระยะเวลาเรงรัดจะเพิ่มขึ้นตามไปดวย<br />
ซึ่งเมื่อทําการเรงรัดชวงเวลานํา<br />
ของวัตถุดิบ จะทําใหคาใชจายรวมเพิ่มขึ้น<br />
และเมื่อเปรียบเทียบกับคาปรับ<br />
ในการสงสินคาลาชา จะมีจุดตัดที่ทําใหคาใชจายรวมในการเรงรัด<br />
ชวงเวลานํา มีคาสูงกวาคาปรับ ซึ่งเปนจุดที่ใชตัดสินใจในการเลือก<br />
วิธีการ วาจะเรงรัดเวลานําหรือยอมเสียคาปรับ ดังแสดงในรูปที่<br />
3<br />
รูปที่<br />
3 ความสัมพันธระหวางเวลานํากับคาใชจายรวม<br />
และเชนเดียวกัน ปริมาณความตองการสินคาของลูกคาก็จะ<br />
เปนตัวแปรในการตัดสินใจ ในการเรงรัดเวลานํา หรือยอมเสียคาปรับ ดัง<br />
แสดงในรูปที่<br />
4<br />
216<br />
รูปที่<br />
4 ความสัมพันธระหวางปริมาณความตองการกับคาใชจายรวม<br />
สวนความสัมพันธระหวางเวลานํากับคาใชจายรวม ตาม<br />
เงื่อนไขของ<br />
P2 - A - S ≤ 0 และ P2 - A - S > 0 แสดงใหเห็นวาในกรณี<br />
แรก จํานวนที่ตองผลิตในล็อตแรกจะเทากับปริมาณการสั่งซื้อ<br />
ดังนั้น<br />
คาใชจายรวมจะเพิ่มขึ้นในอัตราที่เทากันตามระยะเวลาที่ลาชา<br />
สวนใน<br />
กรณีที่สอง<br />
จํานวนที่ตองผลิตในล็อตแรกจะขึ้นอยูกับ<br />
ปริมาณการสั่งซื้อ<br />
จํานวนวันคงเหลือสําหรับการผลิต จํานวนวันที่ตรวจรับและจัดเก็บ<br />
และ<br />
อัตราการผลิต ดังนั้นคาใชจายรวมจะเพิ่มขึ้นอยางชาๆ<br />
ดังแสดงในรูปที่<br />
5<br />
รูปที่<br />
5 ความสัมพันธระหวางเวลานํากับคาใชจายรวม<br />
ตามเงื่อนไขของ<br />
P2 - A - S ≤ 0 และ P2 - A - S > 0<br />
จากผลการทดลองที่ผานมาแสดงใหเห็นวา<br />
การเลือกวิธีการที่<br />
จะทําใหเสียคาใชจายนอยที่สุดจะขึ้นอยูกับปจจัยหลายอยาง<br />
แตถา<br />
จุดประสงคหลักของการขาย คือการสงมอบสินคาใหตรงเวลา เพื่อใหเกิด<br />
ความเชื่อมั่นกับลูกคา<br />
ทางโรงงานก็จะตองยอมเสียคาเรงรัดชวงเวลานํา<br />
ถึงแมวาจะมีคาใชจายมากกวาคาปรับในการสงสินคาลาชาก็ตาม<br />
และจากป 2553 มีความลาชาที่เกิดจากขั้นตอนที่<br />
2 (ขั้นตอน<br />
ขออนุญาตชั่วคราว)<br />
อยู<br />
4 รายการ ดังนั้นจึงนําวิธีเรงการผลิตของผูสง<br />
มอบมาใช ทําใหไดผลดังตารางที่<br />
2 และ3 ซึ่งชวยลดปญหาการสงมอบ<br />
สินคาลาชาลงได
่ ตารางที 2 วันลาชา และคาปรับของรายการสินคา<br />
รายการสินคา จํานวน เวลาลาชา คาปรับ<br />
(D, นัด) (T1, วัน) (F1, บาท)<br />
B3 400,000 40 29,100.00<br />
B4 200,000 60 49,588.24<br />
B5 784,210 30 268,838.30<br />
B6 500,300 40 106,078.97<br />
่ ตารางที 3 วันที่เรงรัด<br />
และคาใชจายรวม<br />
รายการ<br />
สินคา<br />
วันปกติ วันที่เรงรัด<br />
คาใชจายรวม ผลตาง<br />
(bi, วัน) (ai, วัน) (TC, บาท) (F1-TC, บาท)<br />
B3 80 75 7,050.00 22,050.00<br />
B4 80 63 47,247.65 2,340.59<br />
B5 80 54 166,395.72 102,442.59<br />
B6 80 67 43,206.14 62,872.83<br />
จากการที่นําวิธีการเรงรัดชวงเวลานํามาใช<br />
จะเห็นไดวามี<br />
คาใชจายเพิ่มขึ้น<br />
แตเมื่อเปรียบเทียบกับคาปรับแลวนอยกวา<br />
และทําใหสง<br />
มอบสินคาไดทันตามกําหนด<br />
5. สรุปผล<br />
จากปญหาที่เกิดขึ้น<br />
คือการสงมอบสินคาไมทันกําหนด ทําให<br />
ตองทบทวนการวางแผนการผลิตของกระบวนการผลิตกระสุน เพื่อหา<br />
สาเหตุของปญหา และพบวามาจากการขาดวัตถุดิบประกอบกระสุน<br />
เพราะมีความไมแนนอนที่เกิดขึ้นจากกระบวนการจัดหาวัตถุดิบที่มาจาก<br />
ภายนอกของโรงงาน และจากขอจํากัดของลักษณะการจัดซื้อวัตถุดิบของ<br />
โรงงาน จึงนําระบบการเพิ่มคาใชจายเพื่อเรงการผลิตของผูสงมอบมาใช<br />
ซึ่งจะชวยแกปญหาที่เกิดจากความไมแนนอนของระยะเวลานํา<br />
โดยทํา<br />
การออกแบบการคํานวณ และหาคาตัวแปรตางๆที่ใชในการคํานวณ<br />
เพื่อ<br />
ทดสอบกอนนําไปใชจริง พบวาระบบจําลองสามารถลดการขาดแคลน<br />
วัตถุดิบลงได และทําใหสามารถผลิตสินคาไดทันตามกําหนด โดยใน<br />
งานวิจัยที่เกี่ยวกับการเรงรัดชวงเวลานําที่ผานมา<br />
ทางผูคาจะเปนผูกําหนด<br />
ระยะเวลาที่สามารถลดลงไดของชวงเวลานํา<br />
และกําหนดคาใชจายที่<br />
เพิ่มขึ้น<br />
แตในกรณีศึกษาครั้งนี้ผูวิจัยไดกําหนดวิธี<br />
ที่ใหเหลือเวลาที่จะใช<br />
ผลิตใหทันพอดีกับกําหนดสง แลวจึงไปตกลงกับผูคาในเรื่องจํานวนวันที่<br />
จะใหลดลง และปริมาณวัตถุดิบที่ตองการกอน<br />
เพื่อที่ทําใหคาใชจายใน<br />
การเรงรัดนอยที่สุดและใหสงสินคาไดทันกําหนด<br />
ดังนั้นในการนําระบบ<br />
การเพิ่มคาใชจายเพื่อเรงการผลิตของผูสงมอบมาใชในการแกปญหา<br />
สามารถทําใหลดความลาชาของการสงมอบงานของกระบวนการผลิต<br />
กระสุนลงได<br />
217<br />
6. กิตติกรรมประกาศ<br />
ผูเขียนขอขอบพระคุณ<br />
ผศ.ดร. สีรง ปรีชานนท ที่ไดให<br />
ขอเสนอแนะตางๆ ที่เปนประโยชนในการจัดทํา<br />
เพื่อใหการศึกษานี้มี<br />
ความสมบูรณและถูกตองมากยิ่งขึ้น<br />
เอกสารอางอิง<br />
[1] ชุมพล ศฤงคารศิริ, “การวางแผนและควบคุมการผลิต”, พิมพครั้ง<br />
ที่<br />
19 กรุงเทพฯ: สมาคมสงเสริมเทคโนโลยี (ไทย-ญี่ปุน),<br />
2552.<br />
[2] พิภพ ลลิตาภรณ, “การบริหารพัสดุคงคลัง”, พิมพครั้งที่<br />
1<br />
กรุงเทพฯ: สมาคมสงเสริมเทคโนโลยี (ไทย-ญี่ปุน),<br />
2552.<br />
[3] พิภพ ลลิตาภรณ, “การกําหนดตารางการผลิตและการควบคุม”<br />
พิมพครั้งที่<br />
1 กรุงเทพฯ: สมาคมสงเสริมเทคโนโลยี (ไทย-ญี่ปุน),<br />
2553.<br />
[4] Bob Foote, Naghi Kebriaei, and Hillel Kumin, “Heuristic<br />
Policies for Inventory Ordering Problems with Long and<br />
Randomly Varying Lead Times”, Journal of Operations<br />
Management, Vol. 7, No. 4, December, 1988.<br />
[5] M. Ben-Daya and Abdul Raouf, “Inventory Models Involving<br />
Lead Time as a Decision Variable”, The Journal of the<br />
Operational Research Society, Vol. 45, No. 5 pp. 579-582, May,<br />
1994.<br />
[6] ยรรยง ศรีสม, “ตัวแบบสินคาคงคลัง ที่มีชวงเวลานําเปนตัวแปร<br />
สําหรับตัดสินใจ”, เทคนิค เครื่องกล-ไฟฟา-อุตสาหการ<br />
ปที่<br />
17,<br />
ฉบับที่<br />
194, หนา 95-100, 2544.<br />
[7] Charu Chandraa and Janis Grabisb, “Inventory management with<br />
variable lead-time dependent procurement cost”, The<br />
International Journal of Management Science, Omega 36 877 –<br />
887, 2008.<br />
[8] KEVIN WENG, “Lead-time management in a make to order<br />
manufacturing firm”, Production and Inventory Management<br />
Journal, Second Quarter; 39, 2; ABI/INFORM Global pg. 38,<br />
1998.<br />
[9] ศรีสุดา ชอผกา, “การวิเคราะหปจจัยที่มีอิทธิพลตอระดับสินคาคง<br />
คลังของระบบการผลิตแบบตามสั่ง”,<br />
Thailand Statistician Journal<br />
of Thai Statical Association, ISSN 1985-9057, vol. 1, p.53-67,<br />
2546.<br />
[10] Veli-Matti and Virolainen, “A survey of procurement strategy<br />
development in industrial companies”, International Journal<br />
Production Economics, 56-57, 677-688, 1998.
219<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การสั่งซื้อแบบประหยัดสําหรับสินคาที่บางสวนไมผานเกณฑและขาดแคลนได<br />
โดยมีสวนลดครั้งเดียว<br />
Economic order quantity for items with imperfect quality under a one-time-only discount and pure<br />
backordering<br />
ปรวีณ โชติพิทยสุนนท 1 และระวี สุวรรณเดโชไชย 2<br />
1, 2<br />
ภาควิชาคณิตศาสตร คณะวิทยาศาสตร มหาวิทยาลัยมหิดล<br />
เขตราชเทวี กรุงเทพมหานคร 10400<br />
โทรศัพท: 081-300-6645 E-mail: 1 porawee_chotpitayasunon@hotmail.com<br />
บทคัดยอ<br />
ในการศึกษาครั้งนี้ไดพิจารณาตัวแบบการสั่งซื้อแบบประหยัด<br />
(EOQ) โดยกําหนดนโยบายใหมีการขาดแคลนของสินคาและจัดสงเมื่อมี<br />
สินคา บางสวนของสินคาที่จัดสงไมผานเกณฑ<br />
สินคาเหลานี้ถูกคัดแยก<br />
ในกระบวนการคัดกรองและทั้งหมดจะถูกขายหลังการคัดกรองเสร็จสิ้น<br />
จุดประสงคของการศึกษาครั้งนี้เพื่อที่จะหาปริมาณการสั่งซื้อที่เหมาะสม<br />
และปริมาณสั่งซื้อลวงหนาที่เหมาะสมในกรณีที่<br />
Supplier เสนอสวนลด<br />
แบบลดครั้งเดียว<br />
คําสําคัญ: ปริมาณการสั่งซื้อแบบประหยัด,<br />
สินคาไมผานเกณฑ, การจัด<br />
สั่งเมื่อมีสินคาในอนาคต,<br />
สวนลดแบบลดครั้งเดียว<br />
Abstract<br />
In this work, we consider an economic order quantity model<br />
(EOQ) for items with imperfect quality under backorder policy. The<br />
items are 100% inspected and screened out the imperfect quality in the<br />
process. We extend a discount inventory model with backorder by<br />
accounting for imperfect quality items. The objective of the paper is to<br />
find the optimal policies; that is, the optimal ordered lot-size and<br />
backorder for one-time-only discount.<br />
Keywords: economic order quantity, imperfect quality, pure<br />
backordering, one-time-only discount<br />
1. Introduction<br />
Economic order quantity (EOQ) is well known and useful in<br />
practice. However, there are a lot of non realistic assumptions; many<br />
researchers try to relax them. Salameh and Jaber [1] assumed that<br />
defects may occur and could be sold in one batch after 100% screening<br />
process finished. Maddah and Jaber [2] corrected model in [1] by<br />
applying renewable theory. Besides Maddah and Jaber, many authors<br />
also develop model in [1]. Khan et al. [3] has reviewed many works<br />
related to [1]. Wee et al. [4] extended model in [1] by considering<br />
backorder. The model in [4] was completed by Chang et al. [5] who<br />
find exactly closed from of optimal order quantity and backorder. Hsu<br />
et al. [6] extended model in [1] by allowing one-time-only discount. In<br />
this work, we extend the model in [4] with addition of one-time-only<br />
discount and backorder.<br />
2. Notations and Assumptions<br />
The notations used in this paper are as follows. Let K be the<br />
fixed replace cost, D and x be the rate of demand and screening and<br />
assume that x>D, c and s are the unit purchasing and screening costs. d<br />
is the discount of purchasing cost per unit. h and b are the holding cost<br />
and backordering cost rate per unit per unit time. Let p be the defective<br />
percentage of each order, Qs and Bs be the order quantity and backorder<br />
size when one-time-only discount occurs. q is the remaining object<br />
( i )<br />
( i )<br />
when discount placed. NTcn and NTcs are the net total costs for<br />
current policy that apply Wee’s model[4] and discount case<br />
( i )<br />
respectively, D be a saving for model i (without loss of generality<br />
c>d)<br />
We consider only a single product under infinite time<br />
horizon. Demand and screening rate are assumed to be constant. The<br />
defective percentage is fixed and constant. In addition, the<br />
replenishment is instantaneous, and shortage is pure backordered.
3 Model Formulations<br />
When the order arrives, it will be distributed for previous<br />
backorder and inventory level drops when the demand occurs. At the<br />
same time, the 100% screening process is can screen out all defective<br />
items with a constant rate. When screening process is finished, all<br />
defective items will be sold in one batch.<br />
In this paper, we consider the case of one-time-only<br />
discount. To find the optimal order and backorder for one-time-only<br />
discount, we maximize saving cost that is a difference between net total<br />
cost of current policy and that of discount case. We consider two cases:<br />
1) Discount occurs at the ordering period, referred as<br />
Model A.<br />
2) Discount occurs after the screening process and<br />
inventory level is positive, referred as Model B.<br />
Let<br />
*<br />
Q n and<br />
*<br />
Bn be the optimal order quantity and backorder<br />
for Wee’s model, called these as current policy. *<br />
I n is the maximum<br />
* *<br />
inventory for Wee’s model that is Qn − Bn<br />
.<br />
3.1 Model A<br />
Figure 1 show the inventory level versus time for Model A.<br />
for current policy and discount<br />
Fig1. Inventory level versus time for Model A<br />
Net total cost for current policy is<br />
NTc<br />
a<br />
n<br />
2<br />
* ( c−d) hp *<br />
= K + ( c− d + s) Qn + Qn<br />
x<br />
( c−d) h ( c−d) b<br />
+ ( Q (1 − p) − B ) + B<br />
2D 2D<br />
* * 2<br />
2<br />
*<br />
n n<br />
n<br />
*<br />
* * Qs + In + Bs<br />
n( n, n)(<br />
1).<br />
*<br />
Qn<br />
+ Tc Q B<br />
−<br />
Discount<br />
Current policy<br />
(1)<br />
220<br />
The net total cost for discount is<br />
2<br />
a pQs<br />
NTcs = K + ( c− d + s) Qs + ( c− d) h[<br />
+<br />
x<br />
Q p B B<br />
where J is<br />
* 2 2<br />
( s(1 − ) − n) s<br />
] + ( c− d) b + J,<br />
2D 2D<br />
* pI ( + B)<br />
K + ( c+ s)( In + Bs) + ch[<br />
x<br />
2<br />
* 2 *<br />
( In(1 − p) − pBs) Bn<br />
+ ] + cb .<br />
2D 2D<br />
* 2<br />
n s<br />
Using (1) and (2), we obtain the optimal lot size and<br />
backorder in the closed form expression as shown in Theorem 1.<br />
Theorem 1 When discount occurs at the ordering period, the optimal<br />
order and backorder are<br />
* * *<br />
Tcn( Qn, Bn) Bn<br />
−[( c− d+ s) −( c−d) h(1 − p)( )]<br />
*<br />
* Qn<br />
D<br />
Qs<br />
=<br />
,<br />
2<br />
p (1 − p)<br />
2( c− d) h( + )<br />
x 2D<br />
* *<br />
Tcn( Qn, Bn) * 1 1−p<br />
− [( c + s) + 2 chpI ( − )]<br />
*<br />
n<br />
* Qn<br />
x 2D<br />
Bs<br />
=<br />
.<br />
b 1 p<br />
( c− d) + 2 chp(<br />
+ )<br />
D x 2D<br />
Proof Please see the proof in Appendix A.<br />
Observe that when d = 0, the solutions are reduced to Wee’s<br />
model [4].<br />
3.2 Model B<br />
Figure 2 shows the inventory level versus time for Model B.<br />
When inventory level is q, lot size is added.<br />
Discount<br />
Current policy<br />
Fig2. Inventory level versus time for Model B<br />
(2)<br />
(3)<br />
(4)
Saving Cost<br />
Saving Cost<br />
Fig3. d versus discount for Model A<br />
Fig4. d versus discount for Model B<br />
5. Conclusion<br />
The optimal order quantity and backorder are investigated<br />
for model of defective items under one-time-only discount and pure<br />
backordering. From numerical examples, the results show that 1) the<br />
firm should always order when discount occur at the ordering point 2)<br />
when discount is offered after the screening process and inventory is<br />
positive, the firm should order when discount is large enough 3) when<br />
unit discount is increases the firm should order more and increase the<br />
amount of backorder 4) when purchasing cost is decreases firm should<br />
order more and increase the amount of backorder.<br />
Appendix A<br />
To prove Theorem 1, we first construct saving cost that is<br />
( a) a a<br />
D = NTcn − NTcs.<br />
(9)<br />
It is easy to check that saving cost is convex. Next step is to<br />
find optimal Qs and Bs by take first derivative of D (a) with respect to Qs and Bs then set them equal to zero, we obtain<br />
d<br />
d<br />
222<br />
( a)<br />
∂D<br />
Tc<br />
pQ<br />
= −[( c− d + s) + 2( c−d) h<br />
*<br />
∂Qs<br />
Qn<br />
x<br />
*<br />
Qs(1 − p) −Bn<br />
+ ( c−d) h(1 − p)(<br />
)] = 0,<br />
D<br />
and<br />
∂D<br />
+<br />
∂B<br />
x<br />
( a)<br />
s<br />
*<br />
Tcn p( In = − [( c+ s) + 2ch<br />
*<br />
Qn<br />
Bs)<br />
*<br />
In(1 − p) − pBs Bs<br />
− chp( ) + ( c − d) b ] = 0.<br />
D D<br />
Solve for Q s and B s we get (3) and (4) respectively.<br />
s<br />
(10)<br />
(11)<br />
References<br />
[1] M.K. Salameh and M.Y. Jaber, “Economic production quantity<br />
model for items with imperfect quality”, Int. J. of Production<br />
Economics 64, 59-64, 2000.<br />
[2] B. Maddah and M.Y. Jaber, “Economic order quantity for items<br />
with imperfect quality: revisited”, Int. J. of Production Economics<br />
112 (2),808–815,2008.<br />
[3] M. Khan et al., “A review of the extensions of a modified EOQ<br />
model for imperfect quantity items”, Int. J. of Production<br />
Economics 132,1–12,2010.<br />
[4] H.M. Wee et al., “Optimal inventory model for items with<br />
imperfect quality and shortage backordering”, Omega 35, 7-11,<br />
2007.<br />
[5] H.-C. Chang and C.-H. Ho, “Exact closed-form solutions for<br />
“optimal inventory model for items with imperfect quality and<br />
shortage backordering””, Omega 38, 233-37, 2010.<br />
[6] W.-K. Hsu and H.-F. Yu, “EOQ model for imperfective items<br />
under a one-time-only discount”, Omega 37, 1018-26, 2009.
223<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การจัดตารางการผลิตแบบรอคอยงานในงานทดสอบคุณสมบัติฟลมสี<br />
Jobs scheduling method to minimize waiting time of jobs in testing film properties<br />
กฤษณพล สิงหอุบล 1 และ ศุภรัชชัย วรรัตน 2<br />
1, 2<br />
ภาควิชาการจัดการทางวิศวกรรม คณะวิศวกรรมศาสตร มหาวิทยาลัยธุรกิจบัณฑิตย<br />
เขตหลักสี่<br />
จังหวัดกรุงเทพฯ รหัสไปรษณีย 10210<br />
E-mail: 1 cantona943004@hotmail.com, 2 em.dpu@hotmail.com<br />
บทคัดยอ<br />
งานวิจัยเรื่องนี้เกิดจากปญหาการรอคอยงานในการทดสอบ<br />
คุณสมบัติสี ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงคเพื่อเสนอแบบจําลองที่<br />
เหมาะสมกับการจัดตารางการทดสอบคุณสมบัติสี โดยใชดัชนีชี้วัด<br />
ประสิทธิภาพ คือ เวลาปดงานของระบบ (Makespan) ความลาชา<br />
(Tardiness) ความลาชารวม (Total Tardiness) เวลาสาย (Lateness) เวลา<br />
ไหลของงาน (Flow Time) เวลาไหลของงานรวม (Total Flow Time)<br />
จํานวนงานที่สายทั้งหมด<br />
(Total Number of Late Jobs) เปรียบเทียบการ<br />
จัดตารางการทดสอบระหวางงานประจํา แบบจําลองที่นําเสนอ<br />
และกฎ<br />
การจายงานหรือกฎการจัดลําดับความสําคัญ คือ กฎการจายงานโดย<br />
คํานึงถึงกําหนดการสงมอบ กฎการจายงานโดยคํานึงถึงเวลาดําเนินการ<br />
นอยสุด กฎการจายงานโดยคํานึงถึงเวลาดําเนินการมากสุด กฎการจาย<br />
งานโดยคํานึงถึงงานที่เขามากอนจะดําเนินการกอน<br />
กฎการจายงานโดย<br />
คํานึงถึงเวลาหยอนนอยที่สุด<br />
และฮิวริสติกการยายคอขวด จากโปรแกรม<br />
การจัดตารางการผลิต แลวนํามาวิเคราะหผล ซึ่งพบวา<br />
ดัชนีชี้วัด<br />
ประสิทธิภาพของแบบจําลองที่นําเสนอนั้นสามารถลดจํานวนงานที่สาย<br />
ทั้งหมด<br />
(Total Number of Late Jobs) ลดลงจากเดิม 47% และเวลาไหล<br />
ของงานรวม (Total Flow Time) ลดลงจากเดิม 21% ดังนั้นการจัดตาราง<br />
การทดสอบคุณสมบัติสีของแบบจําลองที่นําเสนอนั้นสามารถตอบสนอง<br />
ตอความเหมาะสมของบริษัทได<br />
คําสําคัญ: การจัดตารางการผลิต, เวลาคอยงาน, การทดสอบคุณสมบัติสี<br />
Abstract<br />
This research is because of increase of testing properties.<br />
Therefore the objective of this research is to present new model for<br />
testing properties by efficiency indexes that Makespan, Tardiness, Total<br />
Tardiness, Lateness, Flow Time, Total Flow Time and Total Number of<br />
Late Jobs. Those indexes are compared between routine, new model and<br />
dispatching rule/priority rule such as Earliest Due Date, Shortest<br />
Processing Time, Longest Processing Time, First Come First Served,<br />
Minimum Slack Time and Shift Bottleneck Heuristic. Major fact<br />
finding, the efficiency indexes of new model can reduce to Total<br />
Number of Late Jobs 47% and Total Flow Time 21% so Jobs<br />
scheduling method to maximize waiting time of jobs in testing film<br />
properties effect to increase customer satisfaction and high efficiency.<br />
Keywords: job scheduling, waiting time, testing film<br />
1. บทนํา<br />
อุตสาหกรรมสีมีหลายประเภท ซึ่งในการวิจัยนี้จะกลาวถึงสีที่<br />
ใชในงานอุตสาหกรรมรถยนตในแผนกประเมินและควบคุมคุณภาพที่<br />
จะตองทําการทดสอบคุณสมบัติสี ซึ่งพบวาชวงเศรษฐกิจที่ขยายตัวมาก<br />
ขึ้น<br />
งานที่จะตองทําการทดสอบคุณสมบัติสีมีเพิ่มมากขึ้นอยางรวดเร็ว<br />
จึง<br />
มีผลทําใหเกิดการรอคอยงานในการทดสอบคุณสมบัติสี ดังนั้นผูวิจัย<br />
จําเปนที่จะตองนําแนวคิดเกี่ยวกับการจัดตารางการผลิตมาทําการจัด<br />
ตารางการทดสอบคุณสมบัติสีใหเหมาะสมเพื่อที่จะทําใหเครื่องจักร<br />
ทํางานไดมีสิทธิภาพมากที่สุดและดําเนินการทดสอบคุณสมบัติสีไดอยาง<br />
ตอเนื่อง<br />
2. วิธีการทดลอง<br />
2.1 ขอมูลและหลักเกณฑในการจัดตารางการทดสอบ<br />
ผูวิจัยไดทําการเก็บขอมูลแลวทําการแบงกลุมการทดสอบได<br />
เปน 2 กลุม<br />
ดังนี้<br />
1. กลุมที่ใชระยะเวลาทดสอบสั้น<br />
คืองาน A B C จะ<br />
กําหนดใหทําการรอคอยงานกอนการทดสอบเปนเวลา 4 วัน<br />
2. กลุมที่ใชระยะเวลาทดสอบนาน<br />
คืองาน D E F G จะ<br />
กําหนดใหทําการรอคอยงานกอนการทดสอบเปนเวลา 3 วัน<br />
จากขอมูลขางตนสรุปไดดังตารางที่<br />
1
่ ตารางที 1 จํานวนวันในการรอคอยงานกอนการทดสอบคุณสมบัติสี (วัน)<br />
งาน ระยะเวลาในการทดสอบ จํานวนวันในการคอยงาน<br />
คุณสมบัติสี (วัน) กอนการทดสอบคุณสมบัติสี<br />
(WTj) A 2 4<br />
B 3 4<br />
C 4 4<br />
D 6 3<br />
E 7 3<br />
F 11 3<br />
G 13 3<br />
ผูวิจัยไดทําการสรางเกณฑในการจัดตารางการทดสอบ<br />
คุณสมบัติสีใหเหมาะสม ซึ่งใชหลักการการจัดตารางการผลิตแบบเวลา<br />
ทํางานนานที่สุดเขาทํางานกอน<br />
(LPT) พรอมทั้งหลักการจัดตารางการ<br />
ผลิตโดยคํานึงถึงเวลาหยอนหรือเวลาหนวง (Slack time) ของงาน พัฒนา<br />
รวมกับกระบวนการทํางานกลายเปนแบบจําลองหรือเกณฑในการ<br />
จัดลําดับการทดสอบคุณสมบัติสี ดังขั้นตอนตอไปนี้<br />
ขั้นตอนที่<br />
1 ผูวิจัยไดทําการกําหนดเวลารอคอยงานตามเกณฑดังนี้<br />
- เมื่อมีงาน<br />
A หรือ B หรือ C เขามาในระบบใหทําการรอคอย<br />
งานกอนการทดสอบคุณสมบัติสีหรือเวลาคอย (Waiting Time, WTj) เปน<br />
ระยะเวลา 4 วัน นับตั้งแตไดรับงาน<br />
- หรือเมื่อมีงาน<br />
D หรือ E หรือ F หรือ G เขามาในระบบใหทํา<br />
การคอยงานกอนการทดสอบคุณสมบัติสีหรือเวลาคอย (Waiting Time,<br />
WTj) เปนระยะเวลา 3 วัน นับตั้งแตไดรับงาน<br />
ขั้นตอนที่<br />
2. ผูวิจัยไดทําการคํานวณโดยใชหลักการดังนี้<br />
- พิจารณางานจากเวลาพรอมเริ่มงาน<br />
(Ready Time, rj) ที่นอย<br />
ที่สุดกอน<br />
และจะรองานตามเวลาคอย (Waiting Time, WTj) - ถาระหวางเวลาคอยงานมีงานทดสอบที่ใชเวลาในการ<br />
ทดสอบคุณสมบัติสีเทากัน ใหนํางานใหมนั้นคอยงานตามเวลาคอยของ<br />
งานแรกและเมื่อครบกําหนดเวลาคอยของงานแรก<br />
ใหนํางานแรกและ<br />
งานใหมนั้นทําการทดสอบพรอมกันได<br />
และใชงานแรกในการคํานวณคา<br />
ตางๆ ยกเวนการคํานวณจํานวนงานสาย (ถางานใหมที่เขามาระหวางเวลา<br />
คอยงานของงานแรกใชระยะเวลาไมเทากันแลว ใหงานใหมนั้นคอยงาน<br />
ตามเกณฑที่กําหนดตอไป)<br />
224<br />
- ถาเวลาพรอมเริ่มงาน<br />
(Ready Time, rj) มีคาเทากัน (มีงานเขา<br />
มาพรอมกันหรือวันเดียวกัน) จะตองพิจารณาที่เวลาคอย<br />
(Waiting Time,<br />
WTj) ที่นอยที่สุดตามเกณฑกอน<br />
- ถาเวลาคอยงาน (Waiting Time, WTj) มีคาเทากัน ให<br />
พิจารณาระยะเวลากระบวนการทํางานที่มากที่สุดเลือกทํากอน<br />
- การคํานวณคาตางๆ ใหอางอิงจากงานแรกที่มาคอยงานกอน<br />
แตดัชนีชี้วัดประสิทธิภาพในสวนของจํานวนงานที่สายใหคิดตามเวลา<br />
เสร็จจริงจากการคํานวณและวันสงจริง<br />
สามารถเขียนเปนสมการเบื้องตนไดดังรูปที่<br />
1<br />
รูปที่<br />
1 ขั้นตอนในการคํานวณคาตางๆ<br />
ขั้นตอนที่<br />
3 ผูวิจัยไดนํารูปแบบการจัดตารางกระบวนการทดสอบ<br />
คุณสมบัติสีนี้<br />
ไปทําการเปรียบเทียบกับกฎการจัดลําดับความสําคัญหรือ<br />
กฎการแจกจายงาน คือ EDD, SPT, LPT, FCFS พรอมกับวิธีการฮิวรีสติก<br />
แบบยายคอขวด (Shifting Bottleneck Heuristics) เพื่อทดสอบกับ<br />
แบบจําลองที่ผูวิจัยนําเสนอวามีความแตกตางอยางไรบาง<br />
2.2 กรอบแนวคิด<br />
ผูวิจัยไดทําการแบงแนวคิดในการศึกษาเปน<br />
3 ชวงการศึกษา<br />
ดังรูปที่<br />
2 ซึ่งจะประกอบไปดวย<br />
1. ชวงหนึ่ง<br />
ตั้งแตเดือนมกราคม<br />
ถึงเดือนมิถุนายน 2553 โดย<br />
เลือกเดือนที่มีปริมาณของงานที่เขามาทําการทดสอบที่ไมตอเนื่องหรือ<br />
เปนอิสระจากเดือนกอนหนา เพื่อใหเห็นการเปรียบเทียบระหวางงาน<br />
ประจําและแบบจําลองที่สรางไดอยางชัดเจนแลวทดสอบกับดัชนีชี้วัด<br />
ประสิทธิภาพของการจัดตารางการทดสอบคุณสมบัติสีของแบบจําลองที่<br />
สรางขึ้นเหมาะสมกับการจัดตารางการทดสอบคุณสมบัติสีหรือไม<br />
เมื่อ<br />
เปรียบเทียบกับงานประจํา และกฎการจัดความสําคัญในโปรแกรม Lekin<br />
2. ชวงสอง ตั้งแตเดือนกรกฎาคม<br />
ถึงเดือนตุลาคม 2553 โดย<br />
เลือกเดือนที่มีปริมาณงานของงานที่เขามาทําการทดสอบที่ไมตอเนื่อง<br />
หรือเปนอิสระจากเดือนกอนหนา เพื่อใหเห็นการเปรียบเทียบระหวาง<br />
งานประจําและแบบจําลองที่สรางไดอยางชัดเจนแลวทดสอบกับดัชนีชี้
วัดประสิทธิภาพของการจัดตารางการทดสอบคุณสมบัติสีของ<br />
แบบจําลองที่สรางขึ้นเหมาะสมกับการจัดตารางการทดสอบคุณสมบัติสี<br />
เมื่อทําการเปรียบเทียบกับงานประจํา<br />
และกฎการจัดความสําคัญใน<br />
โปรแกรม Lekin หรือไม<br />
3. ชวงสาม ตั้งแตเดือนมกราคม<br />
ถึงเดือนตุลาคม 2553 โดยใช<br />
ขอมูลจากงานทั้งหมดที่ไดรับหมอบหมายใหทําการทดสอบคุณสมบัติสี<br />
2.3 ผลการทดลอง<br />
รูปที่<br />
2 กรอบแนวคิดในการวิจัย<br />
ตารางที่<br />
2 การเปรียบเทียบชวงที่สามตั้งแตเดือน<br />
มกราคม – ตุลาคม 2553<br />
KPI Routine Model FCFS % Diff.<br />
เวลาปดงานของระบบ 302 306 302 1.32<br />
ความลาชา 9 11 9 22.22<br />
จํานวนงานที่สายทั้งหมด<br />
21 11 21 -47.62<br />
เวลาไหลของงานรวม 7679 6035 7679 -21.41<br />
ความลาชารวม 45 30 45 -33.33<br />
จากตารางที่<br />
2 พบวาการจัดตารางการทดสอบคุณสมบัติสีของ<br />
แบบจําลองที่นําเสนอนั้นมีดัชนีชี้วัดประสิทธิภาพดีที่สุดคือ<br />
มีจํานวนงาน<br />
ที่สายทั้งหมดลดลง<br />
47% เวลาไหลของงานรวมลดลง 21% และมีความ<br />
ลาชารวมลดลง 33% ทั้งนี้การจัดตารางการทดสอบคุณสมบัติสีของงาน<br />
ประจําและแบบ FCFS มีเวลาปดงานของระบบและคาความลาชามีคา<br />
เทากัน<br />
จากนั้นนํามาเปรียบเทียบกับกฎการจัดลําดับความสําคัญหรือ<br />
กฎการแจกจายงาน คือ EDD, SPT, LPT, FCFS และวิธีการฮิวรีสติกแบบ<br />
225<br />
ยายคอขวด (Shifting Bottleneck Heuristics) เพื่อทําการทดสอบกับ<br />
แบบจําลองที่ผูวิจัยนําเสนอวามีความแตกตางอยางไรบาง<br />
3. สรุปผลการทดลอง<br />
ผูวิจัยไดทําการเปรียบเทียบการจัดตารางการทดสอบ<br />
คุณสมบัติสีระหวางแบบจําลองที่สรางขึ้น<br />
แบบงานประจําและการจัด<br />
ตารางการทดสอบในโปรแกรม Lekin ซึ่งคือ<br />
แบบงานประจํา แบบจําลอง<br />
ที่นําเสนอ<br />
แบบ EDD แบบ SPT แบบ LPT แบบ FCFS แบบ MST และ<br />
แบบ Shift Bottleneck Heuristic เพื่อเปรียบเทียบคาดัชนีชี้วัด<br />
ประสิทธิภาพการทํางาน คือ เวลาปดงานของระบบ (Makespan) ความ<br />
ลาชา (Tardiness) ความลาชารวม (Total Tardiness) เวลาสาย (Lateness)<br />
เวลาไหลของงาน (Flow Time) เวลาไหลของงานรวม (Total Flow Time)<br />
จํานวนงานที่สายทั้งหมด<br />
(Total Number of Late Jobs) เปนเกณฑในการ<br />
พิจารณาประสิทธิภาพของการจัดตารางการผลิต ซึ่งพบวาการจัดตาราง<br />
ของแบบจําลองที่นําเสนอมีคาดัชนีชี้วัดประสิทธิภาพดีที่สุด<br />
ซึ่งผูวิจัย<br />
พิจารณาเฉพาะคาของจํานวนงานที่สายทั้งหมดและเวลาไหลของงานรวม<br />
เนื่องจากความลาชารวมเปนผลมาจากจํานวนงานที่สายทั้งหมดและเวลา<br />
ไหลของงานรวมมีคานอยกวาแบบอื่นๆ<br />
และคาดัชนีชี้วัดประสิทธิภาพ<br />
อื่นๆ<br />
มีคาใกลเคียงกัน<br />
รูปที่<br />
3 จํานวนงานที่สายทั้งหมด<br />
รูปที่<br />
4 เวลาไหลของงานรวม
จากรูปที่<br />
3 และรูปที่<br />
4 ผูวิจัยไดผลการทดลองสรุปไดวา<br />
คา<br />
ดัชนีชี้วัดประสิทธิภาพของการจัดตารางการทดสอบคุณสมบัติสี<br />
แบบจําลองที่นําเสนอโดยพิจารณาที่จํานวนงานสายทั้งหมดในเดือน<br />
มกราคม-มิถุนายน ลดลง 10% ในเดือนกรกฎาคม-ตุลาคม ลดลง 78%<br />
และภาพรวมทั้งหมดลดลง<br />
47% เนื่องจากจํานวนงานสายนั้นเปนดัชนีที่<br />
สําคัญตอความพึงพอใจของลูกคาที่นําไปสูความพึงพอใจที่จะทําธุรกิจ<br />
รวมกับทางบริษัทฯ<br />
ผูวิจัยพิจารณาที่เวลาไหลของงานรวมในเดือนมกราคม-<br />
มิถุนายน ลดลง 15% ในเดือนกรกฎาคม-ตุลาคม ลดลง 25% และ<br />
ภาพรวมทั้งหมดลดลง<br />
21% ดังนั้นในกระบวนการทดสอบเครื่องจักร<br />
เดินเครื่องนอยแตไดประสิทธิภาพที่ดีที่สุด<br />
เอกสารอางอิง<br />
[1] ชัชพล มงคลิก 2543. การจัดลําดับการผลิตและการจัดตารางแบบ<br />
โตตอบ กรณีศึกษาอุตสาหกรรมผลิตชิ้นสวนยานยนต<br />
วิทยานิพนธ<br />
ปริญญามหาบัณฑิต สาขาวิศวกรรมอุตสาหการ. กรุงเทพฯ.<br />
จุฬาลงกรณมหาวิทยาลัย.<br />
[2] ธนกฤต แกวนุย<br />
2549. การจัดลําดับการผลิตและการจัดตารางการ<br />
ผลิตแบบพหุเกณฑ กรณีศึกษาอุตสาหกรรมเฟอรนิเจอรเหล็ก<br />
วิทยานิพนธปริญญามหาบัณฑิต สาขาการจัดการทางวิศวกรรม.<br />
กรุงเทพฯ มหาวิทยาลัยธุรกิจบัณฑิตย.<br />
[3] ธารทิพ อินทรผิว (2552). การจัดลําดับการผลิตและการจัดตาราง<br />
การผลิตโดยมีผลรวมของเวลาลาชาของงานและเวลาที่งานเสร็จ<br />
กอนกําหนดเปนตัวชี้วัด<br />
กรณีศึกษา โรงงานอุตสาหกรรมผลิต<br />
ชิ้นสวนพลาสติก<br />
วิทยานิพนธปริญญามหาบัณฑิต สาขาการจัดการ<br />
โซอุปทานแบบบูรณาการ กรุงเทพฯ มหาวิทยาลัยธุรกิจบัณฑิตย<br />
[4] พัชราวลัย แสงอรุณ (2545). การจัดตารางการผลิต กรณีศึกษา<br />
โรงงานผลิต คอมเพรสเซอร.วิทยานิพนธปริญญามหาบัณฑิต สาขา<br />
วิศวกรรมอุตสาหการ กรุงเทพฯ จุฬาลงกรณมหาวิทยาลัย.<br />
[5] ปารเมศ ชุติมา. (2546). เทคนิคการจัดตารางการดําเนินงาน.<br />
กรุงเทพฯ: จุฬาลงกรณมหาวิทยาลัย<br />
[6] ปารเมศ ชุติมา. (2551). การประยุกตเทคนิคการจัดตารางใน<br />
[7]<br />
อุตสาหกรรม. กรุงเทพฯ: จุฬาลงกรณ มหาวิทยาลัย<br />
ไฮเซอร, เรนเดอร. (2551). การจัดการการผลิตและการปฎิบัติการ.<br />
แปลจาก Operations Management โดย ดร.จินตนัย ไพรสณฑ และ<br />
คณะ. กรุงเทพฯ: เพียรสัน เอ็ดดูเคชั่น<br />
อินโดไชนา.<br />
[8] Nong Ye, Xueping Li, Toni Farley, Xiaoyun Xu. 2005. December.<br />
Job scheduling methods for reducing waiting time variance<br />
Computers & Operations Research, 34 p.3069-3083.<br />
226<br />
[9] Xueping Li, Nong Ye, Tieming Liu, Yang Sun. 2005, December.<br />
Job scheduling to minimize the weighted waiting time. Computers<br />
& Industrial Engineering, 52, p.41-56.<br />
[10] Y. Guo, A. Lim, B. Rodrigues, S. Yu. 2004, July. Minimizing<br />
total flow time in single machine environment with release time:<br />
an experimental analysis. Computers & Industrial Engineering,<br />
47, p.123-140.<br />
[11] Michael Pinedo. 1995. Scheduling Theory algorithm and systems.<br />
New Jersey Prentice-Hall.<br />
[12] Michael Pinedo. 2002. Scheduling Theory algorithm and systems<br />
(2 nd ed.). New Jersey Prentice-Hall.<br />
[13] Philippe C., Edward G. and Jan K. 1995. Scheduling Theory and<br />
its Applications. England John Wiley & Sons.<br />
[14] Konstantin K. and Eugene K. 2000. Scheduling Control-Based<br />
Theory and Polynominal-Time Algorithm. Netherlands Kluwer<br />
Academic Publishers.<br />
กฤษณพล สิ งหอุ บล สํ าเร็จการศึกษา วิศวกรรมศาสตรบัณฑิต สาขาปโตรเคมีและวัสดุ<br />
พอลิเมอร จากมหาวิทยาลัยศิลปากร ปจจุบัน<br />
กําลังศึกษาระดับปริญญาโท วิทยาศาสตร<br />
มหาบัณฑิต สาขาการจัดการทางวิศวกรรม จากมหาวิทยาลัยธุรกิจ<br />
บัณฑิตย และพนักงานบริษัท ออริจิน อีซึ่น<br />
เพนท จํากัด ตําแหนงผูจัดการ<br />
สวนประเมินคุณภาพและควบคุมกระบวนการ ฝายวิศวกรรม งานวิจัยที่<br />
สนใจเกี่ยวกับ<br />
การจัดตารางการผลิต การลดของเสียในกระบวนการ การ<br />
ควบคุมคุณภาพ การปรับปรุงผลิตภาพ ระบบการจัดการในอุตสาหกรรม
227<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
ระบบสนับสนุนการตัดสินใจ ในการปรับปรุงการวางแผนการผลิต<br />
: กรณีศึกษาโรงงานผลิตชิ้นสวนยานยนต<br />
Decision Support System for Production Planning Improvement<br />
: A Case Study of Automotive manufacturing<br />
อรศิริ ดําสนิท 1<br />
1 สาขาวิชาระบบสนับสนุนการตัดสินใจ ภาควิชาสถิติ คณะวิทยาศาสตร มหาวิทยาลัยรามคําแหง<br />
บทคัดยอ<br />
การศึกษาครั้งนี้มีวัตถุประสงคเพื่อหาแนวทางการปรับปรุง<br />
การวางแผนการผลิต ของอุตสาหกรรมผลิตชิ้นสวนยานยนต<br />
โดยการลด<br />
ปริมาณวัสดุคงคลัง ( ทั้งที่เปนวัสดุคงคลังของสินคาที่ผลิตแลว<br />
และ วัสดุ<br />
คงคลังระหวางการผลิต ) เพื่อใหขนาดพื้นที่ในจัดเก็บวัสดุคงคลังลดลง<br />
และนําไปสูการขยายกําลังการผลิต<br />
จากการรวบรวมขอมูลในป พ.ศ.<br />
2553 นํามาวิเคราะหเพื่อสรางเปนระบบสนับสนุนการตัดสินใจในการ<br />
ปรับปรุงการวางแผนการผลิต โดยพิจารณาการหาตนทุนการผลิต<br />
โดยรวม จาก 3 แนวทาง คือ แนวทางที่<br />
1 วิเคราะหการผลิตและปริมาณ<br />
วัสดุคงคลังในอดีต แนวทางที่<br />
2 สรางตัวแบบการวางแผนการผลิตรวม<br />
โดยใชกําหนดการเชิงเสนในการวางแผนการผลิต ผลการศึกษาพบวา<br />
ตนทุนการผลิตโดยรวมลดลงรอยละ 54.62 และความตองการใชพื้นที่<br />
ลดลงรอยละ 80.80 เมื่อเทียบกับแนวทางที่<br />
1 แนวทางที่<br />
3 ศึกษาโดยใช<br />
ตัวแบบการหาปริมาณการผลิตอยางประหยัดภายใตการผลิตเต็มกําลัง<br />
พบวาตนทุนการผลิตโดยรวมลดลงรอยละ 71.95 และความตองการใช<br />
พื้นที่ลดลงรอยละ<br />
91.17 เมื่อเทียบกับแนวทางที่<br />
1 สรุปผลการศึกษาคือ<br />
การลดปริมาณวัสดุคงคลัง ดวยการวางแผนการผลิตรวมและการหา<br />
ปริมาณการผลิตอยางประหยัดภายใตการผลิตเต็มกําลัง ใหผลที่คลายกัน<br />
ในแงของการลดตนทุนการผลิตโดยรวม อยางไรก็ตามการนําการวาง<br />
แผนการผลิตรวมและการหาปริมาณการผลิตอยางประหยัดภายใตการ<br />
ผลิตเต็มกําลังไปใชสําหรับการวางแผนการผลิต ควรพิจารณาให<br />
เหมาะสมกับลักษณะความตองการสินคาในอนาคต<br />
คําสําคัญ: การวางแผนผลิตรวม, การหาปริมาณการผลิตอยางประหยัด,<br />
วัสดุคงคลัง, ตนทุนโดยรวมในการผลิต<br />
Abstract<br />
This study aims to find the production planning<br />
improvement of automotive industry by number of inventory decreasing<br />
เขตบางกะป จ.กรุงเทพฯ 10240<br />
โทรศัพท: 083-011-5535 E-mail: 1 onytoon@hotmail.com<br />
(both of finished goods and work-in-process inventory), that result to<br />
decrease the storage area and lead to capacity expansion. From the<br />
analysis of summarized data in 2010, then we create the decision<br />
support system for production planning improvement with three<br />
concepts for finding total production cost . The first one is the analysis<br />
of the production and number of inventory. The second concept applies<br />
the aggregate production planning with linear programming in<br />
production planning, the result show that, we can decrease 54.62 % of<br />
total production cost and 90.80 % of area need, compare to the first<br />
concept. The last one, we use the economic production quantity model,<br />
which decrease 71.95 % of total production cost and 91.17 % of area<br />
need, compare to the first concept. We conclude that the aggregate<br />
production planning and the economic production quantity model give<br />
the similar result in terms of total production cost. However, for the<br />
production planning applying, we should consider the concept which<br />
match to the future demand of goods.<br />
Keywords: Aggregate planning, Economic Production Quantity,<br />
Inventory, Total production cost,.<br />
1. คํานํา<br />
แนวโนมอุตสาหกรรมยานยนตไทย คาดการณปริมาณการ<br />
ผลิตรถยนตเดือนมกราคม ป 2554 มีปริมาณการผลิตทั้งสิ้น<br />
144,000 คัน<br />
เพิ่มขึ้นรอยละ<br />
39 และภายใตสภาวะตลาดที่มีความตองการเพิ่มขึ้นอยาง<br />
ตอเนื่อง<br />
ผูประกอบการมีจุดประสงคที่จะตอบสนองตอความตองการของ<br />
ตลาดภายใตทรัพยากรและปจจัยในการผลิตตาง ๆ ที่มีอยูอยางจํากัด<br />
หรือ<br />
จะทําใหผลผลิตเพิ่มมากขึ้นในขณะที่ตนทุนคงที่<br />
จากเหตุผลดังกลาวจึง<br />
นําไปสูกลยุทธของ<br />
การบริหารจัดการดานตนทุนวัสดุคงคลังเพราะการมี
วัสดุคงคลังนั้นจําเปนตองใชเงินทุน<br />
ซึ่งมีมูลคาสูงในกลุมของทรัพยสิน<br />
หมุนเวียนโดยจะสงผลตอสภาพคลองทางการเงินและขีดความสามารถ<br />
ในการแขงขันทางธุรกิจในระยะยาวได<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อศึกษาแผนการผลิตโดยการ<br />
บริหารจัดการวัสดุคงคลังของโรงงานผลิตชิ้นสวนยานยนต<br />
โดยใชการ<br />
วางแผนการผลิตรวมเปรียบเทียบกับการวางแผนการผลิตอยางประหยัด<br />
เพื่อสรางระบบสนับสนุนการตัดสินใจในการปรับปรุงแผนการผลิต<br />
โดย<br />
พิจารณาที่ตนทุนต่ําสุด<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวของ<br />
2.1 การวางแผนการผลิตรวม<br />
เปนการวางแผนการผลิตเพื่อตอบสนองอุปสงคระยะปาน<br />
กลาง (6-12 เดือน) เมื่อกําหนดอัตราการผลิต<br />
ระดับ แรงงาน และระดับ<br />
สินคาคงคลัง ภายใตขอจํากัดของกําลังการผลิตที่มีอยู<br />
ผลจากการวาง<br />
แผนการผลิตรวม คือ แผนลําดับการผลิตหลัก (master production<br />
scheduling) ซึ่งใชหลักในการวางแผนงานระยะสั้นที่จะตองแยกยอย<br />
รายละเอียดใหแตละหนวยงานรับไปปฏิบัติ ปจจัยที่ใชเปนหลักในการ<br />
วางแผนการผลิตรวมมีดังตอไปนี้<br />
1. ผลิตภัณฑ การวางแผนการผลิตรวมจะยึดผลิตภัณฑ<br />
หมวดหมูเดียวกันเปนหลักเพราะในสายผลิตภัณฑเดียวกันจะมีแนวโนม<br />
อุปสงค การใชกระบวนการผลิต แรงงาน วัตถุดิบ ที่เหมือนกัน<br />
สาย<br />
ผลิตภัณฑเดียวกัน<br />
2. แรงงาน การวางแผนการผลิตรวมสามารถยึดเอาความ<br />
ยืดหยุนของแรงงานเปนหลัก<br />
3. เวลา การวางแผนการผลิตรวมที่ใชเวลาเปนหลักที่จะทําการ<br />
วางแผนในแนวนอน (planning horizon) โดยคิดวาในแตละชวงเวลาของ<br />
ปตองผลิตอะไร เทาใด ใชคนงานและวัตถุดิบเทาใด เพราะโดยทั่วไป<br />
มักจะวางแผนการผลิตรวมใน 1 ป แตก็ตองทําการปรับปรุงแผนการผลิต<br />
เมื่อเกิดการเปลี่ยนแปลงใหสอดคลองตามความเปนจริงตามสมควร<br />
2.2 ปญหากําหนดการโปรแกรมเชิงเสน<br />
ปญหาโปรแกรมเชิงเสน คือ ปญหาที่เกี่ยวกับการใชหรือการ<br />
จัดสรรทรัพยากรที่มีอยางจํากัด<br />
ใหบรรลุถึงเปาหมายที่วางไว<br />
อยางมี<br />
ประสิทธิภาพ เปาหมายจะเปนฟงกชันเชิงเสนของตัวแปร เรียกวาฟงกชัน<br />
เปาหมาย (Objective Function) กําหนดในเทอมของการหาคาสูงสุดหรือ<br />
การหาคาต่ําสุดของฟงกชัน<br />
โดยมีขอจํากัดเกี่ยวกับการใชทรัพยากรซึ่ง<br />
เขียนเปนสมการหรืออสมการเชิงเสนของตัวแบบปญหาไดดังนี้<br />
หาคาสูงสุด (หาคาต่ําสุด)<br />
228<br />
P =<br />
โดยมีขอจํากัด<br />
n<br />
∑<br />
j=<br />
1<br />
n<br />
∑ ij<br />
j=<br />
1<br />
a x<br />
c<br />
jx j<br />
{ ≤,<br />
≥,<br />
= } b ; i = 1,<br />
2,...,<br />
m<br />
และ ≥ 0 ; j = 1,<br />
2,...,<br />
n<br />
x j<br />
เมื่อ<br />
j ij a c , และ b ตางเปนคาคงที<br />
i ่<br />
j<br />
i<br />
x j เปนตัวแปรที่ตองการหาคาเพื่อใหได<br />
P เปนคาสูงสุด หรือต่ําสุด<br />
2.3 ทฤษฎีสินคาคงคลัง<br />
การบริหารวัสดุคงคลัง การทําความเขาใจถึงความแตกตาง<br />
ระหวางความตองการที่เปนอุปสงคอิสระและอุปสงคตาม<br />
เปนสิ่งสําคัญ<br />
เพราะระบบวัสดุคงคลังโดยรวม ไดรับการวินิจฉัยแลววาความตองการที่<br />
เกิดขึ้นถูกขับเคลื่อนจากวัสดุขั้นสุดทาย<br />
(End Item) ซึ่งสามารถสรุปให<br />
เห็นถึงความแตกตางระหวางอุปสงคอิสระและอุปสงคตามไดดังนี้<br />
1. อุปสงคอิสระ (Independent Demand) หมายถึง วัสดุที่ไมได<br />
ถูกขับเคลื่อนความตองการจากวัสดุรายอื่น<br />
ความตองการของวัสดุที่เปน<br />
อุปสงคอิสระมักถูกขับเคลื่อนจากความตองการภายนอก<br />
และมักมีความ<br />
ไมแนนอน เชน ความตองการผลิตภัณฑของลูกคา ความตองการชิ้นสวน<br />
บริการเพื่อการซอม<br />
เปนตน วัสดุที่จัดวาเปนอุปสงคอิสระ<br />
ไดแก<br />
ผลิตภัณฑสําเร็จรูป ชิ้นสวนบริการ<br />
ชิ้นสวนเพื่อการทดสอบแบบทําลาย<br />
เปนตน<br />
2. อุปสงคตาม (Dependent Demand) หมายถึง ความตองการที่<br />
ตองพึ่งพาหรือขึ้นอยูกับหรือถูกขับเคลื่อนจากความตองการของวัสดุอื่น<br />
ระบบ Material requirements Planning (MRP) มองวาความตองการที่<br />
เปนอุปสงคตาม ไดมาจากการคํานวณไมใชจากการพยากรณ ซึ่งโดย<br />
แนวคิดแลวอุปสงคตาม คอนขางจะเปนปญหาการคํานวณแบบตรง ๆ<br />
โดยปริมาณความตองการของวัสดุที่เปนอุปสงคตามรายการหนึ่งสามารถ<br />
จะคํานวณไดงาย ๆ จากฐานของจํานวนที่ตองการของวัสดุที่อยูในระดับ<br />
ที่สูงกวาซึ่งจะนําวัสดุที่เปนอุปสงคตามดังกลาวไปใช<br />
การประยุกตใชวิธีการคํานวณหาปริมาณการสั่งที่ประหยัด<br />
เมื่อผูบริหารตองตัดสินใจเกี่ยวกับปริมาณการสั่งในระบบปริมาณสั่งคงที่<br />
มีสมมติฐานที่ใชในการสรางตัวแบบทางคณิตศาสตรสําหรับการคํานวณ<br />
ปริมาณการสั่งที่ประหยัด<br />
คือ 1. เราสามารถประมาณคาความตองการตอ<br />
ป ตนทุนถือครองวัสดุคงคลังตอป และตนทุนในการสั่งตอปของวัสดุแต<br />
ละรายการ 2.ไมใชสตอกปลอดภัย จะมีการจัดสงวัสดุดวยอัตราสม่ําเสมอ<br />
และจะใชสัสดุจนหมดเมื่อวัสดุที่สั่งรุนถัดไปมาสงพอดี<br />
3. ไมมีการขาดส
ตอกและไมมีคาใชจายอื่นตามมา<br />
4. ไมมีสวนลดราคาพัสดุคงคลัง 5.<br />
อัตราการผลิตมากกวาอัตราการใช<br />
ซึ่งสมการของการหาปริมาณการผลิตอยางประหยัดคือ<br />
และตนทุนโดยรวมของการสั่งผลิตผลิตภัณฑ<br />
คือ<br />
โดยที่<br />
TC = ตนทุนรวม (บาท)<br />
Q = จํานวนหนวยการผลิตที่เหมาะสมตอการเดินเครื่อง<br />
1 ครั้ง<br />
R = จํานวนที่ตองการตอป<br />
S = คาใชจายในการตั้งเครื่องตอครั้ง<br />
U = อัตราการใช (หรืออัตราการขาย) หนวยตอวัน<br />
P = อัตราการผลิต หนวยตอวัน<br />
C = ราคาตนทุนตอหนวย<br />
I = คาใชจายในการจัดเก็บ แสดงเปนเปอรเซ็นตของมูลคาเฉลี่ย<br />
สินคาสําเร็จคงคลัง<br />
3. วิธีการดําเนินการวิจัย<br />
3.1 ศึกษาและรวบรวมขอมูล<br />
กรณีศึกษาเปนปญหาที่พบในโรงงานผลิตชิ้นสวนยานยนต<br />
ที่<br />
มีความหลากหลายของสายการผลิตแยกตามผลิตภัณฑทั้งสิ้น<br />
6<br />
ผลิตภัณฑ เพื่อศึกษาแผนการผลิตโดยการบริหารจัดการวัสดุคงคลังที่<br />
เหมาะสม ผูศึกษาไดทําการวิเคราะหสัมประสิทธิ์ความแปรปรวนของ<br />
ความตองการของลูกคาในอดีตคือ พ.ศ 2549-พ.ศ.2553 เพื่อพิจารณาวา<br />
ความตองการมีความแนนอนและคงที่เพียงพอที่จะใชสูตรการหาปริมาณ<br />
การผลิตอยางประหยัด ดวยเทคนิค Peterson และ Silver พบวาคา<br />
สัมประสิทธิ์ความแปรปรวนมีคาเพียง<br />
0.06 แสดงใหเห็นวาความตองการ<br />
ผลิตภัณฑคอนขางคงที่และสามารถใชแบบจําลองของขนาดการสั่งผลิต<br />
อยางประหยัดได แสดงดังรูปที่<br />
1<br />
รูปที่<br />
1 ผลการวิเคราะหสัมประสิทธิ์ของ<br />
229<br />
ความแปรปรวนพรอมกราฟแสดงผลขอมูล<br />
3.2 สรางตัวแบบจําลองของระบบการปรับปรุงการวาง<br />
แผนการผลิต<br />
จากผลการวิเคราะหขอมูล เพื่อนํามาสรางตัวแบบจําลองของ<br />
ระบบการปรับปรุงการวางแผนการผลิต ซึ่งแบงเปน<br />
2 ตัวแบบ คือ<br />
3.2.1 การหาปริมาณการผลิตอยางประหยัด<br />
ประยุกตใชแบบจําลองทางดานการวางแผนการผลิตดวยการ<br />
หาปริมาณการผลิตอยางประหยัด โดยนําขอมูลการขายผลิตภัณฑ<br />
(มอเตอรสตารท) ในอดีตมาทําการวิเคราะหเพื่อคํานวณหาขอมูลปริมาณ<br />
การผลิตที่ประหยัดสุด<br />
จุดสั่งผลิต<br />
ตนทุนในการสั่งผลิต<br />
รวมทั้งตนทุน<br />
รวมทั้งป<br />
เปรียบเทียบกับขอมูลการสั่งผลิต<br />
และตนทุนรวมทั้งปในอดีต<br />
จากสมการ การหาปริมาณการผลิตอยางประหยัดที่ตองพิจารณาตนทุน<br />
อื่น<br />
ๆ ประกอบดวย ดังนั้นเพื่อใหสอดคลองกับความเปนจริงของโรงงาน<br />
กรณีศึกษา จึงไดทําการกําหนดสูตรของตนทุนตาง ๆ ดังนี้<br />
(1) ตนทุนคาใชจายในการติดตั้งเครื่องตอครั้ง<br />
คํานวณจาก<br />
(2) อัตราการใช (หรืออัตราการขาย) คํานวณจาก<br />
(3) อัตราการผลิต คํานวณจาก<br />
โดยที่<br />
จํานวนการผลิตตอชั่วโมงคํานวณจาก<br />
3.2.2 การวางแผนการผลิตรวมดวยการโปรแกรมเชิงเสน<br />
ประยุกตใชแบบจําลองทางดานการวางแผนการผลิตรวมดวย<br />
การโปรแกรมเชิงเสน โดยนําขอมูลการขายผลิตภัณฑ (มอเตอรสตารท)<br />
ในอดีตมาทําการวิเคราะหเพื่อพิจารณากําหนดแนวทางการวางแผนการ<br />
ผลิตภายใตตนทุนต่ําสุด<br />
ทั้งในดาน<br />
วัสดุคงคลัง ตนทุนคาจางแรงงาน<br />
รวมทั้งตนทุนรวมทั้งป<br />
เปรียบเทียบกับขอมูลการวางแผนการผลิต และ<br />
ตนทุนรวมทั้งปในอดีต<br />
ซึ่งการวางแผนผลิตรวมดวยตัวแบบโปรแกรม<br />
เชิงเสน ซึ่งสมการ<br />
คือ<br />
⎡<br />
⎤ (1)<br />
+<br />
+<br />
+ +<br />
12 ⎢<br />
= ∑ ⎢<br />
⎢<br />
i=<br />
1 ( − ) + ( )<br />
⎢ −1<br />
P<br />
⎣<br />
i<br />
i<br />
D<br />
i<br />
C<br />
i<br />
OTH<br />
i<br />
COTH<br />
i<br />
W<br />
i<br />
OT<br />
i<br />
COT<br />
i<br />
W<br />
i<br />
S<br />
i<br />
W<br />
i<br />
MinZ<br />
D<br />
I<br />
i<br />
I CI<br />
i<br />
STC<br />
i<br />
i<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦
4.4 สวนของรูปแบบแอพลิเคชั่นที่พัฒนาขึ้นตามตัวแบบ<br />
การพัฒนาตัวแบบซึ่งการใชงานจะตองใชผาน<br />
Microsoft<br />
Excel การใชงานผูใชจะตองมีการปอนขอมูลเกี่ยวกับการวางแผนผลิต<br />
เพื่อทําการประมวลผลหาวิธีการปรับปรุงการวางแผนการผลิตที่<br />
เหมาะสม และชวยพิจารณาเรื่องการลดปริมาณวัสดุคงคลัง<br />
(ทั้งที่เปน<br />
วัสดุคงคลังของสินคาที่ผลิตแลว<br />
และวัสดุคงคลังระหวางการผลิต)<br />
เพื่อใหขนาดพื้นที่ในการจัดเก็บวัสดุคงคลังลดลง<br />
และนําไปสูการขยาย<br />
กําลังการผลิต พิจารณาการหาตนทุนการผลิตโดยรวมที่ต่ําสุด<br />
แลวแสดง<br />
ผานทางหนาจอ<br />
ทั้งนี้ผลการศึกษาในครั้งนี้ทําใหไดแบบจําลองที่สามารถใช<br />
ประมวลผลเพื่อหาวิธีการปรับปรุงแผนการผลิต<br />
ซึ่งผูใชสามารถ<br />
ปรับเปลี่ยนขอมูลตาง<br />
ๆ ที่เกี่ยวของได<br />
แสดงดังรูปที่<br />
2<br />
รูปที่<br />
2 หนาแสดงรายการตัวแบบของระบบสนับสนุน<br />
การตัดสินใจในการปรับปรุงการวางแผนการผลิต<br />
232<br />
รูปที่<br />
3 ผลการคํานวณ ตัวแบบการวางแผนการผลิตอยางประหยัด<br />
รูปที่<br />
4 ผลการคํานวณการวางแผนการผลิต<br />
อยางประหยัดในแตละชิ้นสวน
รูปที่<br />
5 ผลการคํานวณการวางแผนการผลิตตัวแบบ<br />
การวางแผนการผลิตรวมของแตละชิ้นสวน<br />
รูปที่<br />
6 หนาจอการ Solver หาคําตอบของตัวแบบ<br />
การวางแผนการผลิตรวมดวย Excel Solver.<br />
รูปที่<br />
7 ผลการคํานวณเปรียบเทียบผลการดําเนินงานในอดีต ระหวางตัว<br />
แบบการผลิตอยางประหยัดและตัวแบบการวางแผนการผลิตรวม<br />
233<br />
รูปที่<br />
8 หนาจอสรุปผลการตัดสินใจเลือกตัวแบบ<br />
5. สรุปผลการดําเนินงานศึกษา<br />
จากการศึกษา ระบบสนับสนุนการตัดสินใจในการปรับปรุง<br />
แผนการผลิต สามารถนําเสนอวิธีการบริหารจัดการวัสดุคงคลังและ<br />
แผนการผลิตภายใตตนทุนต่ํา<br />
โดยตนทุนการวางแผนการผลิตดวยตัว<br />
แบบการหาปริมาณการผลิตอยางประหยัดมีตนทุนรวมที่ต่ําสุด<br />
ลดลง<br />
รอยละ 71.95 และตนทุนการวางแผนการผลิตดวยตัวแบบการวาง<br />
แผนการผลิตรวมดวยการโปรแกรมเชิงเสนลดลงรอยละ 54.62 เมื่อ<br />
เปรียบเทียบกับตนทุนการวางแผนการผลิตกับขอมูลตนทุนที่ใชในป<br />
2553 รวมทั้งสามารถชวยพิจารณาปริมาณการผลิตที่ประหยัด<br />
และคงคลัง<br />
ที่เหมาะสม<br />
สามารถจัดการทรัพยากรตาง ๆ ใหใชรวมกันโดยเกิด<br />
ประโยชนสูงสุด และชวยในการสนับสนุนการตัดสินใจสําหรับผูบริหาร<br />
สามารถวิเคราะหไดวาควรจะดําเนินแผนการอยางไรเพื่อลดตนทุนการ<br />
ผลิตและเหมาะสมกับลักษณะความตองการผลิตภัณฑในอนาคต<br />
สําหรับขอจํากัดของการศึกษาครั้งนี้พบวา<br />
ควรจะพัฒนา<br />
แบบจําลองสนับสนุน การตัดสินใจใหใชงานไดยืดหยุนกวานี้<br />
กรณีถา<br />
ชนิดของสินคามีจํานวนมากอาจจะตองมีการออกแบบหนาจอของ<br />
โปรแกรมเพื่อใหงายตอการใชงานและควรเพิ่มขีดความสามารถของ
235<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Process Improvement by Using FMEA and AHP at Dyeing Section in the Sample Factory<br />
Prachuab Klomjit 1 and Thanitpol Juntasom 2<br />
1, 2 Department of Industrial Engineering and Management, Faculty of Engineering And Industrial Technology, Silpakorn University<br />
A. Meuang, Nakornpathom 73000<br />
Phone /Fax : 034-219-362 E-mail: 1 prachuab@su.ac.th, 2 tanitpols_@hotmail.com<br />
Abstract<br />
The purpose of this study was to decrease the proportion of<br />
all problems from the process in dyeing by applying the Failure Mode<br />
Effects Analysis (FMEA) and Analytic Hierarchy Process (AHP) at a<br />
sample textile factory, where fabric manufacturing was its main<br />
activity. The factory has problems of poor quality dyed fabrics: 7.49%<br />
of the fabrics had to be mended because they were stain, crease and<br />
washing. The processes of fabrics were studied. Then, brainstorming<br />
was performed to find causes and results of fabrics’ poor quality. A<br />
cause and effect diagram was presented, followed by the FMEA for the<br />
production processes and an AHP for decision-making. These<br />
techniques were employed to find significant causes related to problems<br />
of production processes in order to find preventive measures for the<br />
mentioned problems. Production process improvement was evaluated<br />
using techniques of linear regression and correlation. Results were the<br />
percentage of mended fabrics of the factory that was reduced from<br />
7.49% to 4.76%, (target 5%). The improvement of the process was<br />
decreased waste from 11,440 kilograms to 77,160 kilograms, saving<br />
approximately 915,200 baht. Moreover, the percentage of quality<br />
improved up to 95% and achieved the target.<br />
Keywords: Failure Mode Effects Analysis / Analytic Hierarchy Process /<br />
Textile / Dyeing / Process Improvement<br />
1. Introduction<br />
At the present, the competition has become increasingly<br />
violence in various sectors. So manufacturers need to improve the<br />
quality of their product, use existing resources to achieve maximum<br />
efficiency, reduce the costs of production and delivery to customers on<br />
time. To make the customers confidence in their products and services,<br />
if manufacturers are able to maintain such as the properties of products<br />
and services, the manufacturers will be able to compete in the global<br />
arena. So that, each company has the quality indicators to evaluate the<br />
ability of their company, which is most often used as the quality goals<br />
and it can be compared to their competitors.<br />
2 Purpose<br />
2.1 To make the decisions for improvement by used Failure<br />
Mode and Effect Analysis: FMEA and Analytic Hierarchy Process:<br />
AHP<br />
2.2 To reduce the amount of rework at dyeing process more<br />
than 20 percent down from the original value.<br />
3. Method<br />
The study started by determining the causes of quality<br />
problems at the dyeing process. This process is important in the<br />
analysis system that should find the real cause of the problem. So, it is<br />
necessary to choose the right tool to find the relationship between cause<br />
and effect that have a direct impact on the process or not. This process<br />
will analyze the problem using a stain chart, cause and effect diagram to<br />
determine the cause of the raw material, machinery, employees and the<br />
method. Thus, this research study was divided into three parts.<br />
Part 1: To find the main factors that affected the quality of<br />
the initial distribution. The study based on analysis technique of the<br />
defects and their effects (Failure Mode and Effect Analysis: FMEA).<br />
Part 2: To analyze the problems and solution without bias by<br />
the Analytic Hierarchy Process (AHP). (The relation of the factors that<br />
affects the quality of the process)
Part 3: To Measure the success of the improvement and<br />
adjustment process based on the principle of regression analysis and<br />
correlation analysis.<br />
Figure 1 Analysis of the causes of stain problem<br />
Part 1: To find the main factors that affected the quality of<br />
the initial distribution based on analysis technique of the defects and<br />
their effects (Failure Mode and Effect Analysis: FMEA)<br />
Table 1 Analysis of the defect and its impact on the cloth (water color).<br />
Description<br />
B1 = the amount of chemicals and dyes Auxiliary<br />
(Dispersing Agent) the amount of water in water color.<br />
236<br />
B2 = practice the steps to dissolve the paint.<br />
B3 = repetition of the formula, the percentage of colors to<br />
suit a lot of raw materials.<br />
B4 = ranking order hues, dyeing and ironing Final setting.<br />
B5 = quantity of chemicals and solvents, the Auxiliary<br />
(leveling) as compared to the amount of water used in dyeing and<br />
shades of color.<br />
Equation<br />
RPN = S x O x D<br />
By<br />
S = Severity, O =Occurrence, D = Detection<br />
Then set the priority level by the RPN scores, the risk of a<br />
defect should be updated from large to small number. The analyzing<br />
team find the solution by the risk index priority number (RPN) at least<br />
100 points and address the problems. The results are as the tables.<br />
Part 2: To analyze the problems and solution without bias in<br />
each analysis is based on principles of the Analytic Hierarchy Process<br />
(AHP).<br />
The factors contributed to the success of the implementation<br />
of quality control. The indices measure the success of the operation is<br />
structural analysis by hierarchical structures that can be divided into 3<br />
levels.<br />
Level 0: Success in controlling water quality fabric paint.<br />
Level 1: criteria: an indicator of the success of the operation<br />
to control the quality as follows:<br />
B1 = the amount of chemicals and dyes Auxiliary<br />
(Dispersing Agent) the amount of water in water color.<br />
B2 = practice the steps to dissolve the paint.<br />
B3 = the percentage of repeating a recipe to suit the<br />
material.<br />
B4 = ranking by percentage of colors before dyeing, and<br />
the rolled towel under the Final set of colors.<br />
B5 = chemical and dye Auxiliary (leveling) as compared<br />
to the amount of water used in dyeing and percentage of shade color.<br />
Level 2: How to fix the problems that affect quality<br />
Factor 1 = Segmentation of fabric dye that reacts with<br />
chemicals and dyes (Dispersing Agent) in a ratio that is ideal in the<br />
percentage of each dissolving colors.<br />
Factor 2 = Training / Standards Working Manual (Standard
Threshold required to measure the effectiveness of control.<br />
Process The researchers assigned the following criteria to measure.<br />
Section 1. Control level at 100%, so the cause of the problem to<br />
repair, rework on the back of the figure is 0%.<br />
Section 2. Control level at the cause of water-color fabrics and no<br />
control in the manufacturing process. Rework the problem is the level<br />
of the average amount was 4.40% (calculated as a percentage of the<br />
problems caused by the repair process to the highest rank).<br />
Table 5 The Dyeing process result<br />
Figure 3 The relationship between Expectations for the improvement<br />
and maintenance of the current report in the manufacturing process.<br />
The R 2 indicated that the predictors that explain R-Sq<br />
79.53% of the variance in the Actual value of R 2 in the form of<br />
correlation, so the two values shows the relationship of the two data sets<br />
were based on the equation. y = 0.9863x + 0.0242.<br />
4. Results<br />
The improvements in the sample process by control the<br />
priorities of factors that affect the quality problems are as follows: 1.<br />
Segmentation of fabric dye that reacts with chemicals to dye Auxiliary<br />
(Dispersing Agent) ratio is the percentage of each color in water color.<br />
238<br />
2. Training / performing standards manual (Standard Operating<br />
Procedure: SOP). 3. The percentage of yarn to match the colors used in<br />
the dyeing process, dyeing Process.4. Sort of dye and the head position<br />
of responsibility. 5. The amount of chemical and dye Auxiliary<br />
(leveling) with the weight of the fabric. (For each shade of dye) Results<br />
were the percentage of mended fabrics of the factory was reduced from<br />
7.49% to 4.76%, (target 5%). The improvement of the process was<br />
decreased waste from 11,440 kilograms to 77,160 kilograms, saving<br />
approximately 915,200 baht. Moreover, the percentage of quality<br />
improved up to 95%, and achieved target.<br />
5. Reference<br />
[1] Anand Pilly and Jin Wang. Modified failure mode and effect<br />
analysis using approximate reasoning. Journal of Reliability<br />
Engineering & System Safety. no 79 (2003): 69-85.<br />
[2] Antonio Scipioni, et al. FMEA methodology design,<br />
implementation and integration with HACCP system in food<br />
company.Journal of food control. no 13 (2002): 495-50<br />
[3] Bulent Baran, et al. The Effect of boron containing frits on the<br />
anorthite formation temperature in kaolin-wollastonite<br />
mixture. Journal of the European Ceramic Society. no 23 (2003):<br />
2061-2066.<br />
[4] E. W. T. Ngai and E. W. C. Chan. Evaluation of knowledge<br />
management tools using AHP.Journal of Expert systems with<br />
Applications. no 29 (2005): 889-899.<br />
[5] K. S. Chin, et al. An AHP base study of Critical factor for TQM<br />
implementation in Shanghai manufacturing industries.” Journal<br />
of technovation. no 22 (2002): 707-715<br />
[6] Thomas Satty, T. L. The Analytic Hierarchy Process. New York:<br />
McGraw-Hill, 1980.
239<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Applications of Reliability Centered Maintenance for Reducing Downtime in a Paper Plant<br />
Prachuab Klomjit 1 and Pichet Kaewsaithom 2<br />
1, 2<br />
Department of Industrial Engineering and Management, Faculty of Engineering and Industrial Technology,<br />
Silpakorn University, Muang, Nakorn Phathom 73000<br />
Telephone/Fax: 034-219-362, E-mail: 1 prachuab@su.ac.th, 2 pichetkaew@hotmail.com<br />
Abstract<br />
The objectives of this study are to reduce downtime that<br />
cause from machine breakdown during operation and to select the<br />
preventive maintenance task categories based on the Reliability<br />
Centered Maintenance (RCM) for the machine components. The study<br />
starts from identify the critical machine or equipment that impact to the<br />
paper production and then analyze the root cause & failure analysis by<br />
using Failure Mode and Effect Analysis (FMEA). The next step is to<br />
simulate the failure patterns of component parts which are used<br />
statistics data in order to forecast the suitable reliability parameters. The<br />
final phase is to select the preventive maintenance task which is<br />
meeting the reliability parameter of each failure mode. The result of this<br />
study has shown that the downtime is decreasing per machine downtime<br />
rate at 5.68% for machine MC1, 10.04% for MC2 and MC3 is 4.94%.<br />
Moreover the machine availability has been increased, machine MC1<br />
increased 80.20%, MC2 increased 80.02% and MC3 increased 81.00%<br />
accordingly.<br />
Keywords: Reliability Centered Maintenance, Failure Mode and Effect<br />
Analysis, Paper production.<br />
1. Introduction<br />
As many modern maintenance practices, the reliability<br />
centered maintenance (RCM) concept originated within the aircraft<br />
industry. RCM has now been applied with considerable success for<br />
more than 20 years; first within the aircraft industry, and later<br />
within the military forces, the nuclear power industry, the offshore<br />
oil and gas industry, and many other industries. Experiences from<br />
these industries show significant reductions in preventive<br />
maintenance (PM) costs while maintaining, or even improving, the<br />
availability of the systems.<br />
The main objective of RCM is to reduce the maintenance<br />
cost, by focusing on the most important functions of the system, and<br />
avoiding or removing maintenance actions that are not strictly<br />
necessary. If a maintenance program already exists, the result of an<br />
RCM analysis will often be to eliminate inefficient PM tasks [1].<br />
This paper illustrated the operation of paper plant a poor<br />
maintenance tasks and high rate of machine downtime. These problems<br />
root from:<br />
1. Machine has been serviced for a long time with<br />
ineffectively maintenance.<br />
2. Operator; due to high rate of turn over the new person has<br />
no experience to operate the machine.<br />
3. Ineffective management; lack of maintenance standard<br />
and work instruction that is machine manual, maintenance guide etc.<br />
In addition, it may come from the lack of understanding<br />
importance maintenance and there is no data as a reference. From above<br />
reasons lead to machine maintenance unreliability.<br />
Applications of RCM such monitoring, assess, predict and<br />
understand the working of the machine can be helped to reduce machine<br />
breakdown and improve the maintenance plan. More importantly it will<br />
define the appropriate maintenance for each machine such as preventive<br />
Maintenance for machine that have constant failure rate and Predictive<br />
Maintenance or Condition Based Monitoring for machine that critical<br />
process [2].<br />
2. Objectives of this study<br />
2.1 To reduce the production downtime from machine<br />
breakdown.<br />
2.2 To define the appropriate maintenance task based on<br />
RCM to the machine parts per their function and operation for paper<br />
plant.<br />
3. Reliability Centered Maintenance (RCM) approach<br />
RCM is a structured methodology for determining the<br />
maintenance requirement of a physical asset in its operating context.<br />
The asset can be part of a larger system. The primary objective of RCM
is to preserve system function rather than to keep an asset in service.<br />
Applications of RCM require a full understanding of the function of<br />
physical asset, and the nature of failures related to these functions. It<br />
recognizes that the not all failure are created equal, and some failures<br />
cannot be prevented by overhaul or preventive replacement. Thus,<br />
maintenance actions that are not cost-effective in preserving system<br />
function will not be performed [3].<br />
The RCM methodology develops the appropriate<br />
maintenance tactics through a thorough and rigorous decision process,<br />
as show in Figure 1 [4].<br />
Select<br />
Equipment<br />
(Assess<br />
Criticality)<br />
Failure<br />
Mode &<br />
Effect<br />
Criticality<br />
Analysis<br />
Failure Data<br />
Analysis<br />
Maintenance<br />
Task<br />
Analysis &<br />
Selection<br />
Figure 1 The RCM process.<br />
Implement &<br />
Refine the<br />
maintenance<br />
plan<br />
3.1 Machines Criticality<br />
Criticality of each machine (MC) was calculated based on<br />
the following four criteria: effect of the machine downtime on the<br />
production process (EM), utilization rate of the machine (Bottleneck or<br />
not) (UR), safety and environmental incidence of machine failure<br />
(SEI), technical complexity of the machine and need of external<br />
maintenance resources (MTC) [5].<br />
Each of the criteria was given a weight showing its<br />
importance relative to the criticality indices. The weight of each<br />
criterion ranges from zero (no effect) to three (very important effect).<br />
Machine criticality was then calculated using the following formula:<br />
MC = 3*EM + 2*UR + 3*SEI + 1*MTC (1)<br />
3.2 Failure Mode and Effect Criticality Analysis<br />
FMEA techniques were used to calculate the risk priority<br />
number (RPN) to rank the causes and consequences of failure or<br />
frustration. Including the severity (S), occurrence (O) and detection (D)<br />
by the following formula [6]:<br />
RPN = (S) × (O) × (D) (2)<br />
RPN can be used to make risk evaluations as follows: the<br />
risk is slightly (RPN
D(t p )<br />
=<br />
H(t p )Tf<br />
+ Tp<br />
t p + Tp<br />
When, Tf is the mean downtime required to make a failure<br />
replacements, Tp is the mean downtime required to make a preventive<br />
replacement.<br />
This is a model of problem relating replacement interval tp to<br />
total downtime D(tp). 3.5 Implement and Refine the maintenance plan<br />
The maintenance plan developed in section 3.4 is<br />
implemented and the results are reviewed to determine if the plan needs<br />
to be refined or modified to ensure its effectiveness.<br />
Implementation of RCM requires the formation of a<br />
multidisciplinary team with members knowledgeable in day-to-day<br />
operations of the plant and equipment, as well as in the details of the<br />
equipment itself. This demands at least one operator and one<br />
maintainer. Members with knowledge of planning and scheduling and<br />
overall maintenance operations and capabilities are also needed to<br />
ensure that the tasks are truly doable in the plant environment. Thus,<br />
senior-level operations and maintenance representation is also needed.<br />
Finally, detailed equipment design knowledge is important to the team.<br />
This knowledge requirement generates the need for an engineer or<br />
senior technician/technologist from maintenance or production [3].<br />
4. Case Study<br />
4.1 Paper Production System<br />
The sample paper machine is the middle manufacturing that<br />
operates paper production category CA and M (brown paper). There are<br />
paper machines MC1 with capacity 40 tons per day, MC2 with capacity<br />
18 tons per day and MC3 with capacity 85 tons per day. The production<br />
processes of the paper production system are discussed hereunder:<br />
1. Stock (pulp + water) preparation unit<br />
2. Forming unit<br />
3. Press unit<br />
4. Dryer unit<br />
5. Rewinder unit<br />
6. Steam Handling System<br />
7. Power Supply unit<br />
The machine downtime is illustrated as Table 1 below:<br />
(4)<br />
241<br />
Table 1 Production line downtime<br />
Month<br />
Operating Time<br />
(min)<br />
Downtime (%) Availability (%)<br />
MC1 MC2 MC3 MC1 MC2 MC3<br />
Jul-09 43,200 25.84 32.70 15.34 74.16 67.30 84.66<br />
Aug-09 40,320 27.89 32.10 22.86 72.11 67.90 77.14<br />
Sep-09 43,200 25.80 24.29 24.65 74.20 75.71 75.35<br />
Oct-09 43,200 26.57 29.63 19.73 73.43 70.37 80.27<br />
Nov-09 41,760 24.86 36.70 25.88 75.14 63.30 74.12<br />
Dec-09 40,320 26.18 33.92 18.53 73.82 66.08 81.47<br />
Jan-10 41,760 23.28 26.32 28.49 76.72 73.68 71.51<br />
Feb-10 40,320 26.18 35.22 26.93 73.82 64.78 73.07<br />
Mar-10 44,640 20.1 29.96 30.33 79.81 70.04 69.67<br />
Apr-10 40,320 26.60 35.28 24.76 73.40 64.72 75.24<br />
May-10 43,200 25.44 23.15 29.06 74.56 76.85 70.94<br />
Jun-10 41,760 26.94 21.02 20.70 73.06 78.98 79.30<br />
By taking data from machine MC1, MC2 and MC3 to<br />
calculate into average downtime rate are 25.48%, 30.02% and 23.94%<br />
respectively. The rate is exceed from target goal which is 20% and<br />
machine availability rate is 74.52%, 69.98% and 76.06% respectively<br />
which can divide into each process per figure 2.<br />
400000<br />
300000<br />
200000<br />
100000<br />
0<br />
Units STOCK FORMING PRESS STEAM DRYER POWER REWINDER<br />
Count 208442 80185 50471 22156 18677 13717 6279<br />
Percent 52.1 20.1 12.6 5.5 4.7 3.4 1.6<br />
Cum % 52.1 72.2 84.8 90.3 95.0 98.4 100.0<br />
Figure 2 Pareto chart<br />
Figure 2 illustrated the highest downtime is from stock<br />
preparation unit which will be selected to be study. Next is to defined<br />
machines using in stock preparation unit in order to indentify the critical<br />
machine rank.<br />
4.2 Identify the critical machine<br />
Refer section 4.1, stock preparation unit was selected as a<br />
system to research by categorize machine to subsystem production<br />
process as follow figure 3-5:<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0
Figure 3 Flow diagram of a Stock Preparation Unit of MC1<br />
Figure 4 Flow diagram of a Stock Preparation Unit of MC2<br />
Figure 5 Flow diagram of a Stock Preparation Unit of MC3<br />
242<br />
Refer the production process from Figure 3-5; it can be<br />
assessing the various critical subsystems of the paper production system<br />
are discussed hereunder (Table 2-4):<br />
Table 2 Assess Criticality - MC1<br />
Weight<br />
Machine Code<br />
3<br />
SEI<br />
3<br />
EM<br />
2<br />
UR<br />
1<br />
MCT<br />
MC<br />
Criticality<br />
Code<br />
Hydra Pulper 1 2 2 3 16 B<br />
Pulp Pump #1 3 3 3 2 26 A<br />
Pulp Pump #2 2 3 3 2 23 A<br />
HD Cleaner 1 2 2 3 16 B<br />
Fiber Separator 1 2 2 3 16 B<br />
Reject Separator 1 2 2 3 16 B<br />
Pulp Pump #3, #4 2 3 3 2 23 A<br />
Pressure Screen 1 2 2 3 16 B<br />
FN1000 Screen 1 1 2 1 11 C<br />
Decker Thickener 1 2 2 3 16 B<br />
Pulp Pump #5 2 3 3 2 23 A<br />
Refiner 1 1 2 1 11 C<br />
Pulp Pump #6 2 3 3 2 23 A<br />
Pulp Pump #7 2 3 3 2 23 A<br />
Stuff Box 1 1 2 1 11 C<br />
Table 3 Assess Criticality - MC2<br />
Weight 3 3 2 1<br />
Machine Code SEI EM UR MCT<br />
MC<br />
Criticality<br />
Code<br />
Hydra Pulper 3 3 3 2 26 A<br />
Pulp Pump #1 2 2 3 2 20 A<br />
Pulp Pump #2 2 3 3 2 23 A<br />
HD Cleaner 1 2 2 3 16 B<br />
Johnson Screen 1 2 2 3 16 B<br />
Pulp Pump #3 3 3 3 2 26 A<br />
FN800 Screen 1 1 2 1 11 C<br />
3F Screen 1 2 2 3 16 B<br />
Decker Thickener 1 2 2 3 16 B<br />
Pulp Pump #4 2 2 3 2 20 A<br />
Refiner 1 1 2 1 11 C<br />
Pulp Pump #5 2 3 3 2 23 A<br />
Stuff Box 1 1 2 1 11 C<br />
* A: 20 to 27 Most critical machine<br />
B: 12 to 19<br />
C: 0 to 11
Table 4 Assess Criticality - MC3<br />
Weight<br />
Machine Code<br />
3<br />
SEI<br />
3<br />
EM<br />
2<br />
UR<br />
1<br />
MCT<br />
MC<br />
Criticality<br />
Code<br />
Hydra Pulper 3 3 3 2 26 A<br />
Pulp Pump #1, #2 2 2 3 2 20 A<br />
Pulp Pump #3 2 3 3 2 23 A<br />
HD Cleaner 1 2 2 3 16 B<br />
Fiber Separator 1 2 2 3 16 B<br />
Reject Separator 1 2 2 3 16 B<br />
Pulp Pump #4, #5 3 3 3 2 26 A<br />
LC Cleaner 1 2 2 3 16 B<br />
Pressure Screen 1 2 2 3 16 B<br />
Decker Thickener 1 2 2 3 16 B<br />
Pulp Pump #6 2 2 3 2 20 A<br />
Pulp Pump #7 2 2 3 2 20 A<br />
Refiner 1 1 2 1 11 C<br />
Pulp Pump #8 2 3 3 2 23 A<br />
Pulp Pump #9 2 2 3 2 20 A<br />
Stuff Box 1 1 2 1 11 C<br />
The machine criticality in Table 2-4 indicated the most<br />
critical machines are “Pulp Pump” (Criticality code: A) which mostly is<br />
centrifugal pump (Show in figure 6). It will be item that define the<br />
maintenance for this paper. The component details are as table 5.<br />
Figure 6 Sample of Pulp Pump<br />
243<br />
Table 5 Component Details- Pump<br />
Components Functions<br />
1. Motor<br />
- Power generators.<br />
2. Belt<br />
- Used for transmitting power to shaft<br />
3. Shaft & Shaft sleeve - Send torque to drive the pump impeller.<br />
4. Pump bearings - Keep up the rotation of the pump shaft.<br />
5. Motor bearings - Keep up the rotation of the spindle motor.<br />
6. Packing - Prevent leakage of the pulp.<br />
7. Flange<br />
- Against splashes of water into the pump<br />
bearings.<br />
8. Impeller - Pulp suction.<br />
9. Body<br />
- Covered impeller pump.<br />
10. Pulley - Wearing belts to transmit power.<br />
11. Pump base - Hold motor and pump in place.<br />
4.3 Failure Mode and Effect Criticality Analysis<br />
Once the component detail has been identified, the next is to<br />
analyze by using FMECA in order to consider failure root cause,<br />
included failure mode and risk level, by selecting the highest RPN for<br />
each components to collect the time to fail to perform failure data<br />
analysis in the next step. Table 6 shown failure mode for used to collect<br />
the failure data.<br />
Table 6 FMECA – Components of Pulp Pump<br />
Components Failure Mode RPN<br />
Risk<br />
Evaluation<br />
1. Motor Motor burns. 84 High<br />
2. Belt Damaged or broken belt. 84 High<br />
3. Shaft ,Shaft sleeve Shaft wear or bend. 84 High<br />
4. Pump bearings Bearing broke 252 Critical<br />
5. Motor bearings Bearing broke 84 High<br />
6. Packing Wear, pulp and water leaks 252 Critical<br />
7. Flange Wear, water splashes into the bearing 70 Moderate<br />
8. Impeller Wear due to a hotchpotch 98 High<br />
9. Body Wear due to friction 70 Moderate<br />
10. Pulley Pulley loose off 84 High<br />
11. Pump base Base loose due to rust 84 High
The next step was the statistical analysis of reliability data<br />
(time to failure) of the critical components and the assessment of the<br />
probability density functions (pdf) of time to failure distributions.<br />
4.4 Failure Data Analysis<br />
Reliability Parameters Estimation – Failure and<br />
maintenance data of the plant was collected from the maintenance log<br />
book. The related data were used to obtain failure and repair rates of the<br />
major components associated with the paper production unit of the<br />
244<br />
plant. In this study, Weibull distribution has been used to represent<br />
equipment failure time. The shape parameter (β) and scale parameter<br />
(η) of the Weibull distribution have been computed using least square<br />
curve fitting technique. At this stage the statistical software was used in<br />
order to conduct the statistical analysis, and the Kolmogorov-Smirnov<br />
(K-S Test) goodness of fit test was used in order to ensure a good pdf<br />
fitting to the data. Table 7 shows a sample of some results.<br />
Table 7 Reliability Parameters Estimation & Goodness of Fit Test<br />
Component<br />
Parameters<br />
β η<br />
Correlation<br />
Coefficient<br />
K-S Test (α = 0.05, n = 21)<br />
max d dα<br />
Test Results<br />
1. Motor 1.42682 62.6639 0.972 0.2177 0.287 Accept<br />
2. Belt 1.37027 23.5603 0.918 0.1902 0.287 Accept<br />
3. Shaft & Shaft sleeve 1.12241 26.0567 0.984 0.1518 0.287 Accept<br />
4. Pump bearings 5.26308 10.2572 0.963 0.1971 0.287 Accept<br />
5. Motor bearings 1.20565 56.2784 0.969 0.2282 0.287 Accept<br />
6. Packing 5.49178 3.86463 0.970 0.1958 0.287 Accept<br />
7. Flange 1.42214 15.9930 0.988 0.1630 0.287 Accept<br />
8. Impeller 1.30804 111.277 0.982 0.1847 0.287 Accept<br />
9. Body 1.18374 113.604 0.978 0.1905 0.287 Accept<br />
10. Pulley 1.01427 82.1241 0.972 0.2019 0.287 Accept<br />
11. Pump base 1.01035 137.051 0.987 0.1864 0.287 Accept<br />
Since a distribution closed to the data so it can be a<br />
parameter β (Shape parameter) and η (Scale parameter) used to<br />
analysis and selection of maintenance tasks.<br />
4.5 Maintenance Task Analysis and Selection<br />
Once failure mode and reliability parameters have been<br />
identified, the next step is to analyze and provide the applicability of<br />
maintenance task by using these principles:<br />
1. Task selection for β ~ 1 (almost Exponential), PM was<br />
selected to machines with a constant failure rate. The Optimal<br />
inspection interval for component parts and interval is called the failurefinding<br />
interval (FFI) which is the mean time to fail (MTTF or η)<br />
applies as a guideline such as motors have the MTTF is 62.6639 weeks,<br />
thus the FFI for motor at 60 weeks or 15 months. Table 8 provides the<br />
expected availability obtained from different FFIs.<br />
Table 8 Failure Finding Interval (FFI)<br />
Component<br />
Parameters<br />
β η<br />
FFI<br />
(months)<br />
1. Motor 1.42682 62.6639 15<br />
2. Belt 1.37027 23.5603 5<br />
3. Shaft & Shaft sleeve 1.12241 26.0567 6<br />
4. Pump bearings 5.26308 10.2572 -<br />
5. Motor bearings 1.20565 56.2784 14<br />
6. Packing 5.49178 3.86463 -<br />
7. Flange 1.42214 15.9930 3<br />
8. Impeller 1.30804 111.277 27<br />
9. Body 1.18374 113.604 28<br />
10. Pulley 1.01427 82.1241 20<br />
11. Pump base 1.01035 137.051 34<br />
2. Task selection for > 1, PdM was selected to machines with a<br />
increasing failure rate. Determination of maintenance intervals in this<br />
section is to determine the best times at which replacements should<br />
occur to minimize total downtime per unit time. The total downtime per
unit time, for preventive replacements at time t p, denoted as D(t p). From<br />
equation (3) and (4) we show the sample calculations for:<br />
Pump bearing give the value of β = 5.26308 and η = 10.2572<br />
(see Table 7). Let T f = 0.071 wk, T p = 0.036 wk. The sample calculations<br />
illustrated in Table 9 and gives values of D(t p) for various of t p. Here it<br />
can be seen that the optimal preventive replacement interval is t p = 8<br />
weeks.<br />
Table 9 Optimal preventive replacement interval - Pump bearings (wk)<br />
t p 5 6 7 8 9 10 11<br />
D(t p) 0.00743 0.00653 0.00610 0.00603 0.00628 0.00684 0.00771<br />
Packing give the value of β = 5.49178 and η = 3.86463 (see<br />
Table 7). Let Tf = 0.024 wk, Tp = 0.006 wk. The sample calculations<br />
illustrated in Table 10 and gives values of D(tp) for various of tp. Here it<br />
can be seen that the optimal preventive replacement interval is tp = 2<br />
weeks.<br />
245<br />
Table 10 Optimal preventive replacement interval - Packing (wk)<br />
t p 1 2 3 4 5 6<br />
D(t p) 0.00599 0.00384 0.00559 0.01134 0.02268 0.04163<br />
4.6 Implement and Refine the maintenance plan<br />
According to section 4.5 we defined the appropriate task<br />
intervals and optimization for all Pulp Pump. At this stage we will<br />
implement the maintenance plan for machine MC1, MC2 and MC3, for<br />
example motor has failure mode is motor burn within the β = 1.42682<br />
that shown has constant failure rate (β~1) thus the appropriate<br />
maintenance task should be PM and the mean time to fail (MTTF) is<br />
62.6639 wks, so we will scheduled inspection at week of 60 th or month<br />
15 th . For other components scheduled PM intervals and optimization<br />
maintenance are shown as Table 11.<br />
Table 11 Scheduled PM Interval and Optimization for Pulp Pump components of Stock preparation unit<br />
Components Failure Mode<br />
Parameters<br />
β η<br />
Maintenance<br />
Task<br />
FFI<br />
(months)<br />
Replacement /<br />
Overhaul (wk)<br />
1. Motor Motor burns. 1.42682 62.6639 PM 15 -<br />
2. Belt Damaged or broken belt. 1.37027 23.5603 PM 5 -<br />
3. Shaft & Shaft sleeve Shaft wear or bend. 1.12241 26.0567 PM 6 -<br />
4. Pump bearings Bearing broke 5.26308 10.2572 PdM - 8<br />
5. Motor bearings Bearing broke 1.20565 56.2784 PM 14 -<br />
6. Packing Wear, pulp and water leaks 5.49178 3.86463 PdM - 2<br />
7. Flange Wear, water splashes into the bearing 1.42214 15.9930 PM 3 -<br />
8. Impeller Wear due to a hotchpotch 1.30804 111.277 PM 27 -<br />
9. Body Wear due to friction 1.18374 113.604 PM 28 -<br />
10. Pulley Pulley loose off 1.01427 82.1241 PM 20 -<br />
11. Pump base Base loose due to rust 1.01035 137.051 PM 34 -<br />
5. Overall Operation<br />
After implementation of maintenance plan per table 11<br />
within the paper machine and collecting data in order to compare<br />
with the result after applied maintenance action. By using operation<br />
indicator which is machine downtime and machine availability, the<br />
result is as follow Table 12 shown that when implementing<br />
preventive maintenance to establish maintenance plans the machine<br />
downtime for machine MC1 is 19.80%, MC2 is 19.98% and MC3 is<br />
19.00% and machine availability for MC1 is 80.20%, MC2 is<br />
80.02% and MC3 is 81.00% respectively.<br />
Table 12 Downtime of machine breakdown after maintenance<br />
improvement<br />
Month<br />
Operating Time<br />
(min)<br />
Downtime (%)<br />
MC1 MC2 MC3<br />
Availability (%)<br />
MC1 MC2 MC3<br />
Oct-10 44,640 22.52 24.39 23.33 77.48 75.61 76.67<br />
Nov-10 43,200 21.64 21.19 19.61 78.36 78.81 80.39<br />
Dec-10 41,760 20.09 19.93 19.38 79.91 80.07 80.62<br />
Jan-11 41,760 19.68 18.60 18.19 80.32 81.40 81.81<br />
Feb-11 40,320 15.08 18.19 16.83 84.92 81.81 83.17<br />
Mar-11 44,640 19.83 17.59 16.69 80.17 82.41 83.31
6. Conclusion<br />
The indicators of this study are machine downtime and<br />
machine availability when performing the RCM to reduce machine<br />
downtime, it can be seen that MC1 reduced to 5.68%, MC2 reduced<br />
to 10.04% and MC3 reduced to 4.94% accordingly. Moreover the<br />
machine availability of MC1 increased from 74.52% to 80.20%,<br />
MC2 from 69.98% to 80.02% and MC3 increased from 76.06% to<br />
81.00% respectively.<br />
The successful of RCM will help the maintenance<br />
operators to understand about failure mode which will impact<br />
immediately, also they will have a standard to determine best and<br />
most efficient way to maintain equipment which require in the<br />
operation.<br />
References<br />
[1] M. Rausand, Reliability centered maintenance. Reliability<br />
Engineering and System Safety, 1998, 121-132.<br />
[2] S. Talapgaew, The Machine Maintenance Strategies Based on<br />
Operating Conditions. The Journal of KMUTNB., Vol. 20,<br />
No. 1, Jan. - Apr. 2010, 168-172.<br />
[3] A.K.S. Jardaine, & A.H.C. Tsang, Maintenance Replacement<br />
and Reliability; Theory and Application, Taylor & Francis<br />
Group, 2006.<br />
[4] W. Chiangkoon, Reliability Based Maintenance Management,<br />
Bongkok : Se-Education Public Co. Ltd., 2010.<br />
[5] G. Abdulnour, H. Beaudoin, P. Ouellet, R. Rochette, S.<br />
Lambert, A reliability based maintenance policy; A case study,<br />
Computers ind. Engng , Vol. 35, Nos 3-4, 1998, 591-594.<br />
[6] Chrysler Corp., Ford Motor Co., General Motors Corp.,<br />
Potential Failure Mode and Effects Analysis (FMEA):<br />
Reference Manual. [n.p.] : 2 nd edition, 1995.<br />
[7] D.H. Stamatis, Failure Mode and Effect Analysis: FMEA from<br />
theory to Execution, 2nd ed. Milwaukee, Wisconsin: <strong>AS</strong>Q<br />
Quality Press., 2003.<br />
[8] S. Radnui, Maintenance Engineering, Bongkok : Se-Education<br />
Public Co. Ltd., 2002.<br />
[9] S. Talapgaew, Mechanical Maintenance Based Reliability. The<br />
Journal of KMITNB., Vol. 17, No. 1, Jan. - Apr. 2007, 72-<br />
75.<br />
246
247<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
อิทธิพลของมิติในโครงสรางองคกรตอดัชนีผลิตภาพแรงงาน<br />
The Influence of Organizational Structure’s Dimensions on the Employee Productivity Indicator<br />
ตอเกียรติ นอยสําลี 1 และ ดร.ภูษิต วงศหลอสายชล 2<br />
1, 2 คณะบริหารธุรกิจ มหาวิทยาลัยหอการคาไทย<br />
โทรศัพท 0870817263 E-mail: 1 tawkiatnoisomlee@hotmail.co.th, 2 dr.phusit@gmail.com<br />
บทคัดยอ<br />
ดัชนีผลิตภาพแรงงานเปนตัวชี้วัดความสามารถพนักงานใน<br />
การเพิ่มผลผลิตขององคกรและยังเปนตัวชี้วัดเศรษฐกิจของประเทศ<br />
ซึ่ง<br />
จากการศึกษาวิจัยที่ผานมาพบวาการเพิ่มผลิตภาพจะทําไดโดยตรงจาก<br />
การเพิ่มคาแรงเพื่อใหมีผลผลิตที่สูงขึ้นมากกวาอัตราการเพิ่มของแรงงาน<br />
และสามารถเพิ่มผลิตภาพทางออมดวยการปรับสภาพแวดลอมในสถานที่<br />
ทํางานเพื่อกระตุนใหมีการผลิตเพิ่มขึ้นในเวลาทํางานเทาเดิม<br />
ดังนั้น<br />
งานวิจัยนี้จึงมีวัตถุประสงคเพื่อศึกษาอิทธิพลของมิติในโครงสรางองคกร<br />
ที่สงผลตอการเพิ่มดัชนีผลิตภาพแรงงาน<br />
จากผลการวิจัยพบวามิติ<br />
ความสามารถขององคกร เชน ความเชี่ยวชาญ<br />
และ มิติการจัดการองคกร<br />
เชน การแบงสายงาน ลวนสงผลตอดัชนีผลิตภาพแรงงาน ดังนั้นองคกร<br />
ควรใหความสําคัญตอมิติทั้งสองดานนี้ในการปรับโครงสรางองคกร<br />
คําสําคัญ: ดัชนีผลิตภาพ, ผลิตภาพแรงงาน, มิติในโครงสรางองคกร<br />
Abstract<br />
Employee productivity indicator has been used to determine<br />
the employee capability in organization and it can be used to indicate<br />
the economy of country. It is quite interesting to understand the factors<br />
which can influence the labor productivity. Previously, the studies more<br />
focus on wage and working environment to improve the labor<br />
productivity. Therefore, the objective of this paper is to study the<br />
influence of organizational structure’s dimensions on employee<br />
productivity, which can be used for designing the new organization<br />
form to increase the employee productivity without investment. The<br />
result is shown that both organization capability and organization<br />
administration influence on increasing of employee productivity. Thus,<br />
the organization should consider these dimensions while working on<br />
organization design.<br />
Keywords: productivity, employee productivity, organizational<br />
structure’s dimension<br />
1. บทนํา<br />
จากขอมูลดัชนีผลิตภาพแรงงานอุตสาหกรรมของ สํานักงาน<br />
เศรษฐกิจอุตสาหกรรมพบวาในป 2543 มีคาดัชนีอยูที่<br />
98.68 และป 2554<br />
มีคาดัชนีอยูที่<br />
149.94 พบวามีอัตราเพิ่มขึ้นเพียง<br />
51.94% โดยเฉพาะใน<br />
ภาคอุตสาหกรรมที่มีการใชแรงงานเปนปจจัยหลักในการดําเนินการผลิต<br />
ไดแก การผลิตสิ่งทอ<br />
การผลิตผลิตภัณฑอาหาร การผลิตผลิตภัณฑแกว<br />
การผลิตผลิตภัณฑจากดิน การผลิตผลิตภัณฑยางและพลาสติก เปนตน<br />
[14] แสดงใหเห็นวา บริษัทยังคงใชแรงงานเพื่อทําการผลิตอยางไมมี<br />
ประสิทธิภาพ ซึ่งสงผลโดยตรงตอตนทุนในการผลิตและกระทบตอ<br />
ความสามารถในการแขงขันทั้งในตลาดภายในประเทศและตลาด<br />
ตางประเทศ เมื่อพิจารณาอัตราการเติบโตของผลิตภาพแรงงานตอปของ<br />
ประเทศในเอเชียตะวันออกเฉียงใตในป 2008 พบวาประเทศไทยอยูที่<br />
1%<br />
สูงกวาสิงคโปร และพมา เทานั้น<br />
[8] แสดงใหเห็นวา ประเทศไทยกําลัง<br />
สูญเสียความสามารถในการแขงขันใหกับประเทศเพื่อนบาน<br />
ดัชนีผลิตภาพแรงงานมีความสําคัญตอการเพิ่มขึ้นของ<br />
ความสามารถในการผลิตและประสิทธิภาพของกระบวนการผลิต<br />
ปจจุบันมีการศึกษาปจจัยที่สงผลตอการเพิ่มผลิตภาพ<br />
ไดแก ปจจัยดาน<br />
คาจางและชั่วโมงการทํางาน<br />
[8],[12] ซึ่งไมเหมาะกับสภาพเศรษฐกิจที่<br />
ตองการลดตนทุนในการผลิต เพิ่มความพึงพอใจ<br />
ความปลอดภัย ชีวิต<br />
ความเปนอยูของครอบครัวของพนักงาน<br />
[2],[16] และปจจัยดาน<br />
สภาพแวดลอมในที่ทํางาน<br />
เชน สุขภาพของพนักงาน รวมถึงการสื่อสาร<br />
ในที่ทํางาน<br />
[2],[16] ซึ่งปจจัยเหลานี้สงผลโดยตรงตอทัศนคติและ<br />
พฤติกรรมในการทํางานของพนักงานเปนรายบุคคล ดวยเหตุนี้จึงเกิด<br />
แนวคิดที่จะทําการศึกษาปจจัยในระดับองคกรที่จะสนับสนุนให<br />
การ<br />
ทํางานของพนักงานทั้งองคกรผลิตผลิตผลที่สูงขึ้น<br />
แมที่ผานมาจะมีการ<br />
ทําการศึกษาปจจัยในดานกระบวนการทํางาน การกระจายอํานาจใน<br />
องคกร การกําหนดบทบาทหนาที่ในองคกร<br />
[4-5] แตยังขาดมุมมองใน<br />
ทุกมิติของโครงสรางองคกร ซึ่งไดแก<br />
ดานความชํานาญเพาะดาน ดาน<br />
ความมีมาตรฐาน ดานความมีรูปแบบ ดานระดับอํานาจหนาที่<br />
ดานระบบ<br />
สายงาน และดานความเชี่ยวชาญในการผลิตและบริการ<br />
[9-11],[13]<br />
นอกจากนี้มิติโครงสรางองคกรเปนปจจัยกําหนดรูปแบบขององคกรเชน<br />
รูปแบบองคกรราชการ รูปแบบองคกรหนวยงาน หรือรูปแบบองคกร
นวัตกรรม ซึ่งงานวิจัยนี้จะทําการศึกษาถึงอิทธิพลของมิติโครงสราง<br />
องคกรตอดัชนีผลิตภาพแรงงาน และรูปแบบขององคกรผลิตภาพ<br />
2. มิติโครงสรางองคกร<br />
มิติของโครงสรางองคกร[10],[13] ประกอบดวย ดานความ<br />
ชํานาญเฉพาะดาน (Specialization) เกี่ยวของกับการรวมมือกันภายใน<br />
องคกรโดยแบงหนาที่รับผิดชอบไปตามตําแหนงงานที่เฉพาะเจาะจง<br />
[17]<br />
รวมถึงบทบาทเฉพาะดานขององคกร เชน บทบาทที่ปรึกษา<br />
เปนตน ดาน<br />
ความมีมาตรฐาน (Standardization) เกี่ยวของกับวิธีการปฏิบัติงานและกฎ<br />
ขอบังคับในองคกรที่ไดรับการกําหนดอยางชัดเจน<br />
และครอบคลุมทุก<br />
สถานการณที่เกิดขึ้นในองคกร<br />
ดานความมีรูปแบบ (Formalization)<br />
เกี่ยวของกับขอบเขตของบทบาทและหนาที่<br />
รวมถึงการสื่อสารในองคกร<br />
ซึ่งจะถูกเขียนเปนคูมือ<br />
แผนผังความรับผิดชอบ สัญญาวาจาง ดานระดับ<br />
อํานาจหนาที่<br />
(Centralization) อธิบายถึงอํานาจในการตัดสินใจของ<br />
บุคคลในตําแหนงที่แตกตางกันซึ่งสงผลตอองคกร<br />
ดานระบบสายงาน<br />
(Configuration) คือรูปแบบของโครงสรางบทบาทและหนาที่<br />
ดานความ<br />
เชี่ยวชาญในการผลิตและบริการ<br />
(Professionalism) เกี่ยวของกับระดับ<br />
การศึกษาและประสบการณของพนักงาน รวมถึงประสบการณของ<br />
องคกรในธุรกิจ<br />
มิติของโครงสรางองคกรนี้เปนตัวแปรอิสระที่ใชกําหนด<br />
รูปแบบของคกร ซึ่งในปจจุบันองคกรเนนการกระจายอํานาจการ<br />
ตัดสินใจและความรับผิดชอบไปยังพนักงานในระดับตางๆ [5] ทําให<br />
พนักงานมีสวนรวมในการดําเนินการขององคกร อยางไรก็ตามองคกรที่มี<br />
ขนาดใหญ มีการดําเนินการในหลายประเทศ อาจใหอํานาจในการ<br />
ตัดสินใจอยูที่สวนกลางและเนนการทํางานที่เปนมาตรฐานเดียวกัน<br />
[3],<br />
[20] อีกหลายองคกรเนนรูปแบบเพื่อสนับสนุนนวัตรกรรมใหมๆ<br />
รวมถึง<br />
การนําเสนอผลิตภัณฑใหมๆ เพื่อตอบสนองความตองการของตลาดที่มี<br />
การแขงขันสูง องคกรจําเปนตองเนนปรับปรุงมิติในดานความรู<br />
ความสามารถเฉพาะดานของทีมงาน และความคลองตัวในการดําเนินการ<br />
ขององคกร [25] ซึ่งงานวิจัยนี้จะเนนศึกษา<br />
มิติองคกรทั้ง<br />
5 ดานตาม<br />
แนวทางการศึกษาของ Hinning [10],[13],[20] ประกอบดวย ดานความมี<br />
รูปแบบ (Formalization) ดานความชํานาญเฉพาะดาน (Specialization)<br />
ดานความมีมาตรฐาน (Standardization), ดานระดับอํานาจหนาที่<br />
(Centralization) และดานระบบสายงาน (Configuration)<br />
3. รูปแบบโครงสรางองคกร<br />
ในชวงศตวรรษที่<br />
19 และ 20 บริษัทเนนประสิทธิภาพในการ<br />
ผลิตสินคาและบริการประเภทเดียวดวยการตนทุนต่ํา<br />
จึงมีโครงสราง<br />
องคกรทีมีความชํานาญเฉพาะ ขึ้นตรงตอผูบริหารคนเดียว<br />
เรียกวา<br />
รูปแบบองคกรแบบหนวยงานเดียว (Unitary Form) เพื่อใหสามารถ<br />
ควบคุมประสิทธิภาพการผลิต [5] เชนรูปแบบขาราชการ เปนตน ตอมา<br />
กลางทศวรรษ ที่<br />
20 บริษัทเนนการผลิตผลิตภัณฑหลากหลายมากขึ้นเพื่อ<br />
ตอบสนองความตองการของตลาดที่เติบโตมากขึ้น<br />
จึงตองแบงหนาที่เปน<br />
248<br />
หลายสวนงาน ทีรับผิดชอบทีแตกตางกัน แตทํางานรวมกัน เรียกวา<br />
รูปแบบองคกรแบบหลายหนวยงาน (Multidivisional form) รองรับการ<br />
ขยายตัวขององคกร เชน รูปแบบองคกรผสม (Hybrid Form) ซึ่งเปนการ<br />
ผสมผสานรูปแบบองคกรที่เกิดจากการควบรวมกิจกรรม<br />
นอกจากนี้ยังมี<br />
รูปแบบองคกรที่เนนกําหนดความรับผิดชอบหลักใหกับหลายหนวยงาน<br />
ทํางานรวมกัน[3] ปจจุบันเทคโนโลยีเขามามีบทบาทตอรูปแบบ<br />
โครงสรางองคกร ทั้งการนํามาใชในการจัดการภายในองคกร<br />
รวมถึงการ<br />
เติบโตอยางรวดเร็วของเทคโนโลยีในการสื่อสาร<br />
การขนสง ที่ทําธุรกิจ<br />
สามารถเขาถึงตลาดไดงายและรวดเรว สงผลการแขงขันในตลาดที่<br />
รุนแรงขึ้น<br />
องคกรจึงเนนรูปแบบที่สามารถรองรับการเปลี่ยนแปลงของ<br />
เทคโนโลยี เรียกวา องคกรนวัตกรรม (Innovation Form) เชน รูปแบบ<br />
โครงขาย (Network form) ซึ่งเปนการทํางานรวมกันของหลายหนวยงาน<br />
ที่มีความเชี่ยวชาญในเรื่องเดียวกัน<br />
ทําใหเกิดการแลกเปลี่ยนความรูและ<br />
ประสบการณ หรือรูปแบบโครงการ (Project form) เปนการกําหนดความ<br />
รับผิดชอบใหหลายหนวยงานที่มีเปาหมายเฉพาะรวมกัน<br />
ในชวงเวลา<br />
หนึ่ง<br />
[18-19]<br />
4. ดัชนีผลิตภาพ<br />
จากงานวิจัยที่เกี่ยวของไดอธิบายความหมายของผลิตภาพ<br />
ดังนี้<br />
นิยามผลิตภาพ คือ “ผลผลิตที่คนสามารถผลิตไดดวยความพยายาม<br />
นอยที่สุด”<br />
อธิบายผลิตภาพคือ “ปริมาณผลผลิตที่มีคุณภาพตอชั่วโมงการ<br />
ทํางานของพนักงาน” กลาววาผลิตภาพคือ “ผลงานขององคกรและ<br />
หนวยงานที่เพิ่มสูงขึ้นอยางมีคุณภาพ”<br />
ซึ่งผลิตภาพถูกใชในการชี้วัด<br />
ประสิทธิภาพในการดําเนินงานขององคกร จาการใชวัตถุดิบหรือแรงงาน<br />
ตอปริมาณสินคาหรือบริการที่ผลิตขึ้น<br />
[1] และยังใชอธิบายความสามารถ<br />
ในการใชทรัพยากรในการผลิตสินคา หรือใหบริการ [23] นอกจากนี้ผลิต<br />
ภาพยังสามารถวัดไดจาก ปริมาณการใชวัตถุดิบจากสินคาที่ใชแลว<br />
หรือ<br />
สินคาที่นํากลับมาใชใหม<br />
[24]<br />
ผลิตภาพแรงงาน จะพิจารณาจากปริมาณผลผลิต หรือบริการ<br />
ที่พนักงานทําไดในชวงเวลาทํางานที่ถูกกําหนด<br />
ซึ่งจากงานวิจัยที่ผานมา<br />
มีการศึกษาปจจัยที่สงผลตอดัชนีผลิตภาพแรงงาน<br />
ไดแก ปจจัยคาแรง<br />
และชั่วโมงการทํางาน<br />
ซึ่งรวมถึงระดับความชํานาญและประสบการณ<br />
ของแรงงาน [12] ปจจัยดานสภาพแวดลอมในสถานที่ทํางาน<br />
สุขภาพ<br />
แรงงาน วัฒนธรรมองคกร และความปลอดภัย [2],[16] โดยปจจัยเหลานี้<br />
สงผลตอดัชนีผลิตภาพโดยทางตรง วัดจากปริมาณผลผลิตที่ผลิตได<br />
ใน<br />
ระยะเวลาการผลิตคงเดิม และยังสงผลทางออม วัดจากปริมาณมูลคาเพิ่ม<br />
ที่เกิดขึ้นจากการทํางานในระยะเวลาที่ถูกกําหนด[15]<br />
เชน ความคิด<br />
สรางสรรค คุณภาพในการทํางาน และมาตรฐานในการทํางาน [22]<br />
5. ระเบียบและวิธีวิจัย<br />
งานวิจัยเรื่องอิทธิพลของมิติโครงสรางองคกรตอดัชนีผลิต<br />
ภาพแรงงาน นี้เปนงานวิจัยเชิงปริมาณ<br />
และวิเคราะหผลการศึกษาดวย<br />
สถิติเชิงพรรณาและสถิติเชิงอนุมาน โดยเก็บขอมูลจากการสํารวจ ดวย
แบบสอบถาม และทําการวิเคราะหโดยใชการถดถอยพหุคูณ (Multiple<br />
Regression Analysis) ศึกษาอิทธิพลของมิติโครงสรางองคกรตอดัชนี<br />
ผลิตภาพแรงงาน<br />
5.1 กลุมตัวอยาง<br />
งานวิจัยฉบับนี้ทําการสุมตัวอยาง<br />
99 บริษัทจากทุกประเภท<br />
ธุรกิจที่ตั้งอยูในประเทศไทย<br />
โดยแบบสํารวจไดมีการตรวจสอบดาน<br />
ภาษาเพื่อลดความสับสนและเขาใจคลาดเคลื่อน<br />
อีกทั้งยังไดทําการสํารวจ<br />
เบื้องตนและวัดคา<br />
Reliability ไดมากกวา 0.7 ซึ่งสูงกวามาตรฐานที่<br />
ยอมรับได อยางไรก็ตามภายหลังการติดตามผลการสํารวจ มีบริษัทที่ตอบ<br />
แบบสอบถามทั้งสิ้น<br />
68 บริษัท เนื่องจากระยะเวลาจํากัด<br />
5.2 ตัวแปร<br />
ตัวแปรตน ประกอบดวย มิติของโครงสรางองคกรทั้ง<br />
5 ดาน<br />
ไดแก ดานความมีมาตรฐาน (Standardization) ดานความมีรูปแบบ<br />
(Formalization) ดานความชํานาญเฉพาะดาน (Specialization), ดานระดับ<br />
อํานาจหนาที่<br />
(Centralization) และดานระบบสายงาน (Configuration)<br />
ซึ่งอางอิงจากงานวิจัยของ<br />
Hining (2002) และ Mintzberg (1981) ตัวแปร<br />
ตาม ไดแก ดัชนีผลิตภาพแรงงาน ซึ่งอางอิง<br />
S Mohan (2010) และ<br />
Organization for Economic Co-Operation and Development, OECD<br />
(2001)<br />
5.3 เครื่องมือในการวิจัย<br />
คําถามในแบบสํารวจไดถูกพัฒนามาจาก Hining (2002),<br />
Mintzberg (1981), Francisco G. F. et al. (2008), John, A. P (1983), S<br />
Mohan (2010) แบบสอบถามมาตรวัดแบบ Likert Scale โดยทุกคําถาม<br />
จะถามความคิดเห็นจากมาตรวัดโดย 1 หมายถึง ไมเห็นดวยอยางยิ่ง<br />
ไป<br />
จนถึง 5 หมายถึงเห็นดวยอยางยิ่ง<br />
6. ผลการวิจัย<br />
6.1 ลักษณะประชากร<br />
ผูตอบแบบสอบถามทั้งหมด<br />
99 คนซึ่งเปนพนักงานในบริษัท<br />
ตางๆจํานวน 99 บริษัทที่ประกอบธุรกิจแตกตางกัน<br />
ไดแก ผลิตและ<br />
จําหนายสินคาอุปโภคและบริโภค ธนาคาร สื่อสารและโทรคมนาคม<br />
ที่<br />
ปรึกษา อุตสาหกรรมถยนต ปโตรเคมี พลังงาน เปนตน ผลการสํารวจ<br />
พบวา ผูตอบแบบสํารวจเปนเพศหญิง<br />
59.6% มีอายุอยูระหวาง<br />
31 ถึง 40<br />
ปจํานวน 56.6%และจํานวน 37.4% มีอายุระหวาง 21 ถึง 30 ป มีอายุการ<br />
ทํางานอยูระหวาง<br />
1 ถึง 5 ปจํานวน 90% จบการศึกษาระดับปริญญาตรี<br />
75.8% และจํานวน 42.4% ไดรับเงินเดือนอยูระหวาง<br />
10,000 ถึง 30,000<br />
บาท อีก 39.4% ไดรับระหวาง 30,001 ถึง 60,000 บาท<br />
6.2 การวิเคราะหองคประกอบ (Factor Analysis)<br />
งานวิจัยนี้ไดวิเคราะหองคประกอบของตัวแปรตาม<br />
ซึ่งผลการ<br />
วิเคราะหพบวาจากตัวแปรจํานวน 5 ตัวแปร มีเพียงสองตัวแปรที่มี<br />
คาไอเกนมากกวา 1 ซึ่งทั้งสองตัวแปรอธิบายคาความแปรปรวนรวมได<br />
249<br />
72.025 ดังนั้นจึงสามารถแยกตัวแปรทั้ง<br />
5 ตัวไดเพียง 2 องคประกอบ<br />
เทานั้น<br />
และเมื่อทําการทดสอบหมุนแกนดวยวิธี<br />
Varimax เพื่อวิเคราะห<br />
แบงแยกตัวแปรตามคา Loading ดังแสดงในตารางที่<br />
2 พบวา<br />
องคประกอบแรก ประกอบดวยตัวแปรดานความมีมาตรฐาน ดานความมี<br />
รูปแบบ ดานความมีรูปแบบ องคประกอบที่สอง<br />
ประกอบดวยตัวแปร<br />
ดานระดับอํานาจหนาที่<br />
และดานระบบสาย ซึ่งองคประกอบแรกจะเรียก<br />
ใหมวา “ความสามารถดานการดําเนินงาน” และองคประกอบที่สองจะ<br />
เรียกใหมวา “ความสามารถดานการตัดสินใจ”<br />
่ ตารางที 1: ผลลัพธจากการสกัดองคประกอบ<br />
Factors<br />
Total<br />
Initial Eigen values<br />
% of Variance % Cumulative<br />
1 2.415 48.290 48.29<br />
2 1.227 24.575 72.025<br />
3 .642 12.835 85.659<br />
4 .485 9.702 95.61<br />
5 .232 4.639 100<br />
่ ตารางที 2: เมตริกองคประกอบหลังการหมุน<br />
Item loaded Factor 1 Factor 2<br />
Formalization .804 .074<br />
Standardization .903 .151<br />
Specialization .875 .074<br />
Configuration .098 .823<br />
Centralization .090 .839<br />
6.3 การวิเคราะหการถดถอยพหุคูณ<br />
หลังจากการวิเคราะหองคประกอบของตัวแปรตามแลว ได<br />
นําผลการวิเคราะหไปใชในการวิเคราะหการถดถอยพหุคูณ พบวาคา<br />
สัมประสิทธิ์ถดถอยของแตละองคประกอบไดแก<br />
ความสามารถดานการ<br />
ดําเนินงาน = 0.46 (t = 3.924) และความสามารถดานการตัดสินใจ = 0.37<br />
(t = 3.974) ดังตารางที่<br />
3 ซึ่งคาสัมประสิทธิ์การถดถอยของตัวแปรอิสระ<br />
อธิบายถึงการเปลี่ยนแปลงของดัชนีผลิตภาพแรงงานเมื่อปจจัยแตละตัวมี<br />
การเปลี่ยนแปลงขณะที่ปจจัยอื่นคงที่<br />
ดังนั้นสรุปไดวาองคประกอบทั้ง<br />
สองดาน ของโครงสรางองคกรมีอิทธิพลตอการเปลี่ยนแปลงดัชนีผลิต<br />
ภาพแรงงานเมื่อปจจัยตัวอื่นคงที่<br />
จากผลการวิเคราะหตารางที่<br />
4 พบวา<br />
ความสามารถดานการดําเนินงานและความสามารถดานการตัดสินใจมี<br />
ผลกระทบตอดัชนีผลิตภาพแรงงาน 44.7% (R Square = 0.447) ซึ่งเมื่อ<br />
พิจารณาคาที่ระดับนัยสําคัญ<br />
0.05 และ F มีคาเทากับ 20.18 โดยมีสมการ<br />
ถดถอยพหุปจจัยดังนี้<br />
LABORP= 0.554+0.46 (OPER) + 0.37 (DECI)
LABOR หมายถึงดัชนีผลิตภาพแรงงาน OPER หมายถึง ความสามารถ<br />
ดานการดําเนินงาน และ DECI หมายถึง ความสามารถดานการตัดสินใจ<br />
่<br />
่<br />
ตารางที 3 คาระดับนัยสําคัญของตัวแปรตนที่มีผลตอตัวแปรตาม<br />
องคประกอบ t คาระดับนัยสําคัญ<br />
คาคงที<br />
3.412 0.001**<br />
ความสามารถดานการดําเนินงาน 3.924 0.000**<br />
ความสามารถดานการตัดสินใจ 3.974 0.000**<br />
** ตัวแปรตนมีผลตอตัวแปรตามที่ระดับนัยสําคัญ<br />
0.05<br />
ตารางที่<br />
4: คา R Square ของสมการถดถอยพหุ<br />
R R Square Adjusted R Square Std. Error of the Estimate<br />
.669 .447 .430 .48084<br />
7. การอภิปรายผลและขอเสนอแนะ<br />
จากการศึกษาพบวา การเปลี่ยนแปลงของดัชนีผลิตภาพ<br />
แรงงานไดรับอิทธิพลจากมิติของโครงสรางองคกรที่สําคัญสองดาน<br />
คือ<br />
1.) ดานการดําเนินงาน ซึ่งไดแก<br />
การกําหนดมาตรฐาน (Standardization)<br />
ในการทํางาน เชน ขอหามหรือขอปฏิบัติในการดําเนินงาน การวัดและ<br />
ประเมิน ผลงานอยางมีหลักเกณฑ ซึ่งรวมถึงการกําหนดรูปแบบ<br />
(Formalization) วิธีการปฏิบัติที่ชัดเจน<br />
เชนการบันทึกเวลาการทํางาน<br />
การนําเสนอรายงาน รูปแบบการประชุม รวมถึงโครงสรางหนาที่ในการ<br />
ปฏิบัติงาน โดยเฉพาะบริษัทที่เนนความเชี่ยวชาญเฉพาะดาน<br />
(specialization) ของพนักงานเพื่อผลิตสินคาที่เฉพาะเจาะจง<br />
เชนบริษัทที่<br />
ปรึกษาดานการเงิน อุตสาหกรรมผลิตรถยนต เปนตน ซึ่งมิติดานการ<br />
ดําเนินการที่มีรูปแบบชัดเจน<br />
เปนไปตามมาตรฐานยอมสรางความมั่นใจ<br />
และเชื่อมั่น<br />
ใหพนักงาน ทําใหกระตือรือรน มุงมั่นที่จะสรางผลงานที่มี<br />
คุณภาพ มีมาตรฐานและ บรรลุตามเปาหมายที่กําหนดไว<br />
2.) ดานการ<br />
อํานาจตัดสินใจ ซึ่งขึ้นกับระบบสายงาน<br />
(Configuration) หรือจํานวน<br />
แผนกในองคกร ซึ่งหากมีจํานวนแผนกในระดับเดียวกันมากเพื่อรองรับ<br />
งานจากผูบริหาระดับสูง<br />
รวมถึงสัดสวนจํานวนพนักงานในระดับ<br />
ปฏิบัติการตอหัวหนางานสูง ยอมทําใหการตัดสินใจจัดการกับปญหาทํา<br />
ไดรวดเร็ว เนื่องจากแตละสวนงานมีอํานาจตัดสินใจอยางเปนอิสระ<br />
ตรงกันขามหากมีจํานวนแผนกนอย แสดงวามีสายงานยาวในแผนก ทํา<br />
ใหการตัดสินใจแตละครั้งตองไดรับการพิจารณาหลายขั้นตอน<br />
นอกจากนี้ยังขึ้นอยูกับการจัดระดับอํานาจหนาที่<br />
(Centralization) เชน ให<br />
การตัดสินใจทุกเรื่องตองผานความเห็นชอบของผูบริหาร<br />
รวมถึงจํากัด<br />
ขอมูลในการตัดสินใจอยูเฉพาะในสวนของผูบริหารเทานั้น<br />
หรือแมแต<br />
การสื่อสารภายในองคกรที่ถายทอดจากผูบริหาระดับสูงสูหัวหนางาน<br />
กอน ลักษณะเชนนี้ยอมสงผลใหพนักงานทํางานดวยความสบายใจ<br />
ไม<br />
ตองกังวลในผลของการตัดสินใจ หรือการสื่อสารที่ผิดพลาด<br />
เมื่อพิจารณา<br />
250<br />
มิติทั้งสองดานพบวา<br />
ชวยทําใหพนักงานลดความเครียดในการทํางาน<br />
เนื่องจากไมเกิดความสับสนและหวาดกลัว<br />
สุขภาพของพนักงานยอม<br />
แข็งแรง สามารถทํางานไดอยางมีประสิทธิภาพ ยิ่งกวานี้การสื่อสารที่<br />
ชัดเจน มีวิธีการทํางานที่เปนขั้นตอน<br />
เชน การปฏิบัติตามมารฐานความ<br />
ปลอดภัย ยอมสงผลตอความมั่นใจในการทํางาน<br />
ทําใหสามารถเพิ่ม<br />
ปริมาณผลผลิต หรือปริมาณการใหบริการ<br />
ดังนั้นหากตองการออกแบบองคกรเพื่อสงเสริมผลิตภาพ<br />
แรงงานใหสูงขึ้น<br />
หรือเรียกวาองคกรแหงผลิตภาพ ก็ตองมุงเนนใหมีการ<br />
กําหนดมาตรฐานและวิธีปฏิบัติในการทํางานที่ชัดเจน<br />
สงเสริมและ<br />
สนับสนุนใหมีการเรียนรูเพื่อเพิ่มทักษะในงานที่ทํางาน<br />
แบงแผนกให<br />
สามารถทํางานไดอยางอิสระ และมีสายงานในแผนกนอยๆ อาจมีการเพิ่ม<br />
เทคโนโลยีเพื่อชวยใหการทํางานคลองตัวและรวดเร็วขึ้น<br />
ซึ่งเปนการเพิ่ม<br />
ประสิทธิภาพการสื่อสารภายในองคกร<br />
จะเห็นไดวารูปแบบองคกรแหง<br />
ผลิตภาพก็มีลักษณะแตกตางจากรูปแบบองคกรนวัตกรรม หรือแบบ<br />
ราชการ ซึ่งก็เพื่อมุงเนนใหเกิดประสิทธิภาพในการผลิตสูงสุด<br />
8. ขอจํากัดในการวิจัย<br />
เนื่องจากตองเก็บขอมูลภายระยะเวลาจํากัด<br />
จึงไดรับผลการ<br />
สํารวจจากองคกรในจํานวนไมสูงมากนัก ขอมูลที่ไดจึงนําใชเปน<br />
แนวทางในการศึกษาวิจัยเพิ่มเติมและนําไปประยุกตในการปรับ<br />
โครงสรางองคกรเพื่อเพิ่มดัชนีผลิตภาพ<br />
แตอาจตองมีการศึกษาปจจัยดาน<br />
สภาพแวดลอม และปจจัยภายใน เชนกลยุทธของธุรกิจ ซึ่งอาจสงผลให<br />
การปรับองคกรไมสงผลตามที่คาดหวังได<br />
9. เอกสารอางอิง<br />
[1] Alan, Stainer. (1997). Capital input and total productivity<br />
management, Management Decision, 35/3, 224–232.<br />
[2] Amina Hameed, Shehla Amjad, 2009, Impact of Office Design on<br />
Employees’ Productivity: A Case study of Banking Organizations<br />
of Abbottabad, Pakistan, Journal of Public Affairs, Administration<br />
and Management, Vol. 3, Issue 1<br />
[3] Ashcraft, Karen Lee, 2001, organized dissonance: feminist<br />
bureaucracy as hybrid form, Academy of Management Journal,<br />
Dec, Vol. 44 Issue 6, p1301-1322, 22p.<br />
[4] Bruce, Kyle & Jordan, Judith, 2007 Between Markets and<br />
Hierarchies: Towards a Better Taxonomy of Hybrid Organizational<br />
Forms? Technology Analysis & Strategic Management Vol. 19<br />
[5] Child, John. & Gunther McGrath, Rita., 2001, Organizations<br />
Unfiltered Organizational Form In An Information-intensive<br />
Economy. Academy of Management Journal, Dec, Vol. 44 Issue 6
[7] Eleanor Doyle, 1997, Structural change in Ireland The contribution<br />
of sectoral employment distribution to labour productivity<br />
convergence between Ireland and the EU: 1970-1990, Journal of<br />
Economic Studies, Vol. 24 Nos. 1/2, pp. 59-71.<br />
[8] ESCAP Statistic Yearbook for Asia and the Pacific 2009, the<br />
United Nations Economic and Social Commission for Asia and the<br />
Pacific (ESCAP)<br />
[9] Francisco, G. F., & Ana, E. C. B., 2008, “The Relationship between<br />
Information and Communication Technologies and New<br />
Organizational Forms: Reference of the Manufacturing Industry in<br />
the Area of Carabobo, Venezuela”, Journal of Technology<br />
Management & Innovation, Volume 3, Issue 4.<br />
[10] Hinings, C. R., & Greenwood, & Royston, 2002, “Dimensions of<br />
Organization Structure” Administrative Science Quarterly, Vol.<br />
47, Issue 3, p411-421.<br />
[11] John, A. P., & Fred, R. D, 1983, “A Social Network Approach to<br />
Organizational Design-Performance”, Academy of Management<br />
Review, Vol. 8, No. 3, p436-444.<br />
[12] Marshall Alfred, 1988, Quarterly Journal of Economics, Vol. 2<br />
Issue 2, p218-223, 6p<br />
[13] Mintzberg, Henry, 1981 “Organization design: fashion or fit?”,<br />
Harvard Business Review, Jan/Feb, Vol. 59 Issue 1, p103-116.<br />
[14] Monthly report on Industrial index May 2010-2011, Office of<br />
Industrial Economic, Thailand<br />
[15] Organizational for Economic Co-operation and Development,<br />
2001, Measuring Productivity: Measurement of Aggregate And<br />
Industry Level Productivity Growth<br />
[16] Peter Broedner, Steffen Kinkel & Gunter Lay, 2009 “Productivity<br />
effects of outsourcing New evidence on the strategic importance of<br />
vertical integration decisions”, International Journal of Operations<br />
& Production Management, Vol. 29 No. 2<br />
[17] Pugh, D. S.; Hickson, D. J.; Hinings, C. R.; Turner, C., 1968<br />
Dimensions of Organization Structure. Full Text Available By:<br />
Administrative Science Quarterly, June, Vol. 13 Issue 1<br />
[18] Raymond, E. M., Charles, C. S., & Kirsimarja, 2009, “The I-Form<br />
Organization. California Management Review”, Vol. 51, No.4.<br />
[19] Sara, L. B., 2009, “Introduction to a symposium on organizational<br />
design” California Management Review, Vol.51 No 4.<br />
[20] Schilling, M. A., Steensma, H. K., 2001. “The use of modular<br />
organization forms: An industry-level analysis”, Academy of<br />
Management Journal, 44: p1148-1167.<br />
251<br />
[21] Singh, R., Garg, S. & Deshmukh, S., 2008, “Strategy Development<br />
by SMEs for Competitiveness: A Review”. Emerald Group<br />
Publishing Limited, 15(5), p525-547.<br />
[22] S Mohan, 2010, “Labor Productivity of Tamil Nadu State<br />
Transport Corporation”, The IUP Journal of Infrastructure, Vol.<br />
VIII, Nos. 1 & 2<br />
[23] Stefan Tangen, 2005, “professional practice Demystifying<br />
productivity and Performance”,International Journal of<br />
Productivity and Performance Management, Vol. 54 No. 1.<br />
[24] V. Ravi, Ravi Shankar & M.K. Tiwari, 2005, “Productivity<br />
improvement of a computer hardware supply chain”, International<br />
Journal of Productivity, and Performance Management, Vol. 54<br />
ประวัติผูวิจัย<br />
ดร.ภูษิต วงศหลอสายชล<br />
D.B.A Novasoutheastern University,<br />
Florida, U.S.A.<br />
Lecturer, School of Business, University<br />
of the Thai Chamber of Commerce.<br />
ตอเกียรติ นอยสําลี<br />
D.B.A Student School of Business,<br />
University of the Thai Chamber of<br />
Commerce, Thailand<br />
Consultant, Kepner-Tregoe (Thailand) LLC.
252<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
Interaction of Crossover and Mutation Operations for Designing Non-rotatable Machine Layout<br />
Srisatja Vitayasak 1 and Pupong Pongcharoen 2<br />
Department of Industrial Engineering, Faculty of Engineering, Naresuan University, Pitsanulok 65000, Thailand.<br />
Corresponding e-mail addresses: pupongp@nu.ac.th and srisatjav@nu.ac.th<br />
Abstract<br />
The design task on machine layout problem involves the<br />
arrangement of machines into shop floor area to optimise performance<br />
measures such as minimising the total handling distances of materials<br />
and/or parts to be performed on a predefined sequence of machines<br />
located in a specified area. Shorten total handing distance leads to the<br />
efficiency of productivity and it related costs. Machine Layout Design<br />
(MLD) problem is classified as Non-deterministic Polynomial-time<br />
hard problem, which means that the amount of computation required to<br />
find solutions increases exponentially with problem size. Solving this<br />
kind of problem by full numerical methods especially for the large size<br />
can be computationally expensive. The objectives of this paper were to<br />
i) describe the application of Genetic Algorithm (GA) for designing<br />
non-rotatable machine layout in a multiple-row environment aiming to<br />
minimise the total material handling distance and ii) investigate genetic<br />
operators (including sixteen crossover and eight mutation operators),<br />
that have an influence on the solution quality. An automated machine<br />
layout designing tool has been coded in modular style using a general<br />
purpose programming language called Tcl/Tk. The computational<br />
experiment was designed using four MLD benchmarking datasets<br />
adopted from literature and conducted with five replicates on each<br />
combination. A total of 2,560 computational runs were carried out. The<br />
analysis on the results obtained from computational experiments<br />
suggested that the proposed algorithm performed distinctively on each<br />
problem size when adopting different crossover and mutation operator.<br />
The best crossover and mutation operators for MLD problem were<br />
statistically compared and reported.<br />
Keyword: Multiple rows, Machine layout design, Genetic Algorithm,<br />
Crossover, Mutation.<br />
1. Introduction<br />
Genetic Algorithm (GA) introduced by Holland [1] and<br />
Goldberg [2] is biologically-based stochastic search algorithm for<br />
approximating optimal solution in a search space and therefore gained<br />
more interest during the last few decades [3]. GA starts with an initial<br />
population of random solution called chromosome. Chromosome<br />
representation deals with a coding of problem which has been used in a<br />
variety of approaches (binary digits, lists of integers, floating points and<br />
strings) depending on the nature of the problem. Each approach yields<br />
differently good solution [4]. GA uses probabilistic (non-deterministic)<br />
transition rules to guide a highly exploitative search and also performs a<br />
multiple directional search by maintaining a population of potential<br />
solutions. In each iteration of the search process (generation), GA<br />
exploits the best solution within the population and also explores<br />
different parts of solution space simultaneously [3]. This mechanism<br />
can be adjusted for helping to escape from local optimal. Therefore, a<br />
number of GA applications have increased in the last few decades and<br />
can be found in the production and operations management literature [4,<br />
5]. GA has widely been applied to the area of industrial engineering<br />
such as machine layout design, scheduling, transportation and many<br />
other combinatorial optimisation problems.<br />
The genetic operations, including crossover and mutation,<br />
are the process to create new offspring in each generation. Crossover<br />
operator helps GA move towards a local optimum. Mutation operator is<br />
the exploration operator which tends to move the search to a new<br />
neighbourhood [6]. A number of new offspring were based on the<br />
probabilities of crossover and mutation. A variety of new offspring<br />
depends on crossover and mutation mechanisms. Sixteen crossover and<br />
eight mutation operations have been described by Pongcharoen [7].<br />
They were used for scheduling the production of complex products in<br />
the capital good industry. Genetic operators have also been investigated<br />
in flow shop scheduling [8], travelling salesman problem [9], facility<br />
layout problem [10, 11] and communication network design [12].
However, there has been no report on the investigation of crossover and<br />
mutation operators and its interaction in machine layout problem.<br />
In manufacturing contexts, machine layout design (MLD) is<br />
the process of arranging machines into shop floor area which has effects<br />
on production cost and time [13]. The effective facility layout can help<br />
to reduce the production cost by 10-30% [14]. MLD problem is<br />
classified as Non-deterministic Polynomial-time hard (NP-hard)<br />
problem [15], which means that the amount of computation required to<br />
find solutions increases exponentially with problem size. Solving this<br />
kind of problem by full numerical methods especially for the large size<br />
can be computationally expensive. The approximation optimisation<br />
algorithms such as GA [16, 17], Simulated Annealing [18], Tabu Search<br />
[18] etc. have been applied to solve MLD problem but do not guarantee<br />
optimum solution [3].<br />
The categorisation of the characteristics of the layout<br />
problem depends on the criterion used [17] such as manufacturing<br />
systems (fixed layout, process layout, product layout and cellular<br />
layout), layout configurations (single row, multi-rows, loop layout, open<br />
field layout and multi-floor layout) and constrains (area, position and<br />
budget constraints). The machine orientation was classified as the<br />
positioning constraint is fixed (non-rotatable): horizon position –the<br />
long side is parallel to the x-axis, or vertical position –the long side is<br />
parallel to the y-axis [19, 20], or non-fix (rotatable) [21] as in figure 1.<br />
a) Horizontal b) Vertical C) rotatable<br />
Figure 1 Orientation of machine placement.<br />
The objectives of this paper are to i) describe the application<br />
of Genetic Algorithm (GA) for designing non-rotatable machine layout<br />
in a multiple-row environment aiming to minimise the total material<br />
handling distance and ii) investigate genetic operators (including sixteen<br />
crossover and eight mutation operators), that have an influence on the<br />
solution quality.<br />
The paper is organised as follows: section 2 describes the<br />
Genetic Algorithm process for solving MLD problem and its pseudocode<br />
followed by machine layout design in section 3, the experiment<br />
253<br />
results are presented in section 4. Finally, a conclusion is drawn in<br />
section 5.<br />
2. Genetic Algorithm for solving MLD problem<br />
The pseudo-code of the proposed GA for MLD shown in<br />
figure 2 can be described as follow: i) encode the problem to produce a<br />
list of gene using alphanumeric string. Each chromosome contains a<br />
number of genes, each representing machine number such as in figure 3.<br />
This means that the length of chromosome is equal to the total number<br />
of machines to be arranged. ii) prepare input data (Number of machines:<br />
Nm and dimension of machines: width (w) x length (l), number of parts:<br />
Np and its machine sequences: Si ) and identify parameters (Population<br />
size: Pop_size, Number of generation: Gmax, Probability of crossover: Pc, Probability of mutation: Pm, floor length (FL), floor width (FW)) and gap<br />
between machines (G). iii) randomly generate an initial population<br />
based on Pop_size. iv) apply crossover and mutation operators to<br />
generate new offspring based on Pc and Pm respectively. v) arrange<br />
machines row by row based on FL and FW. vi) evaluate the fitness<br />
function value. vii) select the best chromosome having the shortest<br />
material handling distance using the Elitist Selection. viii) choose<br />
chromosomes for next generation by using the Roulette Wheel<br />
Selection [22] and ix) stop the GA process according to the Gmax. When<br />
GA process is terminated, the best-so-far solution is concluded.<br />
Input problem dataset (N m , w, l, N p , S i )<br />
Parameter setting (Pop_size, G max, P c, P m, F L, F W, G)<br />
Randomly create initial population (Pop_size)<br />
Set i = 1 (first generation)<br />
While i ≤ G max do<br />
For j = 1 to cross do (cross = round ((P c x Pop_size)/2)))<br />
Crossover operation<br />
End loop for j<br />
For k = 1 to mute do (mute = round(P m x Pop_size))<br />
Mutation operation<br />
End loop for k<br />
Arrange machines row by row based on F L , F W and G<br />
Calculate material handling distance<br />
Elitist Selection<br />
Chromosome Selection using Roulette wheel method<br />
i = i + 1 End loop while<br />
Output the best solution<br />
Figure 2 Pseudo-code of GA for MLD problem.
Figure 3 Chromosome representation.<br />
3. Machine Layout Design Problem<br />
In manufacturing contexts, machine layout design is<br />
involved in the process of arranging machines, most of which are in<br />
different sizes and rectangular shape, on shop floor area in multiple row<br />
layout configuration. The material handling device is the automated<br />
guided vehicles (AGV). An example of multiple-row machine layout<br />
design was shown in figure 4. Machines are arranged row by row by<br />
starting in row 1 (R1) from left to right based on F L and gap between<br />
machines (G). When there is not enough area for the next machine, it<br />
will then be placed in the next row. Movement of AGV between rows<br />
can be conducted either by moving to the left or the right side of the<br />
row and then moving up or down to the destination row. The distance of<br />
In this work, the following assumptions have been made in<br />
order to simplify and formulate the problem: i) machine alignment is<br />
fixed or non-rotatable; ii) the material handling distance between<br />
machines is determined from the centroid of machine; iii) there are<br />
enough sizes of shop floor area for machine arrangement; iv) the<br />
movement of AGV is a straight line; v) a gap between machines is<br />
similar and vi) the quantity of products, processing time and moving<br />
time are not taken into consideration.<br />
4. Experimental results<br />
In this work, the computational experiment was conducted<br />
using four MLD benchmarking datasets (shown in table 1) adopted<br />
from literature [24]. The datasets are in various sizes according to the<br />
254<br />
material handling is evaluated from the shortest distance such as<br />
transportation of materials from M12 to M4. There are two choices:<br />
route (3) or (4). Because route (3) is shorter than (4), thus they are<br />
transported with route (3). The operated point of each machine is<br />
centroid. The objective function is to minimise the material handling<br />
distance as equation (1).<br />
= z<br />
M<br />
M<br />
∑∑<br />
j=<br />
1 i=<br />
1<br />
Figure 4 Example of multiple-row machine layout design [23].<br />
ij ij d f<br />
; i ≠ j (1)<br />
M is a number of machines, i and j is machine sequences (i<br />
and j = 1, 2, 3,…, M), f ij is frequency of material flow between machine<br />
i and j, d ij is distance between machine i and j.<br />
number of machines and products, for example, dataset M10P3 means<br />
that there are three products to be processed on ten non-identical<br />
rectangular machines. The machine layout designing program was<br />
developed and coded in modular style using the Tool Command<br />
Language and Tool Kit (Tcl/Tk) programming language [25]. An<br />
experiment was designed and conducted on personal computer with<br />
Intel Core i5 2.8 GHz and 4 GB DDR3 RAM.<br />
The probabilities of crossover and mutation adopted in this<br />
work were set at 0.9 and 0.5 respectively. These values have been<br />
investigated in previous work [26]. The population size and number of<br />
generation had a considerable effect on the amount of search in the<br />
solution space. It should therefore be related to the problem size.
and large-size problems. For small-size problem, the inverse mutation (IM) was the best.<br />
Table 3 Relative performance of crossover operators in each dataset.<br />
No.<br />
Crossover<br />
operators<br />
M10P3 M20P5 M15P9 M30P10<br />
Mean STD Mean STD Mean STD Mean STD<br />
1 AEX 190.98 5.13 1392.90 54.07 1434.43 26.20 4955.93 119.04<br />
2 CX 196.32 9.27 1365.90 60.04 1421.09 32.75 4834.39 175.30<br />
3 DX 194.87 6.58 1376.14 44.16 1426.53 28.68 4960.76 104.14<br />
4 ER 201.30 13.64 1420.37 46.04 1464.28 38.30 4957.95 109.29<br />
5 EERX 193.18 7.02 1378.10 43.21 1434.24 24.92 4885.18 104.14<br />
6 IPX 189.29 5.60 1321.90 46.45 1386.56 34.21 4768.79 128.72<br />
7 LOX 188.28 2.09 1363.12 45.16 1398.62 29.32 4876.70 104.98<br />
8 MPX 188.03 1.75 1339.74 48.73 1386.72 35.99 4814.12 130.41<br />
9 1PX 190.20 6.15 1373.12 57.59 1411.05 42.15 4832.64 130.94<br />
10 OX 188.60 2.82 1370.66 49.59 1401.60 28.18 4916.63 104.33<br />
11 PMX 189.61 4.91 1326.39 50.21 1393.36 33.69 4742.06 115.66<br />
12 PBX 188.23 2.89 1324.06 48.52 1393.15 41.93 4698.11 125.64<br />
13 SCX 190.28 5.24 1344.57 53.52 1399.47 34.35 4753.41 138.54<br />
14 2PCX 187.94 2.68 1326.67 47.77 1385.58 28.85 4687.40 127.55<br />
15 2PEX 188.95 3.90 1353.59 58.64 1414.82 44.70 4796.12 156.25<br />
16 2PECX 188.48 3.01 1318.07 47.76 1380.73 35.33 4715.41 152.31<br />
Table 4 Relative performance of mutation operators in each dataset.<br />
No.<br />
Mutation<br />
operators<br />
M10P3 M20P5 M15P9 M30P10<br />
Mean STD Mean STD Mean STD Mean STD<br />
1 CIM 195.80 11.66 1406.70 59.82 1436.51 48.65 4928.57 180.86<br />
2 E2ORS 192.25 8.04 1349.76 44.52 1420.54 38.54 4795.55 123.60<br />
3 IM 188.36 3.02 1343.94 50.55 1407.67 36.24 4803.68 151.57<br />
4 SOM 189.16 3.88 1354.76 51.45 1412.19 39.63 4818.91 133.43<br />
5 3O<strong>AS</strong> 190.73 5.51 1368.23 57.49 1412.07 33.76 4872.61 142.87<br />
6 3ORS 191.07 5.89 1341.73 48.64 1403.83 33.38 4765.45 136.23<br />
7 2O<strong>AS</strong> 191.20 6.63 1364.96 51.56 1421.32 42.40 4883.68 127.93<br />
8 2ORS 188.69 3.40 1317.57 51.86 1396.82 31.90 4729.35 146.67<br />
Table 5 Ranking of crossover and mutation operations.<br />
Dataset<br />
Rank of crossover operator<br />
1<br />
Rank of mutation operator<br />
st 2 nd 3 rd 1 st 2 nd 3 rd<br />
M10P3 2PCX MPX PBX IM 2ORS SOM<br />
M20P5 2PECX IPX PBX 2ORS 3ORS IM<br />
M15P9 2PECX 2PCX IPX 2ORS 3ORS IM<br />
M30P10 2PCX PBX 2PECX 2ORS 3ORS E2ORS<br />
The main effect plots (fitted mean) in figure 5 and 6 show<br />
the appropriate crossover and mutation operators for each dataset,<br />
which differ from the previous work [38], in which the best operators<br />
256<br />
were EERX and 2O<strong>AS</strong>. Each crossover and mutation operator performs<br />
a different mechanism on the balancing between exploitation and<br />
exploration. The worst crossover and mutation operators were ER and<br />
CIM for all datasets. The interaction of both operators as shown in<br />
figure 7 indicated similar results. The suggested best genetic operators<br />
from both main effect plots and interaction plots were different. From<br />
the main effect plots, the best crossover and mutation for M10P3 and<br />
M30P10 were 2PCX/IM and 2PCX/ORS, respectively, while<br />
interaction plots suggested that the best operators were PBX/CIM and<br />
SCX/2ORS, respectively. The student’s t-test was applied to test the
difference of the mean of material handling distance between two plots<br />
based on 30 replicates and 95% confidence interval. The results did not<br />
significantly differ in all couples. The best crossover and mutation<br />
operators producing the best-so-far solutions were summarised in table<br />
6. The average computational time required to solve each dataset<br />
depends on the problem size. Dataset M30P10 took the longest<br />
execution time which was about 116 seconds while M10P3 took only<br />
18 seconds.<br />
Mean material handling distance (m)<br />
230<br />
225<br />
220<br />
215<br />
210<br />
205<br />
200<br />
195<br />
190<br />
185<br />
257<br />
For each dataset, the computational runs having appropriate<br />
genetic operators (in table 6) were repeated 30 times using different<br />
random seed numbers. The computational results were analysed in<br />
terms of the minimum, maximum, mean and standard deviation (STD)<br />
as shown in table 7.<br />
Table 6 Appropriate genetic operators for each dataset.<br />
Genetic operator M10P3 M20P5 M15P9 M30P10<br />
Crossover PBX 2PECX 2PECX SCX<br />
Mutation CIM 2ORS 2ORS 2ORS<br />
a) b)<br />
Figure 5 Main effect plots of crossover operators on the datasets: a) M10P3/M30P10 and b) M20P5/M15P9.<br />
a) b)<br />
Figure 6 Main effect plots of mutation operators on the datasets: a) M10P3/M30P10 and b) M20P5/M15P9.<br />
M1<br />
M2<br />
M3<br />
M4<br />
M5<br />
M6<br />
M7<br />
M8<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16<br />
No. of crossover operator (C)<br />
Mean material handling distance (m)<br />
5200<br />
5100<br />
5000<br />
4900<br />
4800<br />
4700<br />
4600<br />
4500<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16<br />
No. of crossover operator (C)<br />
a) b)<br />
M1<br />
M2<br />
M3<br />
M4<br />
M5<br />
M6<br />
M7<br />
M8
Journal of Materials Processing Technology, vol. 157, pp. 150-<br />
158, Dec 2004.<br />
[14] J. A. Tompkins, et al., Facilities Planning, Fourth ed.: JOHN<br />
WILEY & SONS, INC., 2010.<br />
[15] E. M. Loiola, et al., "A survey for the quadratic assignment<br />
problem," European Journal of Operational Research, vol. 176,<br />
pp. 657-690, 2007.<br />
[16] J. Balakrishnan and C. H. Cheng, "A note on a hybrid genetic<br />
algorithm for the dynamic plant layout problem," International<br />
Journal of Production Economics, vol. 103, pp. 87-89, Sep 2006.<br />
[17] A. Drira, et al., "Facility layout problems: A survey," Annual<br />
Reviews in Control, vol. 31, pp. 255-267, 2007.<br />
[18] P. Wangta and P. Pongcharoen, "Designing Machine Layout<br />
Using Tabu Search and Simulated Annealing," Naresuan<br />
University Journal, vol. 18, pp. 1-8, 2010.<br />
[19] P. Corry and E. Kozan, "Ant colony optimisation for machine<br />
layout problems," Computational Optimization and Applications,<br />
vol. 28, pp. 287-310, Sep 2004.<br />
[20] T. Dunker, et al., "Combining evolutionary computation and<br />
dynamic programming for solving a dynamic facility layout<br />
problem - Discrete optimization," European Journal of<br />
Operational Research, vol. 165, pp. 55-69, Aug 2005.<br />
[21] S. Bock and K. Hoberg, "Detailed layout planning for<br />
irregularly-shaped machines with transportation path design,"<br />
European Journal of Operational Research, vol. 177, pp. 693-<br />
718, Mar 2007.<br />
[22] M. Gen and R. Cheng, Genetic Algorithms and Engineering<br />
Design: JOHN WILEY & SONS, INC., 1997.<br />
[23] N. Leechai, et al., "Comparison on Rank-based Ant System and<br />
Shuffled Frog Leaping for design multiple row machine layout,"<br />
SWU Engineering Journal, vol. 4, pp. 102-115, 2009.<br />
[24] A. C. Nearchou, "Meta-heuristics from nature for the loop layout<br />
design problem," International Journal of Production<br />
Economics, vol. 101, pp. 312-328, Jun 2006.<br />
[25] J. K. Ousterhout, Tcl and Tk tookit, 2nd ed.: Addison Wesley,<br />
2010.<br />
[26] S. Vitayasak, "Multiple-row rotatable machine layout using<br />
Genetic Algorithm " Naresuan Univeristy, Pitsanulok, Research<br />
report (in Thai) 2011.<br />
[27] J. J. Greffensette, et al., "Genetic Algorithm for the travelling<br />
saleman problem," in <strong>Proceeding</strong>s of the First International<br />
259<br />
Conference on Genetic Algorithms and Their Applications, 1985,<br />
pp. 160-168.<br />
[28] I. M. Oliver, et al., "A study of permutation crossovers on the<br />
travelling saleman problem," in <strong>Proceeding</strong>s of the Second<br />
International Conference on Genetic Algorithms and their<br />
Applications, 1987, pp. 225-230.<br />
[29] A. E. Eiben, et al., "Competing crossovers in an adaptive GA for<br />
framework," in <strong>Proceeding</strong>s of the IEEE Conference on<br />
Evolutionary Computation, 1989, pp. 787-791.<br />
[30] D. Whitley, et al., "Scheduling problems and the travelling<br />
salesman: the genetic edge recombination operator," in<br />
<strong>Proceeding</strong>s of the Thrid International Conference on Genetic<br />
Algorithms, 1989, pp. 133-140.<br />
[31] T. Starkweather, et al., "A comparison of genetic sequencing<br />
opeartors," <strong>Proceeding</strong>s of the Third International Conference on<br />
Genetic Algorithms, pp. 69-76, 1991.<br />
[32] E. Falkenauer and S. Bouffoix, "A genetic algorithm for job<br />
shop," in <strong>Proceeding</strong>s of the IEEE International Conference on<br />
Robotics and Automation, 1991.<br />
[33] H. Muhlenbein, et al., "Evolution algorithms in combinatorial<br />
optimisation," Parallel Computing, vol. 7, pp. 65-85, 1992.<br />
[34] L. Davis, "Job shop scheduling with genetic algorithm," in<br />
<strong>Proceeding</strong>s of the First International Conference on Genetic<br />
Algorithms and their Applications, 1985, pp. 136-140.<br />
[35] D. E. Goldberg and R. Lingle, "<strong>All</strong>eles, loci and the travelling<br />
salesman problem," in <strong>Proceeding</strong>s of the First International<br />
Conference on Genetic Algorithms and Their Applications, 1985,<br />
pp. 154-159.<br />
[36] G. Syawerda, "Scheduling optimisation using genetic algorithm,"<br />
in Handbook of Genetic Algorithm, ed, 1991, pp. 332-349.<br />
[37] D. Tralle, "Analysing of genetic operations in genetic algorithms<br />
applied to optimisation of manufacturing systems,"<br />
Undergraduate project, Department of Mechanics, Materials and<br />
Manufacturing Engineering, University of Newcastle, 2000.<br />
[38] P. Pongcharoen, et al., "Applying designed experiments to<br />
optimize the performance of genetic algorithms used for<br />
scheduling complex products in the capital goods industry,"<br />
Journal of Applied Statistics, vol. 28, pp. 441-455, Mar-May<br />
2001.
Biography<br />
Pupong Pongcharoen is an Assistant Professor in<br />
Industrial Engineering, Faculty of Engineering,<br />
Naresuan University, Pitsanulok, Thailand. He<br />
graduated a bachelor degree in Industrial Engineering<br />
from Chiang Mai University and graduated a master degree in Industrial<br />
System Engineering and Management from the Asian Institute of<br />
Technology. He received a Ph.D. in Manufacturing Engineering from<br />
the University of Newcastle upon Tyne, United Kingdom. His teaching<br />
and research interests include manufacturing planning and scheduling<br />
especially in engineer/make-to-order strategy, computer simulation,<br />
supply chain and logistics management, metaheuristics, applied<br />
statistics and operations research on industrial systems.<br />
Srisatja Vitayasak is a lecturer in Industrial<br />
Engineering, Faculty of Engineering, Naresuan<br />
University, Pitsanulok, Thailand. She graduated a<br />
bachelor degree in Industrial Engineering from<br />
Chiang Mai University and graduated a master<br />
degree in Industrial Engineering from Chulalongkon University. She is<br />
interested in production system especially in plant layout, applied<br />
statistics and operations research on the area of industrial engineering.<br />
260
2. การจัดสงน้ํามันใหกับลูกคาบางแหงมีระยะทางในการ<br />
จัดสงน้ํามันในเที่ยวไปและเที่ยวกลับไมเทากัน<br />
เชน ระยะทางในเที่ยวไป<br />
ยังลูกคานอยกวาเที่ยวกลับ<br />
เนื่องจาก<br />
ขอจํากัดเรื่องการใชเสนทางใน<br />
ชวงเวลาที่กฎหมายกําหนดให<br />
ซึ่งในเที่ยวไปอาจจะไปในเสนทางปกติซึ่ง<br />
สั้นที่สุดได<br />
แตในเที่ยวกลับจากลูกคาเขาคลังตองเดินทางในอีกเสนทาง<br />
ซึ่งมีระยะทางมากกวาเสนทางปกติมาก<br />
จากเหตุการณนี้<br />
ทําใหผูรับเหมา<br />
ไดอัตราคาขนสงนอยกวาตนทุนจริง ซึ่งการขับรถระยะทางไกลทําให<br />
เพิ่มตนทุนดานคาน้ํามันเปนอยางมาก<br />
นอกจากนี้ปญหาดังกลาวแลว<br />
บริษัท บางจากปโตรเลียม<br />
จํากัด (มหาชน) ยังตองการทราบระยะเวลาที่แนนอนในการเดินทางไปยัง<br />
สถานีบริการตางๆ โดยรถบรรทุกน้ํามัน<br />
เพื่อนําขอมูลดังกลาวมากําหนด<br />
จํานวนเที่ยวในการจัดสงน้ํามันสําหรับรถแตละคันได<br />
ดังนั้น<br />
บริษัท บางจากปโตรเลียม จํากัด (มหาชน) จึงคาดวา<br />
การกําหนดเสนทางที่แนนอน<br />
เพื่อใหรถบรรทุกน้ํามันใชในการเดินทาง<br />
ไปจัดสงน้ํามันใหกับสถานีบริการตางๆ<br />
ในกรุงเทพมหานครนั้น<br />
จะสามารถแกปญหาดานการคํานวณอัตราคาขนสงระหวางบริษัท บาง<br />
จากปโตรเลียม จํากัด (มหาชน) และบริษัทผูรับเหมาได<br />
นอกจากนั้น<br />
อาจ<br />
ใชการกําหนดเสนทางการเดินทางจัดสงน้ํามัน<br />
ในการติดตามพฤติกรรม<br />
ของพนักงานขับรถไดอีกทางหนึ่งดวย<br />
2. วัตถุประสงคของการวิจัย<br />
เพื่อคนหาเสนทางที่เหมาะสมและสั้นที่สุดในการขนสงน้ํามัน<br />
จากคลังน้ํามันบางจากปโตรเลียม<br />
ไปยังสถานีบริการน้ํามันของบริษัท<br />
บางจากปโตรเลียม จํากัด (มหาชน) และนําเสนอผูบริหาร<br />
เพื่อเปน<br />
แนวทางในการแกปญหา ในการกําหนดเสนทางขนสงน้ํามัน<br />
3. ขอบเขตการศึกษา<br />
เสนทางในการการขนสงน้ํามันจากคลังบางจากและภูมิภาค<br />
บริษัท บางจากปโตรเลียม จํากัด (มหาชน) ไปยังสถานีบริการน้ํามันบาง<br />
จาก ในเขตพื้นที่<br />
เขตประเวศ เขตบางนา กรุงเทพฯ และ อ.สําโรง อ.บาง<br />
พลี อ.เทพารักษ จ.สมุทรปราการ ในชวงเวลาที่รถบรรทุกใชในการ<br />
ขนสงน้ํามันตั้งแต<br />
22.00 น. ถึง 6.00 น. ของวันใหม โดยอางอิงระยะทาง<br />
ที่ใชในการขนสงจากเลขไมลของรถบรรทุกน้ํามัน<br />
โดยบริษัทผูรับเหมา<br />
รายหนึ่ง<br />
ซึ่งขนสงน้ํามันใหกับบริษัท<br />
บางจากปโตรเลียม จํากัด (มหาชน)<br />
4. สมมติฐานในการวิจัย<br />
1) สามารถกําหนดเสนทางซึ่งสั้นที่สุด<br />
และเหมาะสมที่สุด<br />
ในการ<br />
จัดสงน้ํามันทั้งเที่ยวไป<br />
และเที่ยวกลับในแตละเที่ยว<br />
262<br />
2) ลดตนทุนในภาคการขนสง เนื่องจากทราบระยะทางที่แนนอน<br />
ในการจัดสงแตละเที่ยว<br />
โดยเฉพาะอัตราการใชน้ํามันเชื้อเพลิง<br />
ซึ่งเปน<br />
ตนทุนหลักในการขนสง<br />
3) นําเสนทางที่ไดจากระบบมาใชควบคูกับระบบ<br />
GPS ซึ่งติดตั้งอยู<br />
ที่รถบรรทุกน้ํามันทุกคัน<br />
เพื่อตรวจสอบพฤติกรรมการขับรถของ<br />
พนักงานได<br />
5. ทฤษฎีที่เกี่ยวของ<br />
5.1 การวิเคราะหขายงาน (Network Analysis)<br />
การวิเคราะหขายงานเกิดขึ้นและมีรูปแบบแตกตางกันไปโดย<br />
อาศัยทฤษฎีกราฟ นับจาก Euler สรางรูปแบบและหาคําตอบของปญหา<br />
สะพาน Konigsberg แลว อีกกวาหนึ่งรอยปตอมา<br />
Maxwell และ<br />
Kirchhoff จึงคนพบกฎพื้นฐานของการวิเคราะหขายงานกับวงจรไฟฟา<br />
ทําใหการวิเคราะหขายงานกลายเปนเครื่องมือสําคัญในการตรวจสอบ<br />
วงจรไฟฟา นอกจากนี้ในชวงสงครามโลกครั้งที่สอง<br />
ซึ่งมีการศึกษาดาน<br />
การวิจับดําเนินงานอยางกวางขวาง ทําใหมีการนําเอาการวิเคราะห<br />
ขายงานมาใชในการวิจัยดําเนินงานเพื่อประยุกตกับปญหาตาง<br />
เชนการ<br />
วิเคราะหและออกแบบระบบชลประทานขนาดใหญ ขายงานคอมพิวเตอร<br />
ขายงานเคเบิ้ลทีวี<br />
นิยาม สัญกรณ และสัญลักษณ<br />
ขายงาน (Network) ประกอบดวยเซตของบัพ (Node) และเซต<br />
ของเสนเชื่อม<br />
(Arc) ซึ่งเชื่อมระหวางบัพ<br />
ถา N คือเซตของบัพในขายงาน<br />
และถา A คือเซตของเสนเชื่อม<br />
แลว จะใชสัญกรณ G = (N,A) แทนขายงาน<br />
บัพของขายงานอาจแทน จุดตัดของถนน ชุมสายโทรศัพท จุด<br />
สับรางรถไฟ สนามบิน เขื่อนกั้นน้ํา<br />
คอมพิวเตอร เปนตน เสนเชื่อมของ<br />
ขายงานอาจแทน ถนน สายโทรศัพท รายรถไฟ เสนทางการบิน คลองสง<br />
น้ํา<br />
ฯลฯ<br />
การเขียนกราฟแทนขายงาน จะใชวงกลมแทนบัพ เสนตรง<br />
แทนเสนเชื่อม<br />
และหัวลูกศรแสดงทิศทาง นอกจากนี้<br />
จะใชสัญกรณ (i,j)<br />
แทนเสนเชื่อมที่มีทิศทางจากบัพ<br />
i ไป บัพ j ภาพที่<br />
1 (ก) แสดงเสนเชื่อมที่<br />
ไมมีทิศทาง ภาพที่<br />
1 (ข) แสดงเสนเชื่อมซึ่งมีทิศทางกํากับ<br />
และภาพที่<br />
1<br />
(ค) แสดงเสนเชื่อมที่มีสองทิศทาง<br />
i j i j i j<br />
(ก)<br />
(ข) (ค)
ตารางที่<br />
1 (ตอ)<br />
สถานีบริการน้ํามัน<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ปากน้ํา<br />
2<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ศรี<br />
นครินทร<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
หนามแดง<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ออนนุช 44<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ออนนุช 55<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ออนนุช-ลาดกระบัง<br />
6.2 รวบรวมเสนทางทั้งหมดจากการเก็บขอมูล<br />
ระยะทาง (กม.) ระยะทาง<br />
ไป กลับ<br />
เฉลี่ย<br />
ไป-<br />
กลับ (กม.)<br />
9.80 10.20 20.00<br />
12.17 8.83 21.00<br />
14.00 13.00 27.00<br />
11.83 13.33 25.17<br />
18.40 15.20 33.60<br />
22.29 22.00 44.29<br />
เพื่อหาระยะทางของถนนแตละเสนที่รถบรรทุกน้ํามัน<br />
สามารถใชในการเดินทางขนสงน้ํามันทั้งเที่ยวไปและเที่ยวกลับได<br />
จาก<br />
Google Map โดยกําหนดดังนี้<br />
1) Node คือ จุดแยก หรือทางแยกของถนนแตละเสน ซึ่งเปน<br />
เสนทางที่ใชในการเดินทางขนสงน้ํามัน<br />
รวมทั้งกําหนดใหเปนคลังน้ํามัน<br />
บางจากปโตรเลียมและสถานีบริการน้ํามันทั้งหมด<br />
2) Arc คือ ถนน หรือเสนทางที่รถบรรทุกใชเดินทางในการขนสง<br />
6.3 คํานวณระยะทางรวม<br />
่<br />
คํานวณระยะทางที่ไดจาก<br />
Google Map เปรียบเทียบกับ<br />
ระยะทางที่ไดจากเอกสารรายงานการเดินทางขนสงในขอที<br />
1<br />
ตรวจสอบความถูกตองของระยะทางรวมอีกครั้ง<br />
เพื่อ<br />
6.4 การกําหนดตัวแบบ<br />
จากการเก็บขอมูล ผูศึกษาไดพิจารณาใชตัวแบบเสนทางที่สั้น<br />
ที่สุด<br />
(Shortest Route) เพื่อหาคําตอบ<br />
ของระยะทางที่สั้นที่สุดในการ<br />
ขนสงน้ํามันเริ่มตนจากคลัง<br />
เดินทางผานถนน (Arc) และแยกตางๆ<br />
(Node) ไปจนถึงจุดสุดทายที่สถานีบริการน้ํามัน<br />
แลวเดินทางกลับมายัง<br />
คลังอีกครั้ง<br />
ซึ่งในการเดินทางขนสงน้ํามันทั้งขาไปและขากลับนั้น<br />
อาจมี<br />
การใชเสนทางผานถนน (Arc) และแยก (Node) เดิมได ดังนั้น<br />
ผูศึกษาจึง<br />
ไมไดเลือกใชวิธีการ เสนทางเดินเซลลแมน (Traveling Saleman<br />
265<br />
Problem) ซึ่งกําหนดใหการเดินทางจากจุดเริ่มตน<br />
ผานจุด (Node) ตางๆ<br />
โดยไมซ้ําจุดเดิม<br />
แลวกลับมายังจุดเริ่มตนอีกครั้ง<br />
ในการกําหนดตัวแบบนั้น<br />
ผูศึกษาไดแบงการหาเสนทางที่สั้น<br />
ที่สุดเปนเที่ยวไปและเที่ยวกลับ<br />
จากนั้นจึงนําผลที่ไดมารวมกันเปน<br />
คําตอบ ซึ่งใชตัวแบบเสนทางที่สั้นที่สุดเหมือนกัน<br />
สามารถกําหนดตัว<br />
แบบในการตัดสินใจ ไดดังนี้<br />
หาคาต่ําสุด<br />
Z = ∑i∑j cjifij ขอจํากัด<br />
∑jfsj - ∑jfjs = 1<br />
∑jfij - ∑jfij = 0; i ≠ s ; i ≠ t<br />
∑ jf tj - ∑ jf jt ≤ -1<br />
และ 0 ≥ fij ; ∀ (i,j)∈ A<br />
กําหนดให Z คือ ระยะทางรวมที่สั้นที่สุด<br />
cji คือ ระยะทางระหวาง Node i ไปยัง j<br />
fij คือ เสนทางจาก Node i ไปยัง j<br />
fsj คือ เสนทางจาก จุดเริ่มตน<br />
คือคลังน้ํามันในเที่ยวไป<br />
หรือ<br />
สถานีบริการน้ํามันในเที่ยวกลับ<br />
ไปยัง Node j<br />
fjt คือ เสนทางจาก Node j ไปยังจุดสุดทาย คือสถานีบริการ<br />
น้ํามันในเที่ยวไป<br />
หรือคลังน้ํามันในเที่ยวกลับ<br />
6.5 บันทึกขอมูล<br />
บันทึกระยะทางของเสนทางที่ไดจากการเก็บขอมูลลงใน<br />
Excel ดังนี้<br />
1) เสนทางในการเดินทางจากคลังน้ํามันบางจากปโตรเลียมไปยัง<br />
สถานีบริการน้ํามัน<br />
โดยกําหนดใหคลังน้ํามันเปนจุดเริ่มตน<br />
และสถานี<br />
บริการน้ํามันเปนจุดสุดทาย<br />
2) เสนทางในการเดินทางกลับจากสถานีบริการน้ํามันมายังคลัง<br />
น้ํามันบางจากปโตรเลียม<br />
กําหนดใหสถานีบริการน้ํามันเปนจุดเริ่มตน<br />
และคลังน้ํามันบางจากปโตรเลียมเปนจุดสุดทาย<br />
ตารางที่<br />
2 ระยะทางของเสนทางในการเดินทางจากคลังน้ํามันบางจาก<br />
ปโตรเลียม ไปยังสถานีบริการน้ํามัน<br />
โหนด รายละเอียด โหนด รายละเอียด<br />
000 คลังน้ํามันบางจาก<br />
ปโตรเลียม<br />
000 คลังน้ํามันบางจาก<br />
ปโตรเลียม<br />
001 ถนนทางรถไฟสาย<br />
เกา/แยกสุขุมวิท 62<br />
ระยะทาง<br />
(กม.)<br />
1.10<br />
007 แยกสรรพาวุธ 0.85
ตารางที่<br />
4 (ตอ)<br />
เสนทางไปยังสถานี<br />
บริการน้ํามัน<br />
สถานีบริการน้ํามัน<br />
บางจากกรีนเนท<br />
เคหะบางพลี<br />
ระยะทางเที่ยวไปยัง<br />
สถานีบริการน้ํามัน<br />
ระยะทาง<br />
(กม.)<br />
10.40<br />
28.37<br />
เสนทางกลับมายังคลัง<br />
น้ํามันบางจาก<br />
ปโตรเลียม<br />
ระยะทางเที่ยวกลับมา<br />
ยังคลัง<br />
ระยะทาง<br />
(กม.)<br />
28.10<br />
เมื่อนําเสนทางที่ไดจากระบบพล็อตลงในแผนที่<br />
Google Map<br />
ไดเสนทางดังภาพ<br />
ผลจากการศึกษาใน พบวา ระบบสามารถคนหาเสนทางที่<br />
เหมาะสมในการเดินทางขนสงน้ํามัน<br />
จากคลังน้ํามันบางจาปโตรเลียม<br />
ไป<br />
ยังสถานีบริการน้ํามันบางจากทั้ง<br />
31 แหง ไดผลการศึกษาดังนี้<br />
ตารางที่<br />
5 ระยะทางจากผลการศึกษา<br />
ลูกคา<br />
ระยะทางในการขนสงจาก<br />
ผลการศึกษา<br />
ไป กลับ รวม<br />
บริษัท กิมเอ็งปโตรเลียม จํากัด 11.35 11.35 22.70<br />
บริษัท บางพลีใหญขนสง จํากัด 15.67 18.62 34.29<br />
บริษัท บี บอย ปโตรเลียม จํากัด 23.31 28.85 52.16<br />
บริษัท ปยะการปโตรเลียม จํากัด 16.72 18.22 34.94<br />
บริษัท ส.ศุภรัตน จํากัด 16.87 17.22 34.09<br />
บริษัท เอกเทียมปโตรเลียม จํากัด 15.90 15.30 31.20<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
กรม<br />
อุตุนิยมวิทยา<br />
3.35 3.35 6.70<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
กิ่งแกว<br />
24.00 22.70 46.70<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
เคหะ<br />
บางพลี<br />
28.37 28.10 56.47<br />
267<br />
ตารางที่<br />
5 (ตอ)<br />
ลูกคา<br />
ระยะทางในการขนสงจาก<br />
ผลการศึกษา<br />
ไป กลับ รวม<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ทาง<br />
รถไฟสายเกา<br />
3.25 3.25 6.50<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
เทพารักษ กม.9<br />
16.27 14.12 30.39<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
บางนา-<br />
ตราด กม.13<br />
15.31 16.45 31.76<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
บางนา-<br />
ตราด กม.22<br />
30.61 24.75 55.36<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
บางนา-<br />
ตราด กม.27<br />
30.31 32.55 62.86<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
บางนา-<br />
ตราด กม.4.5<br />
7.11 9.25 16.36<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
บางพลี 18.51 17.95 36.46<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ปากน้ํา<br />
10.62 10.42 21.04<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ปากน้ํา<br />
2<br />
9.12 9.52 18.64<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ปูเจา<br />
8.35 8.25 16.60<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ลาซาล 11.55 10.15 21.70<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ศรี<br />
นครินทร<br />
11.35 8.55 19.90<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
สาขา<br />
อุดมสุข 2<br />
4.95 4.95 9.90<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
สุขุมวิท<br />
101/1<br />
5.20 5.20 10.40<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
สุขุมวิท<br />
99<br />
3.65 3.75 7.40<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
หนาม<br />
แดง<br />
13.00 12.17 25.17<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ออน<br />
นุช 44<br />
8.95 8.95 17.90<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ออน<br />
นุช 55<br />
12.30 12.90 25.20<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
ออน<br />
นุช-ลาดกระบัง<br />
16.90 17.20 34.10<br />
สถานีบริการน้ํามันบางจากกรีนเนท<br />
อุดมสุข 7.75 7.75 15.50<br />
หางหุนสวนจํากัด<br />
ณัฐภัทรปโตรเลียม 5.55 5.55 11.10<br />
หางหุนสวนจํากัด<br />
อรุณพัฒนาปโตรเลียม 20.57 18.45 39.02<br />
ระยะทางรวม 708.42
269<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
ปญหาการจัดเสนทางเมื่อมีขอจํากัดดานเชื้อเพลิง<br />
The Traveling Salesman Problem with Refueling Constraint<br />
ปุณยนุช ชัยเจริญธาดา 1 อนันต มุงวัฒนา<br />
2 และศักเกษม สุจินตนารัตน 3<br />
1, 2, 3<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเกษตรศาสตร<br />
50 ถนนงามวงศวาน แขวงลาดยาว เขตจตุจักร กรุงเทพฯ 10900<br />
โทรศัพท/โทรสาร: 0-2942-8555 ตอ 1603 และ 1604 E-mail: 1 dolphin_jibs@hotmail.com, 2 fenganm@ku.ac.th<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อพัฒนาวิธีการในการแกปญหา<br />
การเดินทางของพนักงานขาย ซึ่งโดยทั่วไปปญหาการเดินทางของ<br />
พนักงานจะมีขอสมมติฐานที่วาไมมีขอจํากัดดานความจุเชื้อเพลิงของ<br />
ยานพาหนะ แตในสถานการณจริงการเดินทางของยานพาหนะนั้นถูก<br />
จํากัดดวยความจุเชื้อเพลิง<br />
เมื่อมีการใชเชื้อเพลิง<br />
CNG สําหรับยานพาหนะ<br />
นอกจากนี้สถานี<br />
CNG ยังมีจํานวนจํากัดดวย ดังนั้นการวางแผนกอนที่จะ<br />
เดินทางในแตละครั้งจึงมีความสําคัญมาก<br />
ในกรณีนี้ไมเพียงเกี่ยวของกับ<br />
การวางแผนลําดับของลูกคาที่พนักงานขายไดแวะ<br />
แตยังมีสถานี CNG ที่<br />
พนักงานขายจะตองหยุดเพื่อเติมเชื้อเพลิง<br />
เพื่อใหใชระยะเวลาการเดินทาง<br />
ทั้งหมดนอยที่สุด<br />
ดังนั้นงานวิจัยนี้จึงไดนําเสนอ<br />
8 วิธีที่ไดรับการพัฒนา<br />
ในการจัดการกับสถานการณดังกลาว และตรวจสอบประสิทธิรูปของ<br />
วิธีการเหลานี้อีกดวย<br />
คําสําคัญ: ปญหาการเดินทางของพนักงานขาย, ปญหาการขนสง, การ<br />
เติมเชื้อเพลิง<br />
Abstract<br />
This purpose of this research is to develop methods for<br />
solving the well-known traveling salesman problem. Typically, the<br />
travelling salesman problems assume that there is no limit on the fuel<br />
capacity of the vehicle. However, in real life, when CNG fuel is used<br />
for the vehicle, the distance the vehicle can travel will be limited due to<br />
the fuel capacity. In addition, the number of CNG stations is also<br />
limited. Therefore, planning before each trip will be very crucial. In<br />
this case, planning involves not only the sequence of customers the<br />
salesmen has to visit, but also the CNG stations he has to stop to fill up<br />
the fuel such that the total travel time is minimized. In this research,<br />
eight methods for dealing with such situation are developed. The<br />
effectiveness of these methods are also examined.<br />
Keywords : Traveling Salesman Problem, Transportation Problem,<br />
Refueling<br />
1. บทนํา<br />
ปญหาการเดินทางของพนักงานขาย (Travelling Salesman<br />
Problems: TSP) เปนการหาลําดับของการเดินไปยังเมืองตางๆ ทุกเมือง<br />
โดยไปเพียงเมืองละหนึ่งครั้ง<br />
แลวเดินทางกลับมายังเมืองเริ่มตน<br />
ซึ่งเปน<br />
เรื่องยากของปญหา<br />
TSP คือ เมื่อขนาดของจํานวนเมืองเพิ่มมากขึ้น<br />
ลําดับ<br />
การเดินไปยังเมืองตางๆที่เปนไปไดก็จะมีจํานวนมากขึ้น<br />
ซึ่งลักษณะการ<br />
เติบโตจะเปนแบบเอ็กโพเนนเชียล (Exponential time)โดยทั่วไป<br />
TSP จะ<br />
มีขอสมมติฐานที่วาไมมีขอจํากัดดานความจุเชื้อเพลิงของยานพาหนะ<br />
แต<br />
ในสถานการณจริงการเดินทางของยานพาหนะนั้นถูกจํากัดดวยความจุ<br />
เชื้อเพลิง<br />
Lin et al. [1] และ Suzuki [2] ไดพิจารณาปญหาพาหนะเมื่อ<br />
มีขอจํากัดดานการเติมเชื้อเพลิง<br />
ซึ่ง<br />
Lin et al.นั้นไดแกปญหาโดยใชวิธี<br />
ละโมภ (Greedy algorithm) และ Suzuki ไดเสนอแบบจําลองทาง<br />
คณิตศาสตรแบบ Mixed-Integer Linear และตอจากนั้น<br />
Lin et al. [3]<br />
ออกแบบแบบจําลองแบบDynamic Programming Algorithm ซึ่งทั้ง<br />
3<br />
งานวิจัยนี้เปนการพิจารณาตนทุนการเติมเชื้อเพลิงที่นอยที่สุดในการ<br />
เดินทางตามเสนทางที่กําหนดไวแลว<br />
ดังนั้นงานวิจัยนี้จึงเพิ่มความ<br />
ซับซอนของปญหา โดยพิจารณาปญหาเปนปญหา TSP มาใชกําหนด<br />
เสนทางเริ่มตนไวกอน<br />
และใชวิธีแตกกิ่งและมีขอบเขต<br />
(Branch and<br />
Bound) เพื่อใหไดเสนทางที่ดีที่สุด<br />
ซึ่งเสนทางในการเติมเชื้อเพลิงนั้น<br />
Tetsuo [4] [5] พบวาเสนทางในการเดินทางไปเติมเชื้อเพลิงนั้น<br />
ควร<br />
นอยกวาหรือเทากับเสนทางไกลสุดที่รถสามารถเคลื่อนที่ได<br />
เนื่องจากถา<br />
เสนทางในการเดินทางไปเติมเชื้อเพลิงนั้น<br />
มากกวาเสนทางไกลสุดที่รถ<br />
สามารถเคลื่อนที่ไดก็อาจจะเกิดเสนทางที่ไมเลือกเติมเชื้อเพลิงเลยก็ได<br />
ซึ่งใน<br />
งานวิจัยนี้จึงกําหนดเสนทางในการเดินทางทั้งหมด<br />
(ลูกคา-ลูกคา,<br />
ลูกคา-จุดเติมเชื้อเพลิง)<br />
นอยกวาเสนทางไกลสุดที่รถสามารถเคลื่อนที่ได<br />
ซึ่งจํานวนจุดเติมเชื้อเพลิงนั้น<br />
Tetsuo [4] ไดเสนอวาการกําหนดจํานวน<br />
เสนทางในการเติมเชื้อเพลิงที่นอยที่สุดนั้น<br />
จะทําใหปญหาเปนปญหา<br />
NP-Complete ซึ่งจะหาคําตอบไดยาก<br />
ดังนั้นงานวิจัยนี้จึงใชกําหนด<br />
จํานวนจุดเติมเชื้อเพลิง<br />
เปนครึ่งหนึ่งของลูกคา<br />
และไดเสนอแนวคิดใน<br />
การหาเสนทางไปเติมเชื้อเพลิง<br />
8 แนวคิด
2. สมมติฐานและขอบเขตงานวิจัย<br />
การวิจัยนี้จัดทําเพื่อพัฒนาวิธีการแกปญหาที่เหมาะสมสําหรับ<br />
ปญหาการขนสง เมื่อมีขอจํากัดดานการเติมเชื้อเพลิง<br />
ซึ่งใชเชื้อเพลิง<br />
CNG<br />
สําหรับยานพาหนะ ซึ่งในงานวิจัยนี้กําหนดใหมีคาคงที่ทุกจุดเติม<br />
เชื้อเพลิง<br />
และสมมติใหความเร็วในการขับขี่ของรถมีระยะทางคงที่ตลอด<br />
เสนทาง ณ จุดเริ่มตน<br />
รถมีเชื้อเพลิงเต็มถัง<br />
และทุกครั้งที่หยุดเติมเชื้อเพลิง<br />
จะตองเติมเต็มถัง และตองมีปริมาณเชื้อเพลิงที่เหลือในถังไมติดลบตลอด<br />
เสนทางและเสนทางที่รถสามารถวิ่งไดไกลที่สุด<br />
600 กิโลเมตร ตอ 10<br />
ชั่วโมงตอวัน<br />
3. ขั้นตอนการศึกษา<br />
3.1 สรางขอมูล และหาเสนทางที่สั้นที่สุด<br />
การสุมขอมูลของระยะทางของสถานีลูกคาไปลูกคาจะอยู<br />
ในชวงที่กําหนด<br />
คือจะตองนอยกวาระยะทางไกลสุดที่รถเคลื่อนที่ไดและ<br />
ระยะทางระหวางสถานีลูกคา กับสถานีเติมเชื้อเพลิงเปนอสมการรูป<br />
สามเหลี่ยม<br />
คือ Dij Dik + Dkjโดย i, j คือจํานวนสถานีลูกคา และ k คือ<br />
จํานวนสถานีเติมเชื้อเพลิง<br />
โดยขอมูลแตละชุดเปนแบบไมสมมาตร<br />
จากนั้นหาเสนทาง<br />
TSP หรือแนวคิด 0 ที่สั้นที่สุดดวยสมการดังนี้<br />
Z = ∑ DX<br />
(1)<br />
min ij ij<br />
i≠j สมการเปาหมายที่<br />
1หาระยะทางในการเดินทางทั้งหมดที่สั้น<br />
ที่สุด<br />
โดย Dij = ระยะทางจากจุด iใดๆ ไปจุด j ใดๆ<br />
n<br />
∑ X ij<br />
i=<br />
1<br />
= 1<br />
j n<br />
∀ ∈ (2)<br />
สมการขอจํากัดที่<br />
2 ผลรวมของตัวแปรตัดสินใจที่เดินจากจุด<br />
ลูกคา i ใดๆ ไปยังจุดลูกคา j ใดๆ มีคาเทากับ 1 หมายถึงเดินทางจากจุด<br />
ลูกคา i ใดๆ ไปยังจุด j ใดๆ ไดเพียง 1 จุด<br />
n<br />
∑ X ij<br />
j=<br />
1<br />
= 1<br />
i n<br />
∀∈ (3)<br />
สมการขอจํากัดที่<br />
3 ผลรวมของตัวแปรตัดสินใจที่เดินทาง<br />
ออกจากจุดลูกคา j ใดๆ ไปยังจุดลูกคา i ใดๆ มีคาเทากับ 1 หมายถึง<br />
เดินทางจากจุดลูกคา j ใดๆ ไปยังจุด i ใดๆ ไดเพียง 1 จุด<br />
∑∑ Xij ≤ S −1โดย<br />
2≤S ≤n− 1 (4)<br />
i∈S j∈S สมการขอจํากัดที่<br />
4 สมการกําจัดทัวรยอย (sub tour eliminate)<br />
โดย S เปนเซตของทัวรยอย ที่เกิดการครบรอบขณะที่ลําดับการเดินทาง<br />
ไมผานจุดทั้งหมด<br />
และ|S| เปนปริมาณจุดของลูกคาในทัวรยอย<br />
ij<br />
{ ,1}<br />
X ∈ o<br />
(5)<br />
270<br />
สมการขอจํากัดที่<br />
5 ตัวแปรตัดสินใจมีคาเทากับ 1 เมื่อมีการ<br />
เดินทางจากจุดลูกคา i ใดๆไปยังจุดลูกคา j ใดๆ และมีคาเทากับ 0 เมื่อไม<br />
เปนตามเงื่อนไข<br />
3.2 แนวคิดในการออกนอกเสนทางเพื่อเติมเชื้อเพลิง<br />
เมื่อหาเสนทางที่สั้นที่สุด<br />
หรือแนวคิด 0 โดยวิธีแตกกิ่งและมี<br />
ขอบเขตแลวนั้น<br />
ซึ่งเปนเสนทางหลักในการเดินทาง<br />
สามารถดูรูปแบบ<br />
การไหลของโปรแกรมไดจากรูปที่<br />
9 ซึ่งโดยทั่วไปแลวปญหา<br />
TSP จะมี<br />
ขอสมมติฐานที่วาไมมีขอจํากัดดานความจุเชื้อเพลิงของยานพาหนะ<br />
แต<br />
ในสถานการณจริงการเดินทางของยานพาหนะนั้นถูกจํากัดดวยความจุ<br />
เชื้อเพลิง<br />
ดังนั้นจึงเพิ่มความซับซอนของปญหามากขึ้น<br />
จึงไดเสนอ<br />
แนวคิดทั้ง<br />
8 แนวคิด เพื่อเลือกเสนทางที่จะออกไปเติมเชื้อเพลิง<br />
โดยมี<br />
เปาหมาย คือ หาเวลารวมของระยะเวลาการเดินทางทั้งหมดรวมที่นอย<br />
ที่สุด<br />
จากระยะเวลาการเดินทางจากลูกคา + ระยะเวลาการเดินทางจาก<br />
ลูกคาไปสถานีเติมเชื้อเพลิง+<br />
ระยะเวลาการเดินทางจากสถานีเติม<br />
เชื้อเพลิง<br />
ไปลูกคาj + เวลาในการเติมเชื้อเพลิงของแตละสถานีที่ถูกเลือก<br />
โดยจะเพื่อความซับซอนใหมากขึ้นโดยกําหนดเวลาในการเติมเชื้อเพลิง<br />
ซึ่งกําหนดใหทุกสถานีเชื้อเพลิงใชเวลาเทากัน<br />
1. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเลือกจุดเติม<br />
เชื้อเพลิงที่ใกลที่สุด<br />
แตถาเชื้อเพลิงเหลือไมพอที่จะไปจุดเติมเชื้อเพลิงใด<br />
ไดเลย ใหพิจารณาจุดลูกคากอนหนา ดังรูปที่<br />
1 เลือกสถานีเติม เชื้อเพลิง<br />
A<br />
รูปที่<br />
1 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
1<br />
2. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเลือกไปที่จุดเติม<br />
เชื้อเพลิงที่ใกลจุดลูกคาตอไปมากแตถาเชื้อเพลิงเหลือไมพอที่จะไปจุด<br />
เติมเชื้อเพลิงใดไดเลย<br />
ใหพิจารณาจุดลูกคากอนหนา ดังรูปที่<br />
2 เลือก<br />
สถานีเติมเชื้อเพลิง<br />
B<br />
รูปที่<br />
2 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
2<br />
3. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเลือกระยะทาง<br />
รวมที่นอยที่สุดที่ออกนอกเสนทางไปเติมเชื้อเพลิงและเดินทางไปยังจุด<br />
ตอไป แตถาเชื้อเพลิงเหลือไมพอที่จะไปจุดเติมเชื้อเพลิงใดไดเลย<br />
ให<br />
พิจารณาจุดลูกคากอนหนา ดังรูปที่<br />
3 เลือกสถานีเติมเชื้อเพลิง<br />
B
รูปที่<br />
3 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
3<br />
4. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเลือกไปจุดเติม<br />
เชื้อเพลิงที่ไปแลวเชื้อเพลิงหมดพอดี<br />
หรือเหลือนอยที่สุด<br />
แตถาเชื้อเพลิง<br />
เหลือไมพอที่จะไปจุดเติมเชื้อเพลิงใดไดเลย<br />
ใหพิจารณาจุดลูกคากอน<br />
หนา ดังรูปที่<br />
4 กําหนดให สถานีลูกคาที่<br />
1 มีเชื้อเพลิงเหลือวิ่งได<br />
4<br />
กิโลเมตร ดังนั้นเลือกสถานีเติมเชื้อเพลิง<br />
B<br />
รูปที่<br />
4 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
4<br />
5. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเปรียบเทียบที่จุด<br />
ปจจุบันออกนอกเสนทางไปเติมเชื้อเพลิงและเดินทางไปยังจุดตอไป<br />
กับ<br />
จุดกอนหนาจุดปจจุบันออกนอกเสนทางไปเติมเชื้อเพลิงและเดินทางไป<br />
ยังจุดปจจุบัน โดยเลือกระยะทางรวมที่นอยที่สุด<br />
แตถาเชื้อเพลิงเหลือไม<br />
พอที่จะไปจุดเติมเชื้อเพลิงใดไดเลย<br />
ใหพิจารณาจุดลูกคากอนหนา ดังรูป<br />
ที่<br />
5 กําหนดให สถานีลูกคาที่<br />
2ไมสามารถไปยังสถานีลูกคาตอไปได<br />
ดังนั้นสถานีลูกคาที่<br />
2 เลือกสถานีเติมเชื้อเพลิง<br />
B<br />
รูปที่<br />
4 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
5<br />
6. เมื่อออกเดินทางจากจุดเริ่มตนบังคับใหเลือกระยะทางรวม<br />
ที่นอยที่สุดที่ออกนอกเสนทางไปเติมเชื้อเพลิงแบบแนวคิดที่<br />
3 และ<br />
เดินทางไปยังจุดตอไปและเมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเลือก<br />
ระยะทางรวมที่นอยที่สุดที่ออกนอกเสนทางไปเติมเชื้อเพลิงและเดินทาง<br />
ไปยังจุดตอไป แตถาเชื้อเพลิงเหลือไมพอที่จะไปจุดเติมเชื้อเพลิงใดไดเลย<br />
ใหพิจารณาจุดลูกคากอนหนา<br />
271<br />
7. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเปรียบเทียบที่จุด<br />
ปจจุบัน กับจุดกอนหนาจุดปจจุบันที่ออกนอกเสนทางไปเติมเชื้อเพลิง<br />
โดยเลือกจุดเติมเชื้อเพลิงที่ใกลที่สุด<br />
แตถาเชื้อเพลิงเหลือไมพอที่จะไปจุด<br />
เติมเชื้อเพลิงใดไดเลย<br />
ใหพิจารณาจุดลูกคากอนหนา ดังรูปที่<br />
7 กําหนดให<br />
สถานีลูกคาที่<br />
2ไมสามารถไปยังสถานีลูกคาตอไปได ดังนั้นสถานีลูกคาที่<br />
2 เลือกสถานีเติมเชื้อเพลิง<br />
A<br />
รูปที่<br />
7 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
7<br />
8. เมื่อไมสามารถไปยังจุดลูกคาตอไปไดใหเปรียบเทียบที่จุด<br />
ปจจุบัน กับจุดกอนหนาจุดปจจุบันที่ออกนอกเสนทางไปเติมเชื้อเพลิง<br />
โดยเลือกจุดเติมเชื้อเพลิงที่ใกลจุดลูกคาตอไปมากที่สุด<br />
แตถาเชื้อเพลิง<br />
เหลือไมพอที่จะไปจุดเติมเชื้อเพลิงใดไดเลย<br />
ใหพิจารณาจุดลูกคากอน<br />
หนา ดังรูปที่<br />
8 กําหนดให สถานีลูกคาที่<br />
2ไมสามารถไปยังสถานีลูกคา<br />
ตอไปได ดังนั้นสถานีลูกคาที่<br />
1 เลือกสถานีเติมเชื้อเพลิง<br />
A<br />
รูปที่<br />
8 การเลือกสถานีเชื้อเพลิงแบบแนวคิดที่<br />
8<br />
4. ผลการทดลอง และสรุปผลการทดลอง<br />
การประมวลผล 10 รอบ เมื่อมีจํานวนสถานีลูกคา<br />
(n ) = 12<br />
และสถานีเติมเชื้อเพลิง<br />
(m) = 6 ระยะทางไกลสุดที่รถสามารถวิ่งได<br />
120<br />
กิโลเมตรตอถัง และมีระยะเวลาในการเติมเชื้อเพลิง<br />
10 นาทีตอสถานีเติม<br />
เชื้อเพลิง<br />
โดยใชขอมูลระยะทางจากการสุมในชวง<br />
1-100 กิโลเมตร เมื่อ<br />
นําคาเฉลี่ยของระยะทางรวมและระยะเวลารวมในการเดินทางของทั้ง<br />
8
แนวคิดมาเปรียบเทียบกัน พบวาแนวคิดที่<br />
5 ระยะทางรวมเฉลี่ย<br />
และเวลา<br />
ในการเดินทางรวมเฉลี่ยนอยที่สุด<br />
ดังตารางที่<br />
1<br />
ตารางที่<br />
1 ผลการหาเวลาในการเดินทางรวมเฉลี่ย<br />
n = 12 และ m = 6<br />
ระยะทางรวมเฉลี่ย<br />
เวลาในการเดินทางรวมเฉลี่ย<br />
แนวคิดที่<br />
0 129.4 129.4<br />
แนวคิดที่<br />
1 186.8 196.8<br />
แนวคิดที่<br />
2 190.4 200.4<br />
แนวคิดที่<br />
3 190.4 200.4<br />
แนวคิดที่<br />
4 199.8 210.8<br />
แนวคิดที่<br />
5 186.5 196.5<br />
แนวคิดที่<br />
6 288.2 315.2<br />
แนวคิดที่<br />
7 199.1 210.1<br />
แนวคิดที่<br />
8 187.2 197.2<br />
Input Setting<br />
- Number of<br />
Fuel Tank<br />
- Tank<br />
Capacity<br />
- Distance per<br />
Tank<br />
- Time to Fill<br />
- Time to<br />
Travel<br />
Input Setting<br />
- Min Distance<br />
- Max Distance<br />
- Number of Gas Station<br />
- Number of Customer<br />
Generate Data<br />
D ij D ik + D kj<br />
Yes<br />
Create File<br />
Path Finder<br />
Algorithm 0<br />
Algorithm Algorithm 2<br />
No<br />
…<br />
Report 1 Report 2 Report 8<br />
Summary Report: Minimize<br />
Time to Travel and Minimize<br />
… Algorithm 8<br />
รูปที่<br />
9 รูปแบบการไหลของโปรแกรม<br />
272<br />
5. วิจารณและขอเสนอแนะ<br />
โปรแกรมที่พัฒนามานั้นมีขอจํากัดในการประมวลผลแนวคิด<br />
ที่<br />
0 เนื่องจากใชวิธีการแกปญหาแบบการแตกกิ่งและมีขอบเขต<br />
จึงใช<br />
เวลานาน อาจใชวิธี Greedy เพื่อหาแนวคิด<br />
0 แทนไดเพื่อชวยลด<br />
ระยะเวลา ดันั้นหากประมวลผลที่จํานวนรอบมากขึ้นการสรุปเวลาในการ<br />
เดินทางรวมที่นอยที่สุดอาจเปลี่ยนแปลงไปได<br />
ดังนั้นผลการทดลองที่ได<br />
จึงไมใชคาที่ดีที่สุด<br />
ในความเปนจริงระยะเวลาในการเดินทางและระยะเวลาใน<br />
การเติมเชื้อเพลิงจะไมคงที่<br />
เนื่องจากมีการจราจรติดขัด<br />
หรือมีการติดไฟ<br />
แดง หากจะเพิ่มความซับซอนอาจกําหนดใหเวลาในการเติมเชื้อเพลิงแต<br />
ละสถานีไมเทากัน หรือแปรผันตามเชื้อเพลิงที่เติม<br />
6. กิติกรรมประกาศ<br />
ขอขอบพระคุณ รศ.ดร.อนันต มุงวัฒนา<br />
ที่สละเวลาให<br />
คําปรึกษาในทุกๆขั้นตอนการทํางาน<br />
และดร.ชัชพันธ ขําญาติ ที่ชี้แนะ<br />
แนวทางในการแกปญหาขอบกพรองตางๆ<br />
เอกสารอางอิง<br />
[1] S.H. Lin. et al. 2007. A Linear-time Algorithm for Finding<br />
Optimal Vehicle Refueling Policies. Oper Res Lett 35. 290-296<br />
[2] Yoshinori Suzuki. 2008. A generic model of motor-carrier fuel<br />
optimization. Naval Research Logistics (NRL). Volume 55 Issue<br />
8. 737 – 746<br />
[3] S.H. Lin. 2008. Finding Optimal Refueling Policies: A Dynamic<br />
Programming Approach. CCSC: Southwestern Conference.<br />
272-279<br />
[4] Tetsuo Ichimori. et al. 1981. Routing a Vehicle with The Limitation<br />
of Fuel. Journal of The Operations Research. Society of Japan.<br />
Vol.24. No.3. 277-280<br />
[5] Tetsuo Ichimori and et.al .1983. Two routing problems with the<br />
limitation of fuel. Discrete Applied Mathematics 6.85-89
บทคัดยอ<br />
273<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การพัฒนาแบบจําลองการจัดตารางการผลิต<br />
สําหรับโรงงานตูปาเปาอิเล็กทรอนิกส<br />
The development of scheduling model for electronic dartboard factory<br />
วิจิตรา กิจชัยนุกูล 1 และวิชัย รุงเรืองอนันต<br />
2<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะบัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
เขตบางซื่อ<br />
กรุงเทพฯ 10800<br />
โทรศัพท/โทรสาร: 02-913-2500 E-mail: 1 lengma_13@hotmail.com 2 r_vichai@yahoo.com<br />
โรงงานผลิตตูปาเปาอิเล็กทรอนิกสเปนโรงงานที่มีการผลิต<br />
เปนแบบตามสั่ง<br />
(Make to Order) และโครงสรางของระบบการผลิตเปน<br />
แบบไมตอเนื่อง<br />
(Job shop) โดยการทํางานจะอาศัยความชํานาญและ<br />
ประสบการณของผูงานในการตัดสินใจวางแผนการผลิต<br />
ทําใหเกิดการ<br />
วางงานของเครื่องจักร<br />
และมีงานที่รอผลิตมาก<br />
(Work in Process) ซึ่ง<br />
สงผลใหสงมอบสินคาไมทันกําหนด ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค<br />
ในการลดการวางงานของเครื่องจักร<br />
ลดงานที่รอผลิต<br />
เพื่อเพิ่ม<br />
ประสิทธิภาพการผลิต และแกปญหาการสงมอบสินคาไมทันกําหนด<br />
งานวิจัยนี้ไดเสนอแบบจําลองการจัดตารางการผลิตดวยโปรแกรมเชิงเสน<br />
(Linear Programming) เพื่อหาเวลาเริ่มตนการทํางานแตละงาน<br />
บน<br />
เครื่องจักรแตละเครื่อง<br />
โดยพิจารณาที่คาต่ําสุดของสมการเปาหมายแบบ<br />
หลายวัตถุประสงค (Multiple Objectives) ไดแก เวลาปดงานของระบบ<br />
(Make Span) และผลรวมของเวลาไหล (Total flow time) ซึ่งตารางการ<br />
ผลิตที่ไดจากแบบจําลองการจัดตารางการผลิต<br />
สามารถลดรอบเวลาการ<br />
ผลิตได 717.3 นาที / 80 ตู<br />
จากวิธีเดิมมีรอบเวลาการผลิต 3,937.5 นาที /<br />
80 ตู<br />
เปน 3,220.2 นาที / 80 ตู<br />
และสามารถเพิ่มประสิทธิภาพการผลิตได<br />
18.22%<br />
คําสําคัญ: แบบจําลองการจัดตารางการผลิต<br />
Abstract<br />
The dartboard factory is manufacture by using make to order<br />
and the manufacturing structure is job shop by requiring skill and<br />
experience of the workers for decision making, planning and organized<br />
the scheduling. These made a lot of time idle and work in process that<br />
causing miss shipment to customer. Thus, the objective of this research<br />
to reduce time idle and work in process, increase efficiency and<br />
improve miss shipment issues. In this research, we present a linear<br />
programming model for finding start time of the jobs on each machine<br />
by minimize the multiple objectives function which are the make span<br />
and the total flow time. The result shows cycle time is reduced from<br />
3,937.5 minutes / 80 units to 3,220.2 minutes / 80 units (reduced 717.3<br />
minutes / 80 units) and efficiency increased 18.22%.<br />
Keywords: scheduling model<br />
1. บทนํา<br />
ปจจุบันโรงงานผลิตตูปาเปาอิเล็กทรอนิกส<br />
เปนโรงงานการ<br />
ผลิตแบบตามสั่ง<br />
(Make to Order) มีโครงสรางการผลิตแบบไมตอเนื่อง<br />
(Job Shop) และยังไมมีการกําหนดแบบแผนในการทํางานที่แนนอน<br />
โดย<br />
สวนใหญการทํางานจะอาศัยประสบการณ และความชํานาญของผูจัดการ<br />
และหัวหนางานเปนหลัก ซึ่งไมเพียงพอตอการตัดสินใจวางแผนและการ<br />
จัดตารางการผลิต สงผลใหเกิดการวางงานของเครื่องจักร<br />
และมีงานที่รอ<br />
ผลิต (Work in Process) เปนจํานวนมาก จนทําใหโรงงานไมสามารถผลิต<br />
สินคาไดทันกําหนดสงมอบ ดังนั้นโรงงานจึงควรใหความสําคัญกับการ<br />
วางแผนการผลิต โดยเฉพาะการจัดตารางการผลิต ซึ่งเปนกิจกรรมที่<br />
สําคัญ เนื่องจากประสิทธิภาพของตารางการผลิต<br />
จะมีผลใหการผลิตมี<br />
ความรวดเร็ว และมีประสิทธิภาพยิ่งขึ้น<br />
งานวิจัยนี้จะศึกษาและสราง<br />
แบบจําลองการจัดตารางการผลิต เฉพาะระบบการผลิตภัณฑตูปาเปา<br />
อิเล็กทรอนิกสที่เคยทําการผลิตแลว<br />
โดยมีวัตถุประสงคในการลดการ<br />
วางงานของเครื่องจักร<br />
ลดงานที่รอผลิต<br />
และเพิ่มประสิทธิภาพการผลิต<br />
เพื่อแกปญหาการสงมอบสินคาไมทันกําหนด<br />
2. งานวิจัยที่เกี่ยวของ<br />
Tatsushi Nishi, Masami Konishi, Masatoshi Ago (2007) ได<br />
ประยุกตใชเทคนิค Lagrangian และเทคนิคอื่นๆในการวางแผนและจัด<br />
ตารางการผลิตสําหรับสายการผลิตลูกกลิ้งอลูมิเนียม<br />
เพื่อเปาหมายที่ต่ํา<br />
ที่สุดโดยมีการแยกปญหาออกเปนปญหายอยๆ<br />
มีตัวแปรตัดสินใจ เชน<br />
วันสงมอบสินคา วันที่รับวัตถุดิบ<br />
ขนาดลอต และการจัดสรรคผลิตภัณฑ<br />
ในคลังสินคาที่เหมาะสมกับแผนความตองการวัสดุ<br />
(MRP)<br />
Lixin Tang, Guoli Liu (2007) ไดใชตัวแบบ Mixed Integer<br />
Programming (MIP) สําหรับจัดตารางการผลิตของแผนเหล็กใน<br />
Shanghai Baoshan Iron and Steel Complex (Baosteel) กรณีคอขวด<br />
วัตถุประสงคคือพิจารณาเวลาเริ่มตน<br />
และเวลาเสร็จสิ้นของการผลิต
3.3 แบบจําลองการจัดตารางการผลิต<br />
ในการผลิตตูปาเปาประกอบดวยการแปรรูปแผนไมจํานวนหนึ่ง<br />
(N แผน) แตละแผนจะผานขั้นตอนของเครื่องจักรที่แตกตางกันไป<br />
(W<br />
เครื่อง)<br />
โดยรูปแบบของแบบจําลองการจัดตารางการผลิต จะมีการ<br />
กําหนดเวลาเริ่มตนผลิตแผนไมแตละแผน<br />
สําหรับเครื่องจักรที่แตกตาง<br />
กันไป โดยมีวัตถุประสงคเพื่อการจัดตารางการผลิตใหไดเวลาผลิตเสร็จ<br />
ของไมแผนสุดทาย (Make Span) หรือรอบเวลาการผลิต (Cycle Time)<br />
นอยสุด<br />
พารามิเตอร<br />
j แทนดัชนีแผนไม โดยที่<br />
j = 1, 2, 3, …N<br />
i แทนดัชนีเครื่องจักร<br />
โดยที่<br />
i = 1, 2, 3, …W<br />
N แทนจํานวนแผนไมทั้งหมด<br />
W แทนจํานวนเครื่องจักรทั้งหมด<br />
Pi,j แทนเวลาปฏิบัติงานของแผนไม j บนเครื่องจักร<br />
i<br />
(Processing Time)<br />
Wc แทนคาถวงน้ําหนักของผลรวมเวลาที่แผนไมผลิตเสร็จ<br />
Wf แทนคาถวงน้ําหนักของผลรวมเวลาไหล<br />
ตัวแปรตัดสินใจ<br />
Mi,j แทนเวลาเริ่มตนของแผนไม<br />
j เครื่องจักร<br />
i<br />
Cj แทนเวลาที่แผนไม<br />
j ผลิตเสร็จ (Completion Time)<br />
Fj แทนเวลาไหลของแผนไม j (Flow Time)<br />
สมการเปาหมาย (Objective Function)<br />
เปาหมายของแบบจําลองการจัดตารางการผลิต คือการหาคา<br />
นอยสุดของผลรวมเวลาที่แผนไมแตละแผนผลิตเสร็จ<br />
(Completion time)<br />
และผลรวมเวลาไหล (Flow time) ดังสมการ (1)<br />
N N<br />
∑ ∑ (1)<br />
MininizeW C + W F<br />
c j f j<br />
j= 1 j=<br />
1<br />
สมการเงื่อนไข<br />
(Constant)<br />
1) ลําดับของงานในแตละเครื่องจักรจะตองมีการไหลตาม<br />
ขั้นตอน<br />
โดยงานถัดไปที่เครื่องจักรเดียวกัน<br />
จะไมสามารถเริ่มตนได<br />
กอนที่งานกอนหนาจะเสร็จสิ้น<br />
ดังสมการ (2)<br />
M M P<br />
i, j+ 1 i, j i, j ≥ +<br />
โดยที่<br />
i = 1,2,...W (2)<br />
2) ความสัมพันธระหวางเครื่องจักรแบบตอเนื่อง<br />
งานหนึ่งที่ทํา<br />
บนเครื่องจักรใด<br />
จะไมสามารถเริ่มตนไดกอนที่งานนั้นทําบนเครื่องจักร<br />
ในลําดับกอนหนา (i1) เสร็จสิ้น<br />
ดังสมการ (3)<br />
M M +P<br />
≥ โดยที<br />
i, j i 1, j i 1,<br />
j<br />
่ j = 1,2,...N (3)<br />
276<br />
3) ความสัมพันธระหวางเครื่องจักรแบบบรรจบกัน<br />
งานหนึ่งที่ทํา<br />
บนเครื่องจักรใดจะไมสามารถเริ่มตนไดกอนที่งานนั้นทําบนเครื่องจักร<br />
ในลําดับกอนหนาทั้งหมด<br />
(i1, i2) เสร็จสิ้น<br />
ดังสมการ (4)<br />
M Max(M + P ,M + P )<br />
≥ (4)<br />
i, j i 1, j i 1, j i 2, j i 2,<br />
j<br />
โดยที่<br />
j=1,2,...N<br />
4) เวลาที่แตละงานผลิตเสร็จ<br />
(Completion Time) คือเวลาเริ่มตน<br />
ทํางานของแผนไมแตละแผนทําบนเครื่องจักรสุดทาย<br />
รวมกับระยะเวลา<br />
การทํางานของเครื่องจักรสุดทาย<br />
ดังสมการ (5)<br />
C j = M i,j +P i 1 ,j<br />
(5)<br />
5) เวลาไหล (Flow Time) คือระยะเวลาที่แผนไมแตละแผนเริ่ม<br />
ทํางานบนเครื่องจักรแรกจนกระทั่งแผนไมแตละแผนทํางานเสร็จสิ้นบน<br />
เครื่องจักรสุดทาย<br />
ดังสมการที่<br />
(6) – (7)<br />
- ความสัมพันธระหวางเครื่องจักรแบบตอเนื่อง<br />
F=C-M j j i,j<br />
(6)<br />
- ความสัมพันธระหวางเครื่องจักรแบบบรรจบกัน<br />
F j =Max(Cj -M i 1,j ,Cj -M i 2,j<br />
) (7)<br />
6) รอบเวลาการผลิต (Cycle Time) คือระยะเวลาที่เริ่มทํางานแรก<br />
จนกระทั้งงานสุดทายเสร็จสิ้น<br />
หรือเวลาที่แผนไมสุดทายผลิตเสร็จ<br />
ดัง<br />
สมการที่<br />
(8)<br />
CycleTime= Max(C j ) (8)<br />
7) ทุกพารามิเตอร และตัวแปรตัดสินใจ มีความสัมพันธกันเปน<br />
หนวยของเวลา ดังนั้น<br />
ตัวแปร และตัวแปรตัดสินใจทั้งหมดตองมีคาไม<br />
เปนลบ<br />
M i,j , P i,j , F j and C j ≥ 0<br />
เวลาปฏิบัติงาน (Processing time)<br />
เวลาปฎิบัติงานของแผนไมแตละแผน บนเครื่องจักรแตละ<br />
เครื่อง<br />
มาจากการจับเวลามาตรฐาน แสดงดังตารางที่<br />
1 โดยสัญลักษณ Pi,j หมายถึงเวลาปฏิบัติงานแผนไมที่<br />
j บนเครื่องจักรที่<br />
i อธิบายไดดัง<br />
ตัวอยางเวลาปฏิบัติงานของแผนไมที่<br />
1 (Pi,1) ดังนี้แผนไมที่<br />
1 ใชเวลา<br />
ปฏิบัติงานบนเครื่องจักรที่<br />
1 (P1,1) เทากับ 33 นาที, ใชเวลาปฏิบัติงานบน<br />
เครื่องจักรที่<br />
3 (P3,1) เทากับ 138.2 นาที, ใชเวลาปฏิบัติงานบนเครื่องจักรที่<br />
6 (P6,1) เทากับ 61 นาที และใชเวลาปฏิบัติงานบนเครื่องจักรที่<br />
15 (P15,1) เทากับ 33 นาที
่ ่ ตารางที 2 เวลาที่เริ่มงาน<br />
Mi,j ของแผนไมที j บนเครื่องจักร<br />
i (หนวยเปนนาที)<br />
j i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17<br />
1 94.0 127.0 33.0 0.0<br />
2 127.0 417.1 214.0 326.4 372.1 309.3 239.9<br />
3 1,056.8 819.3 819.3 417.1 1,250.1<br />
4 492.6 1,050.3 710.9 654.7 467.6 509.7 610.6 544.9 755.0<br />
5 509.7<br />
6 543.3 1,144.2 789.1 921.1 978.9 1,012.0<br />
7 610.5 1,926.8 1,097.9 1,041.7 1,075.3<br />
8 754.4 1,078.6 1,183.9 1,131.9 771.2<br />
9 771.2 1,210.3 1,287.6 726.0 1,154.5<br />
10 1,164.1 1,348.3 831.8 1,373.0 1,245.6<br />
11 1,245.6 1,532.5 1,200.4 1,547.4 1,582.6 1,564.5 1,589.4<br />
12 1,582.6 1,627.2 1,718.1 1,616.2<br />
13 1,616.2 1,867.7 1,987.3 1,571.0 1,845.1<br />
14<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
21<br />
22<br />
23<br />
24<br />
25<br />
26<br />
27<br />
28<br />
29<br />
30<br />
31<br />
32<br />
33<br />
34<br />
35<br />
36<br />
37<br />
38<br />
39<br />
40<br />
41<br />
1,845.1<br />
1,862.3<br />
1,895.9<br />
1,929.5<br />
1,963.0<br />
1,996.6<br />
2,063.3<br />
2,096.9<br />
2,130.0<br />
2,163.1<br />
2,224.2<br />
2,257.9<br />
2,280.5<br />
2,364.3<br />
2,397.9<br />
2,431.5<br />
2,459.6<br />
2,487.7<br />
2,521.3<br />
2,554.9<br />
2,588.5<br />
2,677.2<br />
2,777.0<br />
2,876.8<br />
2,976.6<br />
2,999.0<br />
3,021.8<br />
3,044.4<br />
2,224.2<br />
2,397.9<br />
2,019.8<br />
2,118.9<br />
2,131.0<br />
2,143.0<br />
2,282.9<br />
2,588.5<br />
2,118.9<br />
2,234.5<br />
2,350.2<br />
2,625.7<br />
1,876.6<br />
2,271.3<br />
2,427.9<br />
2,608.6<br />
1,862.3<br />
3,177.3<br />
2,096.9<br />
2,130.0<br />
2,163.1<br />
2,063.3<br />
จากตารางที่<br />
2 อธิบายไดดังตัวอยางการทํางานของแผนไมที่<br />
1<br />
(Mi,1) ดังนี้<br />
M15,1= 0 คือที่เวลา<br />
0 แผนไมที่<br />
1 เริ่มทํางานบนเครื่องจักรที่<br />
15<br />
หลังจากที่ทํางานบนเครื่องจักรที่<br />
15 เสร็จ ที่เวลา<br />
33 จึงเริ่มทํางานบน<br />
เครื่องจักรที่<br />
6 (M6,1= 33) ตอมาที่เวลา<br />
94 เริ่มทํางานบนเครื่องจักรที่<br />
1<br />
(M1,1= 94) จากนั้นที่เวลา<br />
127 จึงเริ่มทํางานบนเครื่องจักรที่<br />
3 (M3,1= 127)<br />
เวลาทํางานแลวเสร็จของแผนไมที่<br />
j บนเครื่องจักรที่<br />
i คือเวลา<br />
ที่แผนไมที่<br />
j ทํางานแลวเสร็จบนเครื่องที่<br />
i ซึ่งสามารถหาไดดังสมการที่<br />
(9) และไดแสดงเวลาการทํางานแลวเสร็จของแผนไมที่<br />
j บนเครื่องจักรที่<br />
i ดังตารางที่<br />
3<br />
เวลาแลวเสร็จของแผนไมที่<br />
j บนเครื่องจักร<br />
i = Mi,j + Pi,j (9)<br />
278<br />
ตารางที่<br />
3 แสดงเวลาทํางานแลวเสร็จของแผนไมที่<br />
j บน<br />
เครื่องจักรที่<br />
i ซึ่งสามารถอธิบายไดดังตัวอยางเวลาแลวเสร็จของแผนไม<br />
ที่<br />
1 บนเครื่องจักรที่<br />
i ดังนี้<br />
ที่เวลา<br />
33 แผนไมที่<br />
1 จะทํางานแลวเสร็จบน<br />
เครื่องจักรที่<br />
15 หลังจากนั้นแผนไมที่<br />
1 จะทํางานแลวเสร็จบนเครื่องจักร<br />
ที่<br />
6 ที่เวลา<br />
94 ตอมาที่เวลา<br />
127 แผนไมที่<br />
1 จะทํางานแลวเสร็จบน<br />
เครื่องจักรที่<br />
1 และแผนไมที่<br />
1 จะทํางานแลวเสร็จบนเครื่องจักรที่<br />
3 ที่<br />
เวลา 265.2 ซึ่งเปนเวลาที่แผนไมที่<br />
1 ผลิตเสร็จ (Completion Time: C1 =<br />
265.2)
่ ่ ตารางที 3 เวลาทํางานแลวเสร็จของแผนไมที j บนเครื่องจักร<br />
i (หนวยเปนนาที)<br />
j i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17<br />
1<br />
2<br />
3<br />
4<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
21<br />
22<br />
23<br />
24<br />
25<br />
26<br />
27<br />
28<br />
29<br />
30<br />
31<br />
32<br />
33<br />
34<br />
35<br />
36<br />
37<br />
38<br />
39<br />
40<br />
41<br />
127.0<br />
188.1<br />
1,117.9<br />
528.7<br />
543.3<br />
576.9<br />
655.5<br />
788.0<br />
826.9<br />
1,451.2<br />
1,532.5<br />
1,616.2<br />
1,845.1<br />
1,862.2<br />
1,895.9<br />
1,929.5<br />
1,963.0<br />
1,996.6<br />
2,063.3<br />
2,096.9<br />
2,130.0<br />
2,163.1<br />
2,224.2<br />
2,257.9<br />
2,280.5<br />
2,303.1<br />
2,425.5<br />
2,431.5<br />
2,459.6<br />
2,487.7<br />
2,521.3<br />
2,554.9<br />
2,588.5<br />
2,677.2<br />
2,777.0<br />
2,876.8<br />
2,976.6<br />
2,999.2<br />
3,021.6<br />
3,044.4<br />
3,177.3<br />
462.1<br />
1,001.1<br />
1,116.4<br />
1,210.3<br />
1,287.6<br />
1,718.1<br />
1,966.9<br />
2,271.3<br />
2,427.9<br />
265.2<br />
1,056.8<br />
234.4<br />
731.3<br />
921.1<br />
1,952.7<br />
1,131.9<br />
1,299.7<br />
1,374.2<br />
1,547.4<br />
1,735.7<br />
2,007.7<br />
2,118.9<br />
2,131.0<br />
2,143.0<br />
2,155.1<br />
2,295.0<br />
2,608.6<br />
359.5<br />
676.7<br />
978.9<br />
1,119.9<br />
1,198.6<br />
2,135.4<br />
2,333.6<br />
2,449.4<br />
2,658.8<br />
94.0<br />
417.1<br />
456.7<br />
771.2<br />
877.0<br />
1,245.6<br />
1,616.2<br />
329.7<br />
492.6<br />
1,075.3<br />
1,392.8<br />
1,564.5<br />
2,031.1<br />
2,288.4<br />
2,458.8<br />
2,625.7<br />
532.3<br />
1,097.9<br />
1,154.5<br />
1,204.6<br />
1,295.7<br />
1,632.7<br />
1,876.6<br />
1,315.8<br />
3,220.2<br />
654.7<br />
1,867.7<br />
2,117.3<br />
2,141.1<br />
2,174.2<br />
1,589.4<br />
567.5<br />
372.1<br />
786.1<br />
1,012.0<br />
1,627.2<br />
33.0<br />
1,144.2<br />
791.7<br />
2,083.7<br />
1,605.9<br />
เมื่อเปรียบเทียบประสิทธิการจัดตารางการผลิตของวิธีเดิม<br />
กับ<br />
วิธีแบบจําลองการจัดตารางการผลิต โดยวัดผลจากเวลาผลิตเสร็จของไม<br />
แผนสุดทาย (Make Span) หรือรอบเวลาการผลิต (Cycle Time) ดังตาราง<br />
ที่<br />
4 แสดงผลการเปรียบเทียบประสิทธิการจัดตารางการผลิตระหวางวิธี<br />
เดิม กับวิธีแบบจําลองการจัดตารางการผลิต<br />
จากตารางที่<br />
4 พบวาแบบจําลองการจัดตารางการผลิต<br />
สามารถลดรอบเวลาการผลิตได 717.3 นาที / 80 ตู<br />
จากวิธีเดิมมีรอบเวลา<br />
การผลิตเทากับ 3,937.5 นาที / 80 ตู<br />
เปน 3,220.2 นาที / 80 ตู<br />
279<br />
ตารางที่<br />
4 เปรียบเทียบรอบเวลาการผลิตดวยวิธีตางๆ<br />
วิธีการจัดตาราง<br />
รอบเวลาการผลิต<br />
(นาที / 80 ตู)<br />
เวลาที่ลดลง<br />
(นาที / 80 ตู)<br />
ประสิทธิภาพที่<br />
เพิ่มขึ้น<br />
วิธีเดิม 3,937.5 -<br />
วิธีแบบจําลอง 3,220.2 717.3 18.22%<br />
5. สรุปผลการดําเนินการวิจัย<br />
การทํางานที่มีความซับซอน<br />
โดยอาศัยประสบการณและความ<br />
ชํานาญ ทําใหเกิดความคลาดเคลื่อน<br />
เปนผลใหสงสินคาไมทันกําหนด<br />
ดังนั้นการวางแผนการจัดตารางการผลิตจะเปนกิจกรรมที่ชวยลดความ<br />
สูญเปลาจากการรองาน และการวางงานของเครื่องจักร<br />
ซึ่งจากผลการ<br />
ดําเนินการวิจัย พบวาการจัดตารางการผลิตตูปาเปาซึ่งประกอบดวยไม<br />
จํานวน 41 แผนและเครื่องจักรจํานวน<br />
17 เครื่อง<br />
ดวยแบบจําลองการจัด
ตารางการผลิตที่พัฒนาขึ้น<br />
มีรอบเวลาการผลิตเทากับ 3,220.2 นาที / 80 ตู<br />
สามารถลดรอบเวลาการผลิตลงจากวิธีเดิม 717.3 นาที / 80 ตู<br />
นอกจากนี้<br />
ยังเพิ่มประสิทธิภาพการทํางานได<br />
18.22% และสามารถแกปญหาสง<br />
สินคาไมทันกําหนดไดอีกดวย<br />
เอกสารอางอิง<br />
[1] Tatsushi Nishi, Masami Konishi, Masatoshi Ago, “A Distributed<br />
Decision Making System for Integrated Optimization of<br />
Production Line”, Computers and Chemical Engineer Vol. 31<br />
No.10 (2007) P.1205-1221<br />
[2] Lixin Tang, Guoli Liu, “A Mathematical Programming Model and<br />
Solution for Scheduling Production orders in Shanghai Baoshan<br />
Iron and Steel Complex”, European Journal of Operational<br />
Research (2007) P.1453-1468,<br />
[3] ทวัยพร ชาเจียมเจน, “การหาปริมาณการผลิตที่เหมาะสมโดยใชตัว<br />
แบบทางคณิตศาสตร: กรณีศึกษาการวางแผนการผลิตบริษัทใน<br />
อุตสาหกรรมกระดาษ”, วารสารวิชาการพระจอมเกลาพระนคร<br />
เหนือ (2007) หนาที่<br />
57-65<br />
[4] Milos Seda, “Mathematical Models of Flow Shop and Job Shop<br />
Scheduling Problems”, World Academy of Science, Engineering<br />
and Technology 31 (2007)<br />
[5] Niu Li, Zhou Hong, Han Xiaoting, “Dynamic Integration<br />
Mechanism for Job-Shop Scheduling Model Base Using Multiagent”,<br />
Information Management, Innovation Management and<br />
Industrial Engineering, 2009 International Conference<br />
[6] Cemal Ozguven, Lale Ozbakir, Yasemin Yavuz,“Mathematical<br />
Models for Job-Shop Scheduling Problems with Routing and<br />
Process Plan Flexibility”, Applied Mathematical Modelling 34<br />
(2010) P. 1539-1548<br />
280
281<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การใชวิธีการโครงขายประสาทเทียมแบบผสมในการจัดตารางการผลิตใหกับสายประกอบแบบไหลเลื่อน<br />
Application of Hybrid Artificial Neural Network for Assembly Flow Shop Scheduling Problem<br />
วัชรพันธ สุขเกิด 1 และธีรเดช วุฒิพรพันธ 2<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะบัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
เขตบางซื่อ<br />
กรุงเทพมหานคร 10800<br />
โทรศัพท: 02-913-2500 Ext 8141 E-mail: s.watcharapan@gmail.com 1 , teeradej.wuttipornpun@gmail.com 2<br />
บทคัดยอ<br />
ปจจุบันการจัดตารางการผลิตชิ้นสวนยานยนตของโรงงาน<br />
ตัวอยางใชกฎการจายงานแบบ EDD (Earliest Due Date) เพื่อตองการลด<br />
เวลาที่งานลาชา<br />
ซึ่งกฎการจายงานดังกลาวเหมาะสําหรับระบบการผลิต<br />
แบบเครื่องจักรเดี่ยว<br />
แตเนื่องจากโรงงานตัวอยางใชระบบการผลิตแบบ<br />
ไหลเลื่อนผสมกับขั้นตอนการประกอบ<br />
ทําใหเวลาที่งานลาชาไมไดลดลง<br />
อยางที่คาดหวังไว<br />
งานวิจัยนี้นําเสนอระบบการจัดตารางการผลิตที่<br />
เรียกวา “วิธีการโครงขายประสาทเทียมแบบผสม” (Hybrid Artificial<br />
Neural Network : HANN) โดยเริ่มจากการใชวิธีการขั้นตอนเชิง-<br />
พันธุกรรม (Genetic Algorithm : GA) ในการหาคําตอบเริ่มตน<br />
(Initial<br />
Solution) รวมถึงการหาคาถวงน้ําหนักการเชื่อมโยงและคาไบแอส<br />
(Connection Weight & Bias) ใหกับวิธีการโครงขายประสาทเทียม<br />
(Artificial Neural Network : ANN) โดยมีวัตถุประสงคเพื่อหาคาใชจาย<br />
นอยที่สุดของผลรวมระหวางคาปรับความลาชาและคาใชจายของงานที่<br />
คางอยูในระบบ<br />
(Tardiness and Flow time Cost) จากการทดลองใช<br />
วิธีการที่นําเสนอในการจัดตารางการผลิตใหกับ<br />
520 คําสั่งผลิต<br />
ผลการ<br />
ทดลองพบวาวิธีการ HANN มีประสิทธิภาพดีกวากฎการจายงานแบบ<br />
EDD ทั้งในดานคาปรับความลาชาและคาใชจายของงานที่คางอยูใน<br />
ระบบ รวมถึงการใช GA ในการหาคาถวงน้ําหนักการเชื่อมโยงและคา<br />
ไบแอสใหกับวิธีการ HANN จะใหคําตอบที่ดีกวาวิธีการแพรคายอนกลับ<br />
(Backpropagation) ในขณะที่ใชเวลาในการประมวลผลเทากัน<br />
คําสําคัญ: การจัดตารางการผลิตแบบไหลเลื่อน<br />
วิธีการโครงขาย<br />
ประสาทเทียม และวิธีการขั้นตอนเชิงพันธุกรรม<br />
Abstract<br />
Currently, a single machine dispatching rule called earliest<br />
due date (EDD) is applied in order to generate a production schedule for<br />
a selected factory. A reason why the EDD is selected is that the planner<br />
wants to reduce the tardiness in the system. Since a real production shop<br />
is organized as a flow shop with assembly operations not single<br />
machine, the tardiness in the system then has never been reduced as<br />
expected. This research aims to remedy this problem by proposing a<br />
production scheduling algorithm called Hybrid Artificial Neural<br />
Network (HANN). The proposed algorithm applies Genetic Algorithm<br />
(GA) to determine an initial solution and also determine the connection<br />
weight and bias for Artificial Neural Network (ANN) using a multiple<br />
objective function which is to minimize sum of tardiness and flow-time<br />
cost. To evaluate the effectiveness of the proposed algorithm, real 520<br />
operations are scheduled based on EDD and HANN algorithm and their<br />
results are statistically compared. The result shows that the HANN<br />
algorithm obtains tardiness and flow-time cost better than the EDD.<br />
Furthermore, the GA obtains a better connection weight and bias for<br />
ANN than that of the conventional method called backpropagation by<br />
using the same calculation time.<br />
Keyword: Flow Shop Scheduling, Artificial Neural Network, Genetic<br />
Algorithm<br />
1. บทนํา<br />
การจัดตารางการผลิตเปนการจัดลําดับความสําคัญของ<br />
กิจกรรมโดยพิจารณาเงื่อนไขและขอจํากัดที่เกี่ยวของในการผลิต<br />
เชน<br />
กําลังการผลิตของเครื่องจักร<br />
เงื่อนไขลําดับ<br />
กอน-หลัง (precedence) ของ<br />
งาน เปนตน หากการจัดตารางการผลิตมีประสิทธิภาพที่ดีจะสงผลให<br />
สามารถลดคาใชจายลงได เชน คาปรับเมื่อสงมอบงานลาชา<br />
คาใชจายใน<br />
การดําเนินการผลิต คาใชจายในการจัดเก็บสินคาคงคลัง เปนตน จาก<br />
การศึกษางานวิจัยที่เกี่ยวของพบวา<br />
วิธีการที่ใชในการแกปญหาการจัด<br />
ตารางการผลิตไดอยางมีประสิทธิภาพนั้นแบงออกเปน<br />
2 วิธีคือ วิธีการ<br />
เมตาฮิวริสติก (Metaheuristic method) และวิธีการหาคาที่เหมาะสมที่สุด<br />
(Optimization method) วิธีเมตาฮิวริสติกนั้นเหมาะสําหรับปญหาที่มีงาน<br />
จํานวนมากและมีเงื่อนไขที่ซับซอนในการจัดตารางการผลิต<br />
ซึ่งวิธีการนี้<br />
สามารถหาคําตอบไดใกลเคียงคําตอบที่เหมาะสมที่สุด<br />
(Near optimal)<br />
ภายในระยะเวลาที่รวดเร็ว<br />
วิธีการเหลานี้ไดแก<br />
วิธีการจําลองการอบออน<br />
(Simulated Annealing : SA) วิธีการคนหาแบบทาบู (Tabu Search : TS)
การผลิตแบบผสมที่เรียกวา<br />
Hybrid Artificial Neural Network (HANN)<br />
โดยการใชวิธีการขั้นตอนเชิงพันธุกรรม<br />
(GA) ในการหาคําตอบเริ่มตน<br />
(Initial Solution) รวมถึงการใชวิธีดังกลาวในการหาคาถวงน้ําหนักการ<br />
เชื่อมโยงและคาไบแอส<br />
(Connection Weight and Bias) ใหกับวิธีการ<br />
โครงขายประสาทเทียม (ANN) โดยมีสมการเปาหมายเพื่อหาคาใชจาย<br />
นอยที่สุดของผลรวมระหวางคาปรับความลาชาและคาใชจายของงานที่<br />
คางอยูในระบบ<br />
(Tardiness and Flow time Cost) เพื่อเพิ่มประสิทธิภาพ<br />
ใหกับระบบการจัดตารางการผลิตของโรงงานตัวอยาง ขั้นตอนของ<br />
วิธีการ HANN แสดงไดดังรูปที่<br />
1<br />
รูปที่<br />
1 แนวคิดของวิธีการ HANN<br />
งานวิจัยนี้ไดเลือกโรงงานผลิตชิ้นสวนรถยนตที่มีสายการ<br />
ประกอบแบบไหลเลื่อนซึ่งมีเงื่อนไขและขอจํากัดที่เกี่ยวของดังนี้<br />
1. ผลิตภัณฑมีทั้งหมด<br />
16 ชนิด แตละชนิดมีโครงสรางในการผลิตที่<br />
แตกตางกัน<br />
2. ระบบการผลิตประกอบดวย 21 สถานีงาน<br />
3. คําสั่งผลิตบางคําสั่งสามารถดําเนินการผลิตบนสถานีงานหลักหรือ<br />
สถานีงานรอง และคําสั่งผลิตบางคําสั่งสามารถดําเนินการผลิตบนสถานี<br />
งานหลักเทานั้น<br />
(กําหนดจากทางโรงงาน)<br />
4. การดําเนินการผลิตของทุก ๆ สถานีงาน จะดําเนินการ 8 ชั่วโมงตอวัน<br />
และไมอนุญาตใหมีการทํางานลวงเวลา<br />
ตัวอยางใบสั่งผลิต<br />
คําสั่งผลิต<br />
และสถานีงานหลัก และสถานี<br />
งานรองแสดงไดดังตารางที่<br />
1 สวนตัวอยางโครงสรางผลิตภัณฑใน<br />
งานวิจัยนี้แสดงไดดังรูปที่<br />
2<br />
่<br />
่ ่<br />
่<br />
่ ่<br />
่<br />
่ ่<br />
่<br />
่ ่<br />
่<br />
่ ่<br />
ตารางที 1 ทางเลือกของคําสั่งผลิต<br />
ใบสั่งผลิต<br />
คําสั่งผลิต<br />
สถานีงานหลัก สถานีงานรอง<br />
A1 สถานีงานที 1 สถานีงานที 2<br />
A<br />
A2<br />
A3<br />
สถานีงานที 2<br />
สถานีงานที 3<br />
-<br />
สถานีงานที 4<br />
A4 สถานีงานที 4 -<br />
B1 สถานีงานที 1 สถานีงานที 2<br />
B2 สถานีงานที 2 -<br />
B<br />
B3 สถานีงานที 3 สถานีงานที 4<br />
B4 สถานีงานที 4 -<br />
B5 สถานีงานที 5 สถานีงานที 6<br />
283<br />
่<br />
่ ่<br />
่ ่<br />
่ ่<br />
่ ่<br />
่<br />
่ ่<br />
่ ่<br />
ตารางที 1 (ตอ)<br />
ใบสั่งผลิต<br />
คําสั่งผลิต<br />
สถานีงานหลัก สถานีงานรอง<br />
C1 สถานีงานที 1 สถานีงานที 2<br />
C<br />
C2 สถานีงานที 3 สถานีงานที 4<br />
C3 สถานีงานที 5 สถานีงานที 6<br />
D1 สถานีงานที 1 สถานีงานที 2<br />
D<br />
D2<br />
D3<br />
สถานีงานที 2<br />
สถานีงานที 3<br />
-<br />
สถานีงานที 4<br />
D4 สถานีงานที 5 สถานีงานที 6<br />
รูปที่<br />
2 โครงสรางของผลิตภัณฑที่ผลิตบนสถานีงานหลัก<br />
จากรูปที่<br />
2 จะเห็นวาบางผลิตภัณฑ เชน ใบสั่งผลิต<br />
C มี<br />
โครงสรางผลิตภัณฑเปนแบบไหลเลื่อน<br />
ในขณะที่ใบสั่งผลิต<br />
A, B และ D<br />
มีโครงสรางผลิตภัณฑเปนแบบไหลเลื่อนผสมกับขั้นตอนการประกอบ<br />
(Assembly Flow Shop) นอกจากนี้ในรูปที่<br />
2 ยังแสดงถึงเวลาที่ตองเริ่มทํา<br />
การผลิตและเวลาที่ตองทําการผลิตเสร็จสิ้นของแตละคําสั่งผลิตซึ่ง<br />
คํานวณจากระบบ MRP รวมถึงสถานีงานหลักที่ตองใชอีกดวย<br />
ยกตัวอยางเชน คําสั่งผลิต<br />
C3 ตองเริ่มทําการผลิตชั่วโมงที่<br />
16 และตอง
เสร็จชั่วโมงที่<br />
22 บนสถานีงานที่<br />
5 จากนั้นคําสั่งผลิต<br />
C2 จึงสามารถเริ่ม<br />
ทํางานที่ชั่วโมงที่<br />
22 และเสร็จที่ชั่วโมงที่<br />
27 บนสถานีงานที่<br />
3 เปนตน<br />
2. การหาคําตอบเริ่มตนดวยวิธีการขั้นตอนเชิงพันธุกรรม<br />
วิธีการขั้นตอนเชิงพันธุกรรมเปนอัลกอริทึมที่อิงกระบวนการ<br />
หาคําตอบมาจากแนวความคิดของชารลส ดารวิน (Charles Darwin) ใน<br />
เรื่องของการอยูรอดของผูที่แข็งแรงที่สุด<br />
(Survival of the Fittest) [9,10]<br />
วิธีการนี้มีลักษณะการคนหาคําตอบแบบขนาน<br />
(Parallel Search) ใน<br />
รูปแบบของโครโมโซม (Chromosome) ซึ่งโครโมโซมที่มีความแข็งแรง<br />
ดีที่สุดจะเปนตัวแทนของคําตอบที่แมนตรง<br />
(Exact Solution) หรือคําตอบ<br />
โดยประมาณ (Approximate Solution) วิธีการขั้นตอนเชิงพันธุกรรมมี<br />
ขั้นตอนในการหาคําตอบ<br />
7 ขั้นตอน<br />
แสดงดังรูปที่<br />
3<br />
รูปที่<br />
3 วิธีการขั้นตอนเชิงพันธุกรรม<br />
- ขั้นตอนที่<br />
1 ทําการเขารหัสโครโมโซมแบบวิธีเรียงสับเปลี่ยน<br />
(Permutation Encoding) และกําหนดประชากรเริ่มตน<br />
(Initial Population)<br />
ในงานวิจัยนี้ผูวิจัยกําหนดประชากรเริ่มตนเทากับ<br />
5 โครโมโซม<br />
โดยใชกฎการจายงาน (Dispatching Rule) ในการสรางประชากรเริ่มตน<br />
จํานวน 3 โครโมโซม ไดแก EDD (Earliest Due Date), MST (Minimum<br />
Slack Time) และ SPT (Shortest Processing Time) และใชการสุมแบบ<br />
เรียงสับเปลี่ยน<br />
(Random Permutation) ในการสรางประชากรเริ่มตน<br />
2<br />
โครโมโซม แสดงดังตารางที่<br />
2 คอลัมนที่<br />
1, 2 และ 3<br />
284<br />
ตารางที่<br />
2 การสรางประชากรเริ่มตน<br />
โครโมโซมที่<br />
วิธีการสราง<br />
ประชากรเริ่มตน<br />
ประชากรเริ่มตน<br />
คาความแข็งแรง<br />
( f k )<br />
่<br />
่<br />
1 EDD A C B D 269.500<br />
2 MST A C D B 274.625<br />
3 SPT B D C A 504.250<br />
4 การสุมครั้งที<br />
1 C A B D 218.750<br />
5 การสุมครั้งที<br />
2 B C D A 597.375<br />
รวม 1864.5<br />
- ขั้นตอนที่<br />
2 การประเมินคาความแข็งแรง (Evaluate Individual) ของ<br />
โครโมโซมที่เปนตัวแทนคําตอบในการจัดตารางการผลิตจะทําการ<br />
ประเมินดวยสมการเปาหมายของการจัดตารางการผลิต งานวิจัยนี้มี<br />
เปาหมายที่จะหาคานอยที่สุดของผลรวมระหวางคาใชจายของความลาชา<br />
และคาใชจายของการมีงานคางอยูในระบบ<br />
โดยมีสมการเปาหมายแสดง<br />
ดังสมการที่<br />
1<br />
Minimize Total<br />
n<br />
n<br />
Cost ∑ CTiQ<br />
iti<br />
+ ∑ CFiQ<br />
i fi<br />
i = 1<br />
i = 1<br />
โดยที่<br />
f i คือ เวลาที่งาน<br />
i อยูในระบบ<br />
t i คือ เวลาลาชาของงาน i<br />
CT i คือ คาปรับเมื่องาน<br />
i ลาชาตอชิ้นตอหนวยเวลา<br />
CF i คือ คาใชจายในการจัดเก็บเมื่องาน<br />
i อยูในระบบตอชิ้นตอหนวย<br />
เวลา<br />
Q i คือ จํานวนของผลิตภัณฑแตละชนิด<br />
n คือ จํานวนงานทั้งหมด<br />
โดยที่<br />
f i สามารถคํานวณไดจากเวลาที่งาน<br />
i เริ่มดําเนินการ<br />
ในระบบลบดวยเวลาที่งาน<br />
i เสร็จสิ้น<br />
ในขณะที่<br />
ti คํานวณจากเวลาเสร็จ<br />
งานของงาน i ลบดวยเวลาที่ตองการของงาน<br />
i ในกรณีที่เวลาเสร็จงาน<br />
อยูหลังเวลาที่ตองการเทานั้น<br />
โดยใชขอมูลคาใชจายที่แสดงดังตารางที่<br />
3<br />
และขอมูลจากรูปที่<br />
2 สามารถคํานวณผลลัพธของขั้นตอนที่<br />
2 ไดดัง<br />
ตารางที่<br />
2 คอลัมนที่<br />
4<br />
ตารางที่<br />
3 คาปรับเมื่องานและคาใชจายเมื่อมีงานคาง<br />
ใบสั่งผลิต<br />
จํานวน<br />
( Q i )<br />
คาปรับเมื่องานลาชา<br />
( CT i ) (บาท/ชิ้น/วัน)<br />
คาใชจายเมื่องานอยูในระบบ<br />
( CF i ) (บาท/ชิ้น/วัน)<br />
A 1 150 3<br />
B 1 120 2<br />
C 1 100 1<br />
D 1 80 1<br />
หลักการคํานวณคาความแข็งแรงโดยใชสมการที่<br />
(1) นั้น<br />
จะตองนําคําสั่งผลิตทั้งหมดวางบนเครื่องจักร<br />
ซึ่งมีเงื่อนไขในการวาง<br />
ดังตอไปนี้<br />
(1)
1. การวางคําสั่งผลิตบนเครื่องจักรจะถูกวางตามโครงสรางของผลิตภัณฑ<br />
เทานั้น<br />
2. การวางคําสั่งผลิตจะเริ่มวางที่สถานีงานหลักกอน<br />
แตหากการวางคําสั่ง<br />
ผลิตบนสถานีงานรองทําใหเกิดเวลาลาชาของคําสั่งผลิตนอยกวาก็จะทํา<br />
การวางคําสั่งผลิตบนสถานีงานรอง<br />
3. การวางคําสั่งผลิตจะไมอนุญาตใหวางคําสั่งผลิตกอนเวลาเริ่มงาน<br />
4. เครื่องจักรทุกเครื่องจะตองมีลําดับของคําสั่งผลิตที่เหมือนกัน<br />
(Permutation Schedule) [11]<br />
รูปที่<br />
4 ตัวอยางการวางงานบนเครื่องจักร<br />
จากรูปที่<br />
4 แสดงการวางคําสั่งผลิตบนเครื่องจักรที่มีลําดับ<br />
ของใบสั่งผลิตตามโครโมโซมที่<br />
1 ไดแก A, C, B และ D ตามลําดับ จะ<br />
เห็นไดวาใบสั่งผลิตที่เกิดความลาชา<br />
คือ ใบสั่งผลิต<br />
B และใบสั่งผลิต<br />
D<br />
เนื่องจากใบสั่งผลิตเหลานี้เสร็จหลังเวลาที่ตองการ<br />
ซึ่งแสดงไวแลวดังรูป<br />
ที่<br />
2 จากขอมูลในตารางที่<br />
2, 3 และสมการที่<br />
(1) สามารถแสดง<br />
รายละเอียดการคํานวณไดดังนี้<br />
ใบสั่งผลิต<br />
B เกิดความลาชา 10 ชั่วโมง<br />
คิดเปน 1.25 วัน (1 วัน = 8 ชั่วโมง)<br />
คิดเปนคาใชจายเทากับ 150 บาท<br />
(1.25x1x120) ใบสั่งผลิต<br />
D เกิดความลาชา 10 ชั่วโมง<br />
คิดเปน 1.25 วัน<br />
คิดเปนคาใชจายเทากับ 100 บาท (1.25x1x80) ทําใหเกิดคาใชจายที่งาน<br />
ลาชารวมเทากับ 250 บาท คาใชจายของการมีงานคางอยูในระบบจะถูก<br />
คํานวณสําหรับทุกใบสั่งผลิตที่เกี่ยวของ<br />
เริ่มจากใบสั่งผลิต<br />
A อยูในระบบ<br />
เปนเวลา 20 ชั่วโมง<br />
(33-13) คิดเปน 2.5 วัน เกิดคาใชจายขึ้นมีคาเทากับ<br />
7.5 บาท (3x1x2.5) ใบสั่งผลิต<br />
B อยูในระบบเปนเวลา<br />
26 ชั่วโมง<br />
(46-20)<br />
คิดเปน 3.25 วัน เกิดคาใชจายขึ้นมีคาเทากับ<br />
6.5 บาท (2x1x3.25) ใบสั่ง<br />
ผลิต C อยูในระบบเปนเวลา<br />
19 ชั่วโมง<br />
(35-16) คิดเปน 2.375 วัน เกิด<br />
คาใชจายขึ้นมีคาเทากับ<br />
2.375 บาท (1x1x 2.375) และใบสั่งผลิต<br />
D อยูใน<br />
ระบบเปนเวลา 25 ชั่วโมง<br />
(47-22) คิดเปน 3.125 วัน เกิดคาใชจายขึ้นมีคา<br />
เทากับ 3.125 บาท (1x1x3.125) ทําใหเกิดคาใชจายเมื่องานคางอยูใน<br />
ระบบรวมเทากับ 19.5 บาท (7.5+6.5+2.375+3.125) ดังนั้นคาใชจายรวม<br />
สําหรับตารางการผลิตที่มีลําดับของใบสั่งผลิต<br />
A, C, B และ D มีคา<br />
เทากับ 269.5 บาท (250+19.5) ซึ่งคาใชจายรวมนี้จะแสดงเปนคาความ<br />
แข็งแรงของลําดับการผลิต A, C, B และ D ดังตารางที่<br />
2 คอลัมนที่<br />
4<br />
285<br />
- ขั้นตอนที่<br />
3 การคัดเลือก (Selection) เปนการคัดเลือกโครโมโซมเพื่อ<br />
นําไปทําการปรังปรุงคําตอบใหมีประสิทธิภาพที่ดีขึ้น<br />
ผูวิจัยใชวิธีการ<br />
คัดเลือกดวยวงลอรูเล็ต (Roulette Wheel) รวมกับวิธีการ Elitism ในการ<br />
คัดเลือกโครโมโซมทั้งหมด<br />
5 โครโมโซมเพื่อนําไปสรางประชากรรุน<br />
ใหม (New Generation) โดยมีรายละเอียดดังตอไปนี้<br />
วิธีการ Elitism เปนวิธีการสงผานโครโมโซมที่มีคาความ<br />
แข็งแรงดีที่สุด<br />
(คาต่ําสุด)<br />
ไปสูประชากรรุนใหม<br />
โดยไมตองผานตัว<br />
ดําเนินการเชิงพันธุกรรม (Crossover and Mutation) ผูวิจัยกําหนดจํานวน<br />
การคัดเลือกดวยวิธีการนี้เทากับ<br />
1 โครโมโซม ดังนั้นจากประชากร<br />
เริ่มตนในตารางที่<br />
2 โครโมโซมที่ไดรับการคัดเลือกเปนประชากรรุน<br />
ใหมดวยวิธีนี้<br />
ไดแก โครโมโซมที่<br />
4 เนื่องจากมีคาความแข็งแรงดีที่สุด<br />
จากนั้นจะใชวิธีการวงลอรูเล็ตเพื่อคัดเลือกโครโมโซมไปดําเนินการเชิง<br />
พันธุกรรม [12] อีกจํานวน 4 โครโมโซม โดยใชหลักความนาจะเปนใน<br />
การคัดเลือก วิธีการนี้ใชคาความแข็งแรงของแตละโครโมโซมในการ<br />
สรางสัดสวนพื้นที่<br />
(ความนาจะเปน) บนวงลอ ซึ่งสามารถคํานวณโดยใช<br />
สมการที่<br />
(2) และ (3) เชน โครโมโซมที่<br />
1 มีคาความแข็งแรงเทากับ 269.5<br />
จะมีคาความนาจะเปนในการถูกคัดเลือก (pk) เทากับ 0.855 ดังตารางที่<br />
4<br />
คอลัมนที่<br />
2 จากนั้นจะทําการคํานวณสัดสวนพื้นที่บนวงลอดวยสมการที่<br />
(3) ดังนั้นโครโมโซมที่<br />
1 จะมีสัดสวนพื้นที่บนวงลอเทากับ<br />
0.2138<br />
เปนตน จากตารางที่<br />
4 คอลัมนที่<br />
3 และคอลัมนที่<br />
4 สามารถเขียนวงลอ<br />
รูเล็ตไดดังรูปที่<br />
5<br />
⎡ ⎤<br />
⎢ ⎥<br />
⎢ f ⎥<br />
p = −<br />
k<br />
k ⎢ n ⎥<br />
⎢ ∑ f ⎥<br />
k<br />
⎢ ⎥<br />
⎣ k = 1 ⎦<br />
p<br />
p =<br />
k<br />
r n<br />
∑ pk<br />
k = 1<br />
1 (2)<br />
โดยที่<br />
f k คือ คาความแข็งแรงของโครโมโซมที่<br />
k<br />
p k คือ ความนาจะเปนในการคัดเลือกโครโมโซมที่<br />
k<br />
p r คือ สัดสวนพื้นที่บนวงลอรูเล็ต<br />
n คือ จํานวนโครโมโซมในประชากร<br />
ตารางที่<br />
4 สัดสวนพื้นที่บนวงลอรูเล็ต<br />
โครโมโซมที่<br />
ความนาจะเปนใน<br />
การคัดเลือก ( p k )<br />
สัดสวนพื้นที่<br />
( p r )<br />
สัดสวนสะสม<br />
1 0.855 0.214 0.214<br />
2 0.853 0.213 0.427<br />
3 0.730 0.182 0.609<br />
4 0.883 0.221 0.83<br />
5 0.680 0.170 1<br />
รวม 4 1<br />
(3)
รูปที่<br />
5 วงลอรูเล็ตของคัดเลือกโครโมโซมใหกับวิธี GA เพื่อหาคําตอบ<br />
เริ่มตนใหกับวิธี<br />
ANN<br />
จากรูปที่<br />
5 แสดงการคัดเลือกดวยวงลอรูเล็ต การคัดเลือกจะ<br />
ทําการสุมคาที่อยูในชวง<br />
0 – 1 ที่เปนตัวแทนสัดสวนพื้นที่บนวงลอรูเล็ต<br />
เชน การสุมครั้งที่<br />
1 มีคาเทากับ 0.3816 จะเห็นไดวาคาที่ไดจากการสุมตก<br />
ในสัดสวนพื้นที่ของโครโมโซมที่<br />
2 ดังนั้นโครโมโซมที่<br />
2 คือ A, C, D<br />
และ B จะไดรับการคัดเลือก ซึ่งการสุมครั้งที่<br />
2 ครั้งที่<br />
3 และครั้งที่<br />
4 จะ<br />
ทําเชนเดียวกันกับการสุมครั้งที่<br />
1 หลังจากเสร็จสิ้นกระบวนการจะได<br />
โครโมโซมใหมจํานวน 4 โครโมโซม ตามตองการ แสดงดังตารางที่<br />
5<br />
เพื่อนําไปปรับปรุงคําตอบดวยตัวดําเนินการเชิงพันธุกรรมตอไป<br />
่<br />
่<br />
ตารางที 5 การสุมการคัดเลือกโครโมโซมดวยวงลอรูเล็ต<br />
สุมครั้งที<br />
เลขสุม<br />
โครโมโซมที่ไดรับคัดเลือก<br />
รหัสโครโมโซม<br />
1 0.3816 2 A C D B<br />
2 0.5235 3 B D C A<br />
3 0.6948 4 C A B D<br />
4 0.0462 1 A C B D<br />
- ขั้นตอนที่<br />
4 การขามสายพันธุ<br />
(Crossover) คือตัวดําเนินการ<br />
พันธุกรรมในการพัฒนาความแข็งแรงของโครโมโซม โดยผูวิจัยใช<br />
วิธีการขามสายพันธุแบบจัดคูเปนสวน<br />
(Partially Mapped Crossover :<br />
PMX) เนื่องจากวิธีการนี้เปนวิธีการหนึ่งที่สามารถใหคําตอบที่ดีได<br />
[13]<br />
ซึ่งโอกาสในการขามสายพันธุจะขึ้นอยูกับความนาจะเปนในการขามสาย<br />
พันธุ<br />
(Crossover Probability : Pc) งานวิจัยนี้ผูวิจัยกําหนดคา<br />
Pc ไวที่<br />
0.9<br />
โดยเปรียบเทียบกับความนาจะเปนที่ไดจากการสุม<br />
หากความนาจะเปนที่<br />
ไดจากการสุมมีคานอยกวาความนาจะเปนในการขามสายพันธุที่กําหนด<br />
โครโมโซมคูนั้นจะทําการขามสายพันธุ<br />
แตในทางกลับกันหากความ<br />
นาจะเปนที่ไดจากการสุมมีคามากกวาความนาจะเปนในการขามสาย<br />
พันธุที่กําหนด<br />
โครโมโซมคูนั้นจะถูกสงผานไปยังขั้นตอนถัดไปโดยไม<br />
ผานขั้นตอนการขามสายพันธุ<br />
ดังนั้นจากคา<br />
Pc ที่ตั้งไวจะทําใหเกิดการ<br />
ขามสายพันธุบอยครั้ง<br />
สมมติวาความนาจะเปนที่ไดจากการสุมมีคา<br />
เทากับ 0.72 ดังนั้นโครโมโซม<br />
2 ลําดับแรกจากตารางที่<br />
5 จะตองถูกนํามา<br />
ทําการขามสายพันธ ซึ่งไดแก<br />
โครโมโซมที่<br />
2 (พอ) และ โครโมโซมที่<br />
3<br />
(แม) จากนั้นจะทําการสุมตําแหนงในการขามสายพันธุของโครโมโซม<br />
286<br />
พอและแม ยกตัวอยางเชน ไดตําแหนงที่<br />
1 และตําแหนงที่<br />
3 แสดงดัง<br />
รูปที่<br />
6 หลังจากนั้นจะทําการขามสายพันธุโดยทําการสลับยีน<br />
(Gene) ที่<br />
อยูระหวางตําแหนงที่ไดจากการสุมของโครโมโซมพอและแม<br />
ซึ่งยีนที่อยู<br />
ระหวางตําแหนงของโครโมโซมพอและโครโมโซมแม คือ C, D และ D,<br />
C ตามลําดับ หลังจากสลับที่แลวจะไดโครโมโซมรุนลูก<br />
(Offspring)<br />
จํานวน 2 โครโมโซมแสดงดังรูปที่<br />
7<br />
รูปที่<br />
6. โครโมโซมพอและโครโมโซมแม<br />
รูปที่<br />
7 โครโมโซมรุนลูกที่ไดจากการขามสายพันธุ<br />
- ขั้นตอนที่<br />
5 การกลายพันธุ<br />
(Mutation) เปนตัวดําเนินการเชิง<br />
พันธุกรรมอีกหนึ่งตัวที่ใชในการพัฒนาคําตอบหรือเปนการคนหาคําตอบ<br />
ใกลเคียงโดยทําการสลับยีนภายในโครโมโซม ซึ่งขั้นตอนนี้จะทําให<br />
คําตอบหลุดออกจากคําตอบเฉพาะที่<br />
[14] วิธีการกลายพันธุที่ใชในการ<br />
แกปญหาการจัดตารางการผลิตแบบไหลเลื่อนนั้นจะมีอยูหลายวิธี<br />
เชน<br />
การกลายพันธุแบบสลับตําแหนง<br />
(Swap Mutation) การกลายพันธุแบบ<br />
ผกผัน (Inverse Mutation) และการกลายพันธุแบบแทรก<br />
(Insert Mutation)<br />
ซึ่งจากงานวิจัยที่เกี่ยวของกับการจัดตารางการผลิตพบวาแตละวิธีมี<br />
ประสิทธิภาพที่ไมแตกตางกัน<br />
[15] งานวิจัยนี้เลือกใชการกลายพันธุแบบ<br />
สลับตําแหนง โดยการกลายพันธุของแตละโครโมโซมจะขึ้นอยูกับความ<br />
นาจะเปนในการกลายพันธุ<br />
(Mutation Probability : Pm) ซึ่งมีลักษณะการ<br />
ใชงานเชนเดียวกับคา Pc และกําหนดไวที่<br />
0.01 เนื่องจากไมตองการใหมี<br />
โอกาสกลายพันธุมากเพราะจะทําใหวิธีการขั้นตอนเชิงพันธุกรรม<br />
กลายเปนวิธีการคนหาคําตอบแบบสุม<br />
[14] ตัวอยางการกลายพันธุของ<br />
โครโมโซมลูกที่ไดจากการขามสายพันธุ<br />
เริ่มจากการสุมโอกาสในการ<br />
กลายพันธุของแตละโครโมโซม<br />
สมมติวาไดคาเลขสุมเทากับ<br />
0.006 และ<br />
0.0031 ซึ่งมีคานอยกวาคา<br />
Pm ทําใหโครโมโซมลูกทั้ง<br />
2 ตัว ไดรับการ<br />
กลายพันธุ<br />
จากนั้นจะทําการสุมตําแหนงการกลายพันธุของแตละ<br />
โครโมโซมเทากับ 2 ตําแหนง สมมติวาไดตําแหนงที่<br />
1 และตําแหนงที่<br />
3<br />
ของโครโมโซมลูกทั้ง<br />
2 ตัว จากนั้นทําการสลับที่ระหวางยีนของตําแหนง<br />
ดังกลาว จะทําใหไดโครโมโซมใหมจํานวน 2 โครโมโซมแสดงดังรูปที่<br />
8<br />
ขั้นตอนที่<br />
4 และ 5 จะถูกใชกับโครโมโซมที่ไดจากขั้นตอนที่<br />
3 ทั้งหมด<br />
และเกิดโครโมโซมขึ้นใหมจากทั้ง<br />
2 ขั้นตอนจํานวน<br />
4 โครโมโซม
รูปที่<br />
8 โครโมโซมที่ไดหลังจากทําการกลายพันธุ<br />
- ขั้นตอนที่<br />
6 การสรางประชากรรุนใหมจะใชโครโมโซมที่ไดรับการ<br />
คัดเลือกจากวิธีการ Elitism 1 โครโมโซมกับโครโมโซมที่ผาน<br />
กระบวนการกลายพันธุอีก<br />
4 โครโมโซม โดยแทนที่ประชากรรุนเกาเพื่อ<br />
นําไปปรับปรุงคําตอบในรอบถัดไป แสดงดังตารางที่<br />
6 คอลัมนที่<br />
2 และ<br />
คอลัมนที่<br />
3<br />
่<br />
่<br />
ตารางที 6 ประชากรรุนใหม<br />
วิธีการ โครโมโซมที<br />
รหัส<br />
โครโมโซม<br />
ความแข็งแรง<br />
( f k )<br />
Elitism 1 C A B D 218.75<br />
Crossover and Mutation 2 C D A B 665.50<br />
Crossover and Mutation 3 D C B A 815.25<br />
Crossover and Mutation 4 B C A D 600.75<br />
Crossover and Mutation 5 B A C D 516.37<br />
- ขั้นตอนที่<br />
7 ทําการประเมินคาความแข็งแรงของแตละโครโมโซม<br />
ดวยสมการที่<br />
(1) แสดงดังตารางที่<br />
6 คอลัมนที่<br />
4 จากนั้นจะทําการ<br />
ตรวจสอบเงื่อนไขในการหยุด<br />
(Stopping Criteria) เชน เวลาที่กําหนด<br />
(Time Limit) จํานวนการกําเนิดประชากรรุนใหม<br />
(Generation) เปนตน<br />
หากเงื่อนไขเปนจริงจะทําการเลือกคําตอบที่ดีที่สุดจากคาความแข็งแรง<br />
หากเงื่อนไขการหยุดยังไมถูกตองจะทําการสงประชากรรุนใหมไปทําการ<br />
วนซ้ําในขั้นตอน<br />
การคัดเลือก การขามสายพันธุ<br />
และการกลายพันธุตอไป<br />
และจากการวนซ้ําจนครบเงื่อนไข<br />
พบวาคําตอบที่เหมาะสมของตัวอยางนี้<br />
ไดแก การผลิตใบสั่ง<br />
A B C และ D ตามลําดับ ซึ่งทําใหเกิดคาใชจายรวม<br />
เทากับ 162.375 บาท<br />
3. การจัดตารางการผลิตดวยวิธีการโครงขายประสาทเทียม<br />
วิธีการโครงขายประสาทเทียมเปนเครื่องมือในการ<br />
สรางแบบจําลองทางคณิตศาสตร (Mathematical Model) ที่ไดจาก<br />
ประสบการณ และสามารถนําความรูเหลานี้มาใชในภายหลังได<br />
[16,17]<br />
โดยโครงขายประสาทเทียมที่ใชในการแกปญหาการจัดตารางการผลิต<br />
ของปญหาตัวอยางคือ โครงขายประสาทเทียมแบบปอนไปขางหนาหลาย<br />
ชั้น<br />
(Multiple Layer Feed Forward Network) ประกอบดวย ชั้นขอมูลเขา<br />
(Input Layer) ชั้นซอน<br />
(Hidden Layer) และชั้นขอมูลออก<br />
(Output<br />
Layer) ซึ่งมีรายละเอียดดังตอไปนี้<br />
ชั้นขอมูลเขา<br />
เปนการคัดเลือกลักษณะสําคัญ (Feature Selec-<br />
287<br />
tion) ของปญหาเพื่อใหโครงขายประสาทเทียมสามารถรูถึงพฤติกรรม<br />
ของขอมูลที่ใชในการแกปญหา<br />
ผูวิจัยขอยกตัวอยางลักษณะสําคัญโดยใช<br />
ตัวอยางเดียวกันกับที่ผานมา<br />
ซึ่งประกอบไปดวย<br />
เวลาในการผลิต เวลาสง<br />
มอบ และจํานวนคําสั่งผลิต<br />
ดังนั้นชั้นขอมูลเขาจะประกอบไปดวยเซลล<br />
ประสาทจํานวน 3 เซลล แสดงดังตารางที่<br />
7<br />
ตารางที่<br />
7 ลักษณะสําคัญของปญหาในชั้นขอมูลเขา<br />
เซลล<br />
ประสาทที่<br />
ลักษณะที่สําคัญ<br />
ใบสั่งผลิต<br />
A B C D<br />
1 เวลาในการผลิต 26 24 19 23<br />
2 เวลาสงมอบ 33 36 35 37<br />
3 จํานวนคําสั่งผลิตของแตละใบสั่งผลิต<br />
4 5 3 4<br />
ชั้นซอน<br />
การกําหนดจํานวนชั้นซอนและจํานวนเซลล<br />
ประสาทนั้นยังไมมีวิธีการใดที่สามารถบอกไดวาจะตองมีชั้นซอนจํานวน<br />
กี่ชั้นและจํานวนเซลลประสาทในแตละชั้นซอนจํานวนกี่เซลล<br />
[18] แต<br />
สามารถใชวิธีการลองผิดลองถูกในการกําหนด โดยการปรับเพิ่มหรือ<br />
ลดลงจนกวาคาวัตถุประสงคมีคานอยที่สุดหรืออยูในชวงที่ยอมรับได<br />
โดยยกตัวอยางการกําหนดจํานวนชั้นซอนในการแกปญหาดังกลาว<br />
ขางตนเทากับ 2 ชั้น<br />
และมีจํานวนเซลลประสาท (วงกลม) ในชั้นซอนแต<br />
ละชั้นเทากับ<br />
2 และ 1 เซลลประสาทตามลําดับ แสดงดังรูปที่<br />
9<br />
ชั้นขอมูลออก<br />
เปนชั้นที่แสดงคําตอบของลําดับตารางการผลิต<br />
โดยในกระบวนการเรียนรู<br />
(Learning Process) จะใชคําตอบที่ไดจาก<br />
วิธีการขั้นตอนเชิงพันธุกรรมคือการผลิตใบสั่ง<br />
A, B, C และ D ตามลําดับ<br />
จากนั้นจะคํานวณคาเปาหมาย<br />
(Output target) ดวยสมการที่<br />
(4) ซึ่งคา<br />
ขอมูลออกเปาหมายจะมีคาอยูในชวงระหวาง<br />
0.1-0.9 [6] แสดงดัง<br />
ตารางที่<br />
8<br />
⎛ i −1<br />
⎞<br />
Output T arg et ( i)<br />
0.<br />
1 + 0.<br />
8⎜<br />
⎟ ; i = 1,<br />
2,...,<br />
n<br />
⎝ n −1<br />
⎠<br />
= (4)<br />
โดยที่<br />
Output T arg et ( i)<br />
คือ ขอมูลออกเปาหมายที่มีลําดับในตารางการ<br />
ผลิตลําดับที่<br />
i และ n คือ จํานวนใบสั่งผลิต<br />
่ ตารางที 8 ตัวอยางคาเปาหมายเปาหมาย (n = 4)<br />
คําตอบเริ่มตน<br />
A B C D<br />
ลําดับในตารางการผลิต ( i ) 1 2 3 4<br />
คาเปาหมาย 0.1 0.366 0.633 0.9<br />
รูปที่<br />
9 ตัวอยางโครงขายประสาทเทียม
จากคาเปาหมายที่ได<br />
กระบวนการเรียนรูของวิธีการโครงขาย<br />
ประสาทเทียมจะทําการคํานวณหาคาถวงน้ําหนักการเชื่อมโยงและคา<br />
ไบแอส (Connection weight and Bias) ซึ่งโดยทั่วไปจะใชวิธีการแพรคา<br />
ยอนกลับ (Back propagation) และตัดสินใจโดยใชคาผิดพลาดยกกําลัง<br />
สองเฉลี่ย<br />
(Mean Square Error: MSE) ระหวางคาเปาหมาย (Output<br />
Target) ที่ตองการกับคาเปาหมายจริง<br />
(Output Actual) ที่เกิดขึ้นที่ยอมรับ<br />
ไดเปนตัวกําหนดคาถวงน้ําหนักการเชื่อมโยงและคาไบแอสที่เหมาะสม<br />
ดังแสดงในสมการที่<br />
(5)<br />
n<br />
2<br />
∑ ( Output T arg eti<br />
−Output<br />
Actual i )<br />
i = 1<br />
MSE =<br />
; i = 1,<br />
2,...,<br />
n (5)<br />
n<br />
โดยที่<br />
OutputT arg eti<br />
คือ คาเปาหมายของงานในลําดับที่<br />
i<br />
Output Actuali<br />
คือ ขอมูลออกจากโครงขายประสาทเทียมของงานใน<br />
ลําดับที่<br />
i<br />
n คือจํานวนใบสั่งผลิตทั้งหมด<br />
4. การใชวิธีการขั้นตอนเชิงพันธุกรรมในกระบวนการเรียนรู<br />
ของโครงขายประสาทเทียม<br />
การใชวิธีการขั้นตอนเชิงพันธุกรรมในการหาคาถวงน้ําหนัก<br />
การเชื่อมโยงและคาไบแอสใหกับกระบวนการเรียนรูของโครงขาย<br />
ประสาทเทียมจะมีขั้นตอนที่คลายคลึงกับขั้นตอนเชิงพันธุกรรมที่ได<br />
อธิบายไวแลวในหัวขอที่ผานมา<br />
ซึ่งมีรายละเอียดดังตอไปนี้<br />
- ขั้นตอนที่<br />
1 เริ่มจากการเขารหัสโครโมโซมของคาถวงน้ําหนักการ<br />
เชื่อมโยงและคาไบแอส<br />
เพื่อใหงายตอความเขาใจผูวิจัยขอยกตัวอยาง<br />
โครงขายประสาทเทียมที่ประกอบดวย<br />
ชั้นขอมูลเขา<br />
3 เซลลประสาท ขั้น<br />
ซอน 2 ชั้น<br />
แตละชั้นมีเซลลประสาท<br />
2 และ 1 เซลลประสาท ตาม ลําดับ<br />
และชั้นขอมูลออก<br />
1 เซลลประสาท แสดงดังรูปที่<br />
10<br />
รูปที่<br />
10 การเขารหัสโครงขายประสาทเทียมตัวอยาง<br />
การเขารหัสคาถวงน้ําหนักการเชื่อมโยงและคาไบแอสจะใช<br />
การสุมเลขจํานวนจริง<br />
ซึ่งแสดงไดดังรูปที่<br />
10 เชน คาถวงน้ําหนักการ<br />
เชื่อมโยงของเซลลประสาทในชั้นขอมูลเขาที่เชื่อมโยงกับเซลลประสาท<br />
ที่<br />
1 ในชั้นซอนที่<br />
1 จะถูกนํามาทําการเขารหัสในยีนที่<br />
1 เทากับ 0.862<br />
ยีนที่<br />
2 เทากับ 0.019 และยีนที่<br />
3 เทากับ 0.874 ตามดวยการเชื่อมโยงของ<br />
288<br />
เซลลประสาทในชั้นขอมูลเขาที่เชื่อมโยงกับเซลลประสาทที่<br />
2 ในชั้น<br />
ซอนที่<br />
1 จะถูกนํามาทําการเขารหัสในยีนที่<br />
4 เทากับ 0.759 ยีนที่<br />
5 เทากับ<br />
0.795 และยีนที่<br />
6 เทากับ 0.704 และการเขารหัสคาไบแอสของเซลล<br />
ประสาทในชั้นซอนที่<br />
1 จะถูกเขารหัสยีนในตําแหนงที่<br />
7 เทากับ 0.8 และ<br />
ตําแหนงที่<br />
8 เทากับ 0.501 การเชื่อมโยงของชั้นซอนที่<br />
1 กับเซลล<br />
ประสาทในชั้นซอนที่<br />
2 จะถูกเขารหัสยีนในตําแหนงที่<br />
9 และ 10 คือ<br />
0.934 และ 0.453 ตามลําดับ คาไบแอสของชั้นซอนที่<br />
2 จะถูกเขารหัสใน<br />
ตําแหนงที่<br />
11 เทากับ 0.459 เปนตน ผูวิจัยกําหนดประชากรเริ่มตนเทากับ<br />
5 โครโมโซมแสดงดังตารางที่<br />
9<br />
ตารางที่<br />
9 ประชากรเริ่มตนของวิธีการแบบผสม<br />
โครโมโซม คาจากการสุม<br />
1 (0.862, 0.759, 0.019, 0.795, 0.874, 0.704, 0.800, 0.501, 0.934, 0.453, 0.459)<br />
2 (0.966, 0.586, 0.184, 0.457, 0.633, 0.775, 0.630, 0.541, 0.594, 0.509, 0.554)<br />
3 (0.760, 0.822, 0.027, 0.494, 0.292, 0.823, 0.232, 0.345, 0.593, 0.929, 0.041)<br />
4 (0.247, 0.927, 0.935, 0.426, 0.292, 0.806, 0.381, 0.291, 0.739, 0.451, 0.802)<br />
5 (0.676, 0.638, 0.484, 0.892, 0.246, 0.254, 0.453, 0.704, 0.373, 0.637, 0.672)<br />
- ขั้นตอนที่<br />
2 การประเมินคาความแข็งแรงของคาถวงน้ําหนักการ<br />
เชื่อมโยงและคาไบแอสจะประเมินดวยคาผิดพลาดกําลังสองเฉลี่ย<br />
(MSE)<br />
ซึ่งจะไมขอกลาวในที่นี้<br />
- ขั้นตอนที่<br />
3 การคัดเลือก ผูวิจัยใชการคัดเลือกเชนเดียวกับขั้นตอนเชิง<br />
พันธุกรรมที่ไดกลาวไวขางตน<br />
คือ การคัดเลือกดวยวิธีการ Elitism 1<br />
โครโมโซม และวิธีการวงลอรูเล็ต 4 โครโมโซม ดังนั้นโครโมโซมที่<br />
4<br />
จะถูกนําไปสรางประชากรรุนใหม<br />
และอีก 4 โครโมโซมจะถูกคัดเลือก<br />
ดวยวิธีการวงลอรูเล็ต โดยสัดสวนพื้นที่สามารถคํานวณไดจากสมการที่<br />
(2) และ (3) ดังตารางที่<br />
10 คอลัมนที่<br />
3 และ 4 วงลอรูเล็ตและผลการ<br />
คัดเลือกดวยวงลอรูเล็ตแสดงดังรูปที่<br />
11 และตารางที่<br />
11 ตามลําดับ<br />
ตารางที่<br />
10 สัดสวนพื้นที่บนวงลอรูเล็ต<br />
่<br />
โครโมโซม<br />
คาความแข็งแรง<br />
( f k )<br />
ความนาจะเปนใน<br />
การคัดเลือก ( p k)<br />
สัดสวนพื้นที<br />
( p r )<br />
สัดสวน<br />
สะสม<br />
1 0.2766 0.792342342 0.198 0.198<br />
2 0.2769 0.792117117 0.198 0.396<br />
3 0.2601 0.80472973 0.201 0.597<br />
4 0.2172 0.836936937 0.209 0.807<br />
5 0.3012 0.773873874 0.193 1<br />
รวม 1.332 4 1<br />
่<br />
่<br />
ตารางที 11 ตารางการสุมการคัดเลือกโครโมโซม<br />
สุมครั้งที<br />
เลขสุม<br />
โครโมโซมที่ไดรับคัดเลือก<br />
1 0.2003 2<br />
2 0.0146 1<br />
3 0.7632 4<br />
4 0.5675 3
รูปที่<br />
11 วงลอรูเล็ตเพื่อหาคา<br />
Weight และคา Bias<br />
- ขั้นตอนที่<br />
4 การขามสายพันธุ<br />
ผูวิจัยใชวิธีการขามสายพันธุแบบยูนิ-<br />
ฟอรม (Uniform Crossover) เนื่องจากวิธีการขามสายพันธุแบบยูนิฟอรม<br />
เปนวิธีการที่มีความเปนแบบแผนในการขามสายพันธุกวาการขามสาย<br />
พันธุแบบหนึ่งตําแหนง<br />
(One-point Crossover) และแบบสองตําแหนง<br />
(Two-point Crossover) [19] โดยผูวิจัยกําหนดความนาจะเปนในการ<br />
กลายพันธุ<br />
(Pc) เทากับ 0.9 สมมติวาความนาจะเปนที่ไดจากการสุมมีคา<br />
เทากับ 0.65 ดังนั้นโครโมโซม<br />
2 ลําดับแรก (จากตารางที่<br />
11) ที่จะตองถูก<br />
ทําการขามสายพันธ ไดแก โครโมโซมที่<br />
2 และ โครโมโซมที่<br />
1 จากนั้น<br />
จะทําการสุมเลขฐานสองเทากับขนาดความยาวของโครโมโซม<br />
โดยเลขที่<br />
สุมนั้นจะเปนตัวกําหนดวาโครโมโซมลูกตัวที่<br />
1 และโครโมโซมลูกตัวที่<br />
2 จะไดรับยีนจากโครโมโซมพอหรือโครโมโซมแม ยกตัวอยางเชน สุม<br />
เลขฐานสองไดเทากับ 11010010110 ดังนั้นโครโมโซมลูกตัวที่<br />
1 จะ<br />
ไดรับยีนจากโครโมโซมพอในตําแหนงที่<br />
1, 2, 4, 7, 9 และ 10 และไดรับ<br />
ยีนจากโครโมโซมแมที่ตําแหนงที่<br />
3, 5, 6, 8 และ 11 โครโมโซมลูกตัวที่<br />
2 จะไดรับยีนจากโครโมโซมแมในตําแหนงที่<br />
1, 2, 4, 7, 9 และ 10 และ<br />
ไดรับยีนจากโครโมโซมพอในตําแหนงที่<br />
3, 5, 6, 8 และ 11 เปนตน<br />
ผลลัพธจากการขามสายพันธุแสดงดังรูปที่<br />
12 ซึ่งจะถูกสงตอไปยัง<br />
ขั้นตอนเชิงพันธุกรรมในขั้นตอนถัดไป<br />
เพื่อปรับปรุงคําตอบใหดีขึ้น<br />
รูปที่<br />
12 การขามสายพันธุแบบยูนิฟอรม<br />
- ขั้นตอนที่<br />
5 การกลายพันธุของการหาคาถวงน้ําหนักการเชื่อมโยงและ<br />
คาไบแอสนั้นจะไมเหมือนกับการกลายพันธุของการจัดตารางการผลิต<br />
ในขั้นตอนนี้จะทําการสุมคาตัวเลขขึ้นมาแทนตําแหนงที่ไดรับการกลาย<br />
พันธุ<br />
ผูวิจัยใชวิธีการกลายพันธุแบบยูนิฟอรม<br />
(Uniform Mutation) และ<br />
กําหนดความนาจะเปนในการกลายพันธุไวที่<br />
0.01 เปรียบเทียบกับความ<br />
นาจะเปนที่สุมขึ้นมาของแตละยีนในโครโมโซมจากนั้นตําแหนงดังกลาว<br />
289<br />
จะถูกแทนที่ดวยตัวเลขที่ไดจากการสุมแบบยูนิฟอรม<br />
เชน จากรูปที่<br />
13<br />
จะเห็นไดวาความนาจะเปนในการกลายพันธุของโครโมโซมลูกตัวที่<br />
1<br />
ในตําแหนงยีนที่<br />
3 และตําแหนงยีนที่<br />
7 มีคาเทากับ 0.001 และ 0.008 ทํา<br />
ใหตําแหนงดังกลาวถูกแทนที่ดวยตัวเลขที่ไดจากการสุมแบบยูนิฟอรม<br />
เทากับ 0.416 และ 0.361 ตามลําดับ แตโครโมโซมลูกตัวที่<br />
2 ความนาจะ<br />
เปนในการกลายพันธุที่ไดจากการสุมมีคามากกวาความนาจะเปนที่<br />
กําหนด ทําใหโครโมโซมลูกตัวที่<br />
2 ถูกสงผานไปยังประชากรใหมทันที<br />
ผลที่ไดจากการกลายพันธุดังรูปที่<br />
14<br />
รูปที่<br />
13 การกลายพันธุแบบยูนิฟอรม<br />
รูปที่<br />
14 ผลการกลายพันธุแบบยูนิฟอรม<br />
- ขั้นตอนที่<br />
6 การสรางประชากรรุนใหมจะไดรับโครโมโซมจาก<br />
วิธีการ Elitism 1 โครโมโซม และจากการคัดเลือกดวยวงลอรูเล็ตผานตัว<br />
ดําเนินการเชิงพันธุกรรมอีก 4 โครโมโซม แสดงดังตารางที่<br />
12<br />
ตารางที่<br />
12 ประชากรใหม<br />
โครโมโซม รหัสโครโมโซม<br />
1 (0.247, 0.927, 0.935, 0.426, 0.292, 0.806, 0.381, 0.291, 0.739, 0.451, 0.802)<br />
2 (0.966, 0.586, 0.416, 0.457, 0.874, 0.704, 0.361, 0.501, 0.594, 0.509, 0.459)<br />
3 (0.862, 0.759, 0.184, 0.795, 0.633, 0.775, 0.800, 0.541, 0.934, 0.453, 0.554)<br />
4 (0.247, 0.927, 0.634, 0.494, 0.292, 0.823, 0.734, 0.291, 0.739, 0.451, 0.802)<br />
5 (0.760, 0.822, 0.027, 0.426, 0.292, 0.806, 0.232, 0.345, 0.593, 0.929, 0.041)<br />
่<br />
่<br />
ตารางที 13 คาความแข็งแรง<br />
วิธีการ โครโมโซมที คาความแข็งแรง<br />
Elitism 1 0.2172<br />
Crossover and Mutation 2 0.2819<br />
Crossover and Mutation 3 0.2716<br />
Crossover and Mutation 4 0.2255<br />
Crossover and Mutation 5 0.2512<br />
- ขั้นตอนที่<br />
7 การประเมินคาความแข็งแรงดวยสมการที่<br />
(5) แสดงดัง<br />
ตารางที่<br />
13 เพื่อใชเปรียบเทียบในเงื่อนไขการหยุดของวิธีการขั้นตอนเชิง<br />
พันธุกรรม หรือใชในขั้นตอนการคัดเลือกในรอบถัดไป
5. การออกแบบการทดลอง<br />
การทดลองในงานวิจัยนี้จะเปนการทดสอบคําตอบที่ไดจาก<br />
วิธีการ HANN และกฎการจายงานแบบ EDD โดยจะทําการทดสอบกับ<br />
ขอมูลใบสั่งผลิตจํานวน<br />
80 ใบ จํานวน 10 ชุดขอมูล และวิเคราะหผลโดย<br />
ใชวิธีการวิเคราะหความแปรปรวนแบบทางเดียว (One-way ANOVA)<br />
และตรวจสอบความแตกตางของคาเฉลี่ยโดยใชวิธีการเปรียบเทียบ<br />
คาเฉลี่ยแบบทีละคู<br />
(Tukey’s test) พารามิเตอรที่ใชในการทดลองเพื่อหา<br />
คําตอบของวิธีการ HANN แสดงไดดังตารางที่<br />
14<br />
่<br />
<br />
<br />
่<br />
ตารางที 14 พารามิเตอรตาง ๆ ที่ใชในการทดลอง<br />
พารามิเตอร การหาคําตอบเริ่มตน<br />
การหาคาถวงน้ําหนัก<br />
การเชื่อมโยงและคาไบแอส<br />
ประชากรเริ่มตน<br />
20 โครโมโซม 20 โครโมโซม<br />
วิธีการคัดเลือก วิธีการวงลอรูเล็ต วิธีการวงลอรูเล็ต<br />
ความนาจะเปนในการ<br />
ขามสายพันธ (Pc)<br />
0.9 0.9<br />
วิธีการขามสายพันธุ<br />
วิธีการแบบจัดคู<br />
เปนสวน<br />
วิธีการยูนิฟอรม<br />
ความนาจะเปนในการ<br />
กลายพันธ (Pm)<br />
0.01 0.01<br />
วิธีการกลายพันธุ วิธีการแบบสลับที วิธีการยูนิฟอรม<br />
่ ตารางที 15 ผลการทดลอง<br />
วิธีการ เวลาลาชา (วัน) เวลาที่งานคาง<br />
(วัน) คาใชจายรวม (บาท)<br />
HANN 58.34 [1] 205.32 [1] 95,167.00 [1]<br />
EDD 104.00 [2] 237.60 [2] 186,076.21 [2]<br />
6. ผลการทดลอง<br />
ผลการทดลองจากวิธีการตาง ๆ แสดงไดดังตารางที่<br />
15 จาก<br />
ตารางที่<br />
15 พบวาวิธีการ HANN จะใหคําตอบที่มีประสิทธิภาพกวากฎ<br />
การจายงานแบบ EDD อยางมีนัยสําคัญ ตัวเลขในวงเล็บจะแสดงถึงลําดับ<br />
ที่ไดจาการตรวจสอบความแตกตางของคาเฉลี่ยดวยวิธีการเปรียบเทียบ<br />
คาเฉลี่ยแบบทีละคู<br />
(คานอยดีกวาคามาก) และยังพบวาวิธีการ HANN จะ<br />
ใหคําตอบที่ดีกวาทั้งดานคาใชจายเมื่อมีงานคางในระบบ<br />
คาปรับเมื่อสง<br />
งานลาชา และคาใชจายรวม ทั้งนี้เนื่องจากวิธีการ<br />
HANN สามารถเรียนรู<br />
การจัดตารางการผลิตจากคําตอบเริ่มตนที่ไดจาก<br />
GA ทําใหวิธีการ<br />
HANN สามารถจัดตารางการผลิตไดอยางมีประสิทธิภาพและทําใหเกิด<br />
คาใชจายรวมที่ต่ํากวาได<br />
7. สรุปผลการวิจัย<br />
การจัดตารางการผลิตโดยใชวิธีการที่ผูวิจัยไดนําเสนอนั้น<br />
สามารถใหคําตอบของการจัดตารางการผลิตไดอยางมีประสิทธิภาพกวา<br />
กฎการจายงานแบบ EDD ที่โรงงานตัวอยางใชอยูในปจจุบัน<br />
อีกทั้ง<br />
วิธีการที่นําเสนอยังสามารถลดเวลาที่ใชในการจัดตารางการผลิตของ<br />
290<br />
โรงงานตัวอยางไดอีกดวย<br />
กิตติกรรมประกาศ<br />
ผูวิจัยขอขอบพระคุณฝายวางแผนการผลิตของโรงงาน<br />
ตัวอยางที่อํานวยความสะดวกในการเก็บขอมูลที่จําเปน<br />
ขอขอบคุณ<br />
บัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือที่<br />
ชวยสนับสนุนเงินทุนสําหรับงานวิจัยนี้<br />
และขอขอบคุณทานอาจารยที่<br />
ปรึกษาที่ชวยสั่งสอนและชี้แนะการทําวิจัยมาโดยตลอด<br />
เอกสารอางอิง<br />
[1] H. Chen and P. B. Luh, “An alternative framework to Lagrangian<br />
relaxation approach for job shop scheduling”, European Journal of<br />
Operational Research, 149, 499–512, 2000.<br />
[2] E. Kutanoglu and S. D. Wu, “Lagrangian Relaxation-Based<br />
Techniques for Job Shop Scheduling”, Institute of Industrial<br />
Engineers, 2006.<br />
[3] S. Karmakar and B. Mahanty, “Minimizing Makespan for a<br />
Flexible Flow Shop Scheduling Problem in a Paint Company”,<br />
Industrial Engineering and Operations Management, 2010.<br />
[4] L. Tang W. Liu and J. Liu, “A neural network model and algorithm<br />
for the hybrid flow shop scheduling problem in a dynamic<br />
environment”, Journal of Intelligent Manufacturing, 16, 361-370,<br />
2005.<br />
[5] A. El-Bouri S. Balakrishnan and N. Popplewell, “A neural network<br />
to enhance local search in the permutation flow shop”, Computer &<br />
Industrial Engineering, 49, 182-196, 2005.<br />
[6] A. N. Haq T. R. Ramanan K. S. Shashicant and R. Sridharan, “A<br />
hybrid neural network-genetic algorithm approach for permutation<br />
flow shop scheduling”, Taylor&Francis Group: International<br />
Journal of Production Research, 48, 4217-4231, 2009.<br />
[7] T. R. Ramanan R. Sridharan K. S. Shashikant and A. N. Haq, “An<br />
artificial neural network based heuristic for flow shop scheduling<br />
problems”, Journal of Intelligent Manufacturing, 2009.<br />
[8] T. Wuttipornpun U. Wangrukdeeskul and W. Songserm, “An<br />
Algorithm of Finite Capacity Material Requirement Planning<br />
System for Multi-stage Assembly Flow Shop”, World Academy of<br />
Science: Engineering and Technology 70, 500-510, 2010.<br />
[9] D. E. Goldberg, “Genetic algorithms: In search, optimization and<br />
machine learning”, Reading, MA: Addison-Wesley, 1989.<br />
[10] J. H. Holland, “Adaptation in natural and artificial systems”, Ann<br />
Arbour, MI: University of Michigan Press, 1975.
[11] M. L. Pinedo, “Scheduling: Theory, Algorithm and System”,<br />
Springer, Prentice Hall. 2008.<br />
[12] B. Tunjongsirikul and P. Pongchairerks, “An Application of GA<br />
Algorithm on Vehicle Routing Problem in a Case Study of a<br />
Bakery Company in Thailand”, The 2 nd RMUTP International<br />
Conference: Green Technology and Productivity, 128-133, 2010.<br />
[13] S. R. Hejazi and S. Saghafian, “Flowshop-scheduling problems<br />
with makespan criterion: a review”, Taylor&Francis Group:<br />
International Journal of Production Research, 43, 2895-2929, 2005.<br />
[14] S. N. Sivanandam and S. N. Deepa, “Introduction to Genetic<br />
Algorithms”, Springer: Verlag Berlin Heidelberg, 2008.<br />
[15] L. Wang and D. Z. Zheng, “An Effective Hybrid Heuristic for Flow<br />
Shop Scheduling”, Springer: Advanced Manufacturing<br />
Technology, 21, 38-44, 2003.<br />
[16] I. Aleksander and H. Morton, “An introduction to neural<br />
computing”, London, UK: Chapman and Hall, 1990.<br />
[17] ณชล ไชยรัตนะ, “เอกสารคําสอนรายวิชา: ระบบอัจฉริยะ”,<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ, 2547.<br />
[18] M. Mitchell, “An Introduction to Genetic Algorithms”, A Bradford<br />
Book, The MIT Press Cambridge, Massachusetts, London,<br />
England, 1996.<br />
[19] G. Syswerda, “Uniform crossover in genetic algorithms”, In J.D.<br />
Schaffer (ed.), Proc. 3rd Int. Conf. on Genetic Algorithms. Los<br />
Altos, CA: Morgan Kaufmann, 2–9, 1989.<br />
ดร. ธีรเดช วุฒิพรพันธ ปจจุบันดํารงตําแหนง<br />
ผูชวยศาสตราจารยประจําภาควิชาวิศวกรรม<br />
อุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัย<br />
เทคโนโลยีพระจอมเกลาพระนครเหนือ สําเร็จ<br />
การศึกษาระดับปริญญาตรี สาขาวิศวกรรมไฟฟา<br />
จากมหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี สําเร็จการศึกษาระดับ<br />
ปริญญาโท สาขาวิศวกรรมอุตสาหการ จากมหาวิทยาลัยเทคโนโลยีพระ<br />
จอมเกลาพระนครเหนือ และสําเร็จการศึกษาระดับปริญญาเอก สาขา<br />
วิศวกรรมอุตสาหการ จากสถาบันเทคโนโลยีนานาชาติสิรินธร งานวิจัยที่<br />
สนใจประกอบดวย การวางแผนการผลิต การควบคุมสินคาคงคลัง การ<br />
จําลองสถานการณ การวิจัยการดําเนินงาน ระบบวางแผนทรัพยากร<br />
องคกร ทฤษฎีขอจํากัด และระบบวางแผนความตองการวัสดุที่มีขอจํากัด<br />
ดานกําลังการผลิต<br />
291<br />
นายวัชรพันธ สุขเกิด ปจจุบันกําลังศึกษาระดับ<br />
ปริญญาโท สาขาวิศวกรรมอุตสาหการ คณะ<br />
บัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระ<br />
จอมเกลาพระนครเหนือ สําเร็จการศึกษาระดับ<br />
ปริญญาตรี สาขาเทคโนโลยีวิศวกรรมอิเล็กทรอ-<br />
นิกส (คอมพิวเตอร) จากมหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนคร<br />
เหนือ งานวิจัยที่สนใจประกอบดวย<br />
การจัดตารางการผลิต การวางแผน<br />
การผลิต การควบคุมสินคาคงคลัง การจัดการโลจิสติกสและหวงโซ<br />
อุปทาน
การศึกษาอัตราสวนทองคํา กรณีศึกษา : กลุมประชากรตัวอยาง<br />
A study of Golden Ratio Case study : Sample population<br />
292<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
จันทรเพ็ญ อนุรัตนานนท 1 ประจวบ กลอมจิตร 2 ทิพวัลย ตันกสิกิจ 3 และพนิดา สุอุย<br />
4<br />
1, 2, 3, 4<br />
ภาควิชาวิศวกรรมอุตสาหการและการจัดการ คณะวิศวกรรมศาสตรและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยศิลปากร<br />
อําเภอเมือง จ.นครปฐม 73000<br />
โทร. (034) 219362 โทรสาร (034)219362 E-mail: 1 chanpen@su.ac.th, 2 prachuab@su.ac.th<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อวัดขนาดสัดสวนรางกายของกลุม<br />
ประชากรตัวอยางจํานวน 390 คน โดยกลุมประชากรตัวอยางแบงเปนเด็ก<br />
ประถมวัยเพศหญิง 65 คน เพศชาย 65 คน วัยรุน<br />
(นักศึกษามหาวิทยาลัย<br />
ศิลปากร) เพศหญิง 65 คน เพศชาย 65 คน และผูใหญในโรงพยาบาล<br />
ตัวอยางเพศหญิง 65 คน เพศชาย 65 คน และแสดงขอมูลคาเฉลี่ย<br />
และ<br />
สวนเบี่ยงเบนมาตรฐาน<br />
เพื่อศึกษาเปรียบเทียบกับคาอัตราสวนทองคํา<br />
(Golden Ratio) ซึ่งมีคา<br />
1.618 ของกลุมประชากรตัวอยาง<br />
วาคาที่ทําการ<br />
วัดเปนจริงตามทฤษฎีหรือไม และเพื่อพิจารณาแนวโนมการเปลี่ยนแปลง<br />
ของคาอัตราสวนทองคํา (Golden Ratio)ในแตละชวงอายุตางๆกัน จาก<br />
การดําเนินการศึกษาพบวาผูหญิงมีคาสัดสวนใกลเคียงกับคาอัตราสวน<br />
ทองคํา (Golden Ratio) มากที่สุดอยางมีนัยสําคัญ<br />
สาเหตุเนื่องมาจาก<br />
ผูหญิงเมื่อเทียบกับผูชายแลวสัดสวนของรางกายจะใกลเคียงมากที่สุด<br />
เพราะผูชายมีการออกกําลังกายมากกวา<br />
ซึ่งอาจทําใหเกิดการยืดของ<br />
กระดูกได และสัดสวนที่มีคาใกลเคียงกับคาอัตราสวนทองคํา<br />
(Golden<br />
Ratio) มากที่สุดคือสัดสวนไหลถึงปลายนิ้วสวนขอศอกถึงปลายนิ้ว<br />
สาเหตุมาจากแขนเปนสัดสวนที่จะสอดคลองกับสวนอื่นๆ<br />
ควรมีขนาดที่<br />
พอดีไมสั้นหรือยาวไป<br />
ในขณะที่สัดสวนสะโพกถึงพื้นสวนหัวเขาถึงพื้น<br />
มีคาที่ไมใกลเคียงกับคาอัตราสวนทองคํา<br />
(Golden Ratio) สาเหตุมาจาก<br />
หลายๆสาเหตุ ทั้งจากตัวบุคคลและสภาพแวดลอม<br />
แตโดยภาพรวมแลวมี<br />
คาที่ใกลเคียงคาอัตราสวนทองคํา<br />
(Golden Ratio) ตามทฤษฎี<br />
คําสําคัญ : รางกายมนุษย, สัดสวนรางกาย, อัตราสวนทองคํา<br />
Abstract<br />
This research has a purpose to measure anthropometry and<br />
shape of human’s body in sample population for 390 cases. The sample<br />
population is divided into primary age female 65 cases male 65 cases, in<br />
teenage (Students of Silpakorn University) female 65 cases and male 65<br />
cases and in adults in sample hospital female 65 cases and male 65<br />
cases and find the average data and standard deviation in order to<br />
compare with Golden Ratio of 1.618 of sample population whether the<br />
theory is approved and to consider the tendency of Golden Ratio value<br />
changing in different span of age. According to the case study research,<br />
we found that women have the most significantly approached value to<br />
the Golden Ratio when compared with men. . This is caused by men do<br />
more sport activities than women and may cause more extension of<br />
bones in men. The body anthropometry which is the most approached to<br />
Golden Ratio is from shoulder to fingertip and from elbow to fingertip<br />
because of arm proportion that must conform to other parts of body and<br />
must not be too long or too short whereas the anthropometry from hip to<br />
floor and from knee to floor are not approached to the Golden Ratio.<br />
This caused by many factors, either the human’s body or environment.<br />
But overall results are still close to the theory.<br />
Keywords : human’s body, anthropometry ,Golden Ratio<br />
1. บทนํา<br />
เนื่องจากในปจจุบันการศึกษาและการทํางานนั้นเปนปจจัยที่มี<br />
ความสําคัญมากประการหนึ่ง<br />
ตอการดํารงชีวิตของมนุษย และการพัฒนา<br />
ของประเทศโดยเฉพาะอยางยิ่งทามกลางการเปลี่ยนแปลงของโลกยุค<br />
โลกาภิวัตนทั้งทางดานเศรษฐกิจ<br />
สังคม การเมือง วัฒนธรรม รวมถึง<br />
เทคโนโลยี และนวัตกรรมใหมๆ ซึ่งมนุษยจําเปนที่จะตองปรับตัวใหเขา<br />
กับการเปลี่ยนแปลงดังกลาว<br />
แตอยางไรก็ตามมนุษย ไมสามารถปรับตัว<br />
ใหทันกับการเปลี่ยนแปลงเหลานี้ไดอยางรวดเร็วทั้งนี้เพราะมนุษยมี<br />
ขอจํากัดหลายๆ ดาน ทั้งดานลักษณะทางกายภาพ<br />
กลศาสตร<br />
ชีวภาพ และสรีรวิทยาในการทํางานของมนุษย ซึ่งก็มีผลอยางมากตอ<br />
ความทนทานตอสภาพแวดลอม และความสามารถในการทํางานของ<br />
มนุษย จึงกอใหเกิดความเหนื่อยลา<br />
ความผิดพลาด และความไมปลอดภัย<br />
จากการทํางานไดโดยงาย ซึ่งถาปญหาเหลานี้สวนหนึ่งเกิดจากการ<br />
ออกแบบสถานที่ทํางาน<br />
เครื่องมือ<br />
อุปกรณ เครื่องจักรกล<br />
ผลิตภัณฑ<br />
สิ่งแวดลอมและในระบบที่ไมเหมาะสมกับขอจํากัดของมนุษย<br />
ทําให<br />
ประสิทธิภาพ และประสิทธิผลในการทํางานของมนุษยลดลง [1,2]
ตารางที่<br />
2 ตารางแสดงคาเฉลี่ยรวมของกลุมประชากรตัวอยาง<br />
การวิเคราะหเปรียบเทียบคาอัตราสวนของสัดสวนกับคา<br />
อัตราสวนทองคํา (Golden Ratio) โดยการทดสอบสมมติฐาน<br />
การทดสอบสมมติฐานจากผลที่เกิดขึ้นเพื่อเปรียบเทียบวาคา<br />
อัตราสวนที่คํานวณได<br />
มีคาเทากับคาอัตราสวนทองคํา (Golden Ratio)<br />
หรือไม โดยแยกในแตละกลุม<br />
แตละเพศ, แยกในแตละกลุม<br />
รวมเพศ,<br />
294<br />
ทุกกลุม<br />
แยกเพศและทุกกลุม<br />
รวมเพศ โดยการทดสอบสมมติฐานนี้จะใช<br />
การประมวลผลโดยโปรแกรม Minitab คาความเชื่อมั่นที่<br />
99 % กําหนด<br />
ระดับนัยสําคัญ α = 0.01 ซึ่งมีเงื่อนไขวา<br />
- ถาผลการทดสอบไดคา P – value < 0.01 สรุปวา Reject H0 - ถาผลการทดสอบไดคา P – value > 0.01 สรุปวา Accept H0 ่ ตารางที 3 ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางแยกกลุม<br />
แยกเพศ<br />
กลุม<br />
ระยะสวนสูงถึงพื้น<br />
ระยะสะดือถึงพื้น<br />
ระยะไหลถึงปลายนิ้ว<br />
ระยะขอศอกถึงปลายนิ้ว<br />
ระยะสะโพกถึงพื้น<br />
ระยะหัวเขาถึงพื้น<br />
เด็กประถมวัยเพศหญิง Reject H0 (0.000) Accept H0 (0.049) Reject H0 (0.000)<br />
เด็กประถมวัยเพศชาย Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
วัยรุนเพศหญิง<br />
Accept H0 (0.018) Reject H0 (0.000) Reject H0 (0.000)<br />
วัยรุนเพศชาย<br />
Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
ผูใหญเพศหญิง<br />
Accept H0 (0.041) Accept H0 (0.632) Reject H0 (0.000)<br />
ผูใหญเพศชาย<br />
หมายเหตุ ตัวเลขในวงเล็บคือคา p-value<br />
Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
่ ตารางที 4 ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางแยกกลุม<br />
รวมเพศ<br />
ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางแยกกลุม<br />
รวมเพศ<br />
กลุม<br />
ระยะสวนสูงถึงพื้น<br />
ระยะสะดือถึงพื้น<br />
ระยะไหลถึงปลายนิ้ว<br />
ระยะขอศอกถึงปลายนิ้ว<br />
ระยะสะโพกถึงพื้น<br />
ระยะหัวเขาถึงพื้น<br />
เด็กประถมวัย Reject H0 (0.000) Accept H0 (0.235) Reject H0 (0.000)<br />
วัยรุน<br />
Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
ผูใหญ<br />
Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
หมายเหตุ ตัวเลขในวงเล็บคือคา p-value
่ ตารางที 5 ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางรวมทุกกลุม<br />
แยกเพศ<br />
ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางรวมทุกกลุม<br />
แยกเพศ<br />
กลุม<br />
ระยะสวนสูงถึงพื้น<br />
ระยะสะดือถึงพื้น<br />
ระยะไหลถึงปลายนิ้ว<br />
ระยะขอศอกถึงปลายนิ้ว<br />
ระยะสะโพกถึงพื้น<br />
ระยะหัวเขาถึงพื้น<br />
เพศหญิง Accept H0 (0.400) Reject H0 (0.000) Reject H0 (0.000)<br />
เพศชาย Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
หมายเหตุ ตัวเลขในวงเล็บคือคา p-value<br />
่ ตารางที 6 ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางรวมทุกกลุม<br />
รวมเพศ<br />
ตารางแสดงการทดสอบสมมติฐานของกลุมประชากรตัวอยางรวมทุกกลุม<br />
รวมเพศ<br />
กลุม<br />
ระยะสวนสูงถึงพื้น<br />
ระยะสะดือถึงพื้น<br />
ระยะไหลถึงปลายนิ้ว<br />
ระยะขอศอกถึงปลายนิ้ว<br />
ระยะสะโพกถึงพื้น<br />
ระยะหัวเขาถึงพื้น<br />
กลุมประชากร<br />
ตัวอยาง<br />
Reject H0 (0.000) Reject H0 (0.000) Reject H0 (0.000)<br />
หมายเหตุ ตัวเลขในวงเล็บคือคา p-value<br />
5. สรุปผลการวิจัย<br />
ผลจากการวัดขนาดสัดสวนรางกายของกลุมประชากร<br />
ตัวอยาง โดยแสดงขอมูลเปนคาเฉลี่ยและคาเบี่ยงเบนมาตรฐาน<br />
ดังตาราง<br />
ที่<br />
1 และตารางที่<br />
2 แสดงใหเห็นวาคาเฉลี่ยของแตละสัดสวน<br />
ของแตละ<br />
กลุมประชากรตัวอยางจะมีคาใกลเคียงกัน<br />
ซึ่งแสดงใหเห็นวาแตละชวง<br />
อายุของมนุษยตั้งแตเด็ก<br />
วัยรุน<br />
จนถึงวัยสูงอายุนั้นไมมีผลตออัตราสวน<br />
ทองคํา (Golden Ratio) และคาสัดสวนรางกายของแตละสวนมากนัก<br />
เพราะแตละวัยก็จะมีพัฒนาการที่ตอเนื่องกัน<br />
เจริญเติบโตพรอมกันทุกๆ<br />
สวน เมื่อหาคาอัตราสวนระหวางกันก็จะใหคาที่ใกลเคียงกัน<br />
ผลจากการหาอัตราสวนของสัดสวนรางกายที่ทําการศึกษานั้น<br />
จะเห็นไดวาเมื่อเปรียบเทียบกับคาอัตราสวนทองคํา<br />
(Golden Ratio) ซึ่ง<br />
เปนคาทางทฤษฎีนั้น<br />
โดยใชการทดสอบสมมติฐานทางนัยสําคัญโดย<br />
โปรแกรม Minitab จะใหคาดังตารางที่<br />
3 ซึ่งสามารถสรุปไดวา<br />
ผูหญิงมี<br />
คาสัดสวนใกลเคียงกับคาอัตราสวนทองคํา (Golden Ratio) มากที่สุด<br />
อยางมีนัยสําคัญ สาเหตุเนื่องมาจากผูหญิงเมื่อเทียบกับผูชายแลวสัดสวน<br />
ของรางกายจะใกลเคียงมากที่สุดเพราะผูชายมีการออกกําลังกายมากกวา<br />
ซึ่งอาจทําใหเกิดการยืดของกระดูกได<br />
และสัดสวนที่มีคาใกลเคียงกับคา<br />
อัตราสวนทองคํา (Golden Ratio) มากที่สุดคือสัดสวนไหลถึงปลายนิ้ว<br />
สวนขอศอกถึงปลายนิ้ว<br />
สาเหตุมาจากแขนเปนสัดสวนที่จะสอดคลอง<br />
กับสวนอื่นๆ<br />
ควรมีขนาดที่พอดีไมสั้นหรือยาวไป<br />
ในขณะที่สัดสวน<br />
สะโพกถึงพื้นสวนหัวเขาถึงพื้นมีคาที่ไมใกลเคียงกับคาอัตราสวนทองคํา<br />
295<br />
(Golden Ratio ) สาเหตุมาจากสัดสวนขาของมนุษยทุกคนมีขนาดที่<br />
แตกตางกันออกไปทั้งนี้แลวแตบุคคลบางคนขาสั้น<br />
บางคนขายาว แตก็ดู<br />
ไมแตกตางกันขึ้นอยูกับชีวิตความเปนอยู<br />
อาหารการกินและอื่นๆ<br />
6. เอกสารอางอิง<br />
[1] กิตติ อินทรานนท, 2545. การยศาสตร. กรุงเทพฯ :โรงพิมพแหง<br />
จุฬาลงกรณมหาวิทยาลัย.<br />
[2] สุทธิ์<br />
ศรีบูรพา, 2540. เออรกอนอมิกสิ์<br />
: วิศวกรรมมนุษยปจจัย.<br />
กรุงเทพฯ : บริษัทซีเอ็ดยูเคชั่น<br />
จํากัด.<br />
[3] ธิดาสิริ ภัทรากาญจน, กองกัญจน ภัทรากาญจนและธนกาญจน ภัท<br />
รากาญจน, 2548. เลขฟบอนาชี : เลขกล สวยงาม ล้ําลึก.<br />
กรุงเทพฯ :<br />
สํานักพิมพแหงจุฬาลงกรณมหาวิทยาลัย.<br />
[4] Jeong Young Park, D.F. Ogletree, M. Salmeron, R.A. Ribeiro, P.C.<br />
Canfield, C. J. Jenks and P.A. Thiel. 2005. High Frictional<br />
Anisotropy of Periodic and Aperiodic Directions on a Quasicrystal<br />
Surface. Science Journal : Vol.309. no.5739 : pp.1354-1356.<br />
[5] Chaorong Li, Xiaona Zhang, Zexian Cao. 2005. Triangular and<br />
Fibonacci Number Patterns Driven by Stress on Core/Shell<br />
Microstructures. Science Journal : Vol.309. no. 5736 : pp.909-911.<br />
[6] Pheasant, S. T. 1988.Bodyspace Anthropometry: Ergonomics and<br />
Design. London. Taylor&Francis Ltd.
กระบวนการบดเปนกระบวนการที่สําคัญที่มีผลตอคุณรูปของ<br />
สี ซึ่งมีปจจัยหลายอยางที่มีผลตอคุณรูปสี<br />
ไดแก ปริมาณสารตัวทําละลาย<br />
อุณหภูมิน้ําหลอเย็น<br />
และเวลาที่ใชในการบด<br />
ปจจัยเหลานี้ตองแปรเปลี่ยน<br />
ไปใหมีความเหมาะสมกับคุณสมบัติของสีที่ตองการ<br />
ซึ่งในการบดสีนั้น<br />
ตองมีการลองผิดลองถูกประกอบกับความชํานาญในการกําหนดสภาวะ<br />
ของปจจัยดังกลาว ซึ่งเปนปญหาตอการควบคุมคุณรูปของสีที่ผลิต<br />
โดยเฉพาะอยางยิ่งหากลูกคาตองการลักษณะของสีที่แตกตางไปจากเดิมที่<br />
เคยผลิต ตองมีการผลิตและนําไปตรวจสอบจากฝายตรวจสอบคุณรูป<br />
พบวาไมไดคุณสมบัติตามที่ลูกคาตองการทําใหตองนํากลับมาแกไข<br />
และ<br />
ทดสอบหลายครั้ง<br />
ทําใหเสียเวลาในการผลิตและเกิดตนทุนที่เพิ่มมาก<br />
ยิ่งขึ้น<br />
2. วัตถุประสงค<br />
1. ศึกษาปจจัยที่มีผลตอคุณรูปของแล็กเกอร<br />
2. หาจุดเหมาะสมของสภาวะปจจัยโดยใชการออกแบบการ<br />
ทดลอง Central Composite Design สําหรับกระบวนการบดของการผลิต<br />
แล็กเกอร<br />
3. วิธีดําเนินการวิจัย<br />
วิธีการศึกษาที่นํามาใชในการในการศึกษาปจจัยที่มีผลตอ<br />
กระบวนการผลิดแล็กเกอร เพื่อหาจุดเหมาะสมของแตละปจจัย<br />
เปนการ<br />
การศึกษาวิจัยเชิงทดลอง เปนการวิจัยที่ใชขอมูลจากการทดลอง<br />
จึงตอง<br />
ใชความรูความเขาใจในเรื่องการออกแบบและวิเคราะหการทดลองเปน<br />
อยางมาก [1] เพื่อหาสภาวะเหมาะสมของแตละปจจัยไดอยางมีประสิทธิ<br />
รูป ซึ่งจะชวยลดเวลา<br />
วัตถุดิบและของเสียจากกระบวนการผลิตแล็กเกอร<br />
ได<br />
ในการศึกษา ใชแบบแผนการทดลอง Central Composite<br />
Design (CCD) [1,7] โดยศึกษาปจจัยที่มีผลตอคุณรูปของสีแล็กเกอร<br />
3<br />
ปจจัย ไดแก ปริมาณสารตัวทําละลาย (X1) อุณภูมิน้ําหลอเย็น<br />
(X2) และ<br />
เวลาที่ใชในการบด(X3)<br />
โดยออกแบบใหมีจํานวนจุดของแฟคตอเรียล 8<br />
จุด จํานวนจุดที่แกน<br />
6 จุด และจํานวนจุดศูนยกลาง 5 จุด รวมจํานวนจุด<br />
ของการออกแบบ 19 จุด ใชระยะหางที่แกน<br />
α = ซึ่ง<br />
k เทากับ<br />
จํานวนปจจัย จึงได α = [7,9] ออกแบบใหแตละปจจัยมี 5<br />
ระดับ คือ -1.682 , -1 , 0 , 1 และ 1.682<br />
4. ผลการวิจัย<br />
เมื่อไดผลการทดลองที่ระดับสภาวะปจจัยตางๆ<br />
ที่มีผลตอ<br />
ความเรียบของผิวสีแล็กเกอรแลว ทําการทดสอบความถูกตองของตัว<br />
แบบ ( Model Adequacy checking ) 3 ประการ<br />
297<br />
่ ตารางที 1 ผลการทดลองที่ระดับสภะวะปจจัยตางๆ<br />
การ<br />
ทดลอง<br />
ปริมาณตัวทํา<br />
ละลาย<br />
(กิโลกรัม)<br />
อุณหภูมิ<br />
(องศา<br />
เซลเซียส)<br />
เวลา<br />
การบด<br />
(นาที)<br />
1<br />
72<br />
7.2 10<br />
2<br />
112<br />
7.2 10<br />
3<br />
72<br />
12.8 10<br />
4<br />
112<br />
12.8 10<br />
5<br />
72<br />
7.2 20<br />
6<br />
112<br />
7.2 20<br />
7<br />
72<br />
12.8 20<br />
8<br />
112<br />
12.8 20<br />
9<br />
58.36<br />
10 15<br />
10 125.64 10 15<br />
11<br />
92<br />
5.3 15<br />
12<br />
92<br />
14.7 15<br />
13<br />
92<br />
10 6.35<br />
14<br />
92<br />
10 23.25<br />
15<br />
92<br />
10 15<br />
16<br />
92<br />
10 15<br />
17<br />
92<br />
10 15<br />
18<br />
92<br />
10 15<br />
19<br />
92<br />
10 15<br />
ความเรียบ<br />
พื้นผิวสี<br />
(hexman)<br />
6.5<br />
5.5<br />
5.5<br />
5.3<br />
7.5<br />
6<br />
6.2<br />
5.8<br />
5.5<br />
4.9<br />
5.6<br />
6.0<br />
4.8<br />
5.5<br />
5.1<br />
5.4<br />
5.2<br />
5.2<br />
5.4<br />
Run<br />
No.<br />
1. กราฟความนาจะเปนการแจกแจงปกติ (Normal<br />
Probability Plot)<br />
รูปที่<br />
1 ผลการทดสอบการแจกแจงแบบปกติของขอมูล<br />
ขอมูลมีการกระจายตัวใกลเสนตรง แสดงวา ขอมูลที่นํามา<br />
วิเคราะหมีการแจกแจงแบบปกติ<br />
2. ผลการทดสอบความแปรปรวนของคาความคลาดเคลื่อน<br />
7<br />
15<br />
19<br />
11<br />
3<br />
9<br />
12<br />
16<br />
13<br />
6<br />
2<br />
1<br />
4<br />
18<br />
8<br />
14<br />
17<br />
5<br />
10
301<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
ผลของสารตัวเติมเขมาดําและความเร็วสกรูการอัดรีดที่มีตอคุณสมบัติของยางอีพีดีเอ็ม<br />
Effect of Carbon Black and Extrusion Speed on Properties of EPDM Compound<br />
กุลจณี พนาวรางกูร 1 และจุฑา พิชิตลําเค็ญ 2<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเกษตรศาสตร<br />
เขตจตุจักร จ.กรุงเทพ 10900<br />
โทรศัพท/โทรสาร: 02-579-8610 E-mail: 1 kuljanee@gmail.com, 2 juta.p@ku.ac.th<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อกําหนดปจจัยและความสัมพันธ<br />
ของปจจัยที่มีผลกระทบตอคุณสมบัติยางอีพีดีเอ็ม<br />
และหาคาระดับปจจัยที่<br />
ดีที่สุดในกระบวนการผลิตซีลยางที่ทําใหเปอรเซ็นตการหดตัวต่ําที่สุด<br />
และมีคุณสมบัติของยางผานมาตรฐานที่กําหนด<br />
ปจจัยที่พิจารณา<br />
คือ<br />
ชนิดของเขมาดํา (N-330, N-550 และ N-660), สัดสวนของเขมาดํา (50,<br />
60, 65, 70 และ 75 phr) และความเร็วสกรูในการอัดรีด (3, 5, 7 rpm) ตัว<br />
แปรตอบสนองคือการหดตัวของซีลยาง, คุณสมบัติการไหล, คุณสมบัติ<br />
เชิงกลและคุณสมบัติความทนทานตอความรอน สวนแรกของการศึกษา<br />
เปนการตรวจสอบคุณสมบัติตามเงื่อนไขของลูกคา<br />
พบวาเขมาดําชนิด N-<br />
330 ใหผลดีที่สุดในดานคุณสมบัติการไหล<br />
คุณสมบัติเชิงกล และ<br />
คุณสมบัติการทนทานตอความรอน เมื่อสัดสวนเขมาดํา<br />
N-330 เพิ่มขึ้น<br />
คุณสมบัติของยางคอมปาวดดีขึ้น<br />
แตเมื่อสัดสวนเพิ่มขึ้นเปน<br />
75 phr<br />
คุณสมบัติบางประการเริ่มเสื่อมลง<br />
สวนที่สองศึกษาเปอรเซ็นตหดตัว<br />
โดยใชการออกแบบการทดลองแบบแฟคทอเรียลเต็มรูป 3 3 โดยมีปจจัย<br />
คือ ชนิด, สัดสวนของเขมาดําและความเร็วสกรูในการอัดรีด จากนั้น<br />
ยืนยันผลการทดลองดวยการวิเคราะหการถดถอยเชิงเสน พบวา สัดสวน<br />
70 phr ทําใหเปอรเซ็นตการหดตัวต่ําที่สุด<br />
คําสําคัญ: การออกแบบการทดลองแบบแฟคทอเรียล, การวิเคราะห<br />
การถดถอย, เขมาดํา, การอัดรีด<br />
Abstract<br />
The objective of this study is to investigate the effect of<br />
carbon black and the extrusion speed on the properties of EPDM<br />
compound in order to determine optimal factor levels in the production<br />
process to reduce shrinkage. We consider three factors: the type of<br />
carbon black (with N-330, N-550, N-660), carbon black loading (50, 60,<br />
65, 70 and 75 phr), and the screw extrusion speed (3, 5, 7 rpm). The<br />
responses are rubber shrinkage and material properties (e.g., viscosity).<br />
The first part examines the effect of carbon black type and carbon black<br />
loading on viscosity, mechanical and thermal properties under the<br />
customer requirements. We find that viscosity of the compound<br />
increases with carbon black loading; mechanical and thermal properties<br />
improve when the carbon loading increases up to 70 phr (with N-330)<br />
but decreases thereafter. In the second part, the 3 3 factorial design is<br />
used to investigate the effects of the type of carbon black, carbon black<br />
loading and screw extrusion speed. The experimental results show that<br />
the N-660 and 70 phr of carbon black loading with extrusion speed of 3<br />
rpm give the minimum shrinkage.<br />
Keywords: Factorial Design, Regression analysis, Carbon black,<br />
Extrusion<br />
1. คํานํา<br />
อุตสาหกรรมยานยนตในประเทศไทยมีทิศทางการเติบโตที่<br />
ตอเนื่อง<br />
สงผลใหอุตสาหกรรมชิ้นสวนยานยนตเติบโตควบคูไปดวย<br />
ตลาดชิ้นสวนอุตสาหกรรมประกอบดวยสองตลาด<br />
คือ ตลาดชิ้นสวนเพื่อ<br />
นําไปประกอบยานยนต และตลาดชิ้นสวนอะไหลเพื่อทดแทนชิ้นสวนที่<br />
เสียหายหรือเสื่อมสภาพตามอายุการใชงาน<br />
ซึ่งยังคงมีความตองการอยาง<br />
ตอเนื่อง<br />
ซีลยางเปนชิ้นสวนหนึ่งในอุตสาหกรรมยานยนต<br />
จุดใชงาน<br />
อยูบริเวณกรอบของโคมไฟรถจักรยานยนตและรถยนต<br />
วัตถุดิบทําจาก<br />
ยางสังเคราะหเอทธิลีนโพรพิลีนไดอีนรับเบอร (Etylene Propylene<br />
Diene Monomer, EPDM) ซึ่งเปนยางสังเคราะหที่มีคุณสมบัติเดนในเรื่อง<br />
ความตานทานตอการเสื่อมสภาพ<br />
อันเนื่องมาจากความรอน<br />
แสงแดด<br />
ออกซิเจน โอโซน และสารเคมี กรด ดาง จึงนิยมนํามาเปนวัตถุดิบ<br />
บทบาทสําคัญของซีลคือ ทําหนาที่ปองกันการซึมผานของน้ํา<br />
อากาศ<br />
น้ํามัน<br />
หรือสารเคมีอื่นๆ<br />
การวิเคราะหถึงปญหาการหดตัวของยางพบวา สารเคมีใน<br />
สูตรยางคอมปาวดสามารถชวยใหยางมีการหดตัวนอยลงได [1] สารตัว<br />
เติมที่พิจารณา<br />
คือ เขมาดํา (Carbon black) เนื่องจากมีคุณสมบัติที่ดีทั้ง
ซึ่งทําใหเกิดแรงดันภายในเพื่ออัดดันใหวัสดุไหลผานหัวแมพิมพเพื่อให<br />
ไดรูปทรงที่ตองการ<br />
ในการผลิตชิ้นงาน<br />
การหดตัวมีความสําคัญอยางยิ่งเนื่องจากมี<br />
ผลกระทบตอการออกแบบแมพิมพ การออกแบบกระบวนการผลิตและ<br />
คุณภาพของชิ้นงาน<br />
ปจจัยจากการหดตัวเกิดจากหลายปจจัย เชน<br />
คุณสมบัติของวัตถุดิบ สภาวะและเงื่อนไขของการผลิต<br />
[5]<br />
DSM Company [6] อธิบายถึงปจจัยที่ทําใหยาง<br />
EPDM เกิด<br />
การหดตัวทั้งแนวนอนและแนวหนาตัดขวาง<br />
ซึ่งการหดตัวนั้นสามารถ<br />
เกิดไดในทันทีหลังผานกระบวนการผลิต หรือเกิดขึ้นหลังจากผาน<br />
กระบวนการผลิตไปเปนระยะเวลานาน ปญหาที่เกิดขึ้นสงผลกระทบ<br />
อยางมากในอุตสาหกรรม สาเหตุของการหดตัวมีดังนี้<br />
• การจัดเรียงโมเลกุลของยาง ซึ่งพบมากกระบวนการผลิต<br />
เชน<br />
การอัดรีดและการรีดแผนยาง (Calendering) การหดตัวที่<br />
เกิดขึ้นจะเกิดในแนวยาวมากที่สุด<br />
• ความรอน ทําใหเกิดการหดตัวทั้งแนวยาวและแนวหนา<br />
ตัดขวาง<br />
• การระเหยออกของสารเคมีในยางคอมปาวด ทําใหเกิดการหด<br />
ตัวทั้งแนวยาวและแนวหนาตัดขวาง<br />
• ลักษณะของชิ้นงาน<br />
เชน ความหนา และมอดูลัส ยางที่มี<br />
มอดูลัสสูงก็จะเกิดการหดตัวต่ํา<br />
2.3 การออกแบบการทดลองแบบแฟคทอเรียล<br />
การออกแบบการทดลองแบบแฟคทอเรียลใชศึกษาอิทธิพล<br />
ของปจจัยตั้งแต<br />
2 ตัวขึ้นไป<br />
ทั้งอิทธิพลหลัก<br />
(Main Effect) และอิทธิพล<br />
รวม (Interaction Effect) ระหวางปจจัย โดยอิทธิพลรวมเกิดขึ้นเมื่อผล<br />
ของปจจัยขึ้นอยูกับคาของปจจัยอื่น<br />
.ในการทดลองแบบแฟคทอเรียล<br />
สามารถเปลี่ยนคาระดับปจจัยหลายๆ<br />
ตัวพรอมๆกัน แทนที่เปลี่ยนคา<br />
ระดับปจจัยทีละตัว ดังนั้นการทดลองจึงมีประสิทธิภาพมากกวาในแง<br />
จํานวนการทดลองที่ตองใช<br />
ทําใหประหยัดเวลาและเงิน [7] ทั้งนี้<br />
ขอเสีย<br />
ของการทดลองแบบแฟคทอเรียลคือ เมื่อมีหลายปจจัยที่หลายระดับ<br />
จํานวนการทดลองที่ตองการมีคามาก<br />
และยังยากตอการวิเคราะหอิทธิพล<br />
รวม<br />
3. การคัดเลือกปจจัย<br />
ผูวิจัยศึกษากระบวนการผลิตปจจุบันและรวบรวมขอมูล<br />
เปอรเซ็นตการหดตัวของชิ้นงาน<br />
พบวาปจจัยที่สงผลตอการหดตัวของ<br />
ยาง ซึ่งตัวแปรที่มีผลตอตัวแปรตอบสนอง<br />
คือ ชนิดของเขมาดํา, สัดสวน<br />
303<br />
ของเขมาดํา, ความเร็วสกรูในการอัดรีด การกําหนดคาตางๆ ของปจจัย<br />
ในการทดลอง มีดังนี้<br />
• ชนิดของเขมาดํา กําหนดจากชนิดที่ปจจุบันในโรงงานมีใชอยู<br />
(N-330 / 550 /660 ปจจุบันใชชนิด N-330)<br />
• ปริมาณเขมาดํา กําหนดจากปริมาณสูงสุดที่ใสเขาไปในยาง<br />
คอมปาวดไดและความสามารถในการผสม (40 /50 /60 phr)<br />
เนื่องจากมาตรฐานลูกคาไมไดกําหนดความแข็งเปนจุดสําคัญ<br />
จึงไมตองควบคุมเรื่องปริมาณและชนิด<br />
ซึ่งแตละชนิดอาจมี<br />
ผลตอความแข็งที่แตกตางกัน<br />
(ปจจุบันใชสัดสวนเขมาดํา 30<br />
phr) มีรายงานพบวา [8] ผลของเขมาดําในยางบิวทาไดอีน<br />
รับเบอร (BR) ผลที่ไดคือ<br />
เมื่อเพิ่มเขมาดําชนิด<br />
N-660 เปน 80<br />
phr ทําใหคุณสมบัติต่ําลง<br />
• ความเร็วสกรูในการอัดรีด โดยกําหนดจากคาต่ํา<br />
คากลาง และ<br />
คาสูงที่สามารถผลิตชิ้นงานซีลยางฟองน้ําได<br />
(3, 5, 7 rpm<br />
ปจจุบันใชความเร็วสกรูการอัดรีด 3 rpm)<br />
ผูวิจัยทดสอบคุณสมบัติของชิ้นงานยางซึ่งเปนมาตรฐานที่<br />
ลูกคากําหนดไว ไดแก คุณสมบัติการไหล (ความหนืดของยาง),<br />
คุณสมบัติเชิงกล (ความแข็งแรงของยาง), คุณสมบัติความทนทานตอ<br />
ความรอน (การเปลี่ยนแปลงไปของความแข็งแรง),<br />
เปอรเซ็นตหดตัว<br />
ดวยการออกแบบการทดลองแบบแฟคทอเรียลเต็มรูป 3 3 ระดับ ไดแก<br />
ชนิดของเขมาดํา (N-330, N-550, N-660), สัดสวนของเขมาดํา (50, 60,<br />
70 phr), และความเร็วสกรูในการอัดรีด (3, 5, 7 rpm)<br />
เมื่อใชเขมาดําชนิด<br />
N-330, N-550 และ N-660 ที่สัดสวน<br />
50,<br />
60 และ 70 phr พบวา เมื่อสัดสวนเขมาดําเพิ่มขึ้น<br />
ทําใหความหนืดของ<br />
ยางเพิ่ม<br />
และพบขอสังเกตนี้ในทุกชนิดของเขมาดํา<br />
เขมาดําชนิด N-330<br />
ใหความหนืดสูงกวา N-550 และ N-660 เนื่องจากชนิด<br />
N-330 เปนเขมา<br />
ดําที่มีขนาดอนุภาคเล็ก<br />
มีพื้นที่ผิวมาก<br />
ทําใหเกิดอันตรกิริยาระหวางยาง<br />
และสารตัวเติมไดมาก เมื่อพิจารณาคุณสมบัติของวัตถุดิบที่กําหนดไว<br />
คือ ความหนืดต่ําสุดไมเกิน<br />
40 พบวาสูตรยางทั้งหมดนั้นผานมาตรฐานที่<br />
ลูกคากําหนด<br />
จากการทดลองพบวาเขมาดําชนิด N-330 ใหความแข็งแรงสูง<br />
กวา N-550 และ N-660 เนื่องจากชนิด<br />
N-330 เปนเขมาดําที่มีขนาด<br />
อนุภาคเล็ก มีพื้นที่ผิวมาก<br />
ทําใหเกิดอันตรกิริยาระหวางยางและสารตัว<br />
เติมไดมาก มีประสิทธิภาพในการเสริมแรงใหแกยางสูง ดังนั้นเมื่อ<br />
สัดสวนเขมาดําเพิ่มขึ้น<br />
จึงทําใหมีการเสริมประสิทธิภาพใหแกยางมาก<br />
ขึ้นตามลําดับ<br />
ผลของชนิดของเขมาดําอื่นๆ<br />
ใหผลใหทิศทางเดียวกัน
เมื่อพิจารณาคุณสมบัติของวัตถุดิบที่กําหนดไว<br />
คือ ความแข็งแรงตองมีคา<br />
มากกวา 70 Kgf /cm 2 พบวาสูตรยางที่ใชเขมาดําชนิด<br />
N-660 สัดสวน 50<br />
phr นั้นไมผานมาตรฐานที่ลูกคากําหนดไว<br />
จึงไมสามารถนําไปใชงานได<br />
เนื่องจากการเพิ่มสัดสวนของเขมาดําเปนการเพิ่มอันตรกิริยา<br />
ระหวางยางและสารตัวเติม หรือการเกิดพันธะเชื่อมโยงขึ้น<br />
ความรอน<br />
ทําลายโมเลกุลยางคอมปาวดไดนอยลง นั่นคือยางที่มีสัดสวนเขมาดํามาก<br />
ขึ้น<br />
มีความทนทานตอความรอนดีขึ้น<br />
เขมาดําชนิด N-330 มีการ<br />
เปลี่ยนแปลงไปของความแข็งแรงนอยที่สุด<br />
สวนชนิด N-660 มีการ<br />
เปลี่ยนแปลงไปของความแข็งแรงมากกวาชนิดอื่น<br />
เนื่องจาก<br />
N-330 เปน<br />
เขมาดําที่มีขนาดอนุภาคเล็ก<br />
มีพื้นที่ผิวมาก<br />
ทําใหเกิดอันตรกิริยาระหวาง<br />
ยางและสารตัวเติมไดมาก ทําใหประสิทธิภาพการทนทานตอความรอน<br />
ของยางดีขึ้นตามไปดวย<br />
ยางที่ผสมเขมาดํา<br />
N-330 มีความแข็งแรงหรือมี<br />
ความทนทานดีกวาชนิด N-550 และ N-660 ซึ่งมีขนาดอนุภาคใหญกวา<br />
เมื่อพิจารณาคุณสมบัติของวัตถุดิบที่กําหนดไว<br />
คือ การเปลี่ยนแปลงไป<br />
ของคาความแข็งแรงของยางตองไมเกิน 40% พบวาสูตรยางทั้งหมดนั้น<br />
ผานมาตรฐานที่ลูกคากําหนด<br />
4. การวิเคราะหผลการทดลอง<br />
4.1 การทดลองแฟคทอเรียลแบบ 33 การวิเคราะหความแปรปรวนในงานวิจัยนี้<br />
(ตารางที่<br />
1)<br />
กําหนดระดับนัยสําคัญของการทดสอบที่<br />
0.05 พิจารณาสัมประสิทธิ์การ<br />
ตัดสินใจปรับคา (R 2 adj) มีคา 91% แสดงวาขอมูลนั้นมีความ<br />
เสถียรไม<br />
แปรผันไปตามปจจัยอื่นที่ไมไดควบคุม<br />
จากนั้นจึงพิจารณาปจจัยที่มีตอ<br />
เปอรเซ็นตการหดตัว ซึ่งหากพิจารณาคา<br />
p-value พบวา p-value ของ<br />
ปจจัยหลักไดแก ชนิด, สัดสวนของเขมาดํา และ ความเร็วสกรูการอัดรีด<br />
และผลกระทบของปจจัยรวม ไดแก ชนิดและสัดสวนของเขมาดํา พบวา<br />
มีผลตอเปอรเซ็นตการหดตัวอยางมีนัยสําคัญ เนื่องจากมีคา<br />
p-value นอย<br />
กวา 0.05 ดังนั้นเขมาดําชนิด<br />
N-660 สัดสวน 70 phr ทําการอัดรีดที่<br />
ความเร็วสกรู 3 rpm ทําใหชิ้นงานยางมีการหดตัวต่ําที่สุด<br />
[9] อธิบายการ<br />
ทดลองและผลการทดลองอยางละเอียด<br />
304<br />
ตารางที่<br />
1 การวิเคราะหความแปรปรวน<br />
4.2 การตรวจสอบคุณสมบัติของขอมูลความผิดพลาด<br />
(Residual) จากตัวแบบ<br />
การตรวจสอบคุณสมบัติของขอมูลความผิดพลาดในงานวิจัย<br />
นี้<br />
(ภาพที่<br />
1) เปนการตรวจสอบความเหมาะสมของขอมูลและความ<br />
ถูกตองในการวิเคราะห โดยอาศัยคาความคลาดเคลื่อน(Residual)<br />
ในการ<br />
วิเคราะหขอมูล การตรวจสอบสามารถทําได 3 วิธี คือ<br />
1) การตรวจสอบการกระจายตัววาเปนการกระจายตัวแบบ<br />
ปกติ (Normal Distribution Plot) โดยพิจารณาจากการกระจายของคา<br />
ความคลาดเคลื่อน<br />
จากภาพที่<br />
1 (a)/(c) พบวาขอมูลมีการกระจายตัวตาม<br />
แนวเสนตรงซึ่งเปนลักษณะของขอมูลที่มีการกระจายตัวแบบปกติ<br />
2) การตรวจสอบความเสถียรของความแปรปรวน (Variance<br />
Stability) จากภาพที่<br />
1 (b) พิจารณาจากกราฟแสดงการกระจายตัว<br />
ระหวางความคลาดเคลื่อนและคา<br />
Fitted Value ในแตละระดับของปจจัย<br />
พบวาลักษณะของการกระจายขอมูลไมเปนไปตามลักษณะของการเพิ่ม<br />
หรือลดลงของความแปรปรวนแสดงวาขอมูลมีความเสถียรของความ<br />
แปรปรวน<br />
3) การตรวจสอบความเปนอิสระของขอมูล (Independence)<br />
จากการพิจารณาการกระจายตัวของคาความคลาดเคลื่อนของเปอรเซ็นต<br />
การหดตัวในภาพที่<br />
1 (d) พบวาขอมูลมีการกระจายตัวอยางเปนอิสระและ<br />
สม่ําเสมอ
เอกสารอางอิง<br />
[1] ประชิด สระโมฬี. 2548. ปจจัยที่มีผลตอการหดตัวของพอลิเมอร<br />
ผสมยางธรรมชาติและอีพีดีเอ็ม. วิทยานิพนธปริญญาโท,<br />
จุฬาลงกรณมหาวิทยาลัย<br />
[2] พงศธร แซอุย. 2550. สารเคมียาง. พิมพครั้งที่<br />
2. สํานักงาน<br />
พัฒนาวิทยาศาสตรและเทคโนโลยีแหงชาติ (สวทช.)<br />
กระทรวงวิทยาศาสตรและเทคโนโลยี, ปทุมธานี<br />
[3] N. Rattanasom, S. Prasertsri, and T. Ruangritnumchai. 2009.<br />
Comparison of the mechanical properties at similar hardness<br />
level of natural rubber filled with various reinforcing-fillers.<br />
Polymer Testing 28: 8-12.<br />
[4] Eskandari, M. and H. Arastoopour. 2009. Studying the pulverization<br />
mechanisms of low-cross-link-density natural rubber with and<br />
without carbon black. Powder Technology 189: 454-461.<br />
[5] Postawa, P. and J. Koszkul. 2005. Change in injection moulded parts<br />
shrinkage and weight as a function of processing conditions. Journal<br />
of Materials Processing Technology 162-163: 109-115.<br />
[6] DSM Company Limited. 1986. Factors Causing Shrinkage in<br />
Sheeting Based on KELTAN EPDM. 6 pages.<br />
[7] Box, G., J. Hunter and W. Hunter. 2005. Statistics for Experimenters:<br />
Design, Innovation, and Discovery, 2nd ed. Wiley, New York.<br />
[8] Kandemirli, F. 2002. Behavior of furnace black types in cis<br />
polybutadiene Rubber (CBR) compounds and changes in the<br />
rheological properties of SBR-1502 / CBR-1203 types of rubber<br />
compounds. Polymer Testing 21: 367-371.<br />
[9] กุลจณี พนาวรางกูร. 2554. ผลของสารตัวเติมเขมาดําและ<br />
ความเร็วสกรูการอัดรีดที่มีตอคุณสมบัติของยางอีพีดีเอ็ม.<br />
การ<br />
คนควาอิสระปริญญาโท, มหาวิทยาลัยเกษตรศาสตร วิทยาเขต<br />
บางเขน<br />
306<br />
ประวัติผูเขียนบทความ<br />
น.ส.กุลจณี พนาวรางกูร<br />
จบการศึกษาวิทยาศาสตรบัณฑิต<br />
สาขาเทคโนโลยียางและพอลิเมอร<br />
จากมหาวิทยาลัย สงขลานครินทร วิทยาเขต<br />
ปตตานี และโทจากโครงการเปดสอนการจัดการวิศวกรรม เมื่อเดือน<br />
มีนาคม 2554<br />
ผศ.ดร.จุฑา พิชิตลําเค็ญ<br />
จบการศึกษาระดับปริญญาเอกจาก Department<br />
of Industrial Engineering and Management<br />
Science ที่<br />
Northwestern University ประเทศ<br />
สหรัฐอเมริกา ในป พ.ศ. 2545 สนใจหัวขอวิจัยดานการจําลอง<br />
สถานการณและการวิจัยการดําเนินงาน
307<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
ความรับผิดชอบตอสังคม ในฐานะปจจัยที่เชื่อมโยงสูความจงรักภักดีตอตราสินคาของอุตสาหกรรมเซรามิก<br />
Corporate Social Responsibility as a Mediating Factor of Brand Loyalty in Ceramic Industry<br />
มนตรี พิริยะกุล 1 และบุญฑวรรณ วิงวอน 2<br />
1<br />
ภาควิชาสถิติ คณะวิทยาศาสตร มหาวิทยาลัยรามคําแหง กรุงเทพมหานคร โทร 0-2310-8396-8<br />
2<br />
ภาควิชาการจัดการ คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏลําปาง จังหวัดลําปาง โทร 08-1882-3465<br />
E-mail: 1 mpitriyakul@yahoo.com, 2 boonthawan2009@gmail.com<br />
บทคัดยอ<br />
การวิจัยครั้งนี้มีวัตถุประสงคเพื่อศึกษาอิทธิพลของ<br />
CSR ใน<br />
ฐานะปจจัยเชื่อมโยงที่เชื่อมโยงปจจัยสาเหตุสูความภักดีในตราของ<br />
ผลิตภัณฑเซรามิกจังหวัดลําปางซึ่งมีประวัติดําเนินการมานานกวา<br />
50 ป<br />
โดยสุมตัวอยางผูบริโภค<br />
285 คนจากโรงงานเซรามิกที่มีกิจกรรม<br />
CSR<br />
จํานวน 11 แหง วิเคราะหตัวแบบสมการโครงสรางดวย PLS-Graph ผล<br />
การศึกษาความสัมพันธเชิงสาเหตุพบวา CSR ทําหนาที่เชื่อมโยงการรับรู<br />
ชื่อเสียงองคกรไปยังปจจัยปลายทางคือ<br />
ทัศนคติตอผลิตภัณฑและความ<br />
ภักดีในตราสินคาไดดี แตเชื่อมโยงไปยังความพึงพอใจในคุณภาพบริการ<br />
ไดไมดีเทาใดนัก CSR มีอิทธิพลตอปจจัยปลายทางดังกลาวคอนขางสูง<br />
ยกเวนความพึงพอใจในคุณภาพบริการ ผลการศึกษาในภาพรวมพบวา<br />
ผูบริโภคมีทัศนคติคอนขางดีตอผลิตภัณฑ<br />
มีความภักดีในตราคอนขางต่ํา<br />
รับรูชื่อเสียงองคกรและรับรูความรับผิดชอบตอสังคมรวมถึงความพึง<br />
พอใจในคุณภาพบริการปานกลาง<br />
คําสําคัญ: ความรับผิดชอบตอสังคม ความภักดีตอตราสินคา PLS<br />
Abstract<br />
The objective of this research was to study the effects of CSR<br />
as a mediating factor of brand loyalty in Ceramic industry at Lampang<br />
province which has been in operation over 50 years. The sample was 285<br />
consumers from 11 ceramic factories with CSR activities. The Structural<br />
Equation Modeling analyzed through PLS-Graph revealed that CSR<br />
exhibited good mediating role on linking from the corporate reputation<br />
to product attitude and brand loyalty, but not quite appreciated linking<br />
toward the consumer satisfaction. CSR itself left rather high effects<br />
toward the endogenous variables followed except customer satisfaction in<br />
service quality. The overall findings revealed that consumers had good<br />
attitude toward the ceramic products but rather low on loyalty and at the<br />
medium level on perception of the corporate reputation and perception of<br />
corporate social responsibility and also the customer satisfaction in service<br />
quality.<br />
Keywords: CSR, Brand Loyalty, PLS<br />
1. คํานํา<br />
อุตสาหกรรมเซรามิกเปนอุตสาหกรรมที่มีความสําคัญ<br />
เนื่องจากเปนแหลงสรางงานในทองถิ่น<br />
โดยสวนใหญจะเนนแรงงาน<br />
(Labor intensive) และโรงงานมักตั้งอยูในชุมชนที่ใกลกับแหลงวัตถุดิบ<br />
จึงนับวาเปนแหลงจางงานที่สําคัญของแรงงานในชุมชน<br />
และเนื่องจาก<br />
วัตถุดิบที่ใชสวนใหญเปนวัตถุดิบในประเทศ<br />
และการผลิตโดยภาพรวม<br />
ของอุตสาหกรรมนี้จะเนนเพื่อการสงออก<br />
อุตสาหกรรมเซรามิกจึงเปน<br />
อุตสาหกรรมที่ทั้งชวยสรางงานในพื้นที่และเปนอุตสาหกรรมที่นํา<br />
เงินตราเขาประเทศ จากขอมูลในป พ.ศ. 2553 อุตสาหกรรมเซรามิก<br />
สามารถนําเงินตราเขาประเทศไดสูงถึง 24,000 ลานบาท [2]<br />
จังหวัดลําปางนอกจากมีโรงงานเซรามิกจํานวนมากประมาณ<br />
200 แหงแลวยังมีเหมืองลิกไนทแมเมาะและอุตสาหกรรมเหมืองแรและ<br />
อุตสาหกรรมอื่นซึ่งอาจสงผลตอคุณภาพอากาศ<br />
เรื่องผลกระทบตอ<br />
สิ่งแวดลอมนี้กรมควบคุมมลพิษไดตั้งสถานีตรวจวัดคุณภาพอากาศ<br />
(Air<br />
Quality Index: AQI) ซึ่งคํานวณจากสารพิษ<br />
5 ประเภท สถิติ AQI ในป<br />
2548-2553 ณ สถานีที่พบคา<br />
AQI สูงสุดมีคาดังนี้คือ<br />
63, 106, 100, 100,<br />
92, 104, 135 ตามลําดับ [1] ซึ่งมีคาที่โนมเอียงเขาขายที่ตองระวัง<br />
เรื่องนี้<br />
แมจะไมอาจกลาวไดวามีสาเหตุมาจากโรงงานเซรามิกแตก็นาจะเปน<br />
สาเหตุสําคัญเพราะเปนธุรกิจที่มีจํานวนโรงงานอุตสาหกรรมมากที่อาจ<br />
เปนสาเหตุหนึ่งของปญหาดานสิ่งแวดลอมที่ควรเฝาระวัง<br />
การผลิตเซรามิกเพื่อสงออกมีลักษณะเปนการรับจางผลิต<br />
(Original Equipment Manufacturer; OEM) ยังไมใหความสนใจตอการ<br />
สรางตรามากนัก [2] ความภักดีในตราจึงเปนสิ่งที่ธุรกิจเซรามิกจะตองให<br />
ความสนใจเพราะมีผลตอมูลคาเพิ่ม<br />
ความเชื่อมโยงระหวาง<br />
CSR และ<br />
ความภักดีในตราจึงเปนสิ่งที่นาสงสัยวาหากจะเรงสรางตราแมจะเปน<br />
ระยะเริ่มตนขณะที่อุตสาหกรรมเซรามิกก็ดําเนินกิจกรรม<br />
CSR ไปดวย<br />
โดยอาจเจาะจงเลือกทําเฉพาะกับชุมชนที่องคกรตั้งอยู<br />
(societal CSR<br />
activity) ผลดําเนินการดาน CSR ที่ลูกคารับรูไดนั้นจะสงผลตอความภักดี<br />
ในตราหรือไม หรือหากยังเนนการสรางตรา แตผูบริโภคก็รับรูวา
ผลิตภัณฑนี้เปนผลิตภัณฑของพื้นที่อยูแลว<br />
CSR จะมีผลตอความภักดีใน<br />
ผลิตภัณฑของพื้นที่หรือไมเพียงใด<br />
การวิจัยครั้งนี้มีวัตถุประสงคเพื่อศึกษาปจจัยที่มีอิทธิพลตอ<br />
ความจงรักภักดีตอตราสินคาเซรามิก และอิทธิพลของการรับรู<br />
CSR ดาน<br />
ชุมชนในฐานะตัวแปรเชื่อมโยง<br />
(mediator) อิทธิของปจจัยอื่นสูความ<br />
จงรักภักดีตอตราสินคาของผลิตภัณฑเซรามิก โดยสํารวจจากลูกคาทั่วไป<br />
ที่เคยซื้อผลิตภัณฑเซรามิกในพื้นที่จังหวัดลําปาง<br />
2. การพัฒนากรอบแนวความคิดและทบทวนวรรณกรรม<br />
การวิจัยพัฒนากรอบแนวความคิดตามทฤษฎีความภักดีในตรา<br />
(Theory of Brand Loyalty) กลาวคือความภักดีในตราเปนสิ่งที่ถูกกระทบ<br />
มาจากทัศนคติที่ดีสินคา/บริการ<br />
รวมถึงชื่อเสียงในดานตาง<br />
ๆ เชน ดาน<br />
คุณภาพ ดานตัวผลิตภัณฑ และดานของการเปนองคกรที่ดี<br />
ความภักดีใน<br />
ตรามักวัดเปนความถี่ในการซื้อหรือใชบริการ<br />
(behavioral frequency)<br />
หรือการซื้อซ้ํา<br />
(repurchase) ซึ่งตองมีสาเหตุมาจากความพึงพอใจ<br />
ความ<br />
เกี่ยวพัน<br />
(involvement) และความถี่ถวนระมัดระวังในการซื้อ<br />
(Deliberation) [5] และซื้อตอเนื่องติดตอกันไป<br />
เปนความสัมพันธ<br />
ระหวางทัศนคติที่ดีตอกัน<br />
(relative attitude) กับการอุดหนุนซ้ํา<br />
ๆ (repeat<br />
patronage) [6] ผลการทบทวนวรรณกรรมตัวแปรในกรอบการวิจัย<br />
ปรากฎดังนี้<br />
1) ความรับผิดชอบตอสังคม (Corporate Social<br />
Responsibility; CSR) CSR หมายถึง การนําเอาประโยชนของสาธารณะ<br />
มาผูกเขากับการตัดสินใจในธุรกิจเพื่อกอใหเกิดประโยชนแก<br />
3 กลุมหลัก<br />
(Three Bottom Line; TBL หรือ Three Pillars) คือ มวลชน (people)<br />
สิ่งแวดลอม<br />
(planet) และผลกําไร (profit) เปนกิจกรรมที่องคกรที่เดิมจัดตั้ง<br />
ขึ้นมาเพื่อหวังผลกําไรสูงสุดไดลดความตองการดานกําไรลง<br />
และหันมา<br />
ใหความสนใจทําในสิ่งที่สังคมคาดหวังและตองการ<br />
หรือหมายถึงการที่<br />
องคกรมิไดมุงไปที่ผลกําไรแตเพียงอยางเดียวแตกลับเห็นแกประโยชน<br />
ของสังคมมากขึ้น<br />
[17]<br />
ผลการศึกษา [3] พบวา CSR ไดรับอิทธิพลทางบวกจากชื่อเสียง<br />
องคกรคอนขางมาก และจากการศึกษาพฤติกรรมลูกคาในรานคาปลีก<br />
พบวาการรับรูการทํากิจกรรม<br />
CSR และความเชื่อถือในการปฏิบัติดาน<br />
CSR มีอิทธิพลทางบวกที่เปนผลทางตรงตอความภักดีตอองคกรและ<br />
พฤติกรรมการซื้อซ้ํา<br />
[16] และไมวากิจกรรมใดของ CSR ก็ลวนมีอิทธิพล<br />
ทางบวกตอความภักดีของลูกคา [12] CSR มีอิทธิพลทางออมผานความ<br />
นิยมชมชอบองคกรและสมรรถนะขององคกรสูความภักดีตอองคกร<br />
ซึ่ง<br />
ประเมินดวยการซื้อซ้ํา<br />
การบอกตอ และการรักผูกพันที่ยืนยาว<br />
[19] CSR<br />
ยังสงอิทธิพลทางบวกตอทัศนคติตอผลิตภัณฑทั้งที่เปนอิทธิพลทางตรง<br />
อิทธิพลรวมกัน (Interaction) กับความเหมาะสมของผลิตภัณฑ (คือ<br />
เหมาะสมกับภาพลักษณและเหมาะสมกับตลาด) และมีอิทธิพลรวมกันกับ<br />
ความเกี่ยวพัน<br />
(Involvement) (คือการคนหาทําความรูจัก<br />
เพื่อทราบความ<br />
จําเปนและคุณประโยชน) สูทัศนคติที่มีตอผลิตภัณฑ<br />
[4] และ CSR ยังมี<br />
308<br />
อิทธิพลทางตรงตอผลปฏิบัติงานของตรา (เชน เลือกตรานี้กอนตราอื่น<br />
รักผูกพันในตราสินคาไมเลือกตราอื่น)<br />
แตรับผลกระทบจากชื่อเสียง<br />
องคกร และสงผลกระทบตอมูลคาตรา (brand equity) ซึ่งหมายรวมถึง<br />
ความภักดีในตรา คุณภาพที่รับรูหรือเชื่อและความพึงพอใจในตรา<br />
[10]<br />
และสงผลทางตรงตอความภักดีในตรา และคุณภาพบริการ (valuation of<br />
service) [15]<br />
2) ความมีชื่อเสียงองคกร<br />
(Firm Reputation) จากการศึกษา<br />
ของ Aqueveque and Ravasi [3] พบวาชื่อเสียงองคกรมีอิทธิพลใหองคกร<br />
ทํา CSR (เชน ดูแลพนักงาน ดูแลสิ่งแวดลอมและดูแลชุมชน)<br />
และยังมี<br />
อิทธิพลตอการพัฒนาคุณภาพสินคาและบริการ มีอิทธิพลตอผล<br />
ดําเนินงานขององคกร และมีอิทธิพลตอความไววางใจในองคกรอีกดวย<br />
แต Lai, Chiu, Yang and Pai [10] กลับพบวา CSR มีอิทธิพลตอชื่อเสียง<br />
องคกรและชื่อเสียงองคกรมีอิทธิพลผลดําเนินงานของตรา<br />
คือ การซื้อ<br />
สินคาตราดังกลาวทําใหองคกรเติบโต เพิ่มสวนแบงทางการตลาด<br />
เพิ่มสวน<br />
ตาง และมีผลปฏิบัติงานดานอื่นๆ<br />
โดยรวม<br />
3) ความพึงพอใจของลูกคาในคุณภาพบริการ คุณภาพบริการ<br />
แยกไดเปน 10 ดาน คือ คุณภาพของสิ่งที่จับตองมองเห็นได<br />
(tangibles)<br />
บริการถูกตองและนาเชื่อถือ<br />
(reliability) ตอบสนองฉับพลัน<br />
(responsiveness) ผูใหบริการมีคุณภาพทั้งความรูและทักษะ<br />
(competence) นอบนอม สุภาพ เปนมิตร เห็นอกเห็นใจ (courtesy)<br />
นาเชื่อถือ<br />
นาไววางใจ ซื่อสัตย<br />
(credibility) รูสึกปลอดภัย<br />
(feel secure)<br />
เขาถึงได (access) รับฟงและยอมรับคําติชมของลูกคา (communication)<br />
และพยายามรูจักลูกคาและทราบวาตองการอะไร<br />
(understand) ผล<br />
การศึกษาของ Zeithaml, Berry & Parasuraman, [18] ผลการศึกษาของ<br />
Reich [13] และผลการศึกษาของ Salmones, Crespo and Bosque [15] พบ<br />
ตรงกันวาวาคุณภาพบริการมีอิทธิพลตอความภักดีในตรา<br />
4) ทัศนคติตอผลิตภัณฑ ทัศนคติตอผลผลิตภัณฑเปน<br />
ความรูสึกที่มีตอผลิตภัณฑอาจเปนดานคุณภาพ<br />
ดานความดึงดูด ใจ หรือ<br />
ดานความนาเชื่อถือก็ได<br />
อาจเปนความรูสึกตอเฉพาะตัวผลิตภัณฑหรือ<br />
เมื่อไดเทียบกับผลิตภัณฑอื่นที่คลาย<br />
ๆ กันแลววามีความสวยงาม นาดู นา<br />
ใช นาซื้อ<br />
และตรงกับที่ใจปรารถนาหรือไม<br />
มีความปลื้มใจ<br />
ดีใจที่ไดใช<br />
มากนอยเพียงใด รวมถึงความรูสึกวาเปนสินคา/บริการที่เชื่อถือได<br />
และ<br />
ปลอดภัยหรือไม ผลการ ศึกษาพบวาทัศนคติตอผลิตภัณฑไดรับอิทธิพล<br />
ทางตรงมาจาก CSR หมายความวาถาลูกคารับรูวาองคกรปฏิบัติกิจกรรม<br />
ดาน CSR จะสงผลใหมีทัศนคติทางบวกตอผลิตภัณฑ [4]<br />
5) ความจงรักภักดีตอตราสินคา การศึกษาของ [9] ซึ่งศึกษา<br />
ความเชื่อมโยงระหวางอุปสรรคของการยายตรา<br />
ความพึงพอใจของลูกคา<br />
และความภักดีในตรา พบวาความพึงพอใจที่มีตอองคกรคูคามีอิทธิพลตอ<br />
ความภักดีในตรา และผลการศึกษาของ [8] พบวาความพึงพอใจของลูกคาซึ่ง<br />
ประเมินดวยผลประโยชนที่พึงได<br />
คุณภาพที่เหมาะสมกับราคาและการใส<br />
ใจดูแลลูกคาของผูขายมีผลใหเกิดความภักดีในตรา<br />
และยังสงผลตอเนื่อง
รูปที่<br />
1 ผลการวิเคราะหตัวแบบสมการโครงสราง<br />
ตารางที่<br />
1 อิทธิพลของตัวแปรบุพบรรพ (Antecedent) ที่มีตอตัวแปรตามในเสนทาง<br />
ตัวแปรตาม<br />
Brand Loyalty 0.586<br />
ตัวแปรบุพบรรพ (Antecedent)<br />
R 2 Effect Product Attitude Customer Satisfaction Perceived Societal CSR Perceived Firm Reputation<br />
DE 0.552 ** 0.180 ** 0.206 ** 0.000<br />
IE 0.000 0.000 0.417 0.304<br />
TE 0.545 0.180 0.623 0.304<br />
สิ่งที่นาสังเกตคือ<br />
CSR มีอิทธิพลอยางมากตอทัศนคติที่ลูกคา<br />
จะพึงมีตอตราสินคา (β = 0.869, p ≤ .01) ซึ่งสูงที่สุดในทุกเสนทาง<br />
แสดงใหเห็นวาการมีทัศนคติที่ดีตอตราตองอาศัยการปฏิบัติที่ดีตอสังคม<br />
ขององคกร และผลจากการมีทัศคติที่ดีนี้ไดถายทอดผานไปถึงความภักดี<br />
ตอตราเปนอยางมาก (β = 0.552 , p ≤ .01) ในอีกดานหนึ่งพบวา<br />
CSR สง<br />
อิทธิพลคอนขางต่ําไปยังความพึงพอใจในคุณภาพบริการและความภักดี<br />
ในตรา (β = 0.206, p ≤ .01) อาจเปนเพราะผูจําหนายปลีกประเภทโชหวย<br />
หรือแผงลอยซึ่งมารับซื้อสินคาจากโรงงานและเปนผูคาที่ทําการคาแบบ<br />
ดั้งเดิมไมคอยใหความสําคัญในเรื่องราวของคุณภาพบริการ<br />
ความพึง<br />
พอใจของลูกคาดานคุณภาพบริการจึงต่ําซึ่งสวนทางกับความคาดหมาย<br />
นอกจากนี้ยังพบดวยวาความภักดีในตราไดรับผลกระทบทางตรงจาก<br />
CSR (β =0.206 , p ≤ .01) คอนขางนอยเชนกัน แตความภักดีในตรายัง<br />
ไดรับผลกระทบทางออมจาก CSR ที่ออมผานทัศนคติตอตรา<br />
(ดูตาราง 1)<br />
จะเห็นไดวาความภักดีในตราไดรับอิทธิพลรวมจากทัศคติตอผลิตภัณฑ<br />
และจากการรับรูความรับผิดชอบตอสังคมขององคกรมากพอ<br />
ๆ กัน<br />
ตางกันที่ทัศคติมีอิทธิพลทางตรง<br />
ขณะที่<br />
CSR มีทั้งอิทธิพลทางตรงและ<br />
อิทธิพลทางออม และชื่อเสียงองคกรดาน<br />
CSR มีอิทธิพลทางออมดวยแต<br />
ไมสูง สวนความพึงพอใจของลูกคามีอิทธิพลอยางมีนัยสําคัญแตต่ํากวา<br />
ปจจัยอื่นทั้งหมด<br />
จากภาพ 1 จะพบวาสมการโครงสรางที่มีอยู<br />
4 สมการคือ<br />
Perceived Soc. CSR = 0.421 ** Perceived Firm Reputation (1)<br />
Product Attitude = 0.869 ** Perceived Societal CSR (2)<br />
310<br />
Customer Sat. = 0.206 ** Perceived Soc. CSR; R 2 = 0.042 (3)<br />
Brand Loyalty = 0.552 ** Product Altitude + 0.206 ** Perceived Soc.<br />
CSR+0.180 ** Customer Sat. (4)<br />
เปนสมการโครงสรางที่สามารถนําไปใชอธิบายความสัมพันธ<br />
เชิงสาเหตุไดในระดับพอยอมรับไดถึงระดับดี (เกณฑคือ R 2 ควรมากกวา<br />
0.20) ยกเวนสมการ (3) ที่<br />
R 2 ต่ํามาก<br />
ซึ่งแสดงใหเห็นวา<br />
CSR และความ<br />
พึงพอใจในคุณภาพบริการเปนความสัมพันธที่อาจมิไดสื่อไปถึงองคกร<br />
ซึ่งมิไดขายปลีกแตกลับเปนโชวหวยหรือแผงลอยที่ทําหนาที่ดังกลาว<br />
5. สรุปและอภิปรายผล (Discussion and Implication)<br />
ผลการศึกษาความสัมพันธเชิงสาเหตุพบวา CSR สงผลตอ<br />
ความภักดีในตราซึ่งสอดคลองผลการศึกษาของ<br />
Berens, van Riel and<br />
van Bruggen [4]; Lai, Chiu Yang and Pai [10] และ Salmones, Crespo<br />
and Bosque [15] รับผลกระทบโดยตรงจากการรับรูความมีเสียงของ<br />
องคกร ซึ่งสอดคลองผลการศึกษาของ<br />
Aqueveque and Ravasi [3] สงผล<br />
กระทบตอความพึงพอใจของลูกคาซึ่งสอดคลองผลการศึกษาของ<br />
Salmones, Crespo and Bosque [15] ซึ่งในเชิงนโยบายแลวการที่องคกร<br />
จะทําใหลูกคาซื้อซ้ําหรือมีความผูกพันตอองคกรในลักษณะอื่นองคกร<br />
จําเปนตองสรางตราใหเกิดขึ้นกอน<br />
คือเนน OBM มิใชเนน OEM ซึ่งมิใช<br />
สิ่งที่ทําไดยากเพราะวาเซรามิกจังหวัดลําปางกําเนิดมาตั้งแต<br />
พ.ศ. 2500<br />
และดําเนินการผลิตตอเนื่องมาชานานไมขาดตอน<br />
จนเปนความรักความ<br />
ภูมิใจของลูกคา สังเกตจากการมีทัศนคติที่คอนขางดีตอผลิตภัณฑ<br />
ซึ่ง
บทคัดยอ<br />
312<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การหาคาพารามิเตอรริดจที่เหมาะสมเพื่อแกปญหาพหุสัมพันธ<br />
ในการวิเคราะหความถดถอยโลจิสติกแบบสองกลุม<br />
Optimal Ridge Parameter for Solving Multicollinearity Problem in Binary Logistic Regression<br />
ในการศึกษาครั้งนี้มีวัตถุประสงคเพื่อหาคาพารามิเตอรริดจที่<br />
เหมาะสม สําหรับแกปญหาพหุสัมพันธระหวางตัวแปรอิสระของการ<br />
วิเคราะหความถดถอยโลจิสติกแบบสองกลุม<br />
ซึ่งทําการศึกษาภายใต<br />
ขอบเขตของคาพารามิเตอรริดจตั้งแต<br />
0 ถึง 1 ตัวแปรอิสระเทากับ 2 และ<br />
เปนตัวแปรเชิงปริมาณทุกตัว ภายใตการแจกแจงแบบ ปวซองสที่มี<br />
คาเฉลี่ยของตัวแปรอิสระตัวแรกเทากับ<br />
2 และตัวแปรอิสระตัวที่<br />
2 เทากับ<br />
3 โดยกําหนดคาพารามิเตอรเริ่มตนทุกตัวใหมีคาเทากับ<br />
2, 3 และ 4<br />
กําหนดขนาดตัวอยางอยางนอย 20 เทาของจํานวนตัวแปรอิสระ และ<br />
กําหนดระดับความสัมพันธของตัวแปรอิสระตามจํานวนคูของตัวแปร<br />
อิสระที่เกิดขึ้น<br />
ซึ่งในกรณีนี้จํานวนตัวแปรอิสระเทากับ<br />
2 ตัว จะ<br />
ทําการศึกษาที่ขนาดตัวอยาง<br />
40 และ 70 ที่มีระดับความสัมพันธดังนี้<br />
0.3,<br />
0.5, 0.7 และ 0.8 ทั้งนี้การพิจารณาคาพารามิเตอรริดจที่เหมาะสมพิจารณา<br />
จากคาเปอรเซ็นตความคลาดเคลื่อนระหวางคาประมาณพารามิเตอรกับ<br />
คาพารามิเตอรเริ่มตน<br />
สวนวิธีการประมาณคาพารามิเตอรใชหลักการของ<br />
นิวตันราฟสันรวมกับหลักการของความควรจะเปนสูงสุด ซึ่งการจําลอง<br />
ขอมูลและการวิเคราะหผลทําการศึกษาโดยใชโปรแกรม R<br />
คําสําคัญ: พหุสัมพันธ พารามิเตอรริดจ การวิเคราะหความถดถอย<br />
โลจิสติกแบบสองกลุม<br />
Abstract<br />
The purpose of this study is to find the optimal ridge<br />
parameter for solving multicollinearity problem between the<br />
independent variables in binary logistic regression. This study scopes on<br />
the ridge parameter which’s value start from zero to one. <strong>All</strong> of the<br />
independent variables are quantitative variables and only focus on 2<br />
independent variables. The distribution of the independent variables is<br />
Poisson distribution which has first independent variable’s mean equal<br />
สาวิตรี บุญพัชรนนท 1 และกัลยา วานิชยบัญชา 2<br />
1, 2<br />
ภาควิชาสถิติ คณะพาณิชยศาสตรและการบัญชี จุฬาลงกรณมหาวิทยาลัย<br />
254 ถ. พญาไท แขวงวังใหม เขตปทุมวัน กรุงเทพฯ 10330<br />
E-mail: 1 sawitree.boonpat@gmail.com , 2 vkanlaya@yahoo.com<br />
to 2 and another mean equal to three. <strong>All</strong> of the initial parameters have<br />
fixed to be 2, 3 and 4. The sample size must be at least twenty times of<br />
the independent variables. The level of multicollinearity has determined<br />
by the number of independent variable’s pairs. In this case, the numbers<br />
of independent variables are equal two, the study focus on the sample<br />
size 40 and 70 and the levels of multicollinearity are 0.3, 0.5, 0.7 and<br />
0.8. To reach the purpose of this study, the optimal ridge parameter has<br />
determined by the percentage error between the estimated parameter<br />
and the initial parameter. The method to estimate the parameters uses<br />
concept of Newton-Raphson and maximum likelihood together. This<br />
study has simulates and analyzes data by using R programming<br />
software.<br />
Keywords: Multicollinearity, Ridge Parameter,<br />
Regression<br />
Binary Logistic<br />
1. บทนํา<br />
ในการวิเคราะหความถดถอยทั่วไปและการวิเคราะหความ<br />
ถดถอยโลจิสติกมีเงื่อนไขเกี่ยวกับตัวแปรอิสระวาตองมีความเปนอิสระ<br />
กัน ซึ่งในทางปฏิบัติการที่ตัวแปรอิสระแตละตัวจะไมมีความสัมพันธกัน<br />
เลยเปนไปไดยากมาก จึงกอใหเกิดปญหาที่สําคัญคือ<br />
ปญหาพหุสัมพันธ<br />
ระหวางตัวแปรอิสระ ซึ่งปญหาดังกลาวสงผลใหคาประมาณสัมประสิทธิ์<br />
ความถดถอยเกิดความผิดพลาด และคาคลาดเคลื่อนกําลังสองเฉลี่ยมีคาสูง<br />
มาก จึงเปนปญหาที่ตองรีบแกไขกอนทําการวิเคราะหผล<br />
ดังนั้นการวิจัย<br />
ครั้งนี้จึงมุงศึกษาในประเด็นการแกไขปญหาพหุสัมพันธระหวางตัวแปร<br />
อิสระ ในการวิเคราะหความถดถอยโลจิสติกแบบสองกลุม<br />
ซึ่งการ<br />
วิเคราะหความถดถอยโลจิสติกแบบสองกลุมเปนเทคนิคที่นิยมใชกัน
่<br />
~<br />
⎡∂L(<br />
β)<br />
⎤<br />
⎢ ⎥<br />
⎢ ∂β0<br />
~ ⎥<br />
⎢∂L(<br />
β)<br />
⎥<br />
โดยที ~<br />
U(<br />
β)<br />
= ⎢ ⎥<br />
⎢<br />
∂β1<br />
⎥<br />
⎢ M<br />
~ ⎥<br />
⎢∂L(<br />
β)<br />
⎥<br />
⎢ ⎥<br />
⎣ ∂βp<br />
⎦<br />
~ ~<br />
กําหนด Ω ( β)<br />
= Ω(<br />
β)<br />
+ 2λI<br />
λ<br />
่<br />
~<br />
โดยที Ω = X′ V(<br />
β)<br />
X และ )<br />
~<br />
V( β คือ n×n diagonal matrix ที่มี<br />
vii = π(<br />
x i )( 1−<br />
π(<br />
x i ))<br />
⎡v11<br />
⎢<br />
~ ⎢<br />
0<br />
V(<br />
β)<br />
=<br />
⎢ M<br />
⎢<br />
⎣ 0<br />
0<br />
v 22<br />
0<br />
L<br />
L<br />
L<br />
M<br />
0<br />
0 ⎤<br />
M<br />
⎥<br />
⎥<br />
0 ⎥<br />
⎥<br />
v nn ⎦<br />
พิจารณาเวกเตอร<br />
λ ˆ~ λ λ ~ ˆ~ λ ~ λ ~ ˆ~ λ ~<br />
U ( β ) = U ( β)<br />
− ( β − β)<br />
′ Ω ( β)<br />
+ 0(<br />
β − β ) = 0<br />
จะไดวา<br />
ˆ~ λ<br />
−1<br />
β<br />
ˆ~<br />
= { Ω(<br />
β)<br />
+ 2λI}<br />
ˆ~ ˆ~ ˆ~<br />
{ U(<br />
β)<br />
+ Ω(<br />
β)<br />
β}<br />
เพราะฉะนั้นการประมาณคาสัมประสิทธิ์ความถดถอย<br />
โลจิสติกดวยวิธีริดจ โดยใชวิธีการของนิวตัน-ราฟสันในการประมาณคา<br />
ในรอบที่<br />
k+1 เปนดังนี้<br />
ˆ~ λ ˆ~<br />
−1<br />
ˆ~ ˆ~ ˆ~<br />
βk+<br />
1 = { Ω(<br />
βk<br />
) + 2λI}<br />
{ U(<br />
βk<br />
) + Ω(<br />
βk<br />
) βk}<br />
(6)<br />
2.3 สถิติที่ใชเพื่อการตัดสินใจ<br />
2.3.1 ขั้นตอนการประมาณคาสัมประสิทธิ์ความถดถอยดวยวิธี<br />
Newton Raphson<br />
เนื่องจากสมการโลจิสติกไมไดอยูในรูปเชิงเสนการประมาณ<br />
คาสัมประสิทธิ์ความถดถอยจึงตองใชวิธีการของนิวตัน-ราฟสัน<br />
ซึ่งเปน<br />
วิธีการทําซ้ําจนกวาคาประมาณที่ไดในรอบติดกันจะตางกันไมเกินคาที่<br />
กําหนด ซึ่งในงานวิจัยนี้ไดกําหนดใหสิ้นสุดขั้นตอนการประมาณคาดวย<br />
วิธีนิวตัน-ราฟสัน เมื่อคาประมาณสัมประสิทธิ์ความถดถอยที่ไดในรอบ<br />
ติดกันมีคาตางกันไมเกิน 0.0000001<br />
ˆ~<br />
β k + 1<br />
ˆ~<br />
−β<br />
k<br />
< 0.<br />
0000001<br />
ˆ~<br />
โดย βk+ 1คือ<br />
คาประมาณสัมประสิทธิ์ความถดถอยที่คํานวณไดจาก<br />
รอบที่<br />
k+1<br />
(5)<br />
314<br />
ที่<br />
k<br />
ˆ~<br />
βk คือ คาประมาณสัมประสิทธิ์ความถดถอยที่คํานวณไดจากรอบ<br />
2.3.2 ขั้นตอนการตัดสินใจเลือกคาพารามิเตอรริดจที่เหมาะสม<br />
ตัวประมาณที่ไดจากการประมาณคาดวยวิธีริดจจะเปนตัว<br />
ประมาณที่เอนเอียง<br />
และเมื่อคาพารามิเตอรริดจสูงขึ้นยิ่งทําใหเกิดความ<br />
เอนเอียงมากขึ้น<br />
ดังนั้นจึงควรพิจารณาเลือกคาพารามิเตอรริดจที่นอย<br />
ที่สุดซึ่งคาพารามิเตอรริดจที่เหมาะสมจะทําใหคาคลาดเคลื่อนกําลังสองมี<br />
คาลดลงและทําใหคาประมาณสัมประสิทธิ์ความถดถอยที่ไดมีคา<br />
ใกลเคียงคาจริงมากขึ้น<br />
ดังนั้นคาพารามิเตอรริดจจึงถือเปนคาที่สําคัญมาก<br />
ในการแกปญหาพหุสัมพันธดวยวิธีริดจ การพิจารณาคาพารามิเตอรริดจที่<br />
เหมาะสมทําการพิจารณาจากเงื่อนไข<br />
2 เงื่อนไข<br />
ดังนี้<br />
เงื่อนไขที่<br />
1 คาพารามิเตอรริดจที่ตัดสินใจเลือกจะตองใหคา<br />
MAPE ไม<br />
เกินคาที่กําหนดขึ้น<br />
โดยกําหนดคา MAPE เมื่อคาพารามิเตอรเริ่มตนทุก<br />
ตัวเทากับ 2 เปน 10% เมื่อคาพารามิเตอรเริ่มตนทุกตัวเปน<br />
3 เทากับ 7%<br />
และเมื่อคาพารามิเตอรเริ่มตนทุกตัวเปน<br />
4 เทากับ 5% ซึ่งคา<br />
MAPE<br />
สามารถคํานวณไดจาก<br />
⎛ p<br />
1 ˆ ⎞<br />
MAPE ⎜<br />
βi<br />
− βi<br />
= ⎟×<br />
100 ; i = 0,<br />
1,...,<br />
p<br />
⎜ ∑ (7)<br />
p 1 ⎟<br />
⎝<br />
+ i= 0 βi<br />
⎠<br />
โดยที่<br />
p คือ จํานวนตัวแปรอิสระ<br />
βi คือ คาสัมประสิทธิ์ความถดถอยที่กําหนดขึ้นตัวที่<br />
i<br />
ˆβ i คือ คาประมาณสัมประสิทธิ์ความถดถอยตัวที่<br />
i<br />
โดยในการกําหนดเปอรเซ็นตของ MAPE จะทําการพิจารณาจากความ<br />
ผิดพลาดของคาประมาณที่ไดเมื่อเทียบกับคาจริงใหมีคาผิดพลาดเฉลี่ยไม<br />
เกิน 0.2 ซึ่งเมื่อคิดเปนเปอรเซ็นตจะไดเปน<br />
10% 7% และ 5% ตามลําดับ<br />
เงื่อนไขที่<br />
2 คาเบี่ยงเบนมาตรฐานของคาพารามิเตอรริดจมีคาไมเกิน<br />
0.001 ซึ่งกําหนดตามคาพารามิเตอรริดจที่เพิ่มขึ้นในแตละครั้งของการ<br />
วิเคราะหผล<br />
r<br />
∑<br />
=<br />
( λ − λ)<br />
i<br />
2<br />
่<br />
่<br />
SD = i 1<br />
r −1<br />
(8)<br />
โดยที SD คือ คาเบี่ยงเบนมาตรฐานของคาพารามิเตอรริดจ<br />
r คือ จํานวนรอบที่ทําการวิเคราะหซึ่งนับจํานวนรอบ<br />
ตามจํานวนคาพารามิเตอรริดจที่ผานเกณฑในเงื่อนไขที<br />
1<br />
λi คือ คาพารามิเตอรริดจตัวที่<br />
i ที่ผานเกณฑตามเงื่อนไขที่<br />
1<br />
λ คือ คาเฉลี่ยของคาพารามิเตอรริดจจนถึงรอบที่<br />
r
ถาพิจารณาคาพารามิเตอรริดจ (λ) ในกรณีของขนาดตัวอยาง<br />
40 และ 70 จะพบวาทั้งสองกรณีมีแนวโนมคาพารามิเตอรริดจเปนดังนี้<br />
λ0.8 ≥ λ0.7 > λ0.5 > λ0.3 และเมื่อพิจารณาคา<br />
MAPE จะพบวาในระดับ<br />
ความสัมพันธเดียวกัน เมื่อขนาดตัวอยางมีคาเพิ่มขึ้น<br />
จะทําใหคา MAPE<br />
มีคาลดลง<br />
รูปที่<br />
1 คาพารามิเตอรริดจในแตละระดับความสัมพันธในกรณีจํานวนตัว<br />
แปรอิสระ 2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
2 ทุกตัว<br />
ตารางที่<br />
2 คาพารามิเตอรริดจและคา MAPE สําหรับตัวแปรอิสระจํานวน<br />
2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
3 ทุกตัว<br />
Rho 0.3 0.5<br />
λ<br />
MAPE (%)<br />
n = 40<br />
0.0000103<br />
6.966<br />
0.0000108<br />
6.974<br />
λ<br />
MAPE (%)<br />
n = 70<br />
0.000011<br />
6.732<br />
0.0000115<br />
6.249<br />
ตารางที่<br />
2 (ตอ) คาพารามิเตอรริดจและคา MAPE สําหรับตัวแปรอิสระ<br />
จํานวน 2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
3 ทุกตัว<br />
Rho 0.7 0.8<br />
λ<br />
MAPE (%)<br />
n = 40<br />
0.000011<br />
6.525<br />
0.00001113<br />
6.572<br />
λ<br />
MAPE (%)<br />
n = 70<br />
0.00001151<br />
6.125<br />
0.0000116<br />
6.305<br />
316<br />
จากตารางที่<br />
2 เปนกรณีของตัวแปรอิสระจํานวน 2 ตัวที่มีคา<br />
สัมประสิทธิ์เริ่มตนเปน<br />
3 ทุกตัว ถาทําการพิจารณาที่ระดับความสัมพันธ<br />
0.8 ขนาดตัวอยางเทากับ 40 พบวา คาพารามิเตอรริดจ (λ) คือ<br />
0.00001113 และคา MAPE มีคา 6.572% เปนตน ซึ่งคาพารามิเตอรริดจมี<br />
ความแตกตางกันในทศนิยมตําแหนงที่<br />
7 จึงทําการพิจารณาเพิ่ม<br />
คาพารามิเตอรริดจในแตละรอบใหมีคาเพิ่มขึ้นครั้งละ<br />
0.0000001 และ<br />
ตัดสินใจเลือกคาพารามิเตอรริดจเมื่อคาสวนเบี่ยงเบนมาตรฐานมีคาไม<br />
เกิน 0.0000001<br />
ถาพิจารณาคาพารามิเตอรริดจ (λ) ในกรณีของขนาดตัวอยาง<br />
40 และ 70 จะพบวาทั้งสองกรณีมีแนวโนมคาพารามิเตอรริดจเปนดังนี้<br />
λ0.8 > λ0.7 > λ0.5 > λ0.3 และเมื่อพิจารณาคา<br />
MAPE จะพบวาในระดับ<br />
ความสัมพันธเดียวกัน เมื่อขนาดตัวอยางมีคาเพิ่มขึ้น<br />
จะทําใหคา MAPE<br />
มีคาลดลง<br />
รูปที่<br />
2 คาพารามิเตอรริดจในแตละระดับความสัมพันธในกรณีจํานวนตัว<br />
แปรอิสระ 2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
3 ทุกตัว<br />
ตารางที่<br />
3 คาพารามิเตอรริดจและคา MAPE สําหรับตัวแปรอิสระจํานวน<br />
2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
4 ทุกตัว<br />
Rho 0.3 0.5<br />
λ<br />
MAPE (%)<br />
n = 40<br />
0.00000040155<br />
4.999<br />
0.0000004016<br />
4.999<br />
λ<br />
MAPE (%)<br />
n = 70<br />
0.000000410<br />
4.838<br />
0.000000415<br />
4.887
ตารางที่<br />
3 (ตอ) คาพารามิเตอรริดจและคา MAPE สําหรับตัวแปรอิสระ<br />
จํานวน 2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
4 ทุกตัว<br />
Rho 0.7 0.8<br />
λ<br />
MAPE (%)<br />
n = 40<br />
0.000000415<br />
4.966<br />
0.00000043<br />
4.546<br />
λ<br />
MAPE (%)<br />
n = 70<br />
0.000000418<br />
4.892<br />
0.000000451<br />
4.187<br />
จากตารางที่<br />
3 เปนกรณีของตัวแปรอิสระจํานวน 2 ตัวที่มีคา<br />
สัมประสิทธิ์เริ่มตนเปน<br />
4 ทุกตัว ถาทําการพิจารณาที่ระดับความสัมพันธ<br />
0.8 ขนาดตัวอยางเทากับ 40 พบวา คาพารามิเตอรริดจ (λ) คือ<br />
0.00000043 และคา MAPE มีคา 4.546% เปนตน ซึ่งคาพารามิเตอรริดจมี<br />
ความแตกตางกันในทศนิยมตําแหนงที่<br />
9 จึงทําการพิจารณาเพิ่ม<br />
คาพารามิเตอรริดจในแตละรอบใหมีคาเพิ่มขึ้นครั้งละ<br />
0.000000001 และ<br />
ตัดสินใจเลือกคาพารามิเตอรริดจเมื่อคาสวนเบี่ยงเบนมาตรฐานมีคาไม<br />
เกิน 0.000000001<br />
ถาพิจารณาคาพารามิเตอรริดจ (λ) ในกรณีของขนาดตัวอยาง<br />
40 และ 70 จะพบวาทั้งสองกรณีมีแนวโนมคาพารามิเตอรริดจเปนดังนี้<br />
λ0.8 > λ0.7 > λ0.5 > λ0.3 และเมื่อพิจารณาคา<br />
MAPE จะพบวาในระดับ<br />
ความสัมพันธเดียวกัน เมื่อขนาดตัวอยางมีคาเพิ่มขึ้น<br />
จะทําใหคา MAPE<br />
มีคาลดลง<br />
รูปที่<br />
3 คาพารามิเตอรริดจในแตละระดับความสัมพันธในกรณีจํานวนตัว<br />
แปรอิสระ 2 ตัวที่มีคาสัมประสิทธิ์เริ่มตนเปน<br />
4 ทุกตัว<br />
317<br />
ตารางที่<br />
4 คาพารามิเตอรริดจสําหรับตัวแปรอิสระจํานวน 2 ตัว เมื่อขนาด<br />
ตัวอยางเทากับ 40<br />
Beta = 2 Beta = 3 Beta = 4<br />
Rho = 0.3 0.000315 0.0000103 0.00000040155<br />
Rho = 0.5 0.000320 0.0000108 0.0000004016<br />
Rho = 0.7 0.000335 0.000011 0.000000415<br />
Rho = 0.8 0.000345 0.00001113 0.00000043<br />
ตารางที่<br />
5 คาพารามิเตอรริดจสําหรับตัวแปรอิสระจํานวน 2 ตัว เมื่อขนาด<br />
ตัวอยางเทากับ 70<br />
Beta = 2 Beta = 3 Beta = 4<br />
Rho = 0.3 0.000320 0.000011 0.000000410<br />
Rho = 0.5 0.00033 0.0000115 0.000000415<br />
Rho = 0.7 0.000365 0.00001151 0.000000418<br />
Rho = 0.8 0.000365 0.0000116 0.000000451<br />
จากตารางที่<br />
4 และ 5 แสดงใหเห็นถึงแนวโนมของ<br />
คาพารามิเตอรริดจที่ระดับความสัมพันธตางๆ<br />
ซึ่งทําใหสามารถสรุปไดวา<br />
เมื่อระดับความสัมพันธสูงขึ้น<br />
คาพารามิเตอรริดจที่ตองใชในการ<br />
แกปญหาพหุสัมพันธจะมีคาสูงขึ้นดวย<br />
และเมื่อคาสัมประสิทธิ์ความ<br />
ถดถอยมีคามากขึ้น<br />
คาพารามิเตอรริดจที่ไดจะมีคาลดลง<br />
5. สรุปผลการวิจัย<br />
จากการพิจารณาตัวแปรอิสระที่มีการแจกแจงแบบปวซองสที่<br />
มีคาเฉลี่ยของตัวแปริสระตัวที่<br />
1 เปน 2 และตัวแปรอิสระตัวที่<br />
2 เปน 3<br />
และมีความสัมพันธตามระดับความสัมพันธของตัวแปรอิสระที่ระดับ<br />
0.3, 0.5, 0.7 และ 0.8 โดยทําการศึกษาที่ขนาดตัวอยางเทากับ<br />
40 และ 70<br />
ทั้งนี้กําหนดคาสัมประสิทธิ์ความถดถอยเริ่มตนมีคาเทากับ<br />
2, 3 และ 4<br />
ทุกตัว จํานวนตัวแปรอิสระที่ทําการศึกษาคือ<br />
2 ตัว ซึ่งสามารถสรุปถึง<br />
แนวโนมของคาพารามิเตอรริดจไดดังนี้<br />
1. เมื่อพิจารณาระดับความสัมพันธที่สูงขึ้นภายใตขนาดตัวอยาง<br />
เดียวกัน จะพบวา คาพารามิเตอรริดจมีคาสูงขึ้น<br />
2. คาพารามิเตอรริดจที่ระดับความสัมพันธเดียวกันแตขนาดตัวอยาง<br />
ตางกัน พบวา เมื่อขนาดตัวอยางเพิ่มขึ้นทําใหคาพารามิเตอรริดจมี<br />
คาเพิ่มขึ้นดวย<br />
3. ถาพิจารณาในแตละระดับความสัมพันธเมื่อสัมประสิทธิ์ความ<br />
ถดถอยมีคาเพิ่มขึ้น<br />
คาพารามิเตอรริดจจะมีคาลดลง
4. เมื่อพิจารณาคา<br />
MAPE ภายใตระดับความสัมพันธเดียวกัน พบวา<br />
เมื่อขนาดตัวอยางมีคาเพิ่มขึ้น<br />
ทําใหคา MAPE มีคาลดลง<br />
จากการศึกษาดังที่กลาวมา<br />
พบวายังคงมีประเด็นที่นาสนใจที่<br />
สามารถทําการศึกษาเพิ่มเติมไดอีกหลายประเด็น<br />
อาทิเชน<br />
1. ศึกษาการแจกแจงของตัวแปรอิสระในการแจกแจงอื่นๆ<br />
ที่มี<br />
ลักษณะของขอมูลที่แตกตางออกไป<br />
เชน การแจกแจงแบบยูนิ<br />
ฟอรมที่มีโอกาสของการเกิดขอมูลในแตละจุดเทาๆ<br />
กัน เปนตน<br />
2. ศึกษาตัวแปรอิสระที่เปนตัวแปรเชิงกลุมทั้งหมด<br />
หรือ เปนตัวแปร<br />
เชิงปริมาณผสมกับตัวแปรเชิงกลุม<br />
ซึ่งอาจจะสงผลตอ<br />
คาพารามิเตอรริดจได<br />
3. ขยายขอบเขตการศึกษาออกไปถึง Multiple Logistic Regression<br />
เพื่อจะไดครอบคลุมการประยุกตใชงานมากขึ้น<br />
4. ศึกษาขนาดตัวอยางที่สูงขึ้นพรอมทั้งหาแนวโนมวาเมื่อขนาด<br />
ตัวอยางสูงขึ้นสงผลใหคาพารามิเตอรริดจมีคาเปลี่ยนแปลงไปใน<br />
ปริมาณเทาใด<br />
6. เอกสารอางอิง<br />
[1] Kenneth D.Lawrence, Dinesh R.Pai and Gary Kleinman (2009)<br />
Bankruptcy Prediction in Retail Industry Using Logistic Regression<br />
[2] Tony Gojanovic and Leslie Sidor (2004) Using Logistic<br />
Regression to Evaluate New Lid Designs<br />
[3] Duffy, D. E. and Santner, T. J. (1989) On the small sample<br />
properties of norm-restricted maximum likelihood estimators for<br />
logistic regression models. Communs Statist. Theory Meth., 18,<br />
959-980.<br />
[4] S.LE Cessie and J.C.Van Houwelinge (1990) Ridge Regression<br />
in Logistic Regression<br />
318
ตารางที่<br />
1 ตัวอยาง คาจุดแบง คารอยละและชวงความเชื่อมั่น<br />
ของจุดแบง<br />
ที่เหมาะสม<br />
เมื่อมีตัวแปรอิสระ<br />
(p) 5 ตัว ความสัมพันธระหวาง ตัวแปร<br />
อิสระ (ρ ) เทากับ 0.33 ซึ่งแสดงความสัมพันธในระดับปานกลาง<br />
ขนาด<br />
ตัวอยาง (n) เทากับ 100 โดยจําแนกตามสัดสวนของความลมเหลวของ<br />
ลักษณะที่สนใจศึกษา<br />
(a)<br />
p ρ n a ĉ<br />
5 0.33 100<br />
0.46<br />
0.44<br />
0.42<br />
0.4<br />
0.38<br />
0.36<br />
0.1 0.5 0.9<br />
CI.Lower<br />
of ĉ<br />
CI.Upper<br />
Of ĉ<br />
0.1 0.42 0.0001 0.7473<br />
0.5 0.45 0.2396 0.7014<br />
0.9 0.39 0.0000 0.6864<br />
n=100,a=0.1<br />
n=100,a=0.5<br />
n=100,a=0.9<br />
รูปที่<br />
1 คาจุดแบง เมื่อ<br />
สัดสวนของความลมเหลวของลักษณะที่สนใจ<br />
ศึกษาเปลี่ยนแปลง<br />
แตขนาดตัวอยาง จํานวนตัวแปรอิสระและระดับ<br />
ความสัมพันธระหวางตัวแปรอิสระคงที่<br />
่ ตารางที 2 คาสัมประสิทธิ์การตัดสินใจเชิงซอน<br />
(R Square)<br />
R R Square Adjusted R Square<br />
Std. Error of the<br />
Estimate<br />
0.941 0.904 0.900 2.65466<br />
Predictors: (Intercept), apn ρ , n, a, p, ρ , pn ρ , apn, a ρ , an, n ρ ,<br />
np, ap ρ , ap, p ρ<br />
จากตารางที่<br />
1 แสดงคาความผันแปรทั้งหมดของจุดแบงมี<br />
สาเหตุจากความผันแปรของ n, a, p, ρ , a ρ , an, np, ap, p ρ , n ρ ,<br />
2<br />
apn, pn ρ , ap ρ , apn ρ คิดเปน 90.4% ( R ) สวนความผันแปรของคา<br />
ของจุดแบงที่เหลืออีก<br />
9.6% เกิดจากสาเหตุอื่น<br />
ๆ ที่ไมไดพิจารณาใน<br />
การศึกษาครั้งนี้<br />
ผลการวิเคราะหตัวแบบการถดถอยพหุคูณที่มีผลอันตร<br />
กิริยาจากผลลัพธของทุกสถานการณที่ไดทําการศึกษา<br />
เพื่อใชในการ<br />
ประมาณคา จุดแบงที่เหมาะสมสําหรับตัวแบบการถดถอยโลจิสติกแบบ<br />
2 ประเภท ในสถานการณอื่นๆ<br />
โดยสมการการถดถอยพหุคูณ แสดงดังนี้<br />
322<br />
Percent of cˆ = 114.363 - (0.176)p - (1.268)a - (0.005)n - (0.149) ρ +<br />
(0.003)ap+ (8.67E-05)an + (2.72E-03)a ρ + (1.18E-05)np + (3.39E-<br />
06)n ρ + (4.32E-04)p ρ - (2.23E-07)apn - (8.11E-06)ap ρ<br />
- (2.41E-08)pn ρ + (1.91E-10)apn ρ<br />
2<br />
และพบวาคาสัมประสิทธิ์การตัดสินใจ<br />
( R ) มีคาเทากับ<br />
0.904 ซึ่งเปนคาที่สูง<br />
แสดงวาสมการการถดถอยพหุคูณมีความเหมาะสม<br />
มากสามารถนําสมการนี้ไปใชประมาณหาคาจุดแบงที่เหมาะสมที่สุดใน<br />
สถานการณอื่นๆ<br />
ได<br />
5. สรุปผล<br />
จากผลลัพธของการหาคาของจุดแบง กรณีสัดสวนของความ<br />
ลมเหลวของลักษณะที่สนใจศึกษา<br />
เปลี่ยนแปลง<br />
แตปจจัยอื่นๆ<br />
คงที่<br />
พบวาที่สัดสวนของความลมเหลวของลักษณะที่สนใจศึกษามีคาเทากับ<br />
0.5 คาจุดแบงมีคาลูเขาสู<br />
0.5 แตที่คาอื่นๆ<br />
คาจุดแบงมีคาต่ํากวา<br />
0.5 กรณี<br />
ระดับความสัมพันธระหวางตัวแปรอิสระเพิ่มขึ้น<br />
แตปจจัยอื่นๆ<br />
คงที่<br />
พบวา ที่สัดสวนของความลมเหลวของลักษณะที่สนใจศึกษามีคาเทากับ<br />
0.5 คาจุดแบงมีแนวโนมลดลงจาก 0.5 กรณีขนาดตัวอยางเพิ่มขึ้น<br />
แต<br />
ปจจัยอื่นๆ<br />
คงที่<br />
พบวา ที่<br />
จํานวนตัวแปรอิสระ อยูในระดับนอย<br />
คาจุดแบง<br />
มีคาลูเขาสู<br />
0.5 แตที่จํานวนตัวแปรอิสระ<br />
อยูในระดับอื่นๆ<br />
คาจุดแบงมีคา<br />
ต่ํากวา<br />
0.5 กรณีจํานวนตัวแปรอิสระเพิ่มขึ้นแตปจจัยอื่นๆ<br />
คงที่<br />
พบวา คา<br />
จุดแบงที่<br />
สัดสวนของความลมเหลวของลักษณะที่สนใจศึกษา<br />
มีคาเทากับ<br />
0.1 และ 0.9 มีคาลูเขาสูคาจุดแบงที่<br />
0.5 จากการประมาณคาของจุดแบง<br />
สําหรับสถานการณทั้งหมด<br />
จากตัวแบบการถดถอยโลจิสติกแบบ 2<br />
2<br />
ประเภทที่มีผลอันตรกิริยาพบวาคาสัมประสิทธิ์การตัดสินใจ<br />
( R ) มีคา<br />
สูง แสดงวาสมการการถดถอยมีความเหมาะสมมากสามารถใชประมาณ<br />
คาจุดแบงที่เหมาะสมที่สุดในสถานการณอื่นๆ<br />
ได จึงสามารถสรุปไดวา<br />
สัดสวนของความลมเหลวของลักษณะที่สนใจศึกษา<br />
ระดับความสัมพันธ<br />
ระหวางตัวแปรอิสระ ขนาดตัวอยางและจํานวนตัวแปรอิสระ เปนปจจัยที่<br />
มีผลตอคาของจุดแบงที่เหมาะสม<br />
6. ขอเสนอแนะ<br />
ผลการวิจัยในครั้งนี้มีขอเสนอแนะ<br />
2 ดาน คือ<br />
6.1 ดานการนําไปใชประโยชน<br />
1. เมื่อตองการหาคาจุดแบงที่เหมาะสมสําหรับการพยากรณ<br />
การจําแนกขอมูลในตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภท โดยใช<br />
ฟงกชันโลจิทเปนฟงกชันเชื่อมโยงสามารถนําคาจุดแบงนี้ไปใชได<br />
ตามแตละสถานการณที่ไดทําการศึกษา<br />
2. เมื่อทราบคาของปจจัยตางๆ<br />
และตองการประมาณหาคาจุด<br />
แบงที่เหมาะสมที่สุดในสถานการณอื่นๆ<br />
สามารถใชสมการการถดถอย<br />
พหุคูณนี้ได
6.2 ดานการศึกษาวิจัย<br />
1. ในการวิจัยครั้งนี้ไดทําการศึกษาหาคาจุดแบงสําหรับการพยากรณ<br />
การจําแนกขอมูลในตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภท เทานั้น<br />
ในการวิจัยครั้งตอไปอาจทําการศึกษา<br />
หาคาจุดแบงสําหรับตัวแบบการ<br />
ถดถอยโลจิสติกแบบหลายกลุม<br />
(Multinomial Logistic Regression<br />
Model)<br />
2. เมื่อเริ่มตนตัวแปรอิสระมีการแจกแจงแบบยูนิฟอรมแตเพื่อใหตัว<br />
แปรอิสระมีความสัมพันธกันตามเมทริกซสหสัมพันธที่กําหนด<br />
อาจมี<br />
ขอจํากัดทําใหตัวแปรอิสระเปนเพียงผลรวมเชิงเสนของการแจกแจงแบบ<br />
ยูนิฟอรม ดังนั้น<br />
ผูวิจัยขอเสนอแนะแนวคิดในการ<br />
วิจัยครั้งตอไปอาจ<br />
กําหนดใหตัวแปรอิสระมีการแจกแจงปกติ (ในงานวิจัยนี้ไมไดทําวิธี<br />
ดังกลาวเนื่องจากเกินขอบเขตของงานวิจัย)<br />
ซึ่งจะทําใหตัวแปรอิสระมี<br />
การแจกแจงปกติคงเดิมเมื่อถูกทําใหมีความสัมพันธกันตามเมทริกซ<br />
สหสัมพันธที่กําหนด<br />
เอกสารอางอิง<br />
[1] Amemiya,T.(1985):Advanced Econometrics.Harvard University<br />
Press,Cambridge,M.A.<br />
[2] Atkinson,Kendall A. (1989):An Introduction to Numerical<br />
Analysis,2 nd Edition,New York:John Wiley and Sons.<br />
[3] Atkinson,A. (1970):A Method for Discriminating Between<br />
Models (with Discussion),Journal of the Royal Statistical<br />
Society,B,B32,323-353.<br />
[4] Balakrishnan,N.(1991):Handbook of the Logistic<br />
Distribution,Marcel Dekker,Inc.<br />
[5] Coulibaly,N.,and B. Brorsen(1998): A Monte Carlo Sampling<br />
Approach to testing Nonnested Hypotheses: Monte Carlo<br />
Results,Econometric Reviews,pp. 195-209.<br />
[6] Hsiao-Lin Hwa; Tsang-Ming Ko; Fon-Jou Hsieh; Ming-Fang Yen;<br />
Kai-Pei Chou; Tony Hsiu-Hsi Chen(2007):Risk prediction for<br />
Down's syndrome in young pregnant women using maternal serum<br />
biomarkers: determination of cut-off risk from receiver operating<br />
characteristic curve analysis.Journal of evaluation in clinical<br />
practice 2007;13(2):254-8.<br />
323<br />
ประวัติผูเขียนบทความ<br />
นางสาวอรุณรัตน โพธิ์คํา<br />
เกิดเมื่อวันอาทิตย<br />
ที่<br />
4<br />
สิงหาคม พ.ศ. 2528 สําเร็จการศึกษาระดับปริญญา<br />
วิทยาศาสตรบัณฑิต (วท.บ.) สาขาสถิติ ภาควิชาสถิติ<br />
ประยุกต คณะวิทยาศาสตร พระจอมเกลาลาดกระบัง<br />
ปการศึกษา 2550 และเขาศึกษาตอ ในหลักสูตรสถิติศาสตรมหาบัณฑิต<br />
(สต.ม.) สาขาสถิติ ภาควิชาสถิติ คณะพาณิชยศาสตรและการบัญชี<br />
จุฬาลงกรณมหาวิทยาลัย ในป พ.ศ. 2552
Keyword: Binary logistic regression, Strictly non-nested, The<br />
Complementary log-log Function, ROC curve<br />
1.บทนํา<br />
ในงานวิจัยขององคกรหรือแขนงสาขาวิชาตางๆ วิธีการทาง<br />
สถิติเขามามีบทบาทมากขึ้นเรื่อยๆ<br />
จนกระทั้งกลายเปนวิธีการที่จําเปนที่<br />
จะชวยใหการวิเคราะหขอมูลที่ไดมานั้นเปนไปอยางมีประสิทธิภาพ<br />
โดย<br />
จุดประสงคของงานวิจัยโดยสวนใหญคือ เพื่อตองการทราบถึงปจจัย(ตัว<br />
อิสระ)ใดบางที่สงผลโอกาสที่จะเกิดเหตุการณ<br />
(ตัวแปรตาม)<br />
ความสัมพันธระหวางตัวแปรอิสระที่มีผลตอโอกาสที่จะเกิดเหตุการณ<br />
(ตัวแปรตาม) ตลอดจนเพื่อพยากรณโอกาสที่จะเกิดเหตุการณที่สนใจซึ่ง<br />
จะไดจากสมการที่เหมาะสม<br />
ปจจุบันพบวาลักษณะของขอมูลและ<br />
จุดประสงคของงานวิจัยมีหลากหลายมากขึ้น<br />
ทําใหเทคนิคการพยากรณมี<br />
เงื่อนไขที่หลากหลายมากขึ้นตาม<br />
ดังนั้นเพื่อใหการพยากรณที่มี<br />
ประสิทธิภาพการเลือกใชเทคนิคการพยากรณจึงขึ้นอยูกับลักษณะขอมูล<br />
ที่นํามาศึกษาและจุดประสงคของการพยากรณ<br />
เชน การพยากรณดวย<br />
วิธีการวิเคราะหความถดถอยโลจิสติค(Logistic Regression Analysis)<br />
เปนการหาความสัมพันธระหวางตัวแปรตามและตัวแปรอิสระโดยตัว<br />
แปรตามเปนตัวแปรเชิงกลุมที่แบงเปน<br />
2 กลุม(Binary<br />
Logistic<br />
Regression Model) หรือมากกวา 2 กลุม(Multinomial<br />
Logistic<br />
Regression Model) โดยทั่วไปแลวมักเปนการศึกษาขอมูลเกี่ยวกับ<br />
เหตุการณที่เราสนใจเราจะเกิดขึ้นหรือไม<br />
หรือเกิดขึ้นดวยความนาจะเปน<br />
เทาไหร เชน การเปนโรคหัวใจหรือไมเปนโรคหัวใจ มักเปนเหตุการณที่<br />
สาเหตุเกิดขึ้นไดตลอดเวลาและตัวแปรตามเปนตัวแปรคุณภาพที่มีการ<br />
แจกแจงแบบเบอรนูลี แบงขอมูลออกเปน 2 กลุม<br />
คือ มีคาเทากับ 1 เมื่อ<br />
เปนเหตุการณที่เราสนใจ<br />
และมีคาเทากับ 0 เมื่อเปนเหตุการณที่เราไม<br />
สนใจ สวนตัวแปรอิสระมีทั้งตัวแปรตอเนื่องและตัวแปรที่ไมตอเนื่องก็<br />
ได และสามารถเปนไดทั้งตัวแปรเชิงปริมาณหรือเปนตัวแปรเชิงคุณภาพ<br />
ไดอีกดวย ดังนั้นจึงไมสามารถใชการวิเคราะหความถดถอยแบบปกติได<br />
ดังนั้นจากสถานการณดังกลาวโดยสวนใหญจะใชเทคนิคการวิเคราะห<br />
ขอมูลดวยตัวแบบอื่น<br />
เชน ตัวแบบโลจิท(Logit Model),ตัวแบบโพรบิท<br />
(Probit Model) และตัวแบบคอมพลีเมนทารีล็อก-ล็อก(Complementary<br />
log-log Model) เปนตน<br />
ตัวแบบที่นํามาใชแสดงความสัมพันธระหวางตัวแปรตามและ<br />
ตัวแปรอิสระในการวิเคราะหของ ตัวแบบแบบโลจิท,ตัวแบบโพรบิท<br />
และตัวแบบคอมพลีเมนทารี ล็อก-ล็อก ซึ่งเปนตัวแบบเชิงเสนที่วางนัย<br />
ทั่วไป(Generalized<br />
Linear Model:GLM) เรียกวา ลิงคฟงคชัน(Link<br />
Function) โดยมี เปนตัวเชื่อมระหวางตัวแปรตาม<br />
และตัวแปรอิสระ<br />
ฉะนั้นการเลือกลิงคฟงคชันสามารถหาไดโดยใชฟงคชันเชื่อม<br />
โลจิท<br />
ฟงกชัน(Logit Function) , โพรบิทฟงกชัน(Probit<br />
Function) , คอมพลีเมนทารีล็อก-ล็อก<br />
(Complementary log-log Function)<br />
325<br />
ตามลําดับ สวนการเลือกใชฟงกชันเชื่อมโยงขึ้นอยูกับลักษณะของการ<br />
กระจายของขอมูล เชน ตัวแบบคอมพลีเมนทารี ล็อก-ล็อก<br />
(Complementary log-log Model) เปนฟงกชันเชื่อมโยง(Link<br />
Function)ที่<br />
มีลักษณะขอมูล คือ ตัวแปรตามแยกเปน 2 กลุม<br />
สวนตัวแปรอิสระเปนตัว<br />
แปรตอเนื่องหรือเชิงกลุมก็ได<br />
เปนตัวแบบที่มีเทอมหลักคลายกับตัว<br />
แบบโลจิท(Logit Model) เหมาะสมกับขอมูลที่มีลักษณะฟงกชันความ<br />
หนาแนนสะสมที่มีการลูเขาและลูออกไมสม่ําเสมอและไมสมมาตรที่<br />
ความนาจะเปน 0.5<br />
การคัดเลือกตัวแบบการถดถอยโลจิสติคแบบทวินาม (Binary<br />
logistic regression model) คือ วิธีการทางสถิติที่เกี่ยวของกับการเลือกเซต<br />
ของตัวแปรอิสระที่ดีที่สุดซึ่งใชเปนตัวพยากรณ(Predictor)<br />
แตละตัวแปร<br />
ตามใหอยูในกลุมเหตุการณที่เราสนใจหรือกลุมเหตุการณที่เราไมสนใจ<br />
โดยใชพื้นที่ใตโคง<br />
ROC (Receiver operating characteristic) สูงสุดเปน<br />
เกณฑหรือเรียกอีกอยางวา“พื้นที่ใตโคง”(Area<br />
Under the Curve: )<br />
เพื่อใหการคัดเลือกตัวแบบที่เหมาะสมที่สุดในการพยากรณ<br />
เปนการ<br />
เปรียบเทียบเซตของตัวแปรอิสระสองกลุมที่จะถูกเลือกเปนเซตของตัว<br />
พยากรณที่ดีที่สุด<br />
ควรอยูภายใตเงื่อนไขตัวแบบแบบไมติดกลุม(Non<br />
nested) และเปนตัวแบบแบบไมติดกลุมอยางสมบูรณ(Strictly<br />
Nonnested)<br />
นั้นคือ<br />
ตัวแบบทางสถิติแรกจะตองไมมีตัวแปรอิสระใดๆ ของตัว<br />
แบบที่สองอยูเลย<br />
ดังนั้น<br />
ผูวิจัยจึงสนใจที่จะศึกษาวาตัวแบบทางสถิติแบบไมติด<br />
กลุมอยางสมบูรณของตัวแบบถดถอยโลจิสติกทวินามที่มีฟงกชันคอมพลี<br />
เมนทารี ล็อก-ล็อกเปนฟงกชันเชื่อมโยงมีลักษณะของตัวแบบเปนแบบ<br />
ใดที่จะทําให<br />
คาพื้นที่ใตเสนโคง<br />
ROC สูงสุด โดยพิจารณาลักษณะของ<br />
ตัวแบบจากขนาดตัวอยาง , จํานวนตัวแปรอิสระ และระดับ<br />
ความสัมพันธในแตละคู<br />
(Degree of pair-wise correlations)ของตัวแปร<br />
อิสระ ที่จะสงผลใหการเลือกเซตของตัวแปรอิสระที่ดีที่สุด<br />
ซึ่งใช<br />
เปนตัวพยากรณ(Predictor) แตละตัวแปรตามใหอยูในกลุมเหตุการณที่เรา<br />
สนใจหรือกลุมเหตุการณที่เราไมสนใจไดอยางมีประสิทธิภาพ<br />
2.ทฤษฏีและตัวสถิติที่เกี่ยวของ<br />
2.1แบบจําลองที่ใชในการวิจัย<br />
ตัวแบบการถดถอยโลจิสติกทวินาม (Binary Logistic<br />
Regression Model)<br />
ตัวแบบการถดถอยโลจิสติกทวินามสําหรับการพยากรณใน<br />
การจัดประเภท ดังนี้<br />
เมื่อ<br />
(1)
เมื่อ<br />
มีการแจกแจงแบบเบอรนูลลีที่เปนอิสระกันมีคาเฉลี่ยและความ<br />
แปรปรวน ดังนี้<br />
ดังนั้น<br />
ตัวแบบการถดถอยคือ<br />
เมื่อ<br />
ตัวแบบคอมพลีเมนทารีล็อก-ล็อก (Complementary log-log<br />
Model)<br />
ตัวแบบคอมพลีเมนทารีล็อก-ล็อก(Complementary log-log<br />
model) เปนสวนที่ขยายจากตัวแบบโลจิท(Logit<br />
model) และตัวแบบโพ<br />
รบิท(Probit model) เมื่อคา<br />
มีคาเขาใกล 1 อยางรวดเร็ว<br />
เพิ่มขึ้นจาก<br />
0 คอนขางชา แตคาของ จะ<br />
สําหรับ ฟงกชันเชื่อมโยง(Link<br />
Function) ที่ใชในตัวแบบ<br />
โลจิทและโพรบิทนั้นจะมีคุณสมบัติสมมาตร(Symmetric)<br />
หรือ<br />
รอบคา 0.5<br />
นั้นคือจากฟงกชันโลจิท<br />
่<br />
่<br />
จาก หมายถึงโคงของ<br />
สําหรับตัวแบบโลจิทและตัวแบบโพรบิทจะมีรูปแบบสมมาตรรอบจุด<br />
ที โดยเฉพาะเมื่อ<br />
จะมีคาเขาใกล 0 ดวยอัตราที่เทากันกับ<br />
เมื่อ<br />
จะมีคาเขาใกล 1 อยางรวดเร็ว<br />
แตถา เพิ่มขึ้นจาก<br />
0 คอนขางชา แตมีคาเขาใกล 1 อยาง<br />
รวดเร็วดังรูปที 1ดวยตัวแบบโลจิทและตัวแบบโพรบิท จึงไมเหมาะสม<br />
กับขอมูล จึงควรใชตัวแบบอื่นคือตัวแบบคอมพลีเมนทารีล็อก-ล็อก<br />
และ<br />
ลักษณะของกราฟของ<br />
ดังรูปที่1<br />
สําหรับตัวแบบคอมพลีเมนทารีล็อก-ล็อกแสดง<br />
รูปที่<br />
1 กราฟของ สําหรับตัวแบบคอมพลีเมนทารีล็อก-ล็อก<br />
326<br />
จากลักษณะของกราฟ ขางตน ควรใชเสนโคงฟงกชัน คือ<br />
ซึ่งมีรูปแบบไมสมมาตรคือ<br />
มีคาลดลงจาก 1รวดเร็วกวาาร<br />
เขาใกล 0 โดยสอดคลองกับรูปที่1ฟงกชัน<br />
(2) นําไปสูตัวแบบคอม<br />
พลีเมนทารีล็อก-ล็อกในสมการ (3) คือ<br />
(3)<br />
ตัวแบบคอมพลีเมนทารีล็อก-ล็อกในรูปความสัมพันธเชิงเสน<br />
โดย คือ คาความนาจะเปนเมื่อเกิดเหตุการณที่สนใจในหนวยที่<br />
คือ ตัวแปรตามเชิงคุณภาพที่มีคาไดเพียง<br />
2 คา คือ 0 และ 1<br />
คือ ตัวแปรแฝง(Latent variable)ที่ไมสามารถสังเกตได<br />
จึงไมทราบ<br />
คาที่แทจริงทราบเพียงแตผลที่เกิดขึ้น<br />
คือ เวกเตอรตัวแปรอิสระหนวยที่<br />
คือ เวกเตอรพารามิเตอรของตัวแบบ<br />
คือ ตัวแปรคาคลาดเคลือนที่เปนอิสระกัน<br />
หรือคาคาดหมายอยางมี<br />
เงื่อนไข(Conditional<br />
expectation) หนวยที่<br />
ตัวแปรสุมปกติมาตราฐาน<br />
โดย<br />
เมื่อแตละคาสังเกต<br />
คือตัวแปรสุมแบบเบอรนูลลี<br />
ซึ่ง<br />
ซึ่งมีการแจกแจงความนาจะเปนคือ<br />
โดย<br />
ฟงกชั่นความนาจะเปนรวมคือ<br />
(2)
ลอการิทึมธรรมชาติของฟงกชั่นความนาจะเปนรวมคือ<br />
เมื่อ<br />
ดังนั้น<br />
ลอการิทึมธรรมชาติของฟงกชันภาวะนาจะเปน (Log-likelihood<br />
function) คือ<br />
เมื่อเราทราบการแจกแจงของ<br />
เราสามารถสรางฟงกชันภาวะ<br />
นาจะเปนได เนื่องจากการประมาณคาไมไดเปนไปตามรูปแบบ<br />
เราจึง<br />
ตองใชวิธีการประมาณเชิงตัวเลข(จําเปนตองทําซ้ําเพื่อใหไดซึ่งตัว<br />
ประมาณความนาจะเปนสูงสุด (Maximum Likelihood Estimator: MLE)<br />
โดยการทําซ้ํา<br />
1 ครั้งจะไดตัวประมาณภาวะนาจะเปน<br />
สูงสุด แลวทําการคํานวนคาประมาณของ<br />
ดังนี้<br />
เมื่อประมาณคาพารามิเตอรดวยวิธีภาวะความนาเปนสูงสุดใน<br />
ตัวแบบการถดถอยโลจิสติกทวินาม แลวจะสามารถนําไปใชในการ<br />
พยากรณการจําแนกกลุมของตัวแบบตอไป<br />
2.2เสนโคง ROC (Receiver Operating Characteristic<br />
Curve)<br />
Receiver Operating Characteristic Curve หรือเรียกงายๆ วา<br />
“ROC Curve” ถูกนํามาใชในการประเมินความถูกตองของการพยากรณ<br />
เหตุการณในระบบจําแนกกลุมกรณีแบงเปน<br />
2 กลุม<br />
ไดแก กลุมที่เกิด<br />
เหตุการณที่สนใจและกลุมที่ไมเกิดเหตุการณที่สนใจ<br />
โดยอยูในรูปของ<br />
กราฟที่พล็อตระหวางคา<br />
Sensitivity หรือ True-Positive Rate ซึ่งเปน<br />
อัตราสวนของการพยากรณถูกตองของการเกิดเหตุการณที่<br />
สนใจ และคา 1-Specificity หรือ False-Positive Rate ซึ่งเปน<br />
อัตราสวนของการพยากรณผิดของการไมเกิดเหตุการณที่สนใจ<br />
โดยจะกําหนดให 1-Specificity อยูบนแกน<br />
และ Sensitivity อยูบน<br />
แกน และกราฟอยูในชวง<br />
ดังรูปที่<br />
2<br />
327<br />
รูปที่<br />
2 ตัวอยางเสนโคงและพื้นที่ใตโคง<br />
สําหรับการคํานวนคา Sensitivity และ 1-Specificity จะทํา<br />
โดยการกําหนดคาจุดตัด(Cut-off) ที่ระดับตางๆ<br />
ระหวาง 0 ถึง 1 เพื่อ<br />
เปรียบเทียบกับคาความนาจะเปนของการเกิดเหตุการณที่สนใจที่ไดจาก<br />
การพยากรณของแตละหนวยตัวอยางดวยตัวแบบประมาณที่ไดจากการ<br />
วิเคราะห แลวทําการจําแนกกลุมของตัวแปรตามซึ่งเปนตัวแปรที่<br />
ตองการพยากรณ ออกเปน 2 กลุม<br />
โดยที่<br />
ถา แลว<br />
ตัวอยางจะถูกพยากรณใหอยูในกลุมที่ไมเกิดเหตุการณ<br />
แลว<br />
ตัวอยางจะถูกพยากรณใหอยูในกลุมที่เกิดเหตุการณ<br />
จากนั้นจึงคํานวนหาสัดสวนของการพยากรณเหตุการณ<br />
เพื่อ<br />
นําคาที่ไดไปทําการพล็อตโคง<br />
ROC และคํานวนหาพื้นที่ใตโคง<br />
ซึ่งสูตร<br />
การคํานวน Sensitivity และ 1-Specificity เปนดังนี้<br />
ตารางที่<br />
1 ตารางการจัดจําแนกการถดถอยโลจิสติกแบบทวินาม<br />
คาสังเกต<br />
คาพยากรณ<br />
จํานวนเหตุการณที่<br />
สนใจ<br />
จํานวนเหตุการณที่<br />
ไมสนใจ<br />
จํานวน<br />
เหตุการณที่<br />
ใหผลบวก<br />
จํานวน<br />
เหตุการณที่<br />
ใหผลลบ<br />
TP FN TP+FN<br />
FP TN FP+TN
True positive (TP)คือ จํานวนตัวอยางที่พยากรณถูกตองของการเกิด<br />
เหตุการณ<br />
False positive (FP) คือ จํานวนตัวอยางที่พยากรณผิดของการเกิด<br />
เหตุการณ<br />
True negative (TN) คือ จํานวนตัวอยางที่พยากรณถูกตองของการไม<br />
เกิดเหตุการณ<br />
False negative (FN) คือ จํานวนตัวอยางที่พยากรณผิดของการไมเกิด<br />
เหตุการณ<br />
Sensitivity (True-Positive Rate) คือ คาความนาจะเปนหรือ<br />
อัตราสวนของการพยากรณเหตุการณไดถูกตองของการเกิดเหตุการณที่<br />
สนใจ<br />
Specificity (False-Positive Rate) คือ คาความนาจะเปนหรือ<br />
อัตราสวนของการพยากรณเหตุการณไดถูกตองของการไมเกิดเหตุการณ<br />
ที่สนใจ<br />
1-Specificity (False-Positive Rate) คือ คาความนาจะเปนหรือ<br />
อัตราสวนของการพยากรณเหตุการณผิดของการไมเกิดเหตุการณที่สนใจ<br />
พื้นที่ใตโคง<br />
ROC เปนคาที่บงบอกถึงความสามารถในการ<br />
พยากรณไดถูกตองหรือแสดงถึงความเชื่อถือไดของตัวแบบ<br />
มีพิสัยอยู<br />
ระหวาง 0 ถึง 1 คือ คาประมาณพื้นที่ใตโคง<br />
ROC (Area under the Curve<br />
หรือ )ซึ่ง<br />
Hosmer, David W., and Stanley Lemeshow.(200) ได<br />
กําหนดเกณฑทั่วไปไวดังนี้<br />
- ถา แลวตัวแบบเปนตัวแบบที่เชื่อถือไมได<br />
- ถา แลวตัวแบบเปนตัวแบบที่เชื่อถือไดนอย<br />
- ถา แลวตัวแบบเปนตัวแบบที่สามารถยอมรับได<br />
- ถา แลวตัวแบบเปนตัวแบบที่เชื่อถือไดในระดับดี<br />
- และถา แลวตัวแบบเปนตัวแบบที่เชื่อถือไดในระดับดีมาก<br />
การคํานวณคา สามารถทําได 2 วิธี ซึ่งวิธีแรกคือวิธีที่ไม<br />
ใชพารามิเตอรจะขึ้นอยูกับการสรางการประมาณรูปสี่เหลี่ยมที่มีสองดาน<br />
ขนานกันใตเสนโคง ซึ่งเปนการประมาณพื้นที่<br />
วิธีที่สองคือวิธีการ<br />
ประมาณคาพารามิเตอรโดยใชตัวประมาณคาความควรจะเปนสูงสุด<br />
(Maximum Likelihood Estimator) เพื่อใหเสนโคงเรียบพอดีกับจุดขอมูล<br />
โดยทั้งสองวิธีใชไดกับโปรแกรมคอมพิวเตอรและสามารถหา<br />
คาประมาณของพื้นที่และความคลาดเคลื่อนมาตรฐานได<br />
การประมาณคา<br />
โดยใชรูปสี่เหลี่ยมที่มีสองดานขนานกัน<br />
หรือวิธีการที่เรียกวา<br />
กฎของรูป<br />
สี่เหลี่ยมที่มีสองดานขนานกัน<br />
หรือกฎรูปสี่เหลี่ยมคางหมู<br />
ซึ่งใน<br />
328<br />
การศึกษาครั้งนี้จะใชวิธีนี้ในการคํานวณ<br />
วิธีนี้เปนเทคนิคการ<br />
ประมาณคาเกี่ยวกับการคํานวณอินทริกรัลจํากัดเขต<br />
ซึ่งแสดงดังนี้<br />
ฟงกชัน ซึ่งจะคํานวณโดยอินทริกรัลจํากัดเขต<br />
รูปที่<br />
3 ฟงกชัน (เสนโคง) เปนการประมาณโดยฟงกชันเชิงเสน<br />
(เสนตรง) ระหวางคาจริง a และ b<br />
สําหรับ 2 ตัวแบบประมาณเมื่อทําการทดสอบการพยากรณ<br />
กับขอมูลชุดเดียวกันแลว ตัวแบบใดมีเสนโคง ROC อยูขางบนหรือมี<br />
พื้นที่ใตโคง<br />
ROC มากกวา แสดงวาเปนตัวแบบที่มีประสิทธิภาพหรือให<br />
ความถูกตองในการพยากรณไดดีกวา<br />
3.วิธีดําเนินการวิจัย<br />
1) ศึกษาคนควาเอกสารและขอมูลที่เกี่ยวของกับงานวิจัยโดยมีตัวแปร<br />
ที่ตองการทําการวิจัยหลักๆ<br />
ดังนี้<br />
- จํานวนตัวแปรอิสระของทั้งสองตัวแบบเนื่องจากหนึ่งในจุดประสงค<br />
ของการวิจัยตองการศึกษาระดับความสัมพันธของตัวแปรอิสระดังนั้น<br />
ตัวแบบที่ใชในการวิจัยตองมีตัวแปรอยางนอย<br />
2 ตัวแปรอิสระและเมื่อตัว<br />
แปรอิสระเทากับ 5 ตัวแปรก็ถือวามากแลวเพราะในงานวิจัยสวนใหญถา<br />
มากกวานี้จะทําFactor<br />
Ananlysisกอนทําการวิเคราะห เพื่อทําการรวมตัว<br />
แปรที่มีความสัมพันธกันมากเขาเปนตัวแปรเดียวกัน<br />
ดังนั้น<br />
- สหสัมพันธระหวางตัวแปรอิสระหนวยที่<br />
และตัวแปรอิสระหนวยที่<br />
เพื่อใหครอบคลุมทุกกรณีที่เปนไปได<br />
และ<br />
สวน ความสัมพันธเทากับ ไมมีการกําหนดใหเพราะผูวิจัยตองการ<br />
ศึกษาระดับความสัมพันธของตัวแปรอิสระและถาตัวแปรมีความสัมพันธ<br />
เทากับ แสดงวาตัวแปรนั้นเปนตัวแปรเดียวกัน<br />
- ขนาดตัวอยางที่ใชในทดสอบโดยทั่วไปแลวจะเทากับ<br />
20เทาของจํานวน<br />
ตัวแปรของทั้งสองตัวแบบ<br />
ฉะนั้นจํานวนตัวแปรอิสระนอยที่สุด<br />
เทากับ และจํานวนตัวแปรอิสระมาก<br />
ที่สุดเทากับ<br />
และเนื่องจากผูวิจัย<br />
ตองการทราบวาถาขนาดตัวอยางมีคานอยและมากไปจะใหผลแตกตาง<br />
หรือไมดังนั้น<br />
และทําการวางแผนงานวิจัยทําใหไดกรณีที่ตองการทดสอบของ<br />
จุดประสงคแรก 400 กรณี และของจุดประสงคที่สอง<br />
400 กรณี
่ <br />
่<br />
่<br />
รูปที 5 คาประมาณพื้นที่ใตโคง<br />
ROC กรณีจํานวนของตัวแปรอิสระ เปลี่ยนแปลงไป<br />
และระดับความสัมพันธในแตละคู<br />
ของตัวแปรอิสระ คงที่เมื่อขนาดตัวอยาง<br />
การศึกษาระดับความสัมพันธในแตละคูของตัวแปรอิสระจาก<br />
จากรูปที 4 เมื่อพิจารณาคาประมาณพื้นที่ใตโคง<br />
ROCกรณี ทั้งสองตัวแบบที่จะสงผลใหไดเลือกตัวแบบทางสถิติแบบไมติดกลุม<br />
พบวาที่จํานวนของตัวแปรอิสระ<br />
(2,2), (4,5) และ อยางสมบูรณ ของตัวแบบถดถอยโลจิสติกทวินามที่มีฟงกชันคอมพลีเมน<br />
(5,4)คาประมาณพื้นที่ใตโคง<br />
ROCจะมีคาสูงที่ระดับความสัมพันธในแต<br />
ทารีล็อก-ล็อกเปนฟงกชันเชื่อมโยงที่ดีที่สุดเมื่อขนาดตัวอยางของเซตตัว<br />
ละคูของตัวแปรอิสระเทากับ<br />
0.1 และ 0.9 จํานวนของตัวแปรอิสระ แปรอิสระและจํานวนของตัวแปรอิสระของเซตทั้งสองเทากันโดยใช<br />
(2,3),(2,5),(3,2),(3,4),(4,3) และ (5,2) คาประมาณพื้นที่ใตโคง<br />
ROCจะมี พื้นที่ใตโคง<br />
(Area Under the Curve: )สูงสุดเปนเกณฑในการเลือก<br />
คาสูงที่ระดับความสัมพันธในแตละคูของตัวแปรอิสระเทากับ<br />
0.9<br />
จํานวนของตัวแปรอิสระ (2,4), (3,3) และ(5,4)คาประมาณพื้นที่ใตโคง<br />
ROCจะมีคาสูงที่ระดับความสัมพันธในแตละคูของตัวแปรอิสระเทากับ<br />
0.7 จํานวนของตัวแปรอิสระ (5,5) คาประมาณพื้นที่ใตโคง<br />
ROCจะมีคา<br />
สูงที่ระดับความสัมพันธในแตละคูของตัวแปรอิสระเทากับ<br />
0.3 และที<br />
จํานวนของตัวแปรอิสระ (3,5), (4,4) และ(5,3) คาประมาณพื้นที่ใตโคง<br />
ROCจะมีคาสูงที่ระดับความสัมพันธในแตละคูของตัวแปรอิสระเทากับ<br />
ตัวแบบ<br />
0.1 และในกรณี และ พบวาผลที่ไดมีลักษณะ<br />
ของคาประมาณพื้นที่ใตโคง<br />
ROCคลายกัน<br />
จากรูปที่<br />
5 เมื่อพิจารณาคาประมาณพื้นที่ใตโคง<br />
ROCกรณี<br />
พบวาณ ระดับความสัมพันธในแตละคูของตัวแปรอิสระ<br />
เทากับ 0.1,0.3 และ 0.5คาประมาณพื้นที่ใตโคง<br />
ROCจะมีคาสูง ที่จํานวน<br />
ตัวแปรอิสระเทากับ (2,4),(2,5),(3,3),(3,4),(4,2),(4,3) และ (5,2) ในขณะ<br />
ที่<br />
ณ ระดับความสัมพันธในแตละคูของตัวแปรอิสระเทากับ<br />
0.7 และ 0.9<br />
ทุกจํานวนตัวแปรอิสระมีคาประมาณพื้นที่ใตโคง<br />
ROCใกลเคียงกันและ<br />
ในกรณี และ พบวาผลที่ไดมีลักษณะของ<br />
คาประมาณพื้นที่ใตโคง<br />
ROCคลายกัน<br />
5.สรุปผลการวิจัย<br />
จากการศึกษาดังกลาวขางตนทําใหสรุปผลตามจุดประสงค<br />
ของการวิจัยไดดังนี้<br />
330<br />
รูปที่<br />
6 ตัวอยางโคง ROC ของตัวแบบที่หนึ่ง<br />
เมื่อจํานวนตัวแปร<br />
อิสระเทากับ และขนาดตัวอยางทากับ 50
โดยที่<br />
A เปนจํานวนคลิกที่เกิดขึ้นในชวงเวลาที่กําหนด<br />
N เปนจํานวนการแสดงผลทั้งหมดที่เกิดขึ้นใน<br />
ชวงเวลาที่กําหนด<br />
ตัวเลข CTR เปนตัวเลขทีสําคัญ คาที่แสดงทําใหทราบวา<br />
โฆษณานั้นเขียนไดดีเพียงใด<br />
ถาหาก CTR ยิ่งมาก<br />
แสดงวาโฆษณาที่เขียน<br />
ไวยิ่งดี<br />
เชน CTR เทากับ 4 หมายถึง ถามีการแสดงผลจากการคนหา 100<br />
คน แสดงวามีคนคลิกโฆษณาเพื่อเขาชมเว็บไซต<br />
4 คน เปนตน<br />
3. การทดลอง<br />
การทดลองในงานวิจัยนี้ทําการทดลองโฆษณาบนกูเกิลแอด<br />
เวิรดในชวงเวลา 1 ป ตั้งแต<br />
เดือน เม.ย. 53 ถึง มี.ค. 54 โดยมีรายละเอียด<br />
การทดลองดังนี้<br />
3.1 คําหลักที่ใชในการโฆษณา<br />
คําหลักที่ใชในการโฆษณาครั้งนี้ประกอบไปดวย<br />
คําหลัก<br />
ทั้งหมด<br />
6 คําหลัก ไดแก “โซลาเซลล” “โซลารเซลล” “โคมไฟถนน”<br />
“ไฟกระพริบ” “ไฟฉุกเฉิน” และ “โคม LED” ดังนั้นคําหลักเหลานี้จะทํา<br />
ใหเว็บไซตเปาหมายถูกแสดงผล เมื่อผูบริโภคคนหาดวยคําเหลาเหลานี้<br />
บนการคนหาดวยกูเกิล<br />
3.2 แผนการทดลอง<br />
การทดลองในงานวิจัยนี้ดําเนินการตามแผนการทดลองแบบ<br />
บลอคสุม<br />
(Randomized Complete Block Design: RBD) โดยใชวิธีทาง<br />
สถิตินอนพาราเมติก Friedman Test for 2-way Analysis of Variance by<br />
Rank [13, 14] โดยมีสมมติฐานงานวิจัยคือ การสรางปายโฆษณาตาม<br />
แผนการทดลองดึงดูดความสนใจของผูคนหาในกูเกิลทําใหมีผลตอการ<br />
คลิกปายโฆษณาเพิ่มขึ้น<br />
ปจจัยที่ตองการศึกษาคือ<br />
“คําที่แสดงในปายโฆษณา”<br />
ที่มี<br />
5<br />
กรรมวิธี คือ 1) จุดละ “...” 2) การใชคําแสดงคุณภาพ “มอก.” 3) การใช<br />
คําแสดงการลดราคา “Save_Money$_Now” 4) การใชคําเครื่องหมาย<br />
การคา “TM” ตอหลังปายโฆษณาที่กูเกิลแอดเวิรด<br />
และ 5) ปายโฆษณา<br />
ควบคุมที่ไมเพิ่มคําใดๆ<br />
เพิ่มเติม<br />
บล็อกคือ คําหลักที่ทําการทดลองตางๆ<br />
กัน 6 คําหลัก คือ 1)<br />
“โซลาเซลล” 2) “โซลารเซลล” 3) “โคมไฟถนน” 4) “ไฟกระพริบ” 5)<br />
“ไฟฉุกเฉิน” และ 6) “โคม LED” แผนการทดลองแสดงในตารางที่<br />
1<br />
3.3 การเก็บรวบรวมขอมูล<br />
กําหนดใหคําหลักเหลานี้ทํางานในการคนหาของกูเกิล<br />
ชวงเวลา 6:00 น. ถึง ชวงเวลา 20:00 น. ของวันจันทรถึงศุกร ยกเวน<br />
วันหยุดและวันหยุดราชการ เก็บรวบรวมขอมูลคาอัตราการคลิกผาน<br />
(CTR)<br />
334<br />
3.4 การวิเคราะหผล<br />
วิเคราะหผลดวยการจัดเรียกอันดับ CTR ของแตละกรรมวิธี<br />
ใน 6 คําหลัก แลวคํานวณคาสถิติตามสูตรดังนี้<br />
k 12<br />
2<br />
T = Rj− 3( b k+<br />
1)<br />
bk( k + 1) =<br />
∑ (2)<br />
โดยที่<br />
j 1<br />
b เปนจํานวนบล็อก<br />
k เปนจํานวนกรรมวิธี<br />
R เปนผลบวกของอันดับในกรรมวิธีที่<br />
j<br />
j<br />
4. ผลการทดลอง<br />
จากการทดลองตามแผนเปนเวลา 1 ป การแสดงผลบนการ<br />
คนหาของกูเกิล 1,653,571 ครั้ง<br />
และมีจํานวนคลิกรวม 10,833 ครั้ง<br />
ผล<br />
การทดลองดังตารางที่<br />
2 พบวา ในเกือบทุกคําหลัก คือ โซลาเซลล โซลาร<br />
เซลล โคมไฟถนน และไฟฉุกเฉิน กรรมวิธี มอก. ได CTR อันดับ 1 มี<br />
เพียงคําหลักไฟกระพริบ และโคม LED เทานั้นที่<br />
มอก. ไดอันดับ CTR<br />
อันดับที่<br />
2 แสดงใหเห็นวาการใชคํา มอก. ใสเพิ่มลงไปในขอความ<br />
โฆษณามีคา CTR สูงกวากรรมวิธีอื่นๆ<br />
มีอันดับเฉลี่ย<br />
(Mean Rank) จาก 6<br />
คําหลักเทากับ 1.33 และกรรมวิธีที่มีอันดับนาสนใจอีกกรรมวิธีคือ<br />
จุดละ<br />
“…” ซึ่งในคําหลัก<br />
โคม LED ไดอันดับ CTR อันดับ 1 และ ในคําหลัก<br />
โซลาเซลล และโซลารเซลล ไดอันดับ 2 คําหลักโคมไฟถนน และไฟ<br />
ฉุกเฉิน ไดอันดับ 3 มีเพียง ไฟกระพริบเทานั้นที่ไดอันดับต่ําสุด<br />
คืออันดับ<br />
5 โดยเฉลี่ยแลวกรรมวิธีนี้มีอันดับเฉลี่ย<br />
2.67<br />
กรรมวิธีการใชคําแสดงการลดราคา “Save_Money$_Now”<br />
เปนกรรมวิธีที่ไดอันดับเฉลี่ย<br />
3.33 ซึ่งเปนอันดับเฉลี่ยที่สูงกวา<br />
กรรมวิธี<br />
ควบคุมที่แสดงขอความปกติ<br />
ไดอันดับเฉลี่ย<br />
3.67 และที่มาเปนอันดับ<br />
สุดทายคือ กรรมวิธีการใชคําเครื่องหมายการคา<br />
“TM” มีอันดับเฉลี่ย<br />
4.00<br />
จากการทดสอบสมมติฐานทางสถิติที่ระดับนัยสําคัญ<br />
0.05<br />
ผลการวิจัยทําใหทราบวา การใชคําแสดงคุณภาพ “มอก.” ทําใหอัตราการ<br />
คลิกผานเพิ่มขึ้นมากที่สุด<br />
รองลงมาคือใชจุดละ “…” และการใชคําแสดง<br />
การลดราคา “Save_Money$_Now” ตามลําดับ และการใชคําแสดง<br />
เครื่องหมายการคา<br />
“TM” ไมมีผลทําใหอัตราการคลิกผานเพิ่มขึ้น<br />
5. สรุปและขอเสนอแนะ<br />
จากคา CTR ที่ไดรับจากการทดลอง<br />
ทําใหเราไดทราบวา การ<br />
กําหนดคําตางๆ ใหกับปายโฆษณา นั้นมีผลตอผูบริโภคที่คนหาคลิกเขา<br />
ชมเว็บไซต เพิ่มหรือลดได<br />
โดยเฉพาะคําที่แสดงถึง<br />
คุณภาพของโรงงาน<br />
หรือผลิตภัณฑ ซึ่งในงานวิจัยนี้ใชคําวา<br />
มอก. ผลของ CTR เกือบได<br />
อันดับที่<br />
1 ทุกคําหลักการทดลอง นอกจากนั้น<br />
คําที่นิยมใชในกรณีเขียน<br />
ยังไมจบมีเนื้อหาตอเนื่อง<br />
คือ จุดละ “...” ก็แสดงพลังของจุดเพียง 3 จุดให<br />
พวกเราเห็นแลววา จุดเพียง 3 จุด ก็สามารถทําใหผูคนหา<br />
คลิกเขาชม
เว็บไซตเพิ่มขึ้น<br />
สวนการแสดงถึงการประหยัด มีผลตอการคลิกเขาชม<br />
เว็บไซตเชนกันแตอยูในระดับนอย<br />
ทั้งนี้เนื่องจากเปนเพราะคําที่ใชใน<br />
งานวิจัยนี้เปนภาษาอักกฤษ<br />
ผลที่ไดรับจึงนอยกวาที่คาดการณไว<br />
อยางไร<br />
ก็ตาม การเพิ่มคําแสดงเครื่องหมายการคา<br />
“TM” ไมมีผลทําใหอัตราการ<br />
คลิกผานเพิ่มขึ้นแตยังมีอันดับเฉลี่ยนอยกวาการการใชขอความโฆษณา<br />
ปกติดวย<br />
งานวิจัยนี้กําลังถูกดําเนินการวิจัยอยางตอเนื่องกับคําหลัก<br />
อื่นๆ<br />
และกรรมวิธีอื่นๆ<br />
เพื่อเพิ่ม<br />
CTR ใหสูงยิ่งขึ้น<br />
โดยกลุมผูวิจัยจะ<br />
นําเสนอผลงานในโอกาสตอไป<br />
6. เอกสารอางอิง<br />
[1] Levenson B. and Bernbach B., Bill Bernbach’s Book: A History of<br />
the Advertising that Changed the History of Advertising, Villard<br />
Books, New York, 1987.<br />
[2] Lawrence W. M., A Big Life in Advertising, Touchstone, New<br />
York, 2003.<br />
[3] Willens D., Nobody's Perfect: Bill Bernbach and the Golden Age of<br />
Advertising, CreateSpace, New York, 2009.<br />
[4] Len K., Cyber Marketing. New York: AMACOM, 1995.<br />
[5] ชรีรัตน ประจักษธรรม, ความตองการขอมูลขาวสารในเว็บไซตโรง<br />
ภาพยนตของนิสิตนักศึกษาในเขตกรุงเทพฯ. บัณฑิตวิทยาลัย,<br />
จุฬาลงกรณมหาวิทยาลัย.<br />
[6] Lamberti J., Measuring the Effectiveness of Sponsored Search<br />
Marketing, Interactive Advertising Bureau, 2003.<br />
[7] Jansen B. J. and Spink A., How are We Searching The World Wide<br />
Web?: A Comparison of Nine Search Engine Transaction Logs,<br />
Information Processing & Management Volume 42, Issue 1, 2006.<br />
[8] พงศกร จันทราช, การวิเคราะหเว็บไซต โดยใช Google Analytics,<br />
วารสารวิชาการมหาวิทยาลัยฟารอีสเทอรน ปที่<br />
3, ฉบับที่<br />
1 (มิ.ย. -<br />
พ.ย. ), 2552.<br />
[9] Mowen J. C. and Minor M. S., Consumer Behavior: A Framework.<br />
Upper Saddle River, NJ: Prentice Hall.<br />
[10] Laffey D., Paid Search: The Innovation That Changed the Web,<br />
Business Horizons, Volume 50, Issue 3, 2007.<br />
[11] อมรินทร เพ็ชรกุล, Google ฉบับสมบูรณ, ซัคเซส มีเดีย, กรุงเทพฯ<br />
2550.<br />
335<br />
[12] ไพรัตน พงคพานิชย, "เดอะ เสิรช" อุบัติการณแหงอนาคตของ<br />
มนุษยชาติ, มติชน, กรุงเทพฯ, 2550.<br />
[13] คณาจารยภาควิชาสถิติ คณะวิทยาศาสตร มหาวิทยาลัยเชียงใหม,<br />
สถิติเบื้องตน,<br />
เชียงใหม, 2554.<br />
[14] วิสาข เกษประทุม, สถิตินอนพาราเมตริก = Nonparametric<br />
statistics, พ.ศ. พัฒนา, กรุงเทพฯ, 2545.<br />
7. กิตติกรรมประกาศ<br />
ขอกลาวขอบคุณบริษัท เจเนอเรชั่น<br />
ดิจิตอล เทคโนโลยี จํากัด<br />
(www.gendit.com) ที่ไดใหทุนสนับสนุนการวิจัยในครั้งนี้<br />
และขอบคุณ<br />
ภาควิชาสถิติ คณะวิทยาศาสตร มหาวิทยาลัยเชียงใหม ที่มีนโยบายการ<br />
สนับสนุนใหคณาจารยทํางานวิจัยไดอยางเต็มที่จนงานวิจัยสําเร็จลุลวง<br />
นายวฐา มินเสน (Mr. Watha Minsan)<br />
ติดตอ E-Mail: wathaminsan@gmail.com<br />
Website: http://watha.gendit.com<br />
วุฒิการศึกษา<br />
1) ศ.บ.(เศรษฐศาสตร เกียรตินิยมอันดับสอง)<br />
มหาวิทยาลัยเชียงใหม<br />
2) วท.ม. (สาขาสถิติประยุกต) มหาวิทยาลัยเชียงใหม<br />
3) วศ.ม. (วิศวกรรมอุตสาหการ) มหาวิทยาลัยเชียงใหม<br />
ตําแหนงปจจุบัน<br />
- อาจารยประจําภาควิชาสถิติ คณะวิทยาศาสตร มหาวิทยาลัยเชียงใหม<br />
ผูชวยหัวหนาภาควิชาสถิติ<br />
ประสบการณทํางาน<br />
1) นักคอมพิวเตอรสนับสนุนตัวแทน บริษัท AIA Thailand<br />
2) นักวิเคราะห บริษัทปูนซิเมนตไทยจํากัด (มหาชน)<br />
3) นักวิทยาศาสตรสถิติ บริษัท LTEC Fujikura<br />
4) ปจจุบันอาจารยประจํา ภาควิชาสถิติ คณะวิทยาศาสตร<br />
มหาวิทยาลัยเชียงใหม<br />
สาขางานวิจัยที่สนใจ<br />
- การหาคาที่เหมาะสม<br />
(Optimization)<br />
- การควบคุมขบวนการดวยสถิติ (SPC) การควบคุมคุณภาพ (QC) และ<br />
การวิจัยการดําเนินงาน (OR)<br />
- การวิจัยทางดานสังคมศาสตร เศรษฐศาสตร ดวยการสุมสํารวจขอมูล<br />
- การศึกษาความเปนไปไดของโครงการ (Feasibility Study)<br />
- การเขียนโปรแกรมคอมพิวเตอร (Programmer) และพัฒนาเว็บไซด<br />
(Web Site)
นางปรารถนา มินเสน (Mrs. Pradthana Minsan)<br />
ติดตอ E – Mail : pradthana.m@gmail.com<br />
วุฒิการศึกษา<br />
- Ph.D. (Statistics), National Institute of<br />
Development Administration, Thailand, 2010<br />
- M.S.(Applied Statistics), Chiang Mai University, Thailand, 2000.<br />
- B.Sc.(Statistics), Chiang Mai University, Thailand, 1998.<br />
ตําแหนงปจจุบัน<br />
- อาจารยประจําสาขาวิชาคณิตศาสตรและสถิติ คณะวิทยาศาสตรและ<br />
เทคโนโลยี มหาวิทยาลัยราชภัฏเชียงใหม<br />
- รองผูอํานวยการสํานักสงเสริมวิชาการและงานทะเบียน<br />
มหาวิทยาลัย<br />
ราชภัฏเชียงใหม<br />
- นายทะเบียน สํานักสงเสริมวิชาการและงานทะเบียน มหาวิทยาลัย<br />
ราชภัฏเชียงใหม<br />
ประสบการณทํางาน<br />
- อาจารยประจําสาขาวิชาคณิตศาสตรและสถิติ คณะวิทยาศาสตรและ<br />
เทคโนโลยี มหาวิทยาลัยราชภัฏเชียงใหม 2543 – ปจจุบัน<br />
- ผูชวยผูอํานวยการสํานักสงเสริมวิชาการและงานทะเบียน<br />
มหาวิทยาลัย<br />
ราชภัฏเชียงใหม (2554)<br />
- วิทยากรอบรม โปรแกรมประยุกตทางดานสถิติตองานวิจัยทาง<br />
การแพทย แกบุคลากรโรงพยาบาลประสาท เชียงใหม 2547.<br />
- วิทยากรอบรม เรื่อง<br />
การวิเคราะหขอมูลดวยโปรแกรม SPSS แต<br />
บุคลากรคณะแพทยศาสตร มหาวิทยาลัยเชียงใหม (2545)<br />
336
ตารางที่<br />
1 แสดงคําหลัก 6 คํา ที่โฆษณาบนปายโฆษณาที่แตกตางกัน<br />
5 กรรมวิธี<br />
คําหลัก<br />
โซลาเซลล<br />
โซลารเซลล<br />
โคมไฟถนน<br />
ไฟกระพริบ<br />
ไฟฉุกเฉิน<br />
โคม LED<br />
ตารางที่<br />
2 ผลการทดลอง<br />
... มอก.<br />
ปจจัย<br />
Save_Money$_Now TM ควบคุม<br />
คําหลัก ... มอก.<br />
ปจจัย<br />
Save_Money$_Now TM ควบคุม Chi-Square<br />
CTR (%) อันดับ CTR (%) อันดับ CTR (%) อันดับ CTR (%) อันดับ CTR (%) อันดับ<br />
โซลาเซลล 1.13 2 1.15 1 0.93 5 1.07 3 1 4<br />
โซลารเซลล 0.28 2 0.29 1 0.2538 4 0.27 3 0.2535 5<br />
โคมไฟถนน 1.96 3 2.13 1 2.06 2 1.94 4 1.82 5<br />
ไฟกระพริบ 2.69 5 3.12 2 3.4 1 2.75 4 3.1 3<br />
ไฟฉุกเฉิน 2.37 3 2.54 1 2.17 4 2.1 5 2.41 2<br />
โคม LED 0.34 1 0.33 2 0.309 4 0.308 5 0.32 3<br />
Mean Rank 2.67 1.33 3.33 4 3.67<br />
*ระดับนัยสําคัญ 0.05<br />
337<br />
P-Value<br />
10.667 0.031*
2.2 การออกแบบการทดลองแบบแฟคทอเรียล (Factorial<br />
Designs) [2] , [6]<br />
การออกแบบการทดลองแบบแฟคทอเรียล สามารถ<br />
ทําการศึกษาอิทธิพลของปจจัยที่มีตอกระบวนการและเกิดขึ้นพรอมๆ<br />
กันไดเมื่อมีการทําการทดลองจะทําการเปลี่ยนคาระดับปจจัยไปพรอมๆ<br />
กันมากกวาทําการเปลี่ยนคาระดับปจจัยตัวใดตัวหนึ่ง<br />
เพราะจะทําใหได<br />
งานที่มีประสิทธิภาพมากกวา<br />
ทั้งในเรื่องการประหยัดเวลาและตนทุน<br />
และยังสามารถวิเคราะหเรื่องอิทธิพลรวม<br />
(Interaction) ระหวางปจจัยได<br />
ดวยโดยอิทธิพลรวม (Interaction) คือผลขอการที่ปจจัยรวมกันที่มีอยูใน<br />
หลายๆกระบวนการ ถาไมไดทําการทดลองแบบแฟคทอเรียลอาจจะไม<br />
เห็นผลของอิทธิพลรวม (Interaction) ไดชัดเจน<br />
2.3 การออกแบบการทดลอง 3-Level Full factorial design<br />
การออกแบบการทดลองแบบ 3-Level Full factorial design<br />
หมายถึง การใชการทดลองแบบ Full factorial โดยแตละปจจัย<br />
เปลี่ยนแปลงได<br />
3 ระดับจํานวนการทดลองการทดลองทั้งหมดเทากับ<br />
3 k เชน การทดลองมี 3 ปจจัย แตละปจจัยมีเงื่อนไขการเปลี่ยนแปลงได<br />
3<br />
ระดับ ในการวิจัยมีปจจัยในการทดลองดังตารางที่<br />
1<br />
ตารางที่<br />
1 เงื่อนไขของปจจัยกรณีเปลี่ยนแปลงได<br />
3 ระดับ<br />
ปจจัย Main Effects คาที่เปลี่ยนแปลงไป<br />
(Condition)<br />
ปริมาณขี้เลื่อย<br />
146, 148 , 150 กรัม<br />
ตัวประสาน(กาวแปงเปยก) 51, 59, 67.5 กรัม<br />
แรงอัดในการขึ้นรูป<br />
500,1000 ,1500 ปอนดตอตารางนิ้ว<br />
2.4 งานวิจัยที่เกี่ยวของ<br />
[1] ปทุมทิพย ตนทับทิมทอง และคณะ (2550) วิจัยเรื่อง<br />
กระถางตนไมจากวัสดุเหลือใชทางเกษตรโดยสรุปวิธีการผลิตกระถาง<br />
จากขุยมะพราว ประกอบดวยสวนผสมดังนี้<br />
ขุยมะพราว 100 กรัม,ใย<br />
มะพราว 150 กรัม และกาวแปงเปยก 50 กรัม ผสมคลุกเคลาใหเขากัน<br />
จากนั้นนําไปอัดดวยเครื่องอัดไฮโดรลิกดวยแรงอัดที่<br />
10 ตัน ทั้งนี้<br />
สวนผสมดังกลาวจะผลิตกระถางขนาดเสนผาศูนยกลางประมาณ6 นิ้วได<br />
จํานวน1กระถางและหลังจากนํากระถางที่ไดไปตากทิ้งไวประมาณ<br />
10<br />
นาที เมื่อกระถางแหงดีแลวก็สามารถนําไปใชงานไดทันที<br />
[3] วิทยาลัยการอาชีพดานซาย (2552) การดําเนินโครงการ<br />
เรื่องกระถางดอกไมเศษวัสดุเหลือใช<br />
Leavings flowerpot มีขั้นตอนการ<br />
ทํางาน และศึกษารวบรวมขอมูล เพื่อนําเอาขอมูลที่รวบรวมมาสราง<br />
กระถางดอกไมจากเศษวัสดุเหลือใช ซึ่งไดขอมูลจากสื่อตางๆดังนี้คนหา<br />
รูปแบบการทํากระถางที่แปลกใหม<br />
.การออกแบบ และประดิษฐกระถาง<br />
339<br />
ตนไม จากเศษกระดาษและวัสดุเหลือใชนํากระดาษมาแชน้ําทิ้งไว<br />
ประมาณ 4 ชั่วโมง<br />
แลวนําปนใหละเอียดนํากระดาษละเอียดมาผสมกับ<br />
กาวน้ําใหเขากัน<br />
แลวใสผงชอลกที่เหลือทําใหเกิดการแข็งตัว<br />
นํา<br />
สวนผสมที่ไดใสลงบนแมพิมพของกระถางแลวนําไปตากแดดใหแห<br />
จากนั้นนําแบบของแมพิมพกระถางมา<br />
แลวนํากระดาษหนังสือพิมพมา<br />
แปะรอบนอกกระถาง เพื่อใหผิวกระถางเรียบ<br />
เพื่อนํากระถางดอกไมจาก<br />
เศษกระดาษและวัสดุเหลือใช มาทาสีน้ํามันเพื่อใหเกิดความสวยงาม<br />
แลว<br />
ปลอยใหแหงและทําการวาดลวดลายตามตองการ<br />
[4] นายเฉลิม บัวสิงห และนายศตภิษั ไกรษี (2553) ไดศึกษา<br />
เรื่อง<br />
กระถางยอยสลายเองตามธรรมชาติจากขี้เลื่อยยางพาราซึ่งกระถาง<br />
ตนไมในปจจุบันมีการผลิตและใชพลาสติกเปนจํานวนมาก จึงคิดหาวิธีที่<br />
จะทํากระถางยอยสลาย ที่ทําจากขี้เลื่อยยางพาราแทนกระถางพลาสติกที่<br />
ยอยสลายเองไมได การใชขี้เลื่อยอยางเดียวจะรับแรงไดนอยกวาเสนใย<br />
ยาว และตองใชตัวประสานมากจะทําใหราคาสูงตามไปดวย ความรูที่ได<br />
คงเปนสูตรที่เหมาะสม<br />
ซึ่งตองปรับอัตราสวนหลายคา<br />
เพียงเปลี่ยนแปลง<br />
ลักษณะภายภาพของขี้เลื่อย<br />
ไมบด, สับ, บดละเอียดคงไมพอ จะใชขอมูล<br />
ความแข็งแรงการอุมน้ําและการยอยสลาย<br />
อธิบายคุณภาพของกระถางแต<br />
ไมไดบอกวาจะเก็บขอมูลอยางไร คาสมบัติที่ยอมรับไดคือคาอะไร<br />
เปรียบเทียบกับกระถางตนไม ในพื้นที่มีปริมาณขี้เลื่อยเพียงพอใหนํามา<br />
ผลิตกระถางหรือไม เพราะการนําไปใชเพาะเห็ดจะมีคุณคามากกวา<br />
[5] นายวุฒิชัย เกื้อเล็กและคณะ<br />
(2553) วิจัยเรื่อง<br />
ผลิตภัณฑ<br />
กระถางตนไมจากวัสดุธรรมชาติ มีวัตถุประสงคเพื่อผลิตกระถางปลูก<br />
ตนไมจากวัสดุธรรมชาติแทนถุงพลาสติก และเพื่อลดปญหาภาวะโลก<br />
รอน ในการศึกษามีขั้นตอน<br />
คือ นําเศษวัสดุจากธรรมชาติ เชน<br />
ขุยมะพราว ขี้เลื่อย<br />
ปุยหมัก<br />
(มูลสัตวผสมกับดิน จํานวน 1,000 กรัม และ<br />
กาวแปงเปยก จํานวน 500 มิลลิลิตร ผสมคลุกเคลาใหเขากันตาม<br />
อัตราสวน จากนั้นนําสวนผสมที่ไดเขาสูกระบวนการอัด<br />
จะไดกระถาง<br />
ตนไมที่มีรูปทรงและลักษณะตามที่ตองการ<br />
นํากระถางตนไมที่ไดไปตาก<br />
แดดทิ้งไวประมาณ<br />
2-3 วัน ตกแตงรูปตามความตองการ เมื่อกระถาง<br />
ตนไมแหงดีแลวก็สามารถนําตนกลามาปลูกไดทันที จากการทดลอง<br />
พบวากระถางตนไมจากวัสดุธรรมชาติมีความสามารถในการอุมน้ําและ<br />
การระบายความรอนของกรถางไดดี สามารถยอยสลายไดเองตาม<br />
ธรรมชาติและไมมีมลพิษตอสิ่งแวดลอม
ตารางที่<br />
4 ระยะเวลาในการยอยสลายในดิน<br />
การทดลอง A B C<br />
ผลการทดสอบการยอย<br />
สลายในดิน(วัน)<br />
1 150 59 1500 38<br />
7 150 67.5 1000 36<br />
11 146 59 1500 37<br />
12 148 59 1500 39<br />
21 150 59 1500 38<br />
26 150 59 1000 36<br />
28 148 67.5 1500 40<br />
30 150 67.5 1500 42<br />
33 150 67.5 1500 42<br />
34 150 59 1000 36<br />
35 150 67.5 1000 38<br />
54 148 59 1500 38<br />
จากตารางที่<br />
4 จะเห็นวา จํานวนวันที่ใชในการยอยสลายใน<br />
ดินที่สั้นที่สุด<br />
คือ 36 วัน ซึ่งเปนกระถางเพาะชําที่มีประสิทธิภาพดีที่สุด<br />
มี<br />
ดังนี้<br />
กระถางที่<br />
7 สัดสวน คือ 150:67.5:1000 (ปริมาณขี้เลื่อย:ปริมาณตัว<br />
ประสาน:แรงอัด) กระถางที่<br />
26 และ 34 สัดสวน คือ 150:59:1000<br />
(ปริมาณขี้เลื่อย:ปริมาณตัวประสาน:แรงอัด)<br />
สรุปไดดังนี้<br />
กระถางเพาะชําจากขี้เลื่อยทั้ง<br />
3 กระถางนี้<br />
ใหประ<br />
สิทธิที่เหมือนกันแตสัดสวนไมเทากัน<br />
โดยแตกตางกันที่ปริมาณตัว<br />
ประสาน คือ 59 และ 67.5 กรัม เนื่องการใชปริมาณตัวประสานที่<br />
67.5<br />
กรัม เปนการเพิ่มตนทุนคือตองใชปริมาณขี้เลื่อยมากที่สุด<br />
ดังนั้น<br />
จึงเลือก<br />
ปริมาณตัวประสานที่<br />
59 กรัม เพื่อเปนการประหยัดตนทุน<br />
ดังนั้น<br />
ประสิทธิภาพกระถางที่ดีที่สุดในการทดสอบ<br />
คือสัดสวนที่<br />
150:59:1000<br />
(ปริมาณขี้เลื่อย:ปริมาณตัวประสาน:แรงอัด)<br />
คือ กระถางที่<br />
26 และ<br />
กระถางที่<br />
34<br />
6. ขอเสนอแนะ<br />
6.1 สําหรับงานวิจัยนี้ทําการศึกษาปจจัยเพียง<br />
3 ปจจัย แตละ<br />
ปจจัยมีเพียง 3 ระดับ เนื่องจากขอจํากัดดานระยะเวลาการวิจัย<br />
หากมีการ<br />
วิจัยตอไปควรมีการศึกษาปจจัยและระดับของปจจัยที่มากกวานี้<br />
และควร<br />
จะศึกษาผลกระทบของสภาพแวดลอมที่มีผลตอการยอยสลาย<br />
6.2 งานวิจัยนี้มีการทดลองทําซ้ําเพียง<br />
2 ครั้ง<br />
ซึ่งทําใหมีความ<br />
นาเชื่อถือของการทดลองมีไมมากนัก<br />
ดังนั้น<br />
การเพิ่มความนาเชื่อถือ<br />
ใหกับขอมูลควรมีการเพิ่มจํานวนซ้ําของขอมูลไวตั้งแต<br />
5 ถึง 10 ครั้ง<br />
จะ<br />
ทําใหเกิดประโยชนอยางยิ่งตอการออกแบบการทดลองกระถางเพาะชํา<br />
จากขี้เลื่อย<br />
ซึ่งสามารถนํามาเปนงานวิจัยขั้นตอไปได<br />
343<br />
กิตติกรรมประกาศ<br />
ขอขอบคุณ คุณวันวิสา เกษศิระและคุณจันทรสุดา<br />
เหมือนมาตยสําหรับการเก็บขอมูล<br />
เอกสารอางอิง<br />
[1] ปทุมทิพย ตนทับทิมทอง, มาริสา จินะดิษฐ, สุรัตน บุญพึ่ง<br />
และจิระพล กลิ่นบุญ.<br />
(2550), การวิจัยกระถางตนไมจากวัสดุ<br />
เหลือใชทางเกษตร. วิทยานิพนธ คณะวิชาเทคโนโลยีเคมี<br />
สถาบันเทคโนโลยีราชมงคลกรุงเทพ<br />
[2] ปารเมศ ชุติมา. (2545), “การออกแบบการทดลองทางวิศวกรรม”.<br />
กรุงเทพมหานคร : สํานักพิมพแหงจุฬาลงกรณมหาวิทยาลัย<br />
[3] วิทยาลัยการอาชีพดานซาย (2552) , กระถางดอกไมเศษวัสดุ<br />
เหลือใช Leavings flowerpot , วิทยาลัยการอาชีพดาน<br />
ซาย จังหวัด เลย ภาค ตะวันออกเฉียงเหนือ<br />
[4] นายเฉลิม บัวสิงห และนายศตภิษั ไกรษี (2553) , กระถางยอย<br />
สลายเองตามธรรมชาติจากขี้เลื่อยยางพารา<br />
, จังหวัดศรีสะเกษ<br />
[5] นายวุฒิชัย เกื้อเล็กและคณะ<br />
(2553) , ผลิตภัณฑกระถางตนไม<br />
จากวัสดุธรรมชาติ , วิทยาลัยการอาชีพบางแกว<br />
[6] นายฉลอง สีแกวสิ่ว.<br />
(2552), Full Factorial Design.<br />
[ออนไลฟน] http://www.statistics.ob.tc/Full_DOE.htm<br />
ภาคผนวก<br />
ตารางภาคผนวก ก การบันทึกผลในการยอยสลายในดินของกระถาง<br />
เพาะชําจากขี้เลื่อย<br />
การทดลองที่<br />
A B C<br />
ผลทดสอบการสลายในดิน<br />
(วัน)<br />
1 150 59 1500 38<br />
2 146 67.5 1500 36<br />
3 146 51 1500 32<br />
4 148 67.5 1500 40<br />
5 148 59 500 28<br />
6 146 59 1000 30<br />
7 150 67.5 1000 36<br />
8 150 59 500 30<br />
9 146 51 1000 32<br />
10 146 67.5 1500 38<br />
11 146 59 1500 37<br />
12 148 59 1500 39<br />
13 148 51 1000 34<br />
14 148 51 1000 34<br />
15 148 67.5 500 30
ตารางภาคผนวก ก (ตอ)<br />
การทดลองที่<br />
A B C<br />
ผลทดสอบการสลายในดิน<br />
(วัน)<br />
16 146 67.5 500 28<br />
17 150 51 1500 36<br />
18 146 67.5 1000 34<br />
19 146 59 500 26<br />
20 148 59 1000 32<br />
21 150 59 1500 38<br />
22 148 59 1000 37<br />
23 146 67.5 500 28<br />
24 148 67.5 1000 34<br />
25 150 51 500 30<br />
26 150 59 1000 36<br />
27 146 51 1500 36<br />
28 148 67.5 1500 40<br />
29 146 59 1000 32<br />
30 150 67.5 1500 42<br />
31 146 67.5 1000 34<br />
32 148 67.5 500 30<br />
33 150 67.5 1500 42<br />
34 150 59 1000 36<br />
35 150 67.5 1000 38<br />
36 148 51 500 28<br />
37 146 51 1000 32<br />
38 150 67.5 500 30<br />
39 148 59 500 28<br />
40 146 59 500 26<br />
41 150 67.5 500 30<br />
42 150 51 1000 34<br />
43 150 51 500 28<br />
44 150 51 1000 34<br />
45 150 51 1500 38<br />
46 148 51 500 28<br />
47 146 51 500 26<br />
48 146 51 500 26<br />
49 146 59 1500 38<br />
50 148 67.5 1000 36<br />
51 150 59 500 28<br />
52 148 51 1500 36<br />
53 148 51 1500 37<br />
54 148 59 1500 38<br />
344<br />
ประวัติผูเขียนบทความ<br />
นายพรเทพ แกวเชื้อ<br />
เบอรโทรศัพทที่สามารถติดตอไดสะดวก<br />
084 – 880 – 0068<br />
E-Mail ouijishiro@yahoo.com<br />
ขอมูลทางการศึกษา<br />
ระดับ<br />
การศึกษา<br />
จาก<br />
ป พ.ศ.<br />
ถึง<br />
ป พ.ศ.<br />
ปริญญาตรี 2543 2547 มหาวิทยาลัย<br />
เกษตรศาสตร<br />
ปริญญาโท 2547 2550 มหาวิทยาลัย<br />
เกษตรศาสตร<br />
ชื่อสถานศึกษา<br />
สาขาวิชา<br />
วิศวกรรมศาสตรสาขา<br />
วิศวกรรมอุตสาหการ<br />
วิศวกรรมศาสตรสาขา<br />
วิศวกรรมอุตสาหการ<br />
งานวิจัยที่สนใจ<br />
บรรจุภัณฑ , การเพิ่มประสิทธิภาพ<br />
, ลดของเสีย , ผัง<br />
โรงงาน , การยศาสตร ประสบการณการทํางานป พ.ศ. 2547 – ปจจุบัน<br />
อาจารยประจําภาควิชาวิศวกรรมอุตสาหการและโลจิสติกส มหาวิทยาลัย<br />
เทคโนโลยีมหานคร เลขที่<br />
140 ถนนเชื่อมสัมพันธ<br />
กระทุมราย<br />
หนองจอก<br />
กรุงเทพ 10530 เบอรโทรศัพทที่ทํางาน<br />
02 – 988 – 3655 ตอ 2356,<br />
2357, 084-880-0068
New<br />
D<br />
High<br />
Cur<br />
0.96932 Low<br />
Composite<br />
Desirability<br />
0.96932<br />
Diameter<br />
Targ: 4.8725<br />
y = 4.8725<br />
d = 0.99868<br />
Roughnes<br />
Minimum<br />
y = 2.4416<br />
d = 1.0000<br />
Cycle Ti<br />
Minimum<br />
y = 42.3665<br />
d = 0.52670<br />
A<br />
B C D E<br />
2.0<br />
[1.1111]<br />
-2.0<br />
2.0<br />
[0.0606]<br />
-2.0<br />
2.0<br />
[1.8383]<br />
-2.0<br />
2.0<br />
[-0.4950]<br />
-2.0<br />
2.0<br />
[-0.4654]<br />
-2.0<br />
รูปที่<br />
4 Optimization Plot ของการวิเคราะหดวย Response Optimizer<br />
2.4 ยืนยันผลการวิเคราะหขอมูล<br />
ทําการยืนยันผลโดยนําคาพารามิเตอรที่เหมาะสม<br />
มาทําการ<br />
ทดลองผลิตจริง โดยทดลองและสุมเก็บชิ้นงานทั้งหมด<br />
20 ครั้ง<br />
และ<br />
บันทึกคาของตัวแปรตอบสนองทั้งสามชนิด<br />
หลังจากนั้นผูวิจัยได<br />
วิเคราะหเปรียบเทียบผลกอนและหลังปรับปรุง ดังตารางที่<br />
5 พบวา<br />
หลังจากการปรับปรุง เสนผาศูนยกลางสวนกานและความหยาบผิวมี<br />
คาเฉลี่ยใกลเคียงกับคาเปาหมายมากขึ้น<br />
สวนเบี่ยงเบนมาตรฐานมีคา<br />
ลดลง ซึ่งทําใหคา<br />
Cpk ของเสนผาศูนยกลางสวนกานและความหยาบผิวมี<br />
คาเทากับ 4.06 และ 2.37 ตามลําดับ ในขณะที่รอบเวลาผลิตหลังปรับปรุง<br />
มีคาลดลงเหลือเพียง 37 วินาที<br />
่ ตารางที 5 วิเคราะหเปรียบเทียบผลกอนและหลังการปรับปรุง<br />
คา Cpk และคาสถิติ กอนการปรับปรุง หลังการปรับปรุง<br />
เสนผาศูนยกลาง<br />
เปาหมาย 4.8725 4.8725<br />
คาเฉลี่ย<br />
4.8797 4.8775<br />
สวนเบี่ยงเบนมาตรฐาน<br />
0.0052 0.0023<br />
คา Cpk ความหยาบผิว<br />
0.81 4.06<br />
เปาหมาย 2.50 2.50<br />
คาเฉลี่ย<br />
3.59 2.73<br />
สวนเบี่ยงเบนมาตรฐาน<br />
0.59 0.32<br />
คา Cpk 0.80 2.37<br />
รอบเวลาผลิต 45 37<br />
3. สรุป<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อหาสภาวะที่เหมาะสมสําหรับ<br />
กระบวนการผลิตแกนกระทุงคลัตชที่มีผลตอเสนผาศูนยกลางสวนกาน<br />
ความหยาบผิว และรอบเวลาผลิต โดยใชวิธีการออกแบบการทดลอง<br />
เซ็นทรัลคอมโพสิตแบบ 2 5-1 แฟคทอเรียลบางสวน ซึ่งระดับปจจัยที่<br />
เหมาะสมที่ไดจากการวิเคราะหดวยฟงกชัน<br />
Response Optimizer ใน<br />
348<br />
โปรแกรม Minitab คือความเร็วรอบของการกลึงหยาบเทากับ 4,583 รอบ<br />
ตอนาที อัตราปอนของการกลึงหยาบเทากับ 0.72 มิลลิเมตรตอนาที ความ<br />
ลึกตัดของการกลึงหยาบเทากับ 1.25 มิลลิเมตร ความเร็วรอบของการกลึง<br />
ละเอียดเทากับ 3,379 รอบตอนาที และอัตราปอนของการกลึงละเอียด<br />
เทากับ 0.11 มิลลิเมตรตอนาที ทําใหเสนผาศูนยกลางสวนกานเทากับ<br />
4.8725 มิลลิเมตร ความหยาบผิวเทากับ 2.44 ไมโครเมตร และรอบเวลา<br />
ผลิตเทากับ 42.36 วินาที โดยคาความพึงพอใจรวมเทากับ 0.97 ซึ่งเมื่อนํา<br />
คาพารามิเตอรเหลานี้มาทําการยืนยันผลเพื่อเปรียบเทียบความแตกตาง<br />
ระหวางกอนและหลังการปรับปรุงโดยใชวิธีการทางสถิติในการทดสอบ<br />
พบวาเสนผาศูนยกลางสวนกานและความหยาบผิวมีคาเฉลี่ยหลังปรับปรุง<br />
ใกลเคียงคาเปาหมายมากกวากอนปรับปรุง ที่ระดับความเชื่อมั่น<br />
95% ซึ่ง<br />
เปนผลใหคา Cpk ของตัวแปรตอบสนองทั้งสองมีคาเพิ่มมากขึ้น<br />
ในขณะที่<br />
รอบเวลาผลิตหลังปรับปรุงมีคาลดลง<br />
4. ขอเสนอแนะ<br />
ควรทําการศึกษาอิทธิพลที่เกิดจากการตั้งคาระดับของปจจัย<br />
ทั้ง<br />
5 ปจจัยที่มีผลตอการสึกหรอของเม็ดมีด<br />
ซึ่งเปนแนวทางที่สามารถ<br />
นํามาศึกษาตอไดในอนาคต<br />
5. กิตติกรรมประกาศ<br />
ขอขอบคุณ บริษัทไดเทค พรีซิชัน จํากัด ที่อนุเคราะหสถานที่<br />
และอุปกรณในการทําวิจัย และบริษัทควอลิตี้<br />
รีพอรท จํากัด ที่อนุเคราะห<br />
กลองไมโครสโคปชนิดเลเซอรสแกนเนอรเพื่อใชวัดความหยาบผิว<br />
สําหรับงานวิจัยนี้<br />
เอกสารอางอิง<br />
[1] สัจจาทิพย ทัศนียพันธุ<br />
และคณะ. 2544. เทคโนโลยีซีเอ็นซี การ<br />
โปรแกรมและการใชงานสําหรับเครื่องกลึงและเครื่องกัด.<br />
พิมพครั้ง<br />
ที่<br />
1. สํานักพัฒนาอุตสาหกรรมสนับสนุน กรมสงเสริมอุตสาหกรรม<br />
และสถาบันคนควาและพัฒนาเทคโนโลยีการผลิตทางอุตสาหกรรม<br />
คณะวิศวกรรมศาสตร มหาวิทยาลัยเกษตรศาสตร, กรุงเทพฯ.<br />
[2] ประไพศรี สุทัศน ณ อยุธยา และพงศชนัน เหลืองไพบูลย. 2551.<br />
การออกแบบและการวิเคราะหการทดลอง. พิมพครั้งที่<br />
1. บริษัท<br />
สํานักพิมพทอป จํากัด, กรุงเทพฯ.<br />
[3] ปารเมศ ชุติมา. 2545. การออกแบบการทดลองทางวิศวกรรม. พิมพ<br />
ครั้งที่<br />
1. จุฬาลงกรณมหาวิทยาลัย, กรุงเทพฯ.<br />
[4] Montgomery, D.C. 2009. Design and Analysis of Experiment. 7 th<br />
ed. John Wiley & Sons, Inc., New York.
349<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การหาจุดแบงของตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภทสําหรับการพยากรณการจําแนกขอมูล<br />
โดยใชฟงกชันคอมพลีเมนทารี ล็อก ล็อก เปนฟงกชันเชื่อมโยง<br />
The Cut-Off Point Estimation Of Binary Logistic Regression Model For Predictive Classification<br />
Using Complementary Log-Log Function As A Link Function<br />
นิภาพรรณ ไพจินดา 1 และสุพล ดุรงควัฒนา 2<br />
1, 2<br />
ภาควิชาสถิติ คณะพาณิชยศาสตรและการบัญชี จุฬาลงกรณมหาวิทยาลัย<br />
254 ถ.พญาไท แขวงวังใหม เขตปทุมวัน กรุงเทพฯ 10330<br />
E-mail: 1, 2 toktakkab@hotmail.com<br />
บทคัดยอ<br />
การศึกษานี้มีวัตถุประสงคเพื่อหาจุดแบงของตัวแบบ<br />
ถดถอยโลจิสติกแบบ2ประเภทสําหรับการพยากรณการจําแนกขอมูล เมื่อ<br />
จํานวนของตัวแปรอิสระเพิ่มขึ้น,<br />
ขนาดตัวอยางใหญขึ้น,<br />
สัดสวนของ<br />
ความสําเร็จและความลมเหลวของลักษณะที่สนใจศึกษาเปลี่ยน<br />
และเมื่อ<br />
ระดับของความสัมพันธระหวางตัวแปรอิสระดวยกันมีคาเพิ่มมากขึ้น<br />
โดยใชฟงกชันคอมพลีเมนทารี ล็อก ล็อก เปนฟงกชันเชื่อมโยงในการหา<br />
จุดแบง<br />
คําสําคัญ : การจําแนกขอมูล, จุดแบง, การถดถอยแบบโลจิสติก, ฟงกชัน<br />
คอมพลีเมนทารี ล็อก ล็อก<br />
Abstract<br />
The purpose of this study is to find out the cut-off point<br />
estimation of binary logistic regression model for predictive<br />
classification. When the independent variables increases ,the sample<br />
size increases ,the proportion of success and failure in data set changes<br />
and degree of collinearity among independent variables becomes<br />
higher. This select cut-off point by using complementary log-log<br />
function as a link function<br />
Keywords: Classification Error rate, Cut-off points, Logistic regression,<br />
Complementary Log-Log function<br />
1.บทนํา<br />
ตัวแบบถดถอยโลจิสติกแบบ 2 กลุม<br />
ถูกนํามาใชในการ<br />
พยากรณ ตัวแปรตาม เชิงคุณภาพซึ่งมีลักษณะสิ่งที่สนใจเปนความสําเร็จ<br />
และความลมเหลว โดยใช ตัวแปรอิสระเปนตัวพยากรณ<br />
ในการทํานายวาสถานะของบริษัทใกลจะลมละลายหรือไม<br />
หรือ นักวิจัยทางการแพทยตองการพยากรณผูปวยของเขาวา<br />
เสี่ยงตอการ<br />
เปนโรคหรือไม โดยการใชตัวแปรเชิงปริมาณ บางตัว ตัวอยางเชน ความ<br />
ดันโลหิต ระดับคลอเรสเตอรอล ระดับน้ําตาลในเลือด<br />
เปนตน เปนตัว<br />
พยากรณทางการแพทยเชนกัน เกือบทั้งหมดของปญหาและงานวิจัยจะ<br />
ดําเนินการในการทํานายผลอยางใดอยางหนึ่งของตัวแปรตาม<br />
โดยใชกลุม<br />
ของตัวแปรอิสระ โดยปกติมักจะใช ระดับที่<br />
0.5 ในการหาจุดแบง ( cut of<br />
point ) ที่ไมสนใจการแจกแจงของขอมูลของตัวแปรอิสระ<br />
ขนาดตัวอยาง<br />
สัดสวนของขอมูลสองกลุม<br />
และ ความสัมพันธของตัวแปรอิสระ จุดแบง<br />
นี้ถูกใชมาเปนเวลานาน<br />
แตคําถามคือ จุดแบง( cut of point ) ที่เทาไหร<br />
จะ<br />
เหมาะสมที่สุดสําหรับ<br />
การจัดหมวดหมูสําหรับ<br />
ขอมุลหนึ่งในสองกลุม<br />
ซึ่งเปนสิ่งที่ทําใหสนใจศึกษางานวิจัยชิ้นนี้<br />
ซึ่งตัวแบบการถดถอยโลจิสติกมีลักษณะความสัมพันธที่<br />
ไมใชเสนตรง ดังนั้นจึงมีการใชฟงกชันเชื่อมโยง(Link<br />
function) เขามา<br />
ชวยในการพยากรณและตีความหมาย ตัวอยางฟงกชันเชื่อมโยง<br />
(Link<br />
function) เชน ฟงกชันโลจิท ฟงกชันโพรบิท และ ฟงกชันคอมพลีเมนทา<br />
รีล็อก-ล็อก เปนตน ซึ่งลักษณะการเลือกฟงกชันเชื่อมโยงแตละฟงกัชัน<br />
นั้นก็ขึ้นอยูกับลักษณะการกระจายของขอมูล<br />
ซึ่งการมาซึ่งขอมูลที่มี<br />
ลักษณะการกระจายที่สมมาตร<br />
เราจะใชฟงกชันเชื่อมโยงแบบโลจิท<br />
สําหรับขอมูลที่เราจะทําการศึกษาในครั้งนี้มีลักษณะของ<br />
ขอมูลที่มีการกระจายที่ไมสมมาตร<br />
เราจึงเลือกใชฟงกชันเชื่อมโยงแบบ<br />
คอมพลีเมนทารีล็อก-ล็อก เปนฟงกชันเชื่อมโยง<br />
ซึ่งเราจะนําฟงกชันนี้ไป<br />
ใชในการคํานวณจุดแบง (cut of point) แลวนําไปพยากรณหาจุดแบงที่ดี<br />
ที่สุด
2. ตัวแบบและทฤษฏีที่เกี่ยวของ<br />
2.1 ตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภท (Binary<br />
Logistic Regression Model)<br />
เปนตัวแบบที่ศึกษาถึงความสัมพันธของตัวแปร<br />
2 กลุม<br />
ไดแก<br />
กลุมตัวแปรอิสระ<br />
(X) และกลุมของตัวแปรตาม<br />
(Y) ซึ่งตัวแปรตามนี้เปน<br />
ตัวแปรเชิงคุณภาพมีคาไดเพียง 2 คา โดยพิจารณาในรูปของความสําเร็จ<br />
และความลมเหลว โดยที่<br />
Y=1 เมื่อพบความสําเร็จ<br />
และ Y=0 เมื่อพบความ<br />
ลมเหลว ซึ่งเมื่อไดตัวแบบความสัมพันธระหวางตัวแปรแลวจะสามารถ<br />
นําไปใชพยากรณโอกาสที่แตละหนวยจะอยูในกลุมใดกลุมหนึ่งได<br />
ตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภท สําหรับการ<br />
พยากรณการจําแนกกลุม[2]<br />
เปนไปดังนี้<br />
จาก (1)<br />
เนื่องจากตัวแปรตาม<br />
Y มีคาไดเพียง 2 คา คือ 0 และ 1 ดังนั้น<br />
จึงมีการแจก<br />
แจงแบบเบอรนูลลี (Bernoulli Distribution)<br />
เมื่อเราทราบการแจกแจงของ<br />
Y เราสามารถสรางฟงกชัน<br />
ภาวะนาจะเปนได เนื่องจากการประมาณคาไมไดเปนไปตามรูปแบบ<br />
เรา<br />
จึงตองใชวิธีการประมาณเชิงตัวเลข(จําเปนตองทําซ้ําเพื่อใหไดซึ่งตัว<br />
ประมาณภาวะนาจะเปนสูงสุด(MLE) โดยทําการทําซ้ํา<br />
1 ครั้งจะไดตัว<br />
ประมาณภาวะนาจะเปนสูงสุด แลวทําการคํานวณ<br />
คาประมาณของ ดังนี้<br />
เมื่อประมาณคาพารามิเตอรดวยภาวะความนาจะเปนสูงสุดในตัว<br />
แบบถดถอยโลจิสติกแบบ 2 ประเภท แลวจะสามารถนําไปใชในการ<br />
พยากรณการจําแนกกลุมของตัวแบบ<br />
ดังนี้<br />
หนวยที่<br />
ถูกจัดใหอยูในกลุมที่เกิดสิ่งที่สนใจ<br />
ถา<br />
หนวยที่<br />
ถูกจัดใหอยูในกลุมที่ไมเกิดสิ่งที่สนใจ<br />
ถา<br />
เมื่อ<br />
c คือ จุดแบง หรือ ระดับของความนาจะเปนที่ใชในการ<br />
พิจารณาการจําแนกกลุมวาแตละหนวยจะอยูในกลุมใดระหวางกลุมการ<br />
เกิดเหตุการณที่สนใจ<br />
และกลุมที่ไมเกิดเหตุการณที่สนใจ<br />
(2)<br />
350<br />
2.2 ตัวแบบคอมพลีเมนทารีล็อก-ล็อก (Complementary loglog<br />
Model)<br />
ตัวแบบคอมพลีเมนทารีล็อก-ล็อก (Complementary log-log<br />
model) เปนสวนที่ขยายจากตัวแบบโลจิท<br />
(Logit model) และตัวแบบโพ<br />
รบิท (Probit model) เมื่อคา<br />
เพิ่มขึ้นจาก<br />
0 คอนขางชา แตคาของ<br />
จะมีคาเขาใกล 1 อยางรวดเร็ว และเหมาะกับขอมูลที่มีการกระจายแบบ<br />
ไมสมมาตร<br />
ตัวแบบคอมพลีเมนทารีล็อก-ล็อกในรูปความสัมพันธเชิงเสน<br />
(4)<br />
โดยที่<br />
และ<br />
คือ คาความนาจะเปนเมื่อเกิดเหตุการณที่สนใจในหนวยที่<br />
คือ ตัวแปรตามเชิงคุณภาพที่มีคาไดเพียง<br />
2 คา คือ 0 และ 1<br />
คือ ตัวแปรแฝง(Latent variable) ที่ไมสามารถสังเกตไดจึงไม<br />
ทราบคาที่แทจริงทราบเพียงแตผลที่เกิดขึ้น<br />
คือ เวกเตอรตัวแปรอิสระหนวยที่<br />
คือ เวกเตอรพารามิเตอรของตัวแบบ<br />
คือ ตัวแปรคาคลาดเคลือนที่เปนอิสระกัน<br />
หรือคาคาดหมาย<br />
อยางมีเงื่อนไข(Conditional<br />
expectation) หนวยที่<br />
ตัว แปรสุมปกติ<br />
มาตราฐาน โดย<br />
2.3 การประมาณคาพารามิเตอรดวยวิธีภาวะนาจะเปนสูงสุด<br />
(Maximum Likelihood Estimation)<br />
การหาคาตัวประมาณคาสัมประสิทธิ์การถดถอยดวยวิธีภาวะ<br />
นาจะเปนสูงสุด[3] คือตองทําให L มีคามากที่สุดโดยทําการหาอนุพันธ<br />
เทียบกับ ตางๆ เมื่อเราทราบการแจกแจงของ<br />
Y เราจะสามารถสราง<br />
ฟงกชันภาวะนาจะเปนได เนื่องจากการประมาณคาไมไดเปนไปตาม<br />
รูปแบบ เราจึงตองใชวิธีการประมาณเชิงตัวเลข (จําเปนตองทําซ้ําเพื่อให<br />
ไดมาซึ่งตัวประมาณภาวะนาจะเปนสูงสุด<br />
(MLE) โดยในการทําซ้ํา<br />
1 ครั้ง<br />
จะไดตัวประมาณภาวะนาจะเปนสูงสุด<br />
แลวทําการคํานวณคาประมาณของ โดยที่<br />
ดังนี้<br />
(3)<br />
; (5)<br />
เมื่อประมาณคาพารามิเตอรดวยวิธีภาวะนาจะเปนสูงสุดในตัว<br />
แบบการถดถอยโลจิสติกแบบ 2 ประเภทแลว จะสามารถนําไปใชในการ<br />
พยากรณการจําแนกกลุมของตัวแบบ<br />
ดังนี้
- หนวยที่<br />
i จะถูกจัดใหอยูในกลุมของความสําเร็จของ<br />
ลักษณะที่สนใจศึกษา<br />
Y1 ถา<br />
- หนวยที่<br />
i จะถูกจัดใหอยูในกลุมของความลมเหลวของ<br />
ลักษณะที่สนใจศึกษา<br />
(Y=0) ถา<br />
เมื่อ<br />
c คือ จุดแบงหรือระดับของความนาจะเปนที่ใชในการ<br />
พิจารณาการจําแนกกลุมวาแตละหนวยจะอยูในกลุมใดระหวางกลุมของ<br />
ความสําเร็จและกลุมของความลมเหลวของลักษณะที่สนใจศึกษา<br />
2.4 ชวงความเชื่อมั่น<br />
(Confidence Interval)<br />
การประมาณคาแบบชวง [4] หรือชวงความเชื่อมั่นเปนการ<br />
ประมาณคาพารามิเตอรของประชากรในรูปแบบชวงโดยใชขอมูล<br />
ตัวอยาง การประมาณแบบชวงนั้นจะบอกถึงคาต่ําสุดและคาสูงสุดของ<br />
พารามิเตอรที่เปนไปได<br />
ระดับของคาความเชี่อมั่นที่ใชในการสรางชวงความเชื่อมั่น<br />
นั้นจะกําหนดเปนคาควบคูกับระดับนัยสําคัญ<br />
นั่นคือ<br />
ที่<br />
เรียกวาชวงความเชื่อมั่น<br />
จะไดวา<br />
เรียก L วาขีดจํากัดความเชื่อมั่นลาง<br />
(lower confidence limit)<br />
U วาขีดจํากัดความเชื่อมั่นบน<br />
(upper confidence limit)<br />
ในการศึกษานี้กําหนดให<br />
L หาจากคาที่ตําแหนงเปอรเซ็นตไทลที่<br />
U หาจากคาที่ตําแหนงเปอรเซ็นตไทลที่<br />
2.5 วิธีการหาจุดแบงที่เหมาะสมที่สุดสําหรับตัวแบบการ<br />
ถดถอยโลจิสติก<br />
ทฤษฎีของ Hadijicostas P.(2006) [1] วิธีการนี้ใชผลลัพธทาง<br />
คณิตศาสตรที่งายแตมีความถูกตองแมนยําในการหาจุดแบงที่ทําให<br />
สัดสวนความถูกตองในการจําแนกกลุมมีคาสูงสุด<br />
ดังนี้<br />
ให คือ ถา โดย<br />
ใดๆ และสําหรับ<br />
ให<br />
สําหรับแตละ<br />
ถา<br />
ถา และ<br />
ถา<br />
351<br />
ขอสังเกต<br />
ที่ซึ่ง<br />
ให คือสัดสวนความถูกตองในการจําแนกกลุมที่จุด<br />
โดยที่<br />
(7)<br />
ทฤษฎี บท ให สํ าหรั บ<br />
ให เปนเซตของ<br />
ที่ซึ่ง<br />
และให<br />
(6)<br />
j ทั้งหมด<br />
้ ่ ่<br />
้<br />
เปนเซตของ โดยมีวิธีการหาจุดตัดดังนี<br />
ทั งหมด<br />
แลว<br />
ที ซึ ง<br />
1. เรียงอันดับคา จากนอยไปหามาก โดย<br />
ถา คือจุดแบงแลวจะพยากรณใหเปนกลุมของความลมเหลวของ<br />
ลักษณะที่สนใจศึกษา<br />
2. สําหรับแตละ ใดๆ หาคา ซึ่ง<br />
คื อ ถ า โ ด ย<br />
สําหรับ หาคา<br />
โดยแบงเปน 2 กรณี คือ<br />
2.1 (8)<br />
ถา<br />
2.2 ถา (9)<br />
3. หา ซึ่งเปนเซตของ<br />
ทั้งหมด<br />
โดย ที่ซึ่ง<br />
4. หา ซึ่งเปนเซตของ<br />
ทั้งหมดโดย<br />
ที่ซึ่ง<br />
(10)<br />
แลว (11)<br />
3.วิธีการดําเนินงานวิจัย<br />
3.1 จําลองขอมูลตามขอบเขตที่ตองการศึกษาดังนี้<br />
1. ตัวแปรตาม (Y) เปนขอมูลเชิงคุณภาพที่มี<br />
2 คา คือ 0 และ 1 โดย<br />
กําหนดสัดสวนระหวางความสําเร็จ(Y=1) และความลมเหลว (Y=0)
ของลักษณะที่สนใจศึกษา<br />
ดังนี้ความสําเร็จ:ความลมเหลว<br />
ประมาณ<br />
ดวย 1: โดยที่<br />
2. จํานวนของตัวแปรอิสระ (p) ในการศึกษาครั้งนี้แบงเปน<br />
5 ระดับ คือ<br />
1,2,3,4,5<br />
3. ขนาดตัวอยาง (n) ในการศึกษาครั้งนี้แบงเปน<br />
3 ระดับ คือ เล็ก<br />
n=20,40 กลาง n=60,100 ใหญ n= 150,200<br />
4. ระดับความสัมพันธระหวางตัวแปรอิสระ ในการศึกษาครั้งนี้มี<br />
เงื่อนไขคือ<br />
โดยที่<br />
คือสัมประสิทธิ์สหสัมพันธระหวาง<br />
ตัวแปรอิสระตัวที่<br />
และตัวแปรอิสระตัวที่<br />
5. การแจกแจงของตัวแปรอิสระในการศึกษาครั้งนี้<br />
มีการแจกแจง แบบ<br />
ยูนิฟอรม<br />
6. กําหนดคาพารามิเตอรเริ่มตนของสมการการถดถอยเปนคาใดๆ<br />
ใน<br />
การศึกษาครั้งนี้กําหนดให<br />
และ<br />
โดย<br />
7. กําหนดระดับนัยสําคัญ ในการศึกษาครั้งนี้ที่ระดับ<br />
0.05<br />
3.2 ทําการจําลองขอมูลโดยใชเทคนิคมอนติคารโล[5] (Monte<br />
Carlo Simulation) ทําการทดลองซ้ํา<br />
500 รอบในแตละ<br />
สถานการณ<br />
3.3 คํานวณหา<br />
1. จุดแบงที่เหมาะสมที่สุดสําหรับขอมูลที่มีลักษณะตามที่ตองการ<br />
ศึกษา<br />
2. คาเฉลี่ยของจุดแบงที่เหมาะสมที่สุดและคารอยละ<br />
(Percent) พรอม<br />
ทั้งชวงความเชื่อมั่น<br />
(Confidence Interval)<br />
3. ใชตัวแบบการถดถอยเชิงพหุ (Multiple regression model) เพื่อ<br />
ประมาณคาพารามิเตอรสําหรับใชในการประมาณคาจุดแบงที่<br />
เหมาะสมที่สุดในสถานการณอื่นๆ<br />
ตอไป<br />
4. สรุปผลการวิจัย<br />
กรณีตัวแปรอิสระเพิ่ม<br />
352<br />
คาจุดแบงกรณีที่จานวนตัวแปรอิสระเพิ่มขึ้น<br />
เมื่อระดับ<br />
ความสัมพันธระหวางตัวแปรอิสระ สัดสวนของความลมเหลวของ<br />
ลักษณะที่สนใจศึกษาและขนาดตัวอยางคงที่<br />
สรุปผลไดวาเมื่อสัดสวนของความลมเหลวของลักษณะที่<br />
สนใจศึกษามีคาเทากับ 0.1 และ 0.5 ที่ทุกระดับความสัมพันธระหวางตัว<br />
แปรอิสระและทุก ระดับของ ขนาดตัวอยาง พบวา คาจุดแบงมีแนวโนม<br />
ลดลง เมื่อจํานวนตัวแปรอิสระเพิ่มขึ้นเมื่อสัดสวนของความลมเหลวของ<br />
ลักษณะที่สนใจศึกษามีคาเทากับ<br />
0.9 ตัวแปรอิสระไมมีความสัมพันธกัน<br />
(M = 0) และที่ทุกระดับของขนาดตัวอยาง<br />
พบวา คาจุดแบงมีแนวโนม<br />
เพิ่มขึ้น<br />
เมื่อสัดสวนของความลมเหลวของลักษณะที่สนใจศึกษามีคา<br />
เทากับ 0.9 ตัวแปรอิสระมีความสัมพันธกัน (M = 0.33, 0.67, 0.99) และ<br />
ขนาดตัวอยางปานกลาง (n = 60, 100) พบวา คาจุดแบงมีแนวโนมเพิ่มขึ้น<br />
เมื่อสัดสวนของความลมเหลวของลักษณะที่สนใจศึกษามีคาเทากับ<br />
0.9<br />
ตัวแปรอิสระมีความสัมพันธกัน (M = 0.33, 0.67, 0.99) และขนาด<br />
ตัวอยางใหญ (n = 200, 250) พบวา คาจุดแบงมีแนวโนมลดลงจาก<br />
ผลลัพธของคาของจุดแบง เมื่อจํานวนตัวแปรอิสระเปลี่ยนแปลง<br />
แต<br />
ขนาดตัวอยางระดับความสัมพันธระหวางตัวแปรอิสระและ สัดสวนของ<br />
ความลมเหลวของลักษณะที่สนใจศึกษาคงที่<br />
สรุปไดวา เมื่อจํานวนตัวแปรอิสระ<br />
เพิ่มขึ้นขนาดตัวอยางเล็ก<br />
และปานกลาง (n = 20, 40, 60,100) ที่สัดสวนของความลมเหลวของ<br />
ลักษณะที่สนใจศึกษามีคาเทากับ<br />
0.1 และ 0.9 คาจุดแบงมีคาลูเขาสู<br />
0.5<br />
ซึ่ง<br />
ที่สัดสวนของความลมเหลวของลักษณะที่สนใจศึกษา<br />
มีคาเทากับ 0.5<br />
คาจุดแบงจะมีคาใกลเคียง 0.5 ซึ่งเปนคา<br />
จุดแบงที่ถูกกําหนดใหใชกันใน<br />
ปจจุบัน แตเมื่อขนาดตัวอยางใหญ<br />
(n = 150, 200) ที่สัดสวนของความ<br />
ลมเหลวของลักษณะที่สนใจศึกษามีคาเทากับ<br />
0.1 และ 0.9คาจุดแบงมี<br />
คาตากวาที่สัดสวนของความลมเหลวของลักษณะที่สนใจศึกษามีคา<br />
เทากับ 0.5 คือมีคาต่ํากวา<br />
0.5 ดังนั้น<br />
จึงสามารถสรุปไดวา สัดสวนของ<br />
ความลมเหลวของ ลักษณะที่สนใจศึกษา<br />
ระดับความสัมพันธระหวางตัว<br />
แปรอิสระ ขนาดตัวอยางและจํานวนตัวแปรอิสระ เปนปจจัยที่มีผลตอคา<br />
ของจุดแบงที่เหมาะสมสาหรับการพยากรณการจําแนกขอมูลไมจัดกลุม<br />
ในตัวแบบการถดถอยโลจิสติกแบบ 2 ประเภท เมื่อใชทฤษฎีของ<br />
Hadjicostas P. (2006) [1] ในการหาคาจุดแบง<br />
กรณีระดับความสัมพันธระหวางตัวแปรอิสระเพิ่มขึ้น<br />
คาจุดแบงกรณีที่ระดับความสัมพันธระหวางตัวแปรอิสระ<br />
เพิ่มขึ้น<br />
เมื่อสัดสวนของความลมเหลวของลักษณะที่สนใจศึกษา<br />
ขนาด<br />
ตัวอยางและจานวนตัวแปรอิสระ คงที่<br />
สรุปผลไดวาเมื่อสัดสวนของความลมเหลวของลักษณะที่<br />
สนใจศึกษามี คาเทากับ 0.1 ที่ทุกระดับของ
354<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การเปรียบเทียบการจัดอันดับและมูลคาความเสี่ยง<br />
ระหวางตัวแบบโพรบิทแบบพลวัต และตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบพลวัต<br />
A Comparison on Ranking and Value at Risk<br />
between the Hazard Probit Model and the Hazard Probit with Gaussian Copula Model<br />
ศรัณยา สมทรง 1 และเสกสรร เกียรติสุไพบูลย 2<br />
1, 2<br />
ภาควิชาสถิติ คณะพาณิชยศาสตรและการบัญชี จุฬาลงกรณมหาวิทยาลัย<br />
254 ถนน พญาไท แขวงวังใหม เขตปทุมวัน กรุงเทพฯ 10330<br />
โทรศัพท/โทรสาร: 084-655-7224 E-mail: 1 Sarunya.ss@hotmail.com, 2 Seksan@acc.chula.ac.th<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อเปรียบเทียบการจัดอันดับคะแนน<br />
สินเชื่อและมูลคาความเสี่ยงของตัวแบบคะแนนสินเชื่อ<br />
2 ตัวแบบ คือ ตัว<br />
แบบโพรบิทแบบพลวัต และตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบ<br />
พลวัต โดยทําการศึกษาจากขอมูลจําลอง ภายใต 3 เงื่อนไข<br />
เงื่อนไขแรก<br />
คือ ขอมูลเปนแบบพลวัตซึ่งมีหลายชวงเวลา<br />
เงื่อนไขที่สอง<br />
ตัวแปรตาม<br />
เปนตัวแปรเชิงคุณภาพที่มีเพียง<br />
2 คา โดยใหคาสังเกตของตัวแปรตามใน<br />
ชวงเวลาเดียวกันมีความสัมพันธกันดวยปจจัยคอพพูลาเดียวกัน และคา<br />
สังเกตของตัวแปรตามในชวงเวลาที่ตางกันเปนอิสระกัน<br />
และเงื่อนไขที่<br />
สาม ตัวแปรอิสระมีจํานวน 2 ตัวแปร ซึ่งมีการแจกแจงแบบปกติ<br />
มาตรฐาน จากการวิเคราะหผลการจําลองพบวาการจัดอันดับคะแนน<br />
สินเชื่อจากสองตัวแบบไมแตกตางกัน<br />
ในขณะที่มูลคาความเสี่ยงที่<br />
คํานวณจากสองตัวแบบแตกตางกัน<br />
คําสําคัญ: ตัวแบบโพรบิท, เกาซเซียนคอพพูลา, มูลคาความเสี่ยง<br />
Abstract<br />
The objective of this research is to compare the ranking of<br />
the fitted scores and the value at risk (VaR) obtained from two credit<br />
scoring models: hazard probit model and hazard probit model with<br />
Gaussian copula. We perform our analysis on a simulated data set under<br />
3 model assumptions. First, the data set contains data in multiple<br />
periods. Second, the dependence variable is a binary variable. The<br />
observations of the dependence variable in the same period are<br />
correlated by a Gaussian copula factor. The observations of the<br />
dependent variables from different periods are independent. Third, there<br />
are two independence variables, which have standard normal<br />
distribution. From the analysis, the fitted credit scores from the two<br />
models are not different, but the values at risk from the two model are<br />
different.<br />
Keywords: Probit Model, Gaussian Copula, Value at Risk<br />
1. บทนํา<br />
ความเสี่ยงดานเครดิต<br />
(Credit Risk) เปนความเสี่ยงประเภท<br />
หนึ่งที่สําคัญในธุรกิจการเงิน<br />
เพราะมีผลอันสําคัญตอรายไดหลักและ<br />
ฐานะเงินกองทุนของสถาบันการเงิน การบริหารความเสี่ยงดานเครดิต<br />
อาศัยเครื่องมือทางสถิติเขามาชวยในการประเมินความเสี่ยง<br />
ไดแก การจัด<br />
อันดับคะแนนสินเชื่อ<br />
(Credit Scoring) และการคํานวณมูลคาความเสี่ยง<br />
(Value at Risk: VaR) อยางไรก็ตามการประเมินความเสี่ยงทั้งสองใช<br />
เครื่องมือสถิติที่มีขอสมมติที่ขัดแยงกัน<br />
โดยการจัดอันดับคะแนนสินเชื่อ<br />
มักมีขอสมมติวา การชําระหนี้ของลูกคาในแตละคาสังเกตเปนอิสระซึ่ง<br />
กันและกัน สวนการคํานวณมูลคาความเสี่ยงมักมีขอสมมติวา<br />
การชําระ<br />
หนี้ของลูกคาในแตละคาสังเกตมีความสัมพันธกัน<br />
ซึ่งทั้งการประเมิน<br />
ความเสี่ยงทั้ง<br />
2 ประเภทนี้จะพิจารณาจากความเสี่ยงที่เกิดจากการผิดนัด<br />
ชําระหนี้<br />
(Default Risk) เดียวกัน คือ โอกาสที่ลูกคาจะคางชําระเงินกู<br />
ภายในระยะเวลาที่กําหนด<br />
ปญหางานวิจัย คือ การแสดงวาการประเมิน<br />
ความเสี่ยงแบบใดบางที่จะถูกกระทบจากขอสมมติที่ขัดแยงกัน<br />
Tyler Shumway [1] อาศัยตัวแบบความถดถอยโลจิสติคแบบ<br />
พลวัต จัดอันดับคะแนนสินเชื่อของกลุมอุตสาหกรรมในประเทศ<br />
สหรัฐอเมริกา จากขอมูลตลาดหุนระหวางป<br />
ค.ศ. 1962 ถึง ค.ศ. 1992 ซึ่ง<br />
พบวาตัวประมาณที่ไดจากการวิเคราะหแบบพลวัตเปนตัวประมาณที่ไม<br />
เอนเอียง มีความคงเสนคงวา และใหเปอรเซ็นความถูกตองของการ<br />
พยากรณสูงกวาตัวแบบสถิตย Oldrich Alfons Vasicek [2] อาศัยตัวแบบ
=<br />
= (4)<br />
เนื่องจาก<br />
ซึ่งมีความสมมาตร<br />
โดยที่<br />
คือ ฟงกชันการแจกแจงสะสมของตัวแปรสุมที่มีการแจกแจง<br />
แบบปกติ<br />
จากสมการที่<br />
(4) จะเห็นวาเมื่อกําหนดใหทราบคาปจจัยเกาซ<br />
เซียนคอพพูลา เปนตัวแปรที่ทราบคา<br />
จะสงผลใหเกิดความเปน<br />
อิสระกันของขอมูล และพบวาตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบ<br />
พลวัต นี้ก็คือ<br />
ตัวแบบโพรบิทแบบพลวัต นั่นเอง<br />
3. วิธีการดําเนินงานวิจัย<br />
เริ่มจากการศึกษาความแตกตางระหวาง<br />
ตัวแบบโพรบิทแบบ<br />
พลวัต และตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบพลวัต วิเคราะหโดย<br />
ใชโปรแกรม R มีขั้นตอน<br />
ดังนี้<br />
1. ทําการจําลองขอมูลจริงตามตัวแบบเกาซเซียนคอพพูลา<br />
โพรบิทแบบพลวัต เมื่อเราทราบพารามิเตอรที่แทจริง<br />
โดยใหตัวแปรตาม<br />
ในแตละคาสังเกตในชวงเวลาเดียวกันมีความสัมพันธกันดวยปจจัยคอพพู<br />
ลาเดียวกัน และตัวแปรตามในแตละคาสังเกตในชวงเวลาที่ตางกันเปน<br />
อิสระกัน ผานคาสหสัมพันธตาง ๆ โดยสรางขอมูลตามขอบเขตของการ<br />
วิจัยดังตารางที่<br />
1<br />
2. จากการจําลองขอมูลในขอ 1 ลักษณะของขอมูลที่ใชเปน<br />
การศึกษาแบบติดตามผลคือ จะสังเกตขอมูลตั้งแตเริ่มเขามาในชวงเวลา<br />
ของการสังเกตจนกระทั่งเกิดเหตุการณที่สนใจ<br />
หรือสิ้นสุดเวลาของหนวย<br />
ตัวอยางนั้น<br />
หรือสิ้นสุดชวงเวลาของการศึกษา<br />
จะไดตัวแปรตาม ซึ่งเปน<br />
ตัวแปรเชิงคุณภาพที่มีคาไดเพียง<br />
2 คา คือ 0 และ 1<br />
3. จากขอมูลการจําลองในขอ 2 ทําการเปรียบเทียบระหวาง<br />
2 ตัวแบบคือ ตัวแบบโพรบิทแบบพลวัตเมื่อไมมีปจจัยคอพพูลา<br />
และตัว<br />
แบบโพรบิทแบบพลวัตเมื่อมีปจจัยคอพพูลา<br />
โดยพิจารณาตัวชี้วัดตอไปนี้<br />
3.1 การจัดอันดับ (Ranking) ในแตละตัวแบบคํานวณคา<br />
สหสัมพันธระหวางอันดับจากตัวแบบนั้น<br />
ๆ กับอันดับจากตัวแบบจริง<br />
356<br />
และพิจารณาความแตกตางระหวางสหสัมพันธอันดับที่คํานวณไดจาก<br />
2 ตัวแบบ<br />
3.2 มูลคาความเสี่ยง<br />
(Value at Risk) ในแตละตัวแบบคํานวณ<br />
มูลคาความเสี่ยงซึ่งคือเปอรเซ็นตไทลที่<br />
99 ของอัตราคางชําระจากตัว<br />
แบบนั้น<br />
ๆ และพิจารณาความแตกตางระหวางมูลคาความเสี่ยงใน<br />
3<br />
ชวงเวลาถัดไปที่คํานวณไดจาก<br />
2 ตัวแบบ<br />
4. สรุปผลงานวิจัย<br />
่ ตารางที 1 ขอบเขตของการวิจัย<br />
ขอบเขตการวิจัย สัญลักษณ กําหนดขอบเขต<br />
ตัวแปรตาม (2 คา) 1 และ 0<br />
ตัวแปรอิสระ 2 ตัวแปร<br />
่<br />
์<br />
ปจจัยเกาซเซียนคอพพูลา<br />
พารามิเตอรคาคงที<br />
-1.28<br />
พารามิเตอรสัมประสิทธิ<br />
-1.41<br />
1.41<br />
คาสัมประสิทธิ์สหสัมพันธ<br />
0.1, 0.5, 0.7<br />
จํานวนระยะเวลา m 3 ชวงเวลา<br />
จํานวนหนวยตัวอยาง n 1,000 (ตอชวงเวลา)<br />
จํานวนการทําซ้ํา<br />
Simulate 100 รอบ<br />
4. ผลการวิจัย<br />
ในงานวิจัยนี้จะใชสัญลักษณ<br />
HCopula_Real แทน ตัวแบบ<br />
เกาซเซียนคอพพูลาโพรบิทแบบพลวัต จากพารามิเตอรจริง หรือ จะเรียก<br />
โดยยอวา ตัวแบบจริง ใชสัญลักษณ HCopula_Est แทน ตัวแบบเกาซ<br />
เซียนคอพพูลาโพรบิทแบบพลวัต จากพารามิเตอรประมาณ และ H_Est<br />
แทน ตัวแบบโพรบิทแบบพลวัต จากพารามิเตอรประมาณ โดยแสดง<br />
ผลการวิจัย 2 หัวขอ คือ การจัดอันดับของคะแนนสินเชื่อ<br />
และมูลคาความ<br />
เสี่ยงตามลําดับ<br />
ดังนี้<br />
4.1 การจัดอันดับของคะแนนสินเชื่อ<br />
การจัดอันดับคะแนนสินเชื่อ<br />
นําความนาจะเปนที่จะเกิดการ<br />
ผิดนัดชําระหนี้มาทําการจัดอันดับ<br />
(Ranking) ในงานวิจัยนี้สนใจศึกษาวา<br />
เมื่อขาดปจจัยเกาซเซียนคอพพูลาในตัวแบบโพรบิทแบบพลวัต<br />
ซึ่งมักพบ<br />
ในการประยุกตใชงานจริง จะทําใหการจัดอันดับของคะแนนสินเชื่อของ<br />
ลูกคาผิดพลาดหรือไมโดยถือวาการจัดอันดับคะแนนสินเชื่อจากตัวแบบ<br />
เกาซเซียนคอพพูลาโพรบิทแบบพลวัตเปนการจัดอันดับที่ถูกตอง
การวิจัยทําการคํานวณคาสหสัมพันธอันดับระหวาง<br />
HCopula_Real กับ HCopula_Est และ สหสัมพันธอันดับระหวาง<br />
HCopula_Real กับ H_Est และพิจารณาความแตกตางระหวางสหสัมพันธ<br />
อันดับทั้งสอง<br />
โดยทําการทดสอบสมมติฐานตอไปนี้<br />
โดยที่<br />
H0 :<br />
H1 : (5)<br />
คือ ความแตกตางจากคาเฉลี่ยของคาสหสัมพันธอันดับ<br />
ระหวาง และ<br />
คือ คาเฉลี่ยของคาสหสัมพันธอันดับระหวาง<br />
HCopula_Real และ HCopula_Est<br />
คือ คาเฉลี่ยของคาสหสัมพันธอันดับระหวาง<br />
HCopula_Real และ H_Est<br />
โดยใชวิธี Paired t-test เมื่อกําหนด<br />
= 0.1, 0.5, 0.7 ตามลําดับ<br />
และกําหนดระดับนัยสําคัญ 0.05 ผลการทดสอบเปนดังนี้<br />
ตารางที่<br />
2 การทดสอบความแตกตางของการจัดอันดับ<br />
VS. t SE. p-value<br />
= 0.1 0.0641 5.05135e-05 0.949<br />
= 0.5 -0.6229 0.0003 0.5348<br />
= 0.7 0.2128 0.0002 0.832<br />
จากสมมติฐานที่<br />
(5) พบวา การจัดอันดับของคะแนนสินเชื่อมี<br />
คา p-value มากกวาระดับนัยสําคัญ ในทุกระดับสหสัมพันธ คือ = 0.1,<br />
0.5, 0.7 ตามลําดับ นั่นคือไมมีนัยสําคัญทางสถิติที่บงบอกวาคาเฉลี่ยของ<br />
คาสหสัมพันธอันดับระหวาง HCopula_Real กับ HCopula_Est<br />
และคาเฉลี่ยของคาสหสัมพันธอันดับระหวาง<br />
HCopula_Real กับ H_Est<br />
แตกตางกัน ที่ระดับนัยสําคัญ<br />
0.05 โดยสรุปไมพบหลักฐานทาง<br />
สถิติวาการจัดอันดับคะแนนสินเชื่อดวย<br />
H_Est มีความผิดพลาด<br />
4.2 มูลคาความเสี่ยง<br />
มูลคาความเสี่ยง<br />
(Value at Risk) คํานวณจากเปอรเซ็นตไทลที่<br />
99<br />
ของอัตราคางชําระ หรืออัตราของการเกิดเหตุการณที่สนใจ<br />
จาก<br />
HCopula_Est และ H_Est และพิจารณาความแตกตางระหวางมูลคาความ<br />
เสี่ยงใน<br />
3 ชวงเวลาถัดไปที่คํานวณไดจาก<br />
2 ตัวแบบ โดยแตละตัวแบบ<br />
เปรียบเทียบกับ HCopula_Real การทดสอบมี 2 กรณี ดังตอไปนี้<br />
357<br />
่<br />
้<br />
กรณีที 1 การทดสอบมูลคาความเสี่ยง<br />
ระหวาง HCopula_Real และ<br />
HCopula_Est โดยทําการทดสอบสมมติฐานตอไปนี<br />
H0 :<br />
H1 : (6)<br />
โดยที่<br />
คือ มูลคาความเสี่ยง<br />
ของ HCopula_Real<br />
คือ มูลคาความเสี่ยง<br />
ของ HCopula_Est<br />
โดยใชวิธี t-test เมื่อกําหนด<br />
= 0.1, 0.5, 0.7 ตามลําดับ และ<br />
กําหนดระดับนัยสําคัญ 0.05 ผลการทดสอบเปนดังนี้<br />
่ ตารางที 3 การทดสอบความแตกตางของมูลคาความเสี่ยง<br />
VS. t SE. p-value<br />
= 0.1 1.3981 0.0635 0.0825<br />
= 0.5 -1.6435 0.1446 0.9483<br />
= 0.7 -2.8230 0.1587 0.9971<br />
จากสมมติฐานที่<br />
(6) พบวา มูลคาความเสี่ยงมี<br />
คา p-value<br />
มากกวาระดับนัยสําคัญ ในทุกระดับสหสัมพันธ คือ = 0.1, 0.5, 0.7<br />
ตามลําดับ นั่นคือไมมีนัยสําคัญทางสถิติที่<br />
HCopula_Est มีมูลคาความ<br />
เสี่ยงมากกวา<br />
HCopula_Real หรือทั้ง<br />
2 ตัวแบบดังกลาวมีมูลคาความเสี่ยง<br />
ไมแตกตางกัน ที่ระดับนัยสําคัญ<br />
0.05 และเปรียบความแตกตางของ 2 ตัว<br />
แบบ ในแตละระดับสหสัมพันธ จากรูปดังตอไปนี้<br />
ecdf_Value at Risk<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
ecdf: HCopula_Real VS. HCopula_Est (rho=0.1)<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
index<br />
___ = HCopula_Real<br />
_ _ _ = HCopula_Est<br />
รูปที่<br />
1 เปรียบเทียบมูลคาความเสี่ยงของ<br />
HCopula_Real และ<br />
HCopula_Est เมื่อ<br />
= 0.1
ecdf_Value at Risk<br />
ecdf_Value at Risk<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
ecdf: HCopula_Real VS. HCopula_Est (rho=0.5)<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
index<br />
รูปที่<br />
2 เปรียบเทียบมูลคาความเสี่ยงของ<br />
HCopula_Real<br />
และ HCopula_Est เมื่อ<br />
= 0.5<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
ecdf: HCopula_Real VS. HCopula_Est (rho=0.7)<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
index<br />
___ = HCopula_Real<br />
_ _ _ = HCopula_Est<br />
___ = HCopula_Real<br />
_ _ _ = HCopula_Est<br />
รูปที่<br />
3 เปรียบเทียบมูลคาความเสี่ยงของ<br />
HCopula_Real<br />
และ HCopula_Est เมื่อ<br />
= 0.7<br />
จากรูปที่<br />
1-3 เปนกราฟ e.c.d.f. (Empirical Cumulative<br />
Distribution Function) ของมูลคาความเสี่ยงระหวาง<br />
HCopula_Real และ<br />
HCopula_Est จะสังเกตเห็นวามูลคาความเสี่ยงของ<br />
HCopula_Est จะมีคา<br />
ใกลเคียงกับ HCopula_Real เมื่อ<br />
= 0.1, 0.5, 0.7 ตามลําดับ<br />
กรณีที่<br />
2 การทดสอบมูลคาความเสี่ยง<br />
ระหวาง HCopula_Real และ<br />
H_Est โดยทําการทดสอบสมมติฐานตอไปนี้<br />
358<br />
่<br />
H0 :<br />
H1 : (7)<br />
โดยที คือ มูลคาความเสี่ยง<br />
ของ HCopula_Real<br />
คือ มูลคาความเสี่ยง<br />
ของ H_Est<br />
โดยใชวิธี t-test เมื่อกําหนด<br />
= 0.1, 0.5, 0.7 ตามลําดับ และ<br />
กําหนดระดับนัยสําคัญ 0.05 ผลการทดสอบเปนดังนี้<br />
่ ตารางที 4 การทดสอบความแตกตางของมูลคาความเสี่ยง<br />
VS. t SE. p-value<br />
= 0.1 -14.0325 0.0364 < 2.2e-16<br />
= 0.5 -24.8240 0.0807 < 2.2e-16<br />
= 0.7 -24.2590 0.1037 < 2.2e-16<br />
จากสมมติฐานที่<br />
(7) พบวา มูลคาความเสี่ยงมี<br />
คา p-value นอย<br />
กวาระดับนัยสําคัญ ในทุกระดับสหสัมพันธ คือ = 0.1, 0.5, 0.7<br />
ตามลําดับ นั่นคือ<br />
มีนัยสําคัญทางสถิติที่<br />
H_Est มีมูลคาความเสี่ยงนอยกวา<br />
HCopula_Real ที่ระดับนัยสําคัญ<br />
0.05 และเปรียบความแตกตางของ 2 ตัว<br />
แบบ ในแตละระดับสหสัมพันธ จากรูปดังตอไปนี้<br />
ecdf_Value at Risk<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
ecdf: HCopula_Real VS. H_Est (rho=0.1)<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
index<br />
___ = HCopula_Real<br />
_ _ _ = H_Est<br />
รูปที่<br />
4 เปรียบเทียบมูลคาความเสี่ยงของ<br />
HCopula_Real<br />
และ H_Est เมื่อ<br />
= 0.1
ecdf_Value at Risk<br />
ecdf_Value at Risk<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
ecdf: HCopula_Real VS. H_Est (rho=0.5)<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
index<br />
รูปที่<br />
5 เปรียบเทียบมูลคาความเสี่ยงของ<br />
HCopula_Real<br />
และ H_Est เมื่อ<br />
= 0.5<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
ecdf: HCopula_Real VS. H_Est (rho=0.7)<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
index<br />
รูปที่<br />
6 เปรียบเทียบมูลคาความเสี่ยงของ<br />
HCopula_Real<br />
และ H_Est เมื่อ<br />
= 0.7<br />
่ จากรูปที 4-6 เปนกราฟ e.c.d.f. (Empirical Cumulative<br />
Distribution Function) ของมูลคาความเสี่ยงระหวาง<br />
HCopula_Real และ<br />
H_Est จะสังเกตเห็นวามูลคาความเสี่ยงของ<br />
H_Est จะมีคานอยกวา<br />
HCopula_Real เมื่อ<br />
= 0.1, 0.5, 0.7 ตามลําดับ และจะอยางเห็นไดชัดเจน<br />
เมื่อ<br />
มีคามากขึ้น<br />
5. สรุปผล<br />
___ = HCopula_Real<br />
_ _ _ = H_Est<br />
___ = HCopula_Real<br />
_ _ _ = H_Est<br />
จากวัตถุประสงคในการวิจัย คือ ภายใตตัวแบบเกาซเซียน<br />
คอพพูลาโพรบิทแบบพลวัต การจัดอันดับคะแนนสินเชื่อ<br />
และการ<br />
คํานวณมูลคาความเสี่ยงดานเครดิต<br />
ดวยตัวแบบที่ตรงกับขอมูลซึ่งมีขอ<br />
359<br />
สมมติวาคาสังเกตในชวงเวลาเดียวกันมีความสัมพันธกัน กับ ตัวแบบ โพ<br />
รบิทแบบพลวัต ของ Tyler Shumway [1] ซึ่งมีขอสมมติวาคาสังเกตใน<br />
ชวงเวลาเดียวกันเปนอิสระกัน จะใหผลที่แตกตางกันอยางไร<br />
ปญหา<br />
งานวิจัย คือ การแสดงวาการประเมินความเสี่ยงแบบใดบางที่จะถูก<br />
กระทบจากขอสมมติที่ขัดแยงกัน<br />
การประเมินความเสี่ยงเรื่องแรก<br />
การจัด<br />
อันดับคะแนนสินเชื่อ<br />
ผลการวิจัยคือ เมื่อขาดปจจัยเกาซเซียนคอพพูลาใน<br />
ตัวแบบโพรบิทแบบพลวัต (H_Est) ซึ่งมักพบในการประยุกตใชงานจริง<br />
จะไมพบหลักฐานทางสถิติวาการจัดอันดับคะแนนสินเชื่อดวย<br />
H_Est มี<br />
ความผิดพลาด ที่ระดับนัยสําคัญ<br />
0.05 สวนการประเมินความเสี่ยงเรื่องที่<br />
สอง มูลคาความเสี่ยงดานเครดิต<br />
ทําการทดสอบมูลคาความเสี่ยง<br />
ระหวาง<br />
HCopula_Real และ HCopula_Est ผลการวิจัยคือ ไมพบหลักฐานทาง<br />
สถิติวามูลคาความเสี่ยงจาก<br />
HCopula_Real และ HCopula_Est H_Est<br />
แตกตางกัน หรือทั้ง<br />
2 ตัวแบบมีคามูลคาความเสี่ยงไมแตกตางกัน<br />
และทํา<br />
การทดสอบมูลคาความเสี่ยง<br />
ระหวาง HCopula_Real และ H_Est<br />
ผลการวิจัยคือ มีนัยสําคัญทางสถิติวามูลคาความเสี่ยงจาก<br />
H_Est มีมูลคา<br />
ความเสี่ยงนอยกวา<br />
HCopula_Real ที่ระดับนัยสําคัญ<br />
0.05 จากงานวิจัย<br />
สรุปไดวา ปจจัยเกาซเซียนคอพพูลา ไมมีผลตอการจัดอันดับของคะแนน<br />
สินเชื่อ<br />
แตมีผลกับมูลคาความเสี่ยง<br />
เพียงอยางเดียว<br />
พื้นฐานที่สําคัญของการประเมินความเสี่ยงคือ<br />
ตองระบุและ<br />
ประเมินคาความเสี่ยงได<br />
เพื่อที่จะสามารถกําหนดแนวทางการจัดการ<br />
อยางมีประสิทธิภาพ เครื่องมือทางสถิติจึงมีประโยชนอยางมากในการ<br />
ชวยเพิ่มประสิทธิภาพและความรวดเร็วในการประเมินความเสี่ยง<br />
รวมทั้ง<br />
ตัดปญหาเรื่องความผิดพลาดของมนุษย<br />
เชน มีความชํานาญไมเพียงพอ<br />
หรือมีอคติในการวิเคราะหลงไดบาง แตอยางไรก็ตามผูวิเคราะหควร<br />
เลือกตัวแบบใหเหมาะสม ตัวแบบเกาซเซียนคอพพูลาโพรบิทแบบพลวัต<br />
จึงเปนตัวแบบหนึ่งที่นาสนใจ<br />
เนื่องจากจะทําใหตัวประมาณมี<br />
ประสิทธิภาพสูงขึ้นสงผลให<br />
การจัดอันดับของคะแนนสินเชื่อ<br />
และมูลคา<br />
ความเสี่ยง<br />
ใกลเคียงกับความเปนจริงมากยิ่งขึ้น<br />
เอกสารอางอิง<br />
[1] Tyler Shumway, “Forecasting Bankruptcy More Accurately: A<br />
Simple Hazard Model”, Journal of Business, Vol.74, January<br />
2001, pp. 101-124.<br />
[2] Oldrich Alfons Vasicek, “The Distribution of Loan Portfolio<br />
Value”, RISK, Vol. 15, No. 12, (December 2002), pp. 160-162.
[3] David X. Li, Gaussian Copula, “On Default Correlation: A copula<br />
function approach”, Journal of Fixed Income, Vol. 9, No. 4,<br />
(March 2000), pp. 43-54.<br />
[4] Sunti Tirapat and Seksan Kiatsupaibul, “Credit value at risk via<br />
credit scoring model”, Simulation Society Research Workshop,<br />
2007, pp. 1-4.<br />
[5] สุกัญญา บุญมา. ตัวแบบความถดถอยโลจิสติคแบบเกาซเซียนคอพ<br />
พูลา. วิทยานิพนธปริญญามหาบัณฑิต ภาควิชาสถิติ คณะ<br />
พาณิชยศาสตรและการบัญชี จุฬาลงกรณมหาวิทยาลัย, 2551.<br />
[6] ลดาวัลย ศรีดาเดช. การประมาณคาสหสัมพันธภายในกลุมตัวอยาง<br />
ของตัวแบบเกาซเซียนคอพพูลาโพรบิท. วิทยานิพนธปริญญา<br />
มหาบัณฑิต ภาควิชาสถิติ คณะพาณิชยศาสตรและการบัญชี<br />
จุฬาลงกรณมหาวิทยาลัย, 2552.<br />
[7] Roger B. Nelsen, “An Introduction to Copulas”, New York:<br />
Springer, Second Edition, 1999.<br />
[8] Elisa Luciano, Umberto Cherubini and Walter Vecchiato, “Copula<br />
Method in Finance”, John Wiley & Sons, Inc., 2004.<br />
ศรัณยา สมทรง สําเร็จการศึกษาระดับปริญญา<br />
ตรี คณะวิทยาศาสตร สาขาวิชาสถิติ (วศ.บ.)<br />
มหาวิทยาลัยธรรมศาสตร เมื่อป<br />
2551<br />
ปจจุบันศึกษาตอระดับปริญญาโท<br />
คณะพาณิชยศาสตรและการบัญชี สาขาวิชาสถิติ จุฬาลงกรณ<br />
มหาวิทยาลัย และงานวิจัยชิ้นนี้เปนสวนหนึ่งของวิทยานิพนธ<br />
ปริญญา<br />
มหาบัณฑิต ซึ่งมี<br />
ผศ.ดร. เสกสรร เกียรติสุไพบูลย เปนอาจารยที่ปรึกษา<br />
วิทยานิพพนธ<br />
360
361<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การหาจุดอิสระที่เหมาะสมที่สุดเพื่อสรางแถบความเชื่อมั่นแบบเชิงเสนเปนชวง<br />
สําหรับตัวแบบการถดถอยเชิงเสนพหุ<br />
Optimal Independence Points for Piecewise Linear Confidence Band Construction<br />
for Multiple Linear Regression Models<br />
บทคัดยอ<br />
การวิจัยนี้มีวัตถุประสงคเพื่อคํานวณหาจุดอิสระที่เหมาะสม<br />
ที่สุดเพื่อนําไปสรางแถบความเชื่อมั่นสําหรับตัวแบบการถดถอยเชิงเสน<br />
พหุเมื่อมีจํานวนตัวแปรอิสระ<br />
2 ตัวแปร ซึ่งในกรณีดังกลาวจุดอิสระใดๆ<br />
จะเปนฟงกชันของจุดที่มีระยะหางเทากันบนเสนรอบวงของวงกลมหนึ่ง<br />
หนวยที่มีจุดศูนยกลางที่จุดกําเนิด<br />
ซึ่งจุดเหลานี้สามารถแทนดวยมุม<br />
ระหวางเวกเตอรของจุดใดๆ บนเสนรอบวงกลมดังกลาวกับแกน<br />
แนวนอนได โดยเกณฑการตัดสินใจคือเลือกใชมุมที่ทําใหบริเวณคอน<br />
เวกซของจุดอิสระสามารถคลุมจุดขอมูลไดมากที่สุด<br />
ดวยเกณฑดังกลาว<br />
แถบความเชื่อมั่นที่สรางขึ้นจะมีอรรถประโยชนเทียบกับขอมูลสูงที่สุด<br />
คําสําคัญ: การถดถอยเชิงเสนพหุ, แถบความเชื่อมั่น,<br />
การวิเคราะห<br />
บริเวณคอนเวกซ<br />
Abstract<br />
The objective of this research is to compute an optimal set of<br />
independence points for confidence band construction for multiple<br />
linear regression models of two independent variables. In this case, any<br />
set of independence points can be written as a function of a set of<br />
equidistant points on the circumference of the unit circle with center at<br />
the origin. These points can be represented by the angle between the<br />
vector of any single point on a unit circle and the horizontal axis. The<br />
decision criterion is to choose the angle that maximizes the number of<br />
data covered by the convex hull formed by the independence points. In<br />
this way, the utilization of the constructed confidence band is optimized<br />
with respect to the data set.<br />
Keywords: Multiple Linear Regression, Confidence Bands, Convex<br />
Analysis<br />
ธีรุฒม สุขสกุลวัฒน 1 และเสกสรร เกียรติสุไพบูลย 2<br />
1,2<br />
ภาควิชาสถิติ คณะพาณิชยศาสตรและการบัญชี จุฬาลงกรณมหาวิทยาลัย<br />
254 ถ.พญาไท แขวงวังใหม เขตปทุมวัน กรุงเทพฯ 10330<br />
E-mail: 1 issac_1234@hotmail.com, 2 seksan@acc.chula.ac.th<br />
1. บทนํา<br />
ในการวิเคราะหทางสถิติ แถบความเชื่อมั่น<br />
(Confidence<br />
Bands) เปนเครื่องมือหนึ่งในการแสดงถึงความคลาดเคลื่อนของการ<br />
ประมาณเสนโคงหรือฟงกชันบนพื้นฐานของขอมูลที่ถูกจํากัดหรือโดน<br />
รบกวน ซึ่งโดยปกติแถบความเชื่อมั่นจะถูกใชเพื่อวิเคราะหตัวแบบการ<br />
ถดถอยและนําเสนอผลลัพธทางสถิติออกมาในเชิงกราฟกโดยแรกเริ่ม<br />
เปนการศึกษาเพื่อใชสําหรับตัวแบบการถดถอยเชิงเสนอยางงายเทานั้น<br />
ซึ่งมีอยู<br />
3 แบบที่ไดรับการยอมรับมากที่สุด<br />
คือ แถบความเชื่อมั่นแบบ<br />
ไฮเพอรโบลาของ Working & Hotelling [1] แบบสองเซกเมนตของ<br />
Graybill & Bowden [2] และแบบสามเซกเมนตของ Gafarian [3]<br />
ตอมาจึงมีการขยายแนวคิดเพื่อนําไปใชกับตัวแบบการถดถอยเชิงเสนพหุ<br />
ซึ่งแบบที่เปนที่รูจักโดยทั่วไปก็คือแถบความเชื่อมั่นแบบไฮเพอรโบลิ<br />
กของ Scheffé [4] ซึ่งพัฒนามาจากแบบไฮเพอรโบลา<br />
แตเนื่องจากแถบ<br />
ความเชื่อมั่นดังกลาวมีลักษณะเปนเสนโคง<br />
ทําใหเกิดความซับซอนใน<br />
การประยุกตใชงาน จึงเปนสาเหตุใหมีผูคิดคนวิธีใหมขึ้นมา<br />
ซึ่งก็คือการ<br />
สรางแถบความเชื่อมั่นแบบวิธีจุดอิสระของ<br />
Hayter A.J., Kiatsupaibul S.,<br />
Liu W. และ Wynn H.P. [5] ซึ่งพัฒนามาจากแบบสามเซกเมนต<br />
โดยที่<br />
แถบความเชื่อมั่นแบบวิธีจุดอิสระจะมีลักษณะเปนเชิงเสนเปนชวง<br />
(Piecewise Linear) ทําใหงายและยืดหยุนตอการประยุกตใชงานมากกวา<br />
แบบไฮเพอรโบลิก โดยกระบวนการที่สําคัญของวิธีนี้ก็คือการหาจุด<br />
อิสระ ซึ่งมิไดมีหนึ่งเดียว<br />
(unique) และมีเปนจํานวนนับไมได จึง<br />
กอใหเกิดลักษณะทางกายภาพของแถบความเชื่อมั่นที่แตกตางกัน<br />
ใน<br />
งานวิจัยชิ้นนี้จึงตองการคํานวณหาจุดอิสระที่เหมาะสมที่สุดเพื่อนําไป<br />
สรางแถบความเชื่อมั่นสําหรับตัวแบบการถดถอยเชิงเสนพหุเมื่อมีจํานวน<br />
ตัวแปรอิสระ 2 ตัวแปร โดยเกณฑการตัดสินใจคือเลือกใชจุดอิสระที่ทํา
ใหบริเวณคอนเวกซของจุดอิสระเหลานั้นคลุมจุดขอมูลไดมากที่สุด<br />
เพื่อ<br />
เปนประโยชนตอการวิเคราะหขอมูลทางสถิติไดสูงที่สุด<br />
2. ตัวแบบและทฤษฎีที่เกี่ยวของ<br />
2.1 ตัวแบบการวิเคราะหสําหรับการหาจุดอิสระ<br />
พิจารณาตัวแบบการถดถอยเชิงเสนพหุที่มีตัวแปรอิสระ<br />
จํานวน k ตัวแปร คือ ( 1 ) , , x = x K xkให<br />
X เปนเมทริกซ<br />
ของคาสังเกตขนาด n × ( k + 1) ซึ่งมีแถวที<br />
เมื่<br />
อ 1 ≤ i ≤ n และกําหนดให ่ i เปน 1<br />
(1, x , K , x )<br />
1<br />
1<br />
n<br />
i⋅ n m =<br />
im<br />
x x<br />
i k i<br />
= ∑ โดยที่<br />
( K ) ตอมาให S เปนเมทริกซความแปรปรวนรวม<br />
1 , , x = x xk<br />
⋅ ⋅<br />
ของตัวอยางขนาด k× k ซึ<br />
∑<br />
= 1<br />
n<br />
m<br />
่ง Sij = ( xim − xi⋅ )( xjm − x j ⋅ )<br />
2 และให ˆ σ เปนคาประมาณความแปรปรวนของประชากรที่มีการแจก<br />
2 2<br />
σ χn−k− แจงเปน<br />
1<br />
n− k − 1<br />
ซึ่งพารามิเตอรของตัวแบบการถดถอย<br />
β 0 และ<br />
( 1 ) , , K k จะถู กประมาณโดย 0<br />
ˆβ และ<br />
β = β β<br />
( 1,<br />
, k )<br />
ˆ β = ˆ β ˆ β<br />
K ตามลําดับ<br />
2.2 การเลือกจุดอิสระ<br />
ทฤษฎีการเลือกจุดอิสระจํานวน k + 1 จุด เมื่อมีจํานวนตัว<br />
แปรอิสระ k ตัวแปร ถูกนําเสนอโดย Hayter A.J., Kiatsupaibul S., Liu<br />
W. และ Wynn H.P. [5] ดังนี้<br />
ให γ1, , γ + 1<br />
1<br />
γ′ i γi<br />
= vi − ;1≤ i ≤ k + 1<br />
n<br />
K k เปนเวกเตอรที่มีมิติ<br />
k ซึ่ง<br />
และ<br />
1<br />
γ ′ i γ j = − ; i ≠ j<br />
n<br />
แลว v i จะเปนคาบวกโดยแท (strictly positive) ซึ่งสอดคลองกับ<br />
1 1<br />
n = + K +<br />
v v<br />
1 k + 1<br />
1<br />
2 ตอมากําหนดให a ′<br />
i = ( S ) γ i + x ;1≤ i ≤ k + 1แลว<br />
a1, K, a k + 1 คือจุดที่แตกตางกันจํานวน<br />
k + 1 จุด ที่ทําใหการ<br />
ประมาณตัวแบบที่จุด<br />
ˆ β0 + a′ ˆ ˆ ˆ<br />
1 β , K, β ′ 0 + a k + 1 β เปนอิสระ<br />
2 2<br />
จากกันและมีความแปรปรวนเทากับ σ v1, K, σ v k + 1 ตามลําดับ<br />
นอกจากนี้ยังไดวา<br />
(1)<br />
362<br />
a<br />
+ 1<br />
∑<br />
= 1<br />
k<br />
i<br />
i nvi<br />
โดยทฤษฎีดังกลาวไดแสดงถึงวิธีการหาจุดอิสระ<br />
(Independence Points) ที่จะนําไปใชในการสรางแถบความเชื่อมั่น<br />
ซึ่ง<br />
ปกติเราจะเลือกให v i มีคาเทากันทั้งหมดคือ<br />
กรณีนี้ก็คือ<br />
=<br />
x<br />
(2)<br />
k + 1<br />
n และจุดอิสระใน<br />
1<br />
k 2<br />
ai = ( S ) ′ ei + x ; 1 ≤ i ≤ k+<br />
1 (3)<br />
n<br />
เมื่อ<br />
e i คือ จุดที่มีระยะหางเทากัน<br />
(equidistant points) จํานวน k + 1<br />
จุด บนทรงกลมหนึ่งหนวยใน<br />
k มิติ หรือนั่นก็คือมีเวกเตอรจํานวน<br />
k + 1 เวกเตอร ใน k มิติ ที่มีขนาดหนึ่งหนวยและทุกคูมุมระหวาง<br />
1<br />
เวกเตอรใดๆ มีคาเทากับ − ซึ่งสามารถแสดงความสัมพันธไดเปน<br />
k<br />
ee ′<br />
1<br />
i i = 1 ;1≤ i≤ k+<br />
1และ<br />
ee ′ i j = − ; i≠ j โดย<br />
k<br />
ในทางปฏิบัติจุดอิสระใดๆ จะเปนฟงกชันของจุดที่มีระยะหางเทากัน<br />
ซึ่ง<br />
ในความเปนจริงเราสามารถที่จะเลือกจุด<br />
e i เปนคาใดก็ได ยิ่งไปกวานั้น<br />
k + 1<br />
k + 1 1<br />
จะไดวา ∑ ei<br />
= 0 และ ai= x<br />
k + 1 ∑ อีกดวย<br />
i = 1<br />
2.3 การสรางแถบความเชื่อมั่น<br />
i = 1<br />
แถบความเชื่อมั่นแบบวิธีจุดอิสระจะกําหนดใหระดับชวง<br />
ความเชื่อมั่นสําหรับแตละตัวแบบการถดถอยที่จุดอิสระคือ<br />
1− αi<br />
เมื่อ<br />
1 ≤ i ≤ k+<br />
1 โดย<br />
k + 1<br />
∏<br />
i = 1<br />
i เมื<br />
1 − α = (1 − α )<br />
่อ 1 − α คือ<br />
ระดับความเชื่อมั่นของแถบความเชื่อมั่น<br />
โดยการหาแถบความเชื่อมั่น<br />
แบบวิธีจุดอิสระในชวงแรกไดรับแนวคิดมาจาก Kimball [6] ตอมาจึงได<br />
มีการศึกษาถึงลักษณะของพื้นผิวดานบนและดานลางของแถบความ<br />
เชื่อมั่น<br />
ปรากฏวาพื้นผิวมีลักษณะเปนเชิงเสนเปนชวง<br />
ทําใหการสราง<br />
แถบความเชื่อมั่นสามารถหามาจากการใชกําหนดการเชิงเสน<br />
(Linear<br />
programming) ไดดังนี้<br />
พื้นผิวดานบนที่<br />
x : สมการจุดประสงค คือ max ( β0 + x′<br />
β )<br />
พื้นผิวดานลางที่<br />
x : สมการจุดประสงค คือ min ( β0 + x′<br />
β )<br />
ภายใตอสมการขอจํากัด (Constraints) คือ<br />
+ a′ β ≤ ˆ β + a′ ˆ β +<br />
ˆ σ t v<br />
β<br />
− − −<br />
0 i 0 i α<br />
1<br />
i<br />
i<br />
, n k 1<br />
2
y คือ ตัวแปรตาม (คะแนนปลายภาคเรียน: Final)<br />
x 1 คือ ตัวแปรอิสระ (คะแนนกลางภาคเรียน: Midterm)<br />
x 2 คือ ตัวแปรอิสระ (คะแนนการบาน: Homework)<br />
ผลสรุปเบื้องตนของขอมูลที่นํามาวิเคราะหถูกแสดงในตาราง<br />
ที่<br />
1 และผลการวิเคราะหตัวแบบการถดถอยเชิงเสนพหุเมื่อคะแนน<br />
Final<br />
เปนตัวแปรตาม คะแนน Midterm และคะแนน Homework เปนตัวแปร<br />
อิสระถูกแสดงในตารางที่<br />
2<br />
่ ตารางที 1 ผลสรุปทางสถิติ<br />
Mean Median Max Min Std.dev.<br />
Final 26.4909 27.00 37.50 13.00 4.9539<br />
Midterm 20.3182 20.50 30.00 8.50 4.7952<br />
Homework 26.2436 27.50 29.70 9.20 4.0007<br />
ตารางที่<br />
2 การประมาณตัวแบบการถดถอยเชิงเสนพหุ<br />
β S.E. p-value<br />
Intercept 16.81061 4.08112 0.000137<br />
Midterm ( x 1)<br />
0.58179 1.12445 2.12e-05<br />
Homework ( x 2)<br />
- 0.08157 0.14916 0.586836<br />
ในขอมูลนี<br />
้จะไดวา v1 v2 v3<br />
k + 1 3<br />
= = = = และ<br />
n 55<br />
1− α1 = 1− α2 = 1 − α3<br />
= (1− 0.05) จากนั้นนําคาเหลานี้ไป<br />
คํานวณเพื่อหาจุดอิสระและจํานวนจุดที่ถูกคลุมดวยบริเวณคอนเวกซของ<br />
จุดอิสระดังกลาว โดยจุดอิสระในที่นี้จะเปนฟงกชันของมุม<br />
θ ผลการ<br />
ทดลองไดแสดงในตารางที่<br />
3<br />
ตารางที่<br />
3 การเปรียบเทียบจํานวนจุดที่ถูกคลุมดวยบริเวณคอนเวกซ<br />
ของจุดอิสระเมื่อมุม<br />
θ มีคาตางๆ กัน<br />
θ จํานวนจุด θ จํานวนจุด θ จํานวนจุด<br />
0˚ 20 5˚ 20 10˚ 21<br />
1˚ 20 6˚ 21 11˚ 21<br />
2˚ 20 7˚ 21 12˚ 21<br />
3˚ 20 8˚ 21 13˚ 21<br />
4˚ 20 9˚ 21 14˚ 22<br />
1<br />
3<br />
364<br />
θ จํานวนจุด θ จํานวนจุด θ จํานวนจุด<br />
15˚ 22 50˚ 30 85˚ 24<br />
16˚ 22 51˚ 30 86˚ 23<br />
17˚ 22 52˚ 31* 87˚ 23<br />
18˚ 24 53˚ 31* 88˚ 23<br />
19˚ 24 54˚ 31* 89˚ 22<br />
20˚ 24 55˚ 29 90˚ 22<br />
21˚ 24 56˚ 29 91˚ 22<br />
22˚ 24 57˚ 29 92˚ 22<br />
23˚ 24 58˚ 29 93˚ 21<br />
24˚ 24 59˚ 30 94˚ 20<br />
25˚ 23 60˚ 30 95˚ 20<br />
26˚ 24 61˚ 28 96˚ 20<br />
27˚ 24 62˚ 28 97˚ 19<br />
28˚ 26 63˚ 27 98˚ 19<br />
29˚ 26 64˚ 27 99˚ 19<br />
30˚ 26 65˚ 26 100˚ 19<br />
31˚ 26 66˚ 28 101˚ 19<br />
32˚ 26 67˚ 28 102˚ 20<br />
33˚ 26 68˚ 28 103˚ 20<br />
34˚ 26 69˚ 29 104˚ 18<br />
35˚ 26 70˚ 27 105˚ 18<br />
36˚ 25 71˚ 27 106˚ 18<br />
37˚ 26 72˚ 27 107˚ 18<br />
38˚ 26 73˚ 28 108˚ 18<br />
39˚ 26 74˚ 27 109˚ 20<br />
40˚ 26 75˚ 26 110˚ 20<br />
41˚ 26 76˚ 26 111˚ 21<br />
42˚ 27 77˚ 26 112˚ 21<br />
43˚ 29 78˚ 27 113˚ 21<br />
44˚ 29 79˚ 26 114˚ 21<br />
45˚ 29 80˚ 27 115˚ 20<br />
46˚ 29 81˚ 27 116˚ 20<br />
47˚ 29 82˚ 26 117˚ 20<br />
48˚ 30 83˚ 25 118˚ 20<br />
49˚ 30 84˚ 24 119˚ 20
จากตารางที่<br />
3 บริเวณคอนเวกซของจุดอิสระสามารถคลุมจุด<br />
ขอมูลไดมากที่สุด<br />
31 จุด ซึ่งเกิดขึ้นที่มุม<br />
52 o , 53 o และ 54 o ตอมาเราจึง<br />
นํามุมทั้ง<br />
3 นี้ไปสรางเปนจุดอิสระขึ้นมา<br />
จะไดผลดังนี้<br />
สําหรับมุม 52 o จะไดจุดอิสระ a 1 = (14.563, 27.722) ,<br />
a = (26.200,30.188) , a 3 = (20.192, 20.821)<br />
2<br />
2<br />
สําหรับมุม 53 o จะไดจุดอิสระ a 1 = (14.625, 27.816) ,<br />
a = (26.255,30.118) , a 3 = (20.075, 20.797)<br />
2<br />
สําหรับมุม 54 o จะไดจุดอิสระ a 1 = (14.688, 27.910) ,<br />
a = (26.309,30.046) , a 3 = (19.957, 20.775)<br />
เซตของจุดอิสระที่เกิดจากมุมเหลานี้จะทําใหบริเวณของแถบ<br />
ความเชื่อมั่นที่มีความกวางคงที่หรือบริเวณคอนเวกซของจุดอิสระ<br />
สามารถคลุมจุดขอมูลไดมากที่สุด<br />
ดวยเกณฑการตัดสินใจของ Convex<br />
Analysis จุดอิสระดังกลาวจึงเปนจุดอิสระที่เหมาะสมที่สุดสําหรับการ<br />
สรางแถบความเชื่อมั่นสําหรับตัวแบบการถดถอยเชิงเสนพหุสําหรับ<br />
ขอมูลนี้<br />
รูปที่<br />
2 ถึง 4 เสนประ (รูปสามเหลี่ยม)<br />
แสดงถึงบริเวณคอน<br />
เวกซของจุดอิสระเมื่อมุม<br />
θ มีคาเปน 52 o , 53 o และ 54 o ตามลําดับ<br />
ตอมานําจุดอิสระที่ไดไปสรางเปนแถบความเชื่อมั่นโดยการใช<br />
กําหนดการเชิงเสนตามเงื่อนไขในหัวขอ<br />
2.3 ในที่นี้ผูวิจัยจะขอ<br />
o ยกตัวอยางแถบความเชื่อมั่นกรณี<br />
θ = 52 เพียงกรณีเดียวเทานั้น<br />
โดย<br />
แถบความเชื่อมั่นที่ไดจะมีระยะหางของระนาบรูปสามเหลี่ยมระหวาง<br />
แถบดานบนและดานลางเปนคาคงที่เสมอ<br />
ดังรูปที่<br />
5<br />
รูปที่<br />
5 แถบความเชื่อมั่นกรณี<br />
θ = 52<br />
o<br />
365<br />
รูปที่<br />
2 บริเวณคอนเวกซของจุดอิสระกรณี θ = 52<br />
รูปที่<br />
3 บริเวณคอนเวกซของจุดอิสระกรณี θ = 53<br />
รูปที่<br />
4 บริเวณคอนเวกซของจุดอิสระกรณี θ = 54<br />
o<br />
o<br />
o
อนึ่งในการศึกษาถึงคาสัมประสิทธิ์การตัดสินใจ<br />
(Coefficient<br />
2<br />
of Determination: R ) ซึ่งเปนคาที่บอกถึงสัดสวนหรือรอยละที่ตัวแปร<br />
อิสระสามารถอธิบายการเปลี่ยนแปลงของตัวแปรตาม<br />
วามีผลตอความ<br />
กวางของแถบความเชื่อมั่นแบบวิธีจุดอิสระนี้หรือไมอยางไร<br />
ผูวิจัยได<br />
ลองทํ าการจํ าลองข อมู ลขึ้<br />
นมาจากตั วแบบ<br />
y = β + β x + β x + ε โดยจําลองตัวแปรอิสระและคาความ<br />
0 1 1 2 2<br />
ผิดพลาดขึ้นมาดังนี้<br />
x1 N(0,1) , x2 N(0,1)<br />
และ ε N(0,1)<br />
สวนคาสัมประสิทธิ์ของตัวแบบการถดถอย<br />
β0, β1<br />
และ β 2 เปนคาที่<br />
สามารถกําหนดได<br />
ผลการทดลองในขั้<br />
นตนผู วิ จั ยจะกําหนดให 2<br />
β0 = β1 = β2<br />
= 0.1 และทําการจําลองขอมูลเพื่อหาคา<br />
R ปรากฏวา<br />
2<br />
R มีคาคอนขางนอยมาก สวนความกวางของแถบความเชื่อมั่นใน<br />
ระนาบที่<br />
1 มีคาโดยประมาณเทากับ 1<br />
ตอมาไดทําการเปลี β = β = β = 1 และจําลอง<br />
่ยนให 0 1 2<br />
2<br />
2<br />
ขอมูลเพื่อหาคา<br />
R ปรากฏวาคา R มีคาเพิ่มมากขึ้น<br />
แตความกวางของ<br />
แถบความเชื่อมั่นในระนาบที่<br />
1 ยังคงมีคาโดยประมาณเทากับ 1<br />
เหมือนเดิม<br />
สุดทายจึงไดลองทําการสุมขอมูลใหม<br />
โดยที่ยังให<br />
β0 = β1 = β2<br />
= 0.9 เพียงแตเปลี่ยนคาความคลาดเคลื่อนมาตรฐาน<br />
ของ ε ใหมีคาเพิ่มขึ้นกลายเปน<br />
10 ปรากฏวาความกวางของแถบความ<br />
เชื่อมั่นในระนาบที่<br />
1 เพิ่มขึ้นและมีคาโดยประมาณเทากับ<br />
10 ซึ่งใกลเคียง<br />
กับคาความคลาดเคลื่อนมาตรฐานของ<br />
ε จากการทดลองดังกลาวจึงสรุป<br />
2 ไดวาคา R ไมนาจะมีผลกระทบตอความกวางของแถบความเชื่อมั่น<br />
แบบวิธีจุดอิสระแตอยางใด<br />
บรรณานุกรม<br />
[1] Working H. and Hotelling H., “Applications of the theory of error<br />
to the interpretation of trends”, Journal of the American Statistical<br />
Association, 24, 73 - 85, 1929.<br />
[2] Graybill F.A. and Bowden D.C., “Linear Segment Confidence<br />
Bands for Simple Linear Regression Models”, Journal of the<br />
American Statistical Association, 62, 403 - 408, 1967.<br />
[3] Gafarian A.V., “Confidence Bands in Straight Line Regression”,<br />
Journal of the American Statistical Association, 59, 182 - 213,<br />
1964.<br />
367<br />
[4] Scheffé H., “A method for judging all contrasts in analysis of<br />
variance”, Biometrika, 40, 87 - 104, 1953.<br />
[5] Hayter A.J., Kiatsupaibul S., Liu W. and Wynn H.P., “An<br />
Independence Point Method of Confidence Band Construction for<br />
Multiple Linear Regression Models”, 2010, forthcoming.<br />
[6] Kimball A.W., “On dependent tests of significance in analysis of<br />
variance”, Annals of Mathematical Statistics, 22, 600 - 602, 1951.
368<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การเพิ่มสมรรถนะการดําเนินงานขององคกรปกครองสวนทองถิ่น<br />
กรณีศึกษาการประยุกตใชหลักวิทยาศาสตรการตัดสินใจ<br />
Increasing Performance of Local Government Organization:<br />
Case Study of Decision Science Principle<br />
คณิศร ภูนิคม 1 และภีม พรประเสริฐ 2*<br />
1 ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยอุบลราชธานี<br />
ถ.สถลมารค ต.ศรีไค อ.วารินชําราบ จ.อุบลราชธานี 34190 E-mail: 1 dr.kanisorn@gmail.com<br />
2* สาขาวิชาเทคโนโลยีการจัดการอุตสาหกรรม คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏอุบลราชธานี<br />
ถ.ราชธานี ต.ในเมือง อ.เมือง จ.อุบลราชธานี 34000 E-mail: 2* peema2000@yahoo.com<br />
บทคัดยอ<br />
การวิจัยนี้มีวัตถุประสงคเพื่อหาแนวทางการเพิ่มสมรรถนะ<br />
การดําเนินงานขององคกรปกครองสวนทองถิ่น<br />
การดําเนินการวิจัยเริ่ม<br />
จากศึกษาทฤษฎีที่เกี่ยวของและเกณฑการประเมินทั่วไป<br />
คัดเลือกประเด็น<br />
ปญหาโดยวิธีการจัดน้ําหนักความสําคัญ<br />
รวบรวมเกณฑที่เกี่ยวของกับ<br />
การประเมิน สรางเกณฑการประเมินที่เหมาะสมสําหรับผูมีสวนไดสวน<br />
เสีย 3 ดานตามทฤษฎีระบบ คือ ดานผูออกนโยบาย<br />
ดานผูปฏิบัติงาน<br />
ดานผูรับบริการ<br />
จากนั้นใหผูเชี่ยวชาญพิจารณาความเหมาะสมในการ<br />
ปรับลดเกณฑ และกําหนดความสําคัญของตัวชี้วัดในแตละเกณฑโดย<br />
ประยุกตใชกระบวนการวิเคราะหเชิงลําดับชั้น<br />
หลังจากนั้น<br />
ใหผูเชียว<br />
ชาญตรวจสอบอีกครั้งและนําไปทดลองใชประเมินเทศบาล<br />
3 แหง เพื่อ<br />
หาแนวทางการปรับปรุงพัฒนา ตามหลักการซิกส ซิกมา และทําการ<br />
เปรียบเทียบผลการปฏิบัติหาเทศบาลซึ่งมีวิธีปฏิบัติที่เปนเลิศในแตละ<br />
เกณฑเพื่อเปนตนแบบในเกณฑนั้นหลังจากทดลองแลกเปลี่ยนวิธีปฏิบัติ<br />
ระหวางองคกรในเกณฑดานคุณภาพการใหบริการ ผลปรากฏวาคาเฉลี่ย<br />
ความพึงพอในเพิ่มขึ้นจาก<br />
83.33% เปน 89.33% ผลการวิจัยแสดงใหเห็น<br />
วาการประยุกตใชหลักวิทยาศาสตรการตัดสินใจโดยการคัดเลือกกรอบ<br />
ทฤษฎีที่เหมาะสมซึ่งพิจารณาจากผูมีผลกระทบในระบบนั้นเปนการให<br />
ความสําคัญตอความตองการของลูกคาทั้งภายในและภายนอกทําใหได<br />
เกณฑการประเมินที่ครอบคลุม<br />
เกิดการแลกเปลี่ยนวิธีปฏิบัติระหวาง<br />
องคการทําใหผลการประเมินมีคาสูงขึ้น<br />
ในระยะเวลาอันสั้น<br />
คําสําคัญ: ตัวชี้วัด,<br />
องคกรปกครองสวนทองถิ่น,<br />
กระบวนการลําดับชั้น<br />
เชิงวิเคราะห<br />
Abstract<br />
This research objective is an increasing performance of<br />
local government organization. The research method begins with<br />
literature and general evaluation review then selected the problem<br />
issues by weighting priority method, collection, create an appropriate<br />
evaluation criteria for 3 stakeholders by followed the system theory<br />
what are the policy maker, provider and customer. And then determine<br />
the appropriate reduction criteria by specialist and set the importance<br />
criteria by applied an analytic hierarchy process. After that rechecked it<br />
again by specialist and try to evaluation at 3 municipalities for<br />
development guidelines in six sigma principle. And then compare the<br />
evaluation result for find the best practice in each municipalities. After<br />
the municipalities tried to exchange practices between organizations in<br />
case of service quality. That result the average of satisfaction increase<br />
from 83.33% to 89.33% .The research results shows that an application<br />
to decision since principle by selection of an appropriate theoretical<br />
framework which is determined by the stakeholder in the system. This<br />
emphasis on the needs of both internal and external customers make a<br />
comprehensive evaluation criteria. Fostering the exchange of practices<br />
between organizations made to the evaluation result was high. In a short<br />
time.<br />
Keywords: Indicators, Local Government Organization, Analytic<br />
Hierarchy Process<br />
1. บทนํา<br />
1.1 ที่มาของปญหา
ประเทศไทยในปจจุบัน การปกครองแบบรวมศูนยอํานาจมี<br />
ขีดจํากัด เนื่องจากการบริหารปกครองประเทศที่ประกอบไปดวย<br />
ประชากรมากมายและพื้นที่อันกวางไกล<br />
ทําใหการกําหนดศูนยกลางการ<br />
บริหารบานเมืองโดยรัฐบาลเปนผูออกนโยบายและสั่งการตามลําดับชั้น<br />
จนถึงผูปฏิบัติยอมเปนสิ่งที่เปนไปไดยาก<br />
หรือเกิดสภาพของความไม<br />
ประหยัดในเชิงขนาด (Diseconomies of scale) [1] จึงมีความจําเปนที่<br />
จะตองมีการถายเทอํานาจในทางการเมืองการปกครองใหอยูในองคกร<br />
หรือสถาบันที่อยูนอกศูนยกลางออกไปใกลชิดกับประชาชนมากยิ่งขึ้น<br />
ดวยเหตุนี้องคกรปกครองทองถิ่นจึงมีความสําคัญเปนอยางยิ่งดังที่รัฐบาล<br />
ทุกรัฐบาลใหความสําคัญมาโดยตลอด โดยมีเหตุผลหลักคือ 1) ชวย<br />
ตอบสนองตอปญหาและความตองการของชุมชนภายในทองถิ่น<br />
2)ชวย<br />
สรางเสริมความรูความเขาใจในทางการเมืองเปนสถาบันฝกสอน<br />
ประชาธิปไตยใหประชาชน 3) สรางการมีสวนรวม (Participation) การมี<br />
อยูของรัฐบาลในระดับทองถิ่นหรือในระดับภูมิภาค<br />
4) สรางความชอบ<br />
ธรรม (Legitimacy) ในการตัดสินใจในนโยบายทองถิ่น5)<br />
ดํารงหลัก<br />
เสรีภาพ (Liberty) อันจะนําไปสูการสรางโครงขายของการตรวจสอบ<br />
และถวงดุลอํานาจซึ่งกันและกัน<br />
(Checks and Balances) ระหวาง<br />
ศูนยกลางกับพื้นที่นอกศูนยกลาง<br />
[2]<br />
เพื่อตอบสนองเหตุผลดังกลาว<br />
องคกรปกครองทองถิ่นจึงควร<br />
มีการพัฒนาอยางตอเนื่อง<br />
ซึ่งในการพัฒนาในดานตาง<br />
ๆ จําเปนตองใช<br />
เครื่องมือในการวัดหรือประเมินที่เหมาะสม<br />
ดังนั้นเกณฑในการประเมิน<br />
สมรรถนะขององคกรปกครองสวนทองถิ่นจึงความสําคัญเปนอยางยิ่ง<br />
ซึ่ง<br />
ในปจจุบันเครื่องมือการประเมินองคกรปกครองสวนทองถิ่นสวนใหญ<br />
มาจากรัฐบาลหรือหนวยงานผูออกนโยบายเทานั้น<br />
แตมิไดมาจากผูที่มี<br />
สวนไดสวนเสีย(Strake Holder) ครบทั้งวงจรในแตละทองถิ่นนั้น<br />
ๆ ซึ่ง<br />
หลักในการสรางมาตรฐานการประเมินที่ดีนั้นควรสรางจากมุมมองของผู<br />
มีสวนไดสวนเสียทุก ๆ สวนซึ่งในที่นี้ไดแก<br />
ผูกําหนดนโยบาย<br />
พนักงาน<br />
และ ผูใชบริการขององคกรปกครองสวนทองถิ่น<br />
ผูวิจัยไดเล็งเห็นปญหา<br />
ดังกลาว จึงทําการวิจัยเพื่อพัฒนาเกณฑการประเมินเพื่อความสําเร็จหลัก<br />
โดยมีที่มาของเกณฑจากหลักการจัดการซึ่งสอดคลองกับมุมมองของผูมี<br />
สวนไดสวนเสียในแตละฝาย โดยไดรับความอนุเคราะหจากองคกร<br />
ปกครองสวนทองถิ่นตัวอยางเพื่อใชในการศึกษาวิจัย<br />
1.2 วัตถุประสงค<br />
1.2.1 เพื่อประเมินและพัฒนาเกณฑการประเมินคุณภาพการ<br />
ใหบริการ<br />
369<br />
1.2.2 เพื่อหาแนวทางการเพิ่มสมรรถนะการดําเนินงานขององคกร<br />
ปกครองสวนทองถิ่น<br />
1.2.3 เพื่อประยุกตใชหลักวิทยาศาสตรการตัดสนใจการเพิ่ม<br />
สมรรถนะการดําเนินงานขององคกรปกครองสวนทองถิ่น<br />
1.3 ขอบเขตของการวิจัย<br />
การวิจัยครั้งนี้ศึกษาประเด็นดานคุณภาพการใหบริการของ<br />
องคกรปกครองสวนทองถิ่น<br />
ในองคกรตัวอยางคือเทศบาล 3 แหงใน<br />
อําเภอเมือง จังหวัดอุบลราชธานี ซึ่งตั้งอยูในลักษณะพื้นที่สังคมไม<br />
แตกตางกัน<br />
1.4 ขั้นตอนการดําเนินการวิจัย<br />
ในการดําเนินการวิจัยผูวิจัยไดดําเนินการจัดลําดับการ<br />
ดําเนินงานและหลักการที่ใชในการเพิ่มสมรรถนะการดําเนินงานของ<br />
องคกรปกครองสวนทองถิ่น<br />
ดังแสดงตารางที่<br />
1<br />
ตารางที่<br />
1 ขั้นตอนและหลักการดําเนินการ<br />
1.5 งานวิจัยที่เกี่ยวของ<br />
อภิธีร ทรงบัณฑิตย[3] ไดพัฒนาแบบประเมินสถานศึกษา<br />
ระดับการศึกษาขั้นพื้นฐานโดยใชแนวการประกันคุณภาพการศึกษา<br />
ระบบมัลคอมบัลดริจ ตามมิติผลลัพธปจจัยในประเมิน 4 ดาน คือ 1.
2.3.2 กลุมพนักงานในองคกรปกครองสวนทองถิ่นใชแนวทาง<br />
7S<br />
Model ของ Macency และ หลักการจัดการที่มีประสิทธิภาพของ<br />
Fayol<br />
ในการสรางเกณฑการประเมินคุณภาพการบริการ<br />
2.3.3 กลุมประชาชนในพื้นที่องคกรปกครองสวนทองถิ่นใชแนวทาง<br />
สวนประสมทางการตลาดบริการ (7P) และ แนวคิดคุณภาพการ<br />
ใหบริการ (Service Quality) ในการสรางเกณฑการประเมินคุณภาพการ<br />
ใหบริการ<br />
2.4 การปรับลดเกณฑในแตละกลุม<br />
ตารางที่<br />
4 ปจจัยที่และตัวชี้วัดสมรรถนะที่เหมาะสม<br />
ปจจัยหลัก ปจจัยยอย ตัวชี้วัด<br />
ผูกําหนดนโยบาย<br />
การนําระบบประกัน ระดับความสําเร็จของการจัดทํามาตรฐาน<br />
(ปจจัยและตัวชี้วัด คุณภาพมาใช ระดับการสํารวจความคิดเห็นของประชาชน ตามแนวทาง มิติ ผลลัพธการดําเนินการ ประสิทธิภาพ<br />
ของ กพร.และ ประสิทธิผล<br />
PMQA) ระดับความสําเร็จการวัด วิเคราะหดานบุ คคล<br />
พนักงานในองคกร โค รงสราง ระดับความชัดเจนในอํานาจหนาที่ และ<br />
(ปจจัยและตัวชี ้วัด ความรับผิดชอบ<br />
ตามแนวทาง 7S ระดับทิศทางการบังคับบัญชาที่เปนเอกภาพ<br />
และ Fayol) ระบ บการจั ดการ ระดับความสําเร็จของการวางแผนยุทธศาสตร<br />
ระดับความเหมาะสมขอคาตอบแทน<br />
พนั กงาน ระดับความความเสมอภาค<br />
ระดับความความมั่นคง<br />
ระดับความความคิดริเริ่ม<br />
คานิ ยมรวม ระดับการรับรูดานความสามัคคี<br />
ระดับการรับรูดานเห็<br />
นแกผลประโยชน สวนรวม<br />
ระดับการรับรูดานระเบี<br />
ยบ วินัย<br />
ประชาชน คุณภาพการใหบริการ ระดับความพึงพอใจ ดาน อัธยาศัย<br />
(ปจจัยและตัวชี ้วัด การเอาใจใสและความสุภาพเรียบรอย<br />
ตามแนวทาง 7p ระดับความพึงพอใจ ดานความรวดเร็ว<br />
และ Service ระดับความพึงพอใจ ดานความสามารถในการ<br />
Quality) ตอบส นองผูใชบริการของเจาหนาที่<br />
ชองทางการใหบริการ ระดับความพึงพอใจ ดานความเพี ยงพอและ<br />
ความหลากหลายของชองทางการให บริการ<br />
ระดับความพึงพอใจ ดานขั้นตอนในชองทาง<br />
การใหบริการมีความชัดเจน ไมยุงยาก<br />
ซับซอน<br />
ลักษณะทางกายภาพ ระดับความพึงพอใจ ดานการจัดสิ่งอํานวย<br />
ที่สามารถจับตองได ความสะดวกในสถานที ่ใหบริการ เชน<br />
ที่จอดรถ น้ําดื่ม<br />
ระดับความพึงพอใจ ดานเครื่องมือ<br />
/ระบบใน<br />
การบริการขอมูลส ารส นเทศ ระดับความพึงพอใจ ดานความสะอาด และ<br />
ปลอดภัยของอาคารสถานที่<br />
ราค า ระดับความพึงพอใจ ดานคาใชจายในการ<br />
ใชบริการ<br />
เมื่อไดที่มาของเกณฑการประเมินคุณภาพการใหบริการที่<br />
เหมาะสมที่สุดสําหรับแตละกลุมแลวทําการปรับลดเกณฑของแตละกลุม<br />
โดยระบุตัวแทนของแตละกลุมเปนกรรมการในการรวบรวมเกณฑที่มี<br />
ความคลายคลึงกัน โดยใชนักวิชาการผูมีประสบการณสอนดานรัฐ<br />
ประศาสนศาสตรเปนตัวแทนของกลุมผูกําหนดนโยบายฯ<br />
ใชตัวแทนผู<br />
ปฏิบัติหนาที่ใหบริการในองคกรปกครองสวนทองถิ่นเปนตัวแทนของ<br />
กลุมพนักงาน<br />
และใชตัวแทนจากสภาเทศบาลเปนตัวแทนของกลุม<br />
ประชาชน กลุมละสองคนใชเทคนิคการตัดสินใจแบบกลุม<br />
( Nominal<br />
Group Technique : NGT ) เพื่อขจัดตัวชี้วัดที่ซ้ําซอน<br />
และทําการจัดกลุม<br />
371<br />
ตัวชี้วัดและปจจัยรองที่อยูภายใตปจจัยหลักแตละดาน<br />
โดยใชเทคนิค<br />
แผนภาพความเกี่ยวโยง<br />
( Affinity Diagram ) ในการลดปจจัยที่มี<br />
ความสําคัญต่ํากวาระดับ<br />
3 จากนั้นนําขอมูลที่ไดจากการจัดกลุมตัวชี้วัด<br />
และปจจัยรองที่อยูภายใตปจจัยหลักแตละดานมาพัฒนาตัวชี้วัด<br />
โดยยึด<br />
เกณฑการตัดสินใจของ Keeny และ Raiffa คือเกณฑตองมีลักษณะ<br />
ครบถวน สมบูรณ ใชงานไดจริง สามารถพิจารณาแยกกันได ไมซ้ําซอน<br />
มีจํานวนนอยที่สุด<br />
การนําไปใชงานแบงลักษณะตรงและครอบคลุม<br />
สามารถนําไปปฏิบัติได โดยแบงสเกลคะแนนเปน 5 4 3 2 และ1<br />
ตามลําดับความสําคัญ แลวสงแบบสอบถามไปยังผูที่เกี่ยวของในการ<br />
พิจารณาคัดเลือกดัชนีชี้วัดสมรรถนะในเทศบาลกรณีศึกษา<br />
ไดพิจารณา<br />
ดัชนีชี้วัดสมรรถนะที่มีความเหมาะสมกับสภาพการปฏิบัติงานในองคกร<br />
รวมถึงการประชุมทบทวนวรรณกรรม สรุปไดดังตารางที่<br />
4<br />
2.5 กําหนดน้ําหนักความสําคัญของแตละปจจัย<br />
การกําหนดน้ําหนักความสําคัญของแตละปจจัยถือเปนสิ่งที่<br />
ตองทําและจําเปนตอการวัดสมรรถนะการดําเนินงาน โดยสามารถทราบ<br />
วาปจจัยตาง ๆ มีความสําคัญมากนอยหรือแตกตางกันเพียงใด ซึ่งผูวิจัยได<br />
เก็บขอมูลโดยการใชแบบสอบถาม สอบถามบุคลากรที่เกี่ยวของซึ่งใช<br />
การเชื่อมโยงวิสัยทัศน<br />
ภารกิจ และเปาหมาย ในการพิจารณา เพื่อให<br />
คะแนนน้ําหนักความสําคัญในแตละปจจัยและใชวิธีการเปรียบเทียบ<br />
ความสําคัญของปจจัยตาง ๆ เปนคู<br />
ๆ โดยใชเทคนิคกระบวนการวิเคราะห<br />
เชิงลําดับชั้น<br />
(Analytic Hierarchy Process: AHP) [8] ซึ่งสามารถ<br />
ประมวลผลขอมูลไดดวยซอฟตแวรสําเร็จรูป Expert Choice ดังรูปที่<br />
1<br />
รูปที่<br />
1 การเปรียบเกณฑหลักในการตัดสินใจ<br />
จากรูปที่<br />
1 จะเห็นวามีคาดัชนีความสอดคลอง (Consistency<br />
Index) หรือคา Incon เทากับ 0.08 แสดงวาการเปรียบเทียบเกิดความ<br />
ขัดแยงอยูในระดับที่สามารถยอมรับได<br />
ผลการวิจัยพบวาปจจัยดานการ<br />
สนองตอมุมมองของประชาชนในพื้นที่ไดรับการกําหนดน้ําหนัก
ตารางที่<br />
คาเฉลี่ยของตัวชี้วัดในแตละกลุมเกณฑ<br />
เกณฑ ท.ต.อุบลฯ ท.ต.ขามใหญ ท.ต.ปทุม<br />
การนําระบบประกันคุณภาพมาใช 3.9 3.6 3.5<br />
คุณภาพการใหบริการ 4.2 4.5 4.1<br />
ชองทางการใหบริการ 4.2 4.2 4.4<br />
ลักษณะทางกายภาพ 4.6 4.3 4.3<br />
ผลลัพธการดําเนินการ 3.9 3.5 3.6<br />
* คาที่แรเงาคือคาที่ดีที่สุดซึ่งจะใชเปนคาอางอิงตอไป<br />
3.3 การวิเคราะห(Analysis)<br />
นําขอมูลที่ไดจากตารางที่<br />
5 มาสรางแผนภูมิเรดาหเพื่อการ<br />
วิเคราะหผลโดยเปรียบเทียบระหวางเทศบาลทั้ง<br />
3 แหงโดยกําหนดคา<br />
ความคาดหวังที่<br />
3.5 ดังรูปที่<br />
4<br />
รูปที่<br />
4 แผนภูมิเรดารเปรียบเทียบคะแนนในแตละเทศบาล<br />
กอนปรับปรุง<br />
จากแผนภูมิเรดาหจะเห็นไดวาเกณฑการประเมินในแตละ<br />
ดานเทศบาลตัวอยางทั้ง<br />
3 แหงผานเกณฑคาคาดหวังคือ 3.5 ซึ่งแตละ<br />
เทศบาลมีจุดเดนในแตละเกณฑตางกัน ซึ่งจะถือไดวาเทศบาลที่มีคะแนน<br />
ในแตละดานที่ต่ํากวามีความแปรปรวนในการปฏิบัติงานสูงกวาเทศบาล<br />
ที่มีคะแนนสูงสุด<br />
3.4 การปรับปรุงพัฒนา(Improve)<br />
เนื่องจากหนวยงานเทศบาลแตละแหงเปนหนวยงานของ<br />
รัฐบาล จึงไมมีการแขงขันเชิงผลประโยชน ดังนั้นวิธีการเทียบเคียง<br />
สมรรถนะ(Benchmarking) จึงเปนวิธีที่เหมาะสมประหยัดทรัพยากรใน<br />
การศึกษาเรียนรูเพื่อการพัฒนา<br />
โดยแบงเปนขั้นตอนดังตอไปนี้<br />
373<br />
3.4.1 รวมมือระหวางองคกรเพื่อสรางคาอางอิง<br />
(Collaborative<br />
Benchmarking) โดยกําหนดคาที่ดีที่สุดในแตละเกณฑ<br />
เปนคาอางอิงดัง<br />
แสดงในตารางที่<br />
5<br />
3.4.2 เปรียบเทียบระบบและวิธีการดําเนินงาน (Process<br />
Benchmarking) โดยการศึกษาวิธีการปฏิบัติที่ดีที่สุด(Best<br />
Practice) และ<br />
นําวิธีนั้นมาเปนตนแบบการปฏิบัติงาน<br />
จากหนวยงานซึ่งปฏิบัติใน<br />
เกณฑนั้น<br />
ๆ ไดดีที่สุดหรือหนวยงานผูไดรับการประเมินใหเปนคาอางอิง<br />
ในเกณฑนั้น<br />
ๆ นั่นเอง<br />
3.4.3 หาจุดแข็งขององคกรโดยการเปรียบเทียบภายในองคกร<br />
(Internal Benchmarking) เริ่มจากการหาคาคะแนนถวงน้ําหนักของแตละ<br />
เกณฑดังสมการที่<br />
1<br />
คะแนนถวงน้ําหนัก<br />
= น้ําหนัก<br />
x คะแนนประเมิน (1)<br />
หากเกณฑใดมีคะแนนถวงน้ําหนักมากเปนอันดับตน<br />
ๆ ทาง<br />
องคกรสามารถนําพิจาณาใชเปนจุดแข็งดังตารางที่<br />
6 เพื่อวางกลยุทธการ<br />
ดําเนินงานตอไปได<br />
ตารางที่<br />
6 คาเฉลี่ยของตัวชี้วัดในแตละกลุมเกณฑ<br />
เกณฑ น้ําหนักเกณฑ<br />
(%) ท.ต.อุบลฯ คะแนนถวงน้ําหนัก<br />
การนําระบบประกันคุณภาพมาใช 24.2 3.9 0.9438<br />
คุณภาพการใหบริการ 20.5 4.2 0.861<br />
ชองทางการใหบริการ 13.9 4.2 0.5838<br />
ลักษณะทางกายภาพ 12.2 4.6 0.5612<br />
ผลลัพธการดําเนินการ 9.3 3.9 0.3627<br />
* คาที่แรเงาคือคาที่ดีที่สุดซึ่งจะใชกําหนดเปนจุดแข็งขององคกร<br />
3.5 การควบคุม(Control)<br />
ผูวิจัยไดการวางระบบควบคุมติดตามโดยเลือกกลุมเกณฑที่<br />
แตละเทศบาลไดรับการประเมินใหเปนคาอางอิง หรือเปนจุดแข็งของ<br />
องคกร นํามาจัดทําเปนมาตรฐานการทํางาน (Work Instruction) เพื่อเปน<br />
ตนแบบของการปฏิบัติที่ดีที่สุด<br />
(Best Practice) ใหแกเทศบาลอื่น<br />
และสามารถใชควบคุมการทํางานใหเปนไปในทิศทางเดียวกัน<br />
ผูวิจัยไดทดลองโดยใหเทศบาลตําบลขามใหญทํามาตรฐาน<br />
การทํางานในกลุมเกณฑคุณภาพการใหบริการโดยสรางมาตรฐานการ<br />
ตอนรับผูมาใชบริการตลอดจนวิธีการแนะนําขั้นตอนการทํางานตาง<br />
ๆ<br />
ตามที่เคยปฏิบัติ<br />
เนื่องจากเทศบาลตําบลขามใหญเปนตนแบบของการ<br />
ปฏิบัติที่ดีที่สุดในกลุมเกณฑดานนี้<br />
และกลุมเกณฑดานนี้ยังเปนจุดแข็ง<br />
ของเทศบาลตําบลขามใหญอีกดวย โดยขอมูลเบื้องตนในการใหบริการ
ของเทศบาลตําบลขามใหญซึ่งแตกตางจากเทศบาลตําบลปทุมและ<br />
เทศบาลตําบลอุบล คือ ผูบริหารมุงเนนความสําคัญของการใหบริการมี<br />
การจัดอบรมอบรมและเนนปลูกฝงการใหความสําคัญในการใหบริการ<br />
ตามกระบวนการSERVICE โดย S คือ Smiling and Sympathy หมายถึง<br />
ตองยิ้มแยมและเอาใจเขามาใสใจเรา<br />
E คือ Early Response หมายถึงการ<br />
ตอบสนองความตองการของผูรับบริการอยางรวดเร็วและทันใจ<br />
R คือ<br />
Respectful แสดงออกถึงความนับถือใหเกียรติผูมารับบริการ<br />
V คือ<br />
Voluntaries Manner หมายถึงการใหบริการอยางสมัครใจ I คือ Image<br />
Enhancing หมายถึงการรักษาภาพพจนของผูใหบริการ<br />
และเสริม<br />
ภาพพจนขององคกร C คือ Courtesy หมายถึง ความออนนอมถอมตน<br />
ออนโยน มีมารยาท รูจักกาลเทศะ<br />
E คือ Enthusiasm หมายถึงการ มีความ<br />
กระฉับกระเฉง และกระตือรือรนขณะบริการ จะใหบริการมากกวาที่<br />
คาดหวังเสมอนอกจากที่ยังปลูกฝงจิตสํานึกในการบริการโดยเนน<br />
หลักการที่วาตัวผูใหบริการสําคัญที่สุด<br />
ถึงแมวาสถานที่สิ่งอํานวยความ<br />
สะดวกตาง ๆ ดีวิเศษอยางไร แตหากผูใหบริการไมมีจิตใจในการ<br />
ใหบริการ สิ่งอํานวยความสะดวกตาง<br />
ๆ ก็ไรความหมาย โดยผูใหบริการ<br />
ควรรูสึกกับผูรับบริการเหมือนเปนญาติ<br />
ทําใหผูใชรูสึกวาอบอุนเมื่อมาใช<br />
บริการและเปนคนคุนเคยซึ่งความคุนเคยจะชวยใหรูสึกวาอยากจะ<br />
ชวยเหลือผูรับบริการอยางเต็มที่เต็มความสามารถในการทํางานหรือ<br />
ปฏิบัติงานซึ่งจะกอใหเกิดความพึงพอใจของผูรับบริการ<br />
เมื่อเทศบาลตําบลอุบล<br />
และเทศบาลตําบลปทุม ทําการ<br />
เทียบเคียงสมรรถนะโดยการประเมินความตางจากสิ่งที่เปนอยูปจจุบัน<br />
กับสิ่งที่อยากใหเปน(Gap<br />
Analysis) และนํามาตรฐาน และวิธีการทํางาน<br />
ในกลุมเกณฑคุณภาพการใหบริการ<br />
จากเทศบาลตําบลขามใหญไป<br />
ทดลองปรับใชเปนเวลา 15 วันและทําการประเมินซ้ําโดยผูใชบริการ<br />
เทศบาลทั้ง<br />
2 แหงแหงละ 100 คน ผลการประเมินปรากฏดังตารางที่<br />
7<br />
และรูปที่<br />
5<br />
ตารางที่<br />
7 ผลการประเมินกอนและหลังปรับปรุง<br />
374<br />
รูปที่<br />
5 แผนภูมิเรดารหลังการปรับปรุงดาน<br />
คุณภาพการใหบริการ<br />
จากตารางที่<br />
7 และรูปที่<br />
5 จะเห็นไดวาผลการประเมินความ<br />
พึงพอใจดานคุณภาพการใหบริการของเทศบาลตําบลอุบลฯ และเทศบาล<br />
ตําบลปทุมมีคาเฉลี่ยเพิ่มมากขึ้นจาก<br />
85.33% เปน 89.33%หลังจากนํา<br />
มาตรฐานตนแบบไปปรับใช<br />
4. สรุปผลและขอเสนอแนะ<br />
จากผลการวิจัยแสดงใหเห็นวาการพัฒนาเกณฑการพัฒนา<br />
และประเมินเกณฑความแหงความสําเร็จหลักโดยการคัดเลือกกรอบ<br />
ทฤษฎีที่เหมาะสม<br />
ซึ่งพิจารณาจากผูมีผลกระทบในระบบนั้นเปนการให<br />
ความสําคัญตอความตองการของลูกคาทั้งภายในและภายนอกทําใหได<br />
เกณฑการประเมินที่ครอบคลุม<br />
หลังจากนั้นทําการปรับลดเกณฑที่<br />
ซ้ําซอน<br />
หาน้ําหนักความสําคัญของแตละเกณฑโดยการวิเคราะหเชิง<br />
ลําดับชั้น<br />
ในการศึกษาพบวาปจจัยดานการนําระบบคุณภาพมาใชไดรับ<br />
การกําหนดน้ําหนักความสําคัญสูงที่สุด<br />
รองลงมาคือปจจัยดานคุณภาพ<br />
ในการใหบริการ ชองทางการใหบริการ ลักษณะทางกายภาพ ผลลัพธการ<br />
ดําเนินงาน โครงสรางหนาที่<br />
ระบบการจัดการ พนักงาน คานิยมรวม<br />
และราคา ตามลําดับ จากนั้นคัดเลือกเฉพาะเกณฑซึ่งมีรอยละของน้ําหนัก<br />
ความสําคัญสะสม 80 ตามหลักของพาเรโตนํามาประเมินเพื่อพัฒนา<br />
สมรรถนะดานคุณภาพการใหบริการ ซึ่งสามารถสรางความคุมคาในการ<br />
แกไข หลังจากนั้นนําไปประเมินเทศบาลตัวอยาง<br />
3 ที่ซึ่งมีขนาดและ<br />
สภาพการดําเนินการคลายคลึงกันโดยดําเนินขั้นตอนการปรับปรุง<br />
สมรรถนะตามแนวทาง ซิกส ซิกมา ซึ่งผลการประเมินเทศบาลแตละที่มี<br />
การปฏิบัติที่ดีเลิศแตละเกณฑตางกันไป<br />
และจากการคํานวณหาจุดแข็งแต<br />
ละที่ตางก็มีจุดแข็งตางกันไป<br />
ผูวิจัยจึงไดใหแตละเทศบาลทําระเบียบวิธี<br />
ปฏิบัติที่ดีเลิศในแตละเกณฑซึ่งไดคะแนนประเมินสูงสุด<br />
เมื่อนําวิธี
ปฏิบัตินั้นมาทดลองใชกับเทศบาลอื่นโดยใชแนวทาง<br />
เบนชมารกกิ้ง<br />
ผลปรากฏวาหลังการปรับปรุง ผลการประเมินความพึงพอใจมีคาสูงขึ้น<br />
เทากับตนแบบ ดังนั้นวิธีการการเพิ่มสมรรถนะการดําเนินงานขององคกร<br />
ปกครองสวนทองถิ่น<br />
โดยการพัฒนาและประเมินเกณฑความแหง<br />
ความสําเร็จหลัก ทําใหไดตัวชี้วัดที่เหมาะสม<br />
งาย จํานวนขอประเมินนอย<br />
ตามมุมมองของตัวแทนผูมีสวนไดสวนเสียตรงกับผลการประเมินคามพึง<br />
พอใจในการพัฒนาตัวชี้วัดของ[3]<br />
ทําใหคุมคากับการแกปญหา<br />
ตลอดจนประหยัดคาใชจายในการปรับปรุงพัฒนา สามารถนําไป<br />
ประยุกตใชกับองคกรตาง ๆ ได เปนอยางดี สวนขั้นตอนการปรับปรุง<br />
สมรรถนะโดยใชขั้นตอนตามแนวทาง<br />
ซิกส ซิกมา มีขอแตกตางจากการ<br />
ดําเนินการตามขั้นตอนกิจกรรมกลุม<br />
QCC ดังงานวิจัย[4] คือ ขั้นตอน<br />
กิจกรรมกลุมQCC<br />
จะเปนการแกปญหาระดับกลุมงานซึ่งเกิดจากการ<br />
ระดมสมองของกลุมยอย<br />
สวนแนวทาง ซิกส ซิกมา สามารถสราง<br />
เปาหมายในการทํางานใหทุกคน (Performance goal) ในองคกร นําไปสู<br />
การพัฒนาใหเปนองคกรแหงการเรียนรู<br />
(Promote Learning<br />
Organization) ตลอดจนสามารถวางยุทธศาสตรในการเปลี่ยนแปลง<br />
(Strategic Change) ระดับองคกรได<br />
แตอยางไรก็ตามการวิธีการปรับปรุงสมรรถนะโดยใชขั้นตอน<br />
ตามแนวทาง ซิกส ซิกมา นั้น<br />
การวัดผลยังไมไดลงลึกถึงเชิงปริมาณยังคง<br />
อยูในขั้นกระบวนการเทานั้น<br />
การวัจัยในขั้นตอไปจึงควรพัฒนาสูการ<br />
ประมวลผลเชิงปริมาณในแนวทางนี้ตอไปดังตัวอยางงานวิจัยของกันย<br />
รัตน คมวัชระ[5] นอกจากนี้ยังมีวิธีการปรับปรุงสมรรถนะแนวทางอื่นที่<br />
สามารถนํามาประยุกตใชไดอีกดังเชน แนวทางบาลานซสกอรการด [7]<br />
เปนตน<br />
5. เอกสารอางอิง<br />
[1] นครินทร เมฆไตรรัตน และคณะ, “ทิศทางการปกครองทองถิ่น<br />
ไทยและตางประเทศเปรียบเทียบ” , กรุงเทพฯ: สํานักพิมพ<br />
วิญูชน, 2546.<br />
[2] ประยูร กาญจนดุล, “การจัดระเบียบการปกครองสวนทองถิ่นใน<br />
ประเทศไทย” , วารสารราชบัณฑิตยสถาน 27,1 (ม.ค.-มี.ค.45)<br />
กรุงเทพฯ: ISSN 0215-2968 , สํานักราชบัณฑิตยสถาน , 2545<br />
[3] อภิธีร ทรงบัณฑิตย, “การพัฒนาแบบประเมินสถานศึกษาตาม<br />
แนวทางการประกันคุณภาพการศึกษาระบบ มัลคอมบัลดริจ<br />
สําหรับสถานศึกษาระดับการศึกษาขั้นพื้นฐาน”<br />
, วิทยานิพนธ<br />
คณะศึกษาศาสตร , มหาวิทยาลัยศรีนครินทรวิโรจน , 2550<br />
375<br />
[4] คณิศร ภูนิคม, “การเพิ่มคุณภาพการใหบริการขององคกร<br />
ปกครองสวนทองถิ่นกรณีศึกษา<br />
องคการบริหารสวนตําบล<br />
สําโรง อําเภอโพธิ์ไทร<br />
จังหวัดอุบลราชธานี” , เอกสารสืบ<br />
เนื่องจากการประชุมวิชาการขายงานวิศวกรรมอุตสาหการ<br />
ประจําป 2553 โรงแรมสุนียแกรนโฮเทลแอนดคอนเวนชั่น<br />
เซ็นเตอร , อุบลราชธานี , วันที่<br />
13-15 ตุลาคม พ.ศ. 2553, 2553<br />
[5] กันยรัตน คมวัชระ , “ การนํา Six Sigma มาประยุกตใชในการ<br />
ปรับปรุงคุณภาพการศึกษา” , วารสารประกันคุณภาพ<br />
มหาวิทยาลัยขอนแกน , 2547<br />
[6] สํานักงานคณะกรรมการพัฒนาระบบราชการ,“www.opdc.go.th”<br />
5 มกราคม 2554 , 2554.<br />
[7] ศ.รท.(หญิง)ดร.อัจฉรา จันทรฉาย , “สูความเปนเลิศทางธุรกิจ<br />
คูมือการวางแผนและการจัดทํา<br />
BSC” , กรุงเทพฯ , สํานักพิมพ<br />
จุฬาลงกรณมหาวิทยาลัย , 2549<br />
[8] อภิชาติ โสภาแดง, “การตัดสินใจเพื่อการบริหาร”<br />
, เอกสาร<br />
ประกอบการสอนคณะวิศวกรรมศาสตร มหาวิทยาลัยเชียงใหม,<br />
สํานักพิมพมหาวิทยาลัยเชียงใหม , 2552.
376<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การศึกษาสภาวะความเครียดที่เกิดขึ้นบนชิ้นงานในการทดสอบแบบเปาโปงดวยน้ํา<br />
A Study of Strain Condition on Deformed Part in Hydraulic Bulge Test<br />
ชลากร อุดมรักษาสกุล 1 ธนสาร อินทรกําธรชัย 2 สุวัฒน จีรเธียรนาถ 3<br />
1,2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
เขตบางซื่อ<br />
กรุงเทพมหานคร 10800<br />
3<br />
ศูนยเทคโนโลยีโลหะและวัสดุแหงชาติ<br />
114 อุทยานวิทยาศาสตรแหงประเทศไทย อําเภอคลองหลวง ปทุมธานี 12120<br />
โทรศัพท/โทรสาร: 085-128-2919 E-mail: 1 u.chalakorn@gmail.com<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อศึกษาแมพิมพที่ไดสรางขึ้นมา<br />
สําหรับทําการทดสอบแบบเปาโปงดวยน้ํา<br />
(Hydraulic Bulge Test :<br />
HBT) วาในขณะขึ้นรูปชิ้นงานที่ทําการทดสอบจะอยูในสภาวะแรงดึง<br />
สองทิศทาง (Biaxial) หรือไม ในการทดสอบจะนําเหล็กแผนเกรด<br />
SPCC ขนาดความหนา 1 มิลลิเมตร มาทําการขึ้นรูปกริดวงกลมที่มี<br />
ขนาดเสนผานศูนยกลางเทากับ 2.54 มิลลิเมตร โดยวิธีการกัดกรดดวย<br />
ไฟฟาแลวจึงนําชิ้นงานมาทดสอบขึ้นรูปกับแมพิมพรูปโดมครึ่งทรง<br />
กลมขนาดเสนผานศูนยกลางเทากับ 100 มิลลิเมตร ที่ความสูงตางกัน<br />
3 ระดับ หลังจากนั้นจึงนําชิ้นงานมาศึกษาถึงความเครียด<br />
(Strain :ε )<br />
ที่เกิดขึ้นบนระนาบในแนวแกน<br />
Y หรือแนวแกนหลัก (Major Strain :<br />
ε 1) และระนาบในแนวแกน X หรือแนวแกนรอง (Minor Strain :<br />
ε 2) ผานการเปลี่ยนแปลงขนาดเสนผานศูนยกลางของกริดรูปวงกลม<br />
จากผลการทดลองพบวา คาความเครียดในแนวแกนทั้งสองมีคาเทากัน<br />
ซึ่งสามารถสรุปไดวาการขึ้นรูปแบบเปาโปงดวยน้ําจะอยูในสภาวะ<br />
แรงดึงสองทิศทาง<br />
คําสําคัญ: การทดสอบแบบเปาโปงดวยน้ํา<br />
สภาวะแรงดึงสองทิศทาง<br />
Abstract<br />
This paper is aims to investigate assumption of biaxial<br />
stress state in hydraulic bulge test (HBT) die through strain<br />
condition. SPCC steel grade of 1 millimeter of thickness is a material<br />
selected to examine of this test. Firstly, circle grids of 2.54<br />
millimeter of diameter are drawn on specimens. Three levels of<br />
dome height are experimented with HBT die of 100 millimeter of<br />
diameter. Secondly, the major strain (ε 1) in rolling direction or Y<br />
axis of material and the minor strain (ε 2) in transverse direction or<br />
X axis of specimen are measured using the extended diameter of<br />
circle grid. The result shows that the major and minor strains of<br />
specimens are equal at same level of dome height. It is implied that<br />
the hydraulic bulge test with the proposed die is in biaxial condition.<br />
Keywords: Hydraulic bulge test, Biaxial condition.<br />
1. บทนํา<br />
กระบวนการขึ้นรูปโลหะแผน<br />
(Sheet Metal Forming<br />
Process) เปนกระบวนการที่นิยมนํามาใชในการผลิตชิ้นสวนยานยนต<br />
และเครื่องใชในครัวเรือน<br />
ซึ่งอุตสาหกรรมประเภทนี้ตองการความ<br />
แมนยํา ความเที่ยงตรงของชิ้นงานสูง<br />
รวมทั้งตองการลดขั้นตอนใน<br />
การผลิตใหนอยที่สุด<br />
การขึ้นรูปโลหะแผนเพื่อใหไดชิ้นงานที่มี<br />
คุณภาพนั้นจะขึ้นอยูกับปจจัยหลายประการ<br />
เชน รูปรางของแมพิมพ<br />
แรงจับยึด รวมไปถึงคุณสมบัติของโลหะแผนที่นํามาใชในการขึ้นรูป<br />
สําหรับโลหะแผนที่นิยมนํามาใช<br />
คือ เหล็กกลาคารบอนต่ําตาม<br />
มาตรฐาน JIS G 3141 SPCC เนื่องจากมีคุณสมบัติทางกลที่เหมาะสม<br />
ทั้งทางดานการใชงานและการขึ้นรูป<br />
คุณสมบัติของโลหะแผนในชวง<br />
พลาสติกถือวามีความสําคัญมากในกระบวนการขึ้นรูป<br />
เพราะวาการ<br />
ขึ้นรูปดังกลาวจะเปนการทําใหโลหะแผนเรียบเสียรูปถาวรจนได<br />
รูปรางขนาดตามที่ตองการ<br />
วิธีการหาคุณสมบัติของโลหะแผนในชวง<br />
พลาสติกนิยมใชคือ วิธีการทดสอบแรงดึงแกนเดียว (Uniaxial Tensile<br />
Test) ซึ่งจะเปนการหาคาความสัมพันธระหวางความเคนและ<br />
ความเครียดในชวงพลาสติกของโลหะ แตเนื่องจากการทดสอบแรงดึง<br />
แกนเดียว เมื่อชิ้นงานที่ทําการทดสอบขาดจะทําใหไดกราฟคา<br />
ความสัมพันธระหวางความเคนและความเครียดที่มีคาความเคนไมเกิน<br />
0.3 ของความเครียด โดยทั่วไปถือวามีคาไมเพียงพอสําหรับการ<br />
ทดสอบ จึงตองทําใหมีการประมาณคา (Extrapolation) นอกชวงที่เกิน
0.3 ของความเครียด ซึ่งอาจจะสงผลใหการจําลองที่มีคาความเครียด<br />
อยูนอกชวงดังกลาวไมถูกตอง<br />
การทดสอบแบบเปาโปงดวยน้ํา<br />
(HBT)<br />
เปนทางเลือกหนึ่งที่ใชในการทดสอบเพื่อหาคาความสัมพันธนอกชวง<br />
ดังกลาวได การทดสอบชนิดนี้เปนการทดสอบโดยใชแรงดันน้ําเพื่อ<br />
สรางสภาวะแรงดึงสองทิศทาง ซึ่งนอกจากจะใหสภาวะการทดสอบ<br />
ใกลเคียงกับการขึ้นรูปจริงแลวยังใหขอมูลคาความสัมพันธระหวาง<br />
ความเคนและความเครียดที่มากกวาการทดสอบแรงดึงแกนเดียว<br />
[1] ดังนั้น<br />
การทดสอบแบบเปาโปงดวยน้ําจึงถูกนิยมนํามาทําการทดสอบหา<br />
คุณสมบัติของโลหะแผนมากขึ้น<br />
ในงานวิจัยนี้ผูวิจัยไดสรางแมพิมพ<br />
สําหรับทําการทดสอบแบบเปาโปงดวยน้ําขึ้นมา<br />
เพื่อใหแมพิมพ<br />
ดังกลาวสามารถนําไปทดสอบชิ้นงาน<br />
เพื่อหาคาความสัมพันธระหวาง<br />
ความเคนและความเครียดไดอยางถูกตอง ชิ้นงานที่ทําการทดสอบ<br />
จะตองอยูในสภาวะแรงดึงสองทิศทาง<br />
ดังนั้นในงานวิจัยนี้จึงมี<br />
วัตถุประสงคเพื่อตองการพิสูจนวาชิ้นงานที่ไดจากการขึ้นรูปแบบเปา<br />
โปงดวยน้ํา<br />
โดยใชแมพิมพที่ผูวิจัยสรางขึ้นจะเปนไปตามหลักการของ<br />
สภาวะแรงดึงสองทิศทางหรือไม โดยวัดคาระนาบแนวแกนหลัก (d1)<br />
และแนวแกนรอง (d2) ผานการเปลี่ยนแปลงขนาดเสนผานศูนยกลาง<br />
ของกริดรูปวงกลมในแนวแกนทั้งสอง<br />
แสดงดังรูปที่<br />
1<br />
d1 d2 รูปที่<br />
1 การเปลี่ยนแปลงขนาดเสนผานศูนยกลางของกริดรูปวงกลมใน<br />
แนวแกนทั้งสอง<br />
จากเสนผานศูนยกลางของกริดวงกลมที่เปลี่ยนไป<br />
สามารถนํามา<br />
คํานวณหาคาความเครียดไดโดยใชสมการที่<br />
1 และ 2 ดังนี้<br />
ε 1 = ln (d1/d0) (1)<br />
ε 2 = ln (d2/d0) (2)<br />
ถาความเครียดทั้งสองแนวแกนไมแตกตางกัน<br />
(ε 1 = ε 2) จึงจะสรุป<br />
ไดวาการขึ้นรูปดวยแมพิมพที่สรางขึ้นนั้นเปนไปตามทฤษฎี<br />
แตถา<br />
ความเครียดที่เกิดขึ้นทั้งสองแนวแกนมีคาแตกตางกัน<br />
(ε 1 ≠ ε 2) จะ<br />
377<br />
แสดงวาแมพิมพที่สรางขึ้นนั้นไมสามารถนํามาใชในการขึ้นรูปดวย<br />
วิธีการเปาโปงดวยน้ําได<br />
[2]<br />
2. หลักการและทฤษฎีการทดสอบแบบเปาโปงดวยน้ํา<br />
การทดสอบแบบเปาโปงดวยน้ําเปนการทดสอบเพื่อหาคา<br />
ความสัมพันธระหวางความเคนและความเครียดของวัสดุในชวง<br />
พลาสติก โดยในการทดสอบจะนําเหล็กแผนมาขึ้นรูปเปนลักษณะรูป<br />
โดมครึ่งทรงกลม<br />
ซึ่งในขณะขึ้นรูปชิ้นงานจะตองพยายามรักษารูปราง<br />
ความเปนทรงกลมไวตลอด ภายใตเงื่อนไขการเกิดคาความเคนดัด<br />
(Bending Stress) ที่เกิดขึ้นจะตองมีคานอยมากหรือไมมีเลย<br />
เพื่อไมให<br />
เกิดเงื่อนไขดังกลาว<br />
ดังนั้นเสนผานศูนยกลางของครึ่งทรงกลมควรมี<br />
ขนาดใหญเมื่อเทียบกับความหนาของโลหะแผน<br />
[3] ในงานวิจัยนี้ได<br />
ทําการออกแบบแมพิมพสําหรับการทดสอบแบบเปาโปงดวยน้ําดัง<br />
แสดงในรูปที่<br />
2<br />
รูปที่<br />
2 แบบรางแมพิมพสําหรับการทดสอบแบบเปาโปงดวยน้ํา<br />
จากรูปที่<br />
2 ซึ่งเปนแบบรางแมพิมพสําหรับการทดสอบ<br />
แบบเปาโปงดวยน้ํา<br />
กําหนดใหเสนผานศูนยกลางของแมพิมพ มีขนาด<br />
เทากับ 100 มิลลิเมตร และรัศมีของแมพิมพเทากับ 5 มิลลิเมตร ซึ่งเมื่อ<br />
นําไปสรางเปนแมพิมพสําหรับการทดสอบแบบเปาโปงแลวนั้นจะมี<br />
ลักษณะรูปรางแสดงดังรูปที่<br />
3 [4]<br />
รูปที่<br />
3 แมพิมพที่สรางสําหรับการทดสอบแบบเปาโปงดวยน้ํา
จากที่ไดกลาวมาขางตนถึงขั้นตอนในขณะขึ้นรูปชิ้นงาน<br />
จะตองพยายามรักษารูปรางความเปนทรงกลมไวตลอด ภายใตเงื่อนไข<br />
การเกิดคาความเคนดัดที่เกิดขึ้นจะตองมีคานอยมากหรือไมมีเลย<br />
ซึ่ง<br />
วิธีที่สามารถนํามาพิจารณาขอสมมติฐานดังกลาว<br />
จําเปนที่จะตองนํา<br />
ทฤษฎีของแผนบาง (Membrane Theory) เขามาพิจารณา ดังแสดงใน<br />
สมการที่<br />
3 [5]<br />
โดยที่<br />
σ1<br />
σ2<br />
σ1<br />
σ<br />
+ 2 =<br />
R R<br />
1<br />
2<br />
p<br />
t<br />
คือ คาความเคนหลัก (Principal Stress) แนวแกนหลัก<br />
คือ คาความเคนหลัก (Principal Stress) แนวแกนรอง<br />
R 1 คือ คารัศมีทรงกลมที่เกิดขึ้นขณะขึ้นรูปในแนวแกนหลัก<br />
R 2 คือ คารัศมีทรงกลมที่เกิดขึ้นขณะขึ้นรูปในแนวแกนรอง<br />
p คือ แรงดัน<br />
t คือ คาความหนาบนยอดโดม<br />
จากรูปรางที่เปนทรงกลมอยางสมบูรณแบบจะทําใหรูปราง<br />
ของการทดสอบชิ้นงานแบบเปาโปงดวยน้ําสมมาตรรอบแกน<br />
(Axi -<br />
symmetric) จะสงผลใหความเคนหลักทั้งสองแนวแกนมีคาเทากัน<br />
(σ = σ1 = σ2) และสงผลใหรัศมีของทรงกลมขณะขึ้นรูปมีคา<br />
เทากันดวย ( R = R 1 = R 2 ) ทําใหสมการที่<br />
3 สามารถเขียนใหมได<br />
ดังแสดงในสมการที่<br />
4<br />
โดยที่<br />
σ คือ คาความเคนหลัก (Principal Stress)<br />
d<br />
(3)<br />
pR<br />
σ = d<br />
(4)<br />
2t<br />
R d คือ คารัศมีทรงกลมที่เกิดขึ้นขณะขึ้นรูป<br />
p คือ แรงดัน<br />
t d คือ คาความหนาบนยอดโดม<br />
เนื่องจากในงานวิจัยนี้ไมมีเครื่องมือที่สามารถวัดคาความ<br />
เคน (σ ) ไดโดยตรง จึงทําใหตองวัดคาความเครียดในแนวแกนหลัก<br />
(ε 1) และแนวแกนรอง (ε 2) แทน แตเนื่องจากคาความเครียดมี<br />
ความแปรผันตรงกับคาความเคน ดังนั้นถาสามารถพิสูจนไดวา<br />
ความเครียดทั้งสองแนวแกนไมแตกตางกัน<br />
(ε 1 = ε 2) หรือแนวเสน<br />
ผานศูนยกลางทั้งสองแกนไมแตกตางกัน<br />
(d1 = d2) ก็จะสงผลใหคา<br />
378<br />
ความเคนในแนวแกนหลักและแนวแกนรอง (σ1 = σ2) มีคาไม<br />
แตกตางกันเชนกัน สําหรับในงานวิจัยนี้คารัศมีทรงกลมที่เกิดขึ้นขณะ<br />
ขึ้นรูปทั้งสองแนวแกนจะอยูภายใตสมมติฐานที่เทากัน<br />
( R 1 = R 2 )<br />
เทานั้น<br />
3. วิธีการดําเนินงานวิจัย<br />
ในวิธีการดําเนินงานวิจัยนี้ทางผูวิจัยจะไดอธิบายถึง<br />
รายละเอียดของการทดลองและการวิเคราะหผล โดยสามารถที่จะแบง<br />
ออกเปน 2 ขั้นตอนดังนี้<br />
3.1 ขั้นตอนการเตรียมชิ้นงานและทดลองการขึ้นรูป<br />
จัดเตรียมชิ้นงานโลหะแผนเหล็กกลาคารบอนต่ําเกรด<br />
SPCC ขนาด 250 x 250 มม. ที่ขนาดความหนา<br />
1 มิลลิเมตร และนํามา<br />
ทําการสรางกริดวงกลม โดยใชกรดกัดดวยไฟฟาบนแผนชิ้นงาน<br />
ทดสอบ ดังแสดงในรูปที่<br />
4<br />
รูปที่<br />
4 ชิ้นงานขนาด<br />
250 x 250 ที่ทําการสรางกริดวงกลม<br />
เมื่อไดแผนชิ้นงานทดสอบเรียบรอยแลว<br />
หลังจากนั้นจะ<br />
นํามาทําการทดลองขึ้นรูปดวยแมพิมพรูปโดมครึ่งทรงกลม<br />
ซึ่งจะทํา<br />
การขึ้นรูปทั้งหมด<br />
3 ระดับ โดยแบงเปนความสูง 10 มิลลิเมตร<br />
20 มิลลิเมตร และ 30 มิลลิเมตร ทําการขึ้นรูปตามความสูงอยางละ<br />
2 แผน แสดงดังรูปที่<br />
5<br />
10 มม. 20 มม. 30 มม.<br />
รูปที่<br />
5 ขนาดความสูงของชิ้นงานในระดับตางๆ
เมื่อทําการทดลองขึ้นรูปเรียบรอยหลังจากนั้นจะทําการ<br />
มารคจุดอางอิงเพื่อใชในการวัดคาแลวจึงทําการถายภาพกริดวงกลม<br />
โดยใชกลอง Microscope Dino-Lite รุน<br />
AM-413ZT สําหรับในการ<br />
มารคจุดอางอิงจะแบงจุดอางอิงออกเปน 2 ระดับ โดยระดับที่<br />
1 ใหเริ่ม<br />
นับกริดวงกลมที่สัมผัสกับจุดศูนยกลางของแผนชิ้นงานลงไป<br />
4<br />
กริดวงกลม และระดับที่<br />
2 ใหเริ่มนับกริดวงกลมที่สัมผัสกับจุด<br />
ศูนยกลางของแผนชิ้นงานลงไป<br />
8 กริดวงกลม ซึ่งทั้ง<br />
2 ระดับจะได<br />
จุดอางอิงระดับละ 4 จุด แสดงดังรูปที่<br />
6 โดยเมื่อทําการถายภาพ<br />
จุดอางอิงเรียบรอยหลังจากนั้นจะใชโปรแกรม<br />
Dino Capture 2.0 ทํา<br />
การวัดคาบนระนาบแนวแกนหลักและแนวแกนรอง แสดงดังรูปที่<br />
7<br />
รูปที่<br />
6 จุดอางอิงระดับการวัด<br />
รูปที่<br />
7 การวัดคาเสนผานศูนยกลางในแนวแกนหลัก (d1)<br />
และแนวแกนรอง (d2)<br />
3.2 การวิเคราะหผลการทดลอง<br />
ระดับการวัดที่<br />
1<br />
ระดับการวัดที่<br />
2<br />
d1 d2 สําหรับในขั้นตอนของการวิเคราะหผลการทดลองจะแบง<br />
ออกเปน 3 หัวขอดังนี้<br />
3.2.1 การวิเคราะหคาเฉลี่ยของเสนผานศูนยกลางในแนวแกนหลัก<br />
และแนวแกนรองบนชิ้นงานเดียวกัน<br />
3.2.2 การวิเคราะหคาเฉลี่ยของเสนผานศูนยกลางในแนวแกนหลัก<br />
379<br />
่ ่<br />
และแนวแกนรองของตางชิ้นงานบนความสูงเดียวกัน<br />
3.2.3 การวิเคราะหคาเฉลี่ยของเสนผานศูนยกลางในแนวแกนหลัก<br />
และแนวแกนรองของระดับการวัดที<br />
ชิ้นงานเดียวกัน<br />
1 และระดับการวัดที 2 บน<br />
ตารางที่<br />
1 เปนการเก็บขอมูลที่ความสูง<br />
10 มิลลิเมตร 20<br />
มิลลิเมตร และ 30 มิลลิเมตร ในแตละความสูงจะมีชิ้นงานทั้งหมด<br />
2<br />
ชิ้นงาน<br />
ซึ่งแตละชิ้นงานจะแบงระดับของการวัดออกเปน<br />
2 ระดับโดย<br />
ในแตละระดับของการวัดจะแบงออกเปนการวัดเสนผานศูนยกลางใน<br />
แนวแกนหลักและแกนรองของวงกลมกริด เมื่อไดทําการเก็บขอมูล<br />
เรียบรอยแลว ขั้นตอนถัดไปก็จะนําขอมูลไปทําการวิเคราะหผล<br />
ซึ่งจะ<br />
สามารถอธิบายรายละเอียดในหัวขอถัดไป<br />
4. ผลการวิจัย<br />
สําหรับในหัวขอนี้จะเปนการวิเคราะหผลการทดลอง<br />
โดย<br />
จะแบงออกเปน 2 กลุม<br />
คือการตรวจสอบความถูกตองของรูปแบบการ<br />
ทดลอง และการวิเคราะหผลกระทบของปจจัยตาง ซึ่งสามารถอธิบาย<br />
รายละเอียดไดดังนี้<br />
4.1 การตรวจสอบความถูกตองของรูปแบบการทดลอง<br />
เพื่อใหขอมูลการทดลองเปนที่นาเชื่อถือ<br />
Montgomery<br />
[6,7] ไดกลาวไววา กอนการวิเคราะหความแปรปรวนของขอมูล ควร<br />
จะทําการตรวจสอบความเหมาะสม และความถูกตองของขอมูลที่ได<br />
จากการทดลอง ซึ่งจะประกอบไปดวย<br />
3 หัวขอหลักดังนี้<br />
4.1.1 การตรวจสอบการกระจายตัวแบบปกติ (Normal Distributed)<br />
ของสวนตกคาง (Residual) จากรูปที่<br />
8 จะพบวาคา Residual มีการ<br />
กระจายตามแนวเสนตรง จึงสามารถประมาณไดวาคา Residual มีการ<br />
แจกแจงแบบปกติ<br />
Percent<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
1<br />
-0.0050<br />
-0.0025<br />
Normal Probability Plot<br />
(response is Res)<br />
0.0000<br />
Residual<br />
0.0025<br />
รูปที่<br />
8 การกระจายตัวแบบปกติของคา Residual<br />
0.0050
ตารางที่<br />
2 ผลการวิเคราะหความแปรปรวนของการทดลอง<br />
่<br />
การทดลองที<br />
ปจจัย<br />
ความสูง 10 mm<br />
P-Value<br />
ความสูง 20 mm<br />
P-Value<br />
ความสูง 30 mm<br />
P-Value<br />
3.2.1 เสนผานศูนยกลาง 0.362 0.252 0.740<br />
3.2.2 เสนผานศูนยกลาง / ชิ้นงาน<br />
0.196 / 0.703 0.601 / 0.726 0.639 / 0.513<br />
3.2.3 เสนผานศูนยกลาง / ระดับ 0.154 / 0.000 0.558 / 0.000 0.573 / 0.000<br />
นั้นจะเปนการเปรียบเทียบคา<br />
P-Value กับคานัยสําคัญของการทดลอง<br />
ที่ระดับ<br />
0.05 ซึ่งจะสามารถอธิบายโดยแบงเปนตามหัวขอของการ<br />
ทดลองไดดังนี้<br />
4.2.1 สําหรับการวิเคราะหการทดลองที่<br />
3.2.1 จะพบวาที่ความสูงทั้ง<br />
3 ระดับ เสนผานศูนยกลางมีคา P-Value มากกวา 0.05 แสดงวา<br />
คาเฉลี่ยของเสนผานศูนยกลางในแนวแกนหลักและแนวแกนรองบน<br />
ชิ้นงานเดียวกันไมมีความแตกตางกัน<br />
4.2.2 สําหรับการวิเคราะหการทดลองที่<br />
3.2.2 จะพบวาที่ความสูงทั้ง<br />
3 ระดับ เสนผานศูนยกลาง และชิ้นงาน<br />
มีคา P-Value มากกวา 0.05<br />
แสดงวาคาเฉลี่ยของเสนผานศูนยกลางในแนวแกนหลักและแนวแกน<br />
รองของชิ้นงานที่<br />
1 และชิ้นงานที่<br />
2 บนระดับความสูงเดียวกันไมมี<br />
ความแตกตางกัน<br />
4.2.3 สําหรับการวิเคราะหการทดลองที่<br />
3.2.3 จะพบวาที่ความสูงทั้ง<br />
3 ระดับ เสนผานศูนยกลางมีคา P-Value มากกวา 0.05 แสดงวา<br />
คาเฉลี่ยของเสนผานศูนยกลางในแนวแกนหลักและแนวแกนรองของ<br />
ระดับการวัดที่<br />
1 รวมถึงคาเฉลี่ยของเสนผานศูนยกลางในแนวแกน<br />
หลักและแนวแกนรองของระดับการวัดที่<br />
2 ไมมีความแตกตางกัน แต<br />
ในปจจัยของ ระดับ มีคา P-Value นอยกวา 0.05 แสดงวาคาเฉลี่ยของ<br />
เสนผานศูนยกลางในแนวแกนหลักและแนวแกนรองของระดับการวัด<br />
ที่<br />
1 และระดับการวัดที่<br />
2 บนชิ้นงานเดียวกันจะมีความแตกตางกัน<br />
5. สรุปผลการวิจัย<br />
ในงานวิจัยนี้ไดทําการวัดเสนผานศูนยกลางของกริดวงกลมใน<br />
แนวแกนหลักและแนวแกนรอง เพื่อพิสูจนวาชิ้นงานที่ไดจากการขึ้น<br />
รูปแบบเปาโปงดวยน้ํา<br />
โดยใชแมพิมพที่ผูวิจัยสรางขึ้นจะเปนไปตาม<br />
ทฤษฎีหรือไม ซึ่งผลจากการทดลองพบวา<br />
เมื่อทําการทดลองการขึ้น<br />
รูปชิ้นงานในความสูง<br />
10 มิลลิเมตร 20 มิลลิเมตร และ 30 มิลลิเมตร<br />
คาวัดเสนผานศูนยกลางในแนวแกนหลักและแนวแกนรองมีความไม<br />
แตกตางกัน (d1 = d2) ซึ่งก็สามารถพิสูจนไดวาคาความเครียดทั้งสอง<br />
381<br />
แนวแกนไมแตกตางกัน (ε 1 = ε 2) โดยเมื่อทราบคาความเครียด<br />
ดังกลาวแลวก็สงผลใหคาความเคนในแนวแกนหลักและแนวแกนรอง<br />
(σ1 = σ2) มีคาไมแตกตางกันเชนกัน เนื่องจากคาความเครียดมีความ<br />
แปรผันตรงกับคาความเคน งานวิจัยนี้จึงสรุปวาแมพิมพที่สรางขึ้นมา<br />
สําหรับทําการทดสอบแบบเปาโปงดวยน้ํา<br />
เมื่อทําการทดสอบขึ้นรูป<br />
ชิ้นงานจะอยูในสภาวะแรงดึงสองทิศทาง<br />
ซึ่งเปนไปตามทฤษฏีของ<br />
แผนบาง (Membrane Theory) ภายใตสมมติฐานคารัศมีทรงกลมที่<br />
เกิดขึ้นในขณะขึ้นรูปมีคาเทากัน<br />
( R 1 = R 2 ) และในงานวิจัยนี้ยังพบวา<br />
ในการอางจุดอางอิงสําหรับทําการวัดคา ถาจุดอางอิงไมไดอยูในระดับ<br />
เดียวกันคาที่ทําการวัดไดจะมีความแตกตางกัน<br />
ดังนั้นในการอาง<br />
จุดอางอิงควรที่จะเลือกทําการวัดในระดับเดียวกันเทานั้น<br />
กิตติกรรมประกาศ<br />
ผูวิจัยขอขอบพระคุณ<br />
ผูชวยศาสตราจารย<br />
ดร. ธีรเดช<br />
วุฒิพรพันธ อาจารยประจําภาควิชาวิศวกรรมอุตสาหการ มหาวิทยาลัย<br />
เทคโนโลยีพระจอมเกลาพระนครเหนือ ที่คอยใหคําแนะนําในการทํา<br />
วิจัยฉบับนี้<br />
ขอขอบคุณศูนยเทคโนโลยีโลหะและวัสดุแหงชาติที่ไดให<br />
ความอนุเคราะหในการดําเนินงานการทดลองและขอขอบคุณบัณฑิต<br />
วิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือที่<br />
สนับสนุนทุนในการทําวิจัยฉบับนี้<br />
เอกสารอางอิง<br />
[1] สุวัฒน จีรเธียรนาถ, กฤษดา ประภากร, ประพันธ ปญญาวัน, อรรถ<br />
พล พลาศรัย, แมพิมพพรอมอุปกรณทดสอบแผนเหล็กดวยน้ําอัดความ<br />
ดันสูง, รายงานประจําปศูนยเทคโนโลยีโลหะและวัสดุแหงชาติ, 2552.<br />
[2] ธนสาร อินทรกําธรชัย, 5 คําถามกับการจําลองการขึ้นรูปโลหะ<br />
แผน, ศูนยเทคโนโลยีโลหะและวัสดุแหงชาติ, 2548.<br />
[3] ธนสาร อินทรกําธรชัย, สุวลี สวัสดิ์สลุง,<br />
ทัศนีย พึ่งแยม,<br />
สุวัฒน จีร<br />
เธียรนาถ, การหาคุณสมบัติชวงพลาสติกของโลหะแผนเกรด SPCC<br />
ดวยการทดสอบแบบเปาโปงดวยน้ํา<br />
และอิทธิพลการเบี่ยงเบนในชวง
6 ซิกมา, การประชุมวิชาการวิศวกรรมอุตสาหการแหงชาติ, 2010.<br />
[4] สุวัฒน จีรเธียรนาถ, ธนสาร อินทรกําธรชัย, โครงการการปรับปรุง<br />
ประสิทธิภาพในกระบวนการปมขึ้นรูปชิ้นสวนยานยนต<br />
Roof Rail<br />
ในสวนของการออกแบบและวิเคราะหแมพิมพมาตรฐาน Bulge Test<br />
และแมพิมพมาตรฐาน Springback Test, 2551.<br />
[5] G. Gerhard, Evaluation of formability and determination of flow<br />
stress curve of sheet metals with hydraulic bulge test, The Ohio State<br />
University, 2000.<br />
[6] D.C. Montgomery, Design and Analysis of Experiment,<br />
5 th edition, The Unites States of America: John Wiley & Son, Inc.,<br />
2001.<br />
[7] ฆนนัช พระพุทธคุณ, ธีรเดช วุฒิพรพันธ, การศึกษาสัดสวนที่<br />
เหมาะสมของปจจัยที่ใชในกระบวนการผลิตคอนกรีตผสมเสร็จ<br />
โดย<br />
วิธีทดลองเชิงแฟคทอเรียล, วารสารวิชาการพระจอมเกลาพระนคร<br />
เหนือ ปที่<br />
21 ฉบับที่<br />
2, 2554<br />
นายชลากร อุดมรักษาสกุล ปจจุบันกําลังศึกษา<br />
ปริญญาโท ภาควิชาวิศวกรรมอุตสาหการ<br />
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนคร<br />
เหนือ จบการศึกษาปริญญาตรีจากคณะ<br />
วิทยาศาสตรประยุกต ภาควิชาคณิตศาสตรประยุกต มหาวิทยาลัย<br />
เทคโนโลยีพระจอมเกลาพระนครเหนือ งานวิจัยที่สนใจคือ<br />
การ<br />
ออกแบบการทดลองเชิงสถิติ (Statistical Design of Experiment) การ<br />
ทดสอบแบบเปาโปงดวยน้ํา<br />
(Hydraulic Bulge Test) และการวางแผน<br />
(Planning)<br />
382
383<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การวิเคราะหความนาเชื่อถือของการขึ้นรูปชิ้นงานพาราโบลิกที่เกิดจากความเบี่ยงเบนของคุณสมบัติโลหะแผน<br />
The Reliability Analysis of Forming Parabolic Part under Deviation of Sheet Metal Properties<br />
กชกร วิรัชกุล 1 ธนสาร อินทรกําธรชัย 2 และสุวัฒน จรีเธียรนาถ 3<br />
1, 2<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ เขตบางซื่อ<br />
จังหวัดกรุงเทพมหานครฯ รหัสไปรษณีย 10800<br />
3<br />
ศูนยเทคโนโลยีโลหะและวัสดุแหงชาติ อุทยานวิทยาศาสตรแหงชาติ อําเภอคลองหลวง จังหวัดปทุมธานี รหัสไปรษณีย 12120<br />
E-mail: wiratchakul.k@gmail.com 1<br />
บทคัดยอ<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อหาความนาเชื่อถือ<br />
(Reliability)<br />
ของการขึ้นรูปชิ้นงานทรงพาราโบลิกในกระบวนการลากขึ้นรูปโลหะ<br />
แผนดวยน้ํา<br />
(Hydromechanical Deep Drawing; HMD) ผานการจําลอง<br />
การลากขึ้นรูปดวยระเบียบวิธีไฟไนตเอลิเมนต<br />
(Finite Element Method)<br />
โดยใชความเบี่ยงเบนคุณสมบัติทางกลชวงพลาสติกของโลหะแผนเกรด<br />
AISI 1008 (JIS G 3141 SPCC) ซึ่งประกอบดวย<br />
คาสัมประสิทธิ์ความ<br />
แข็งแรง (Strength Coefficient; K) ในแนวแกนรีด เลขชี้กําลังการทําให<br />
แข็งดวยความเครียด (Strain Hardening Component; n) ในแนวแกนรีด<br />
และอัตราสวนของความเครียดในชวงพลาสติก (Plastic Strain Ratio; r)<br />
ทั้งสามแนวแกน<br />
(0º, 45º, และ 90º กับแนวแกนรีด) ดวยการทดสอบแรง<br />
ดึงแกนเดียว (Uniaxial Tensile Test) เพื่อใหทราบถึงลักษณะการกระจาย<br />
ตัวของคุณสมบัติโลหะแผน หลังจากนั้นทําการสุมคาของตัวแปร<br />
K, n, r0, r45, และ r90 ตามลักษณะการกระจายตัวที่ไดจากการทดสอบ<br />
และปอน<br />
ขอมูลเหลานี้ผานการจําลองการขึ้นรูปดวยระเบียบวิธีไฟไนต<br />
เอลิเมนตเพื่อตรวจสอบคาความบาง<br />
(Thinning) ของชิ้นงาน<br />
จากการ<br />
ทดสอบแรงดึงแกนเดียวจํานวน 30 ครั้งตอแนวแกนรีด<br />
พบวาคา<br />
คุณสมบัติของโลหะแผนมีการกระจายตัวแบบปกติ (Normal distributed)<br />
จากนั้นจึงทําการสุมคาเหลานี้จากการกระจายตัวที่ไดจํานวน<br />
500 ครั้งเพื่อ<br />
ทําการจําลองการขึ้นรูป<br />
จากผลการทดลองพบวา คาความบางของชิ้นงาน<br />
ที่ไดมีการกระจายตัวแบบปกติเชนกัน<br />
และจากการกระจายตัวนี้ทําให<br />
ทราบถึงความนาจะเปนในการที่จะเกิดชิ้นงานที่มีความบางมากกวา<br />
40 เปอรเซ็นต คิดเปนรอยละ 1.04<br />
คําหลัก: ความนาเชื่อถือ<br />
การลากขึ้นรูปโลหะแผนดวยน้ํา<br />
ระเบียบวิธี<br />
ไฟไนตเอลิเมนต และคุณสมบัติทางกลของโลหะแผน<br />
Abstract<br />
This research aims to determine the reliability of parabolic<br />
forming with hydromechanical deep drawing process through finite<br />
element simulation. Deviations of material properties consisted of<br />
strength coefficient (K), strain hardening exponent (n), plastic strain<br />
ratio of three axis (r 0, r 45, r 90) are taken into account. An AISI 1008 (JIS<br />
G 3141 SPCC) sheet material grade is chosen to examine with uniaxial<br />
tensile test for finding appropriate distribution of each sheet material<br />
property. These properties are then generated based on the selected<br />
distribution and used as input of forming simulation with finite element<br />
method in order to determine the thinning of parts. Based on 30<br />
experiments of tensile test, all material properties are normal<br />
distributed. The 500 value sets of these properties are generated and<br />
then simulated in finite element. The results show that the thinning of<br />
part is normal distributed and there is only 1.04% to obtain the thinning<br />
of part more than 40%.<br />
Keywords: Reliability, Hydromechanical Deep Drawing, Sheet Metal<br />
Properties, and Finite Element Method<br />
1. บทนํา<br />
การจําลองการขึ้นรูปโลหะแผนผานระเบียบวิธีไฟไนต<br />
เอลิเมนต มีความสําคัญในการชวยใหผูออกแบบแมพิมพสามารถทราบ<br />
ถึงพฤติกรรมการขึ้นรูปของโลหะแผนที่เกิดการปรับเปลี่ยนรูปรางของ<br />
แมพิมพ คาพารามิเตอรในการผลิต และคาคุณสมบัติของโลหะแผนที่<br />
เลือกใช โดยไมตองทําการสรางแมพิมพจริง ทําใหประหยัดเวลาและ<br />
คาใชจาย การจําลองการขึ้นรูปในปจจุบันนิยมปอนขอมูลของตัวแปร<br />
K,<br />
n, r0, r45, และ r90 ในลักษณะคาเฉลี่ย<br />
เพื่อเปนตัวแทนพฤติกรรมการขึ้นรูป<br />
ของโลหะแผนชนิดนั้น<br />
ๆ โดยไมคํานึงถึงความเบี่ยงเบนของคุณสมบัติ<br />
โลหะแผน ดังจะพบไดจากงานวิจัยการหาคาที่เหมาะสมของรัศมีแมพิมพ<br />
ดวยการจําลองผานระเบียบวิธีไฟไนตเอลิเมนตควบคูกับพื้นผิว<br />
ตอบสนอง (Response Surface) ของ Huang et al. (2006) และ<br />
Intarakumthornchai et al. (2010) ไดทําการศีกษาหาแรงดัน (Pressure)<br />
และแรงจับยึด (Blank Holder Force; BHF) ของชิ้นงานพาราโบลิกจาก<br />
กระบวนการลาก ขึ้นรูปโลหะแผนดวยน้ําผานระเบียบวิธีไฟไนต<br />
เอลิเมนต [1,2] นักวิจัยทั้ง<br />
2 ทาน พิจารณาเฉพาะคาเฉลี่ยของคุณสมบัติ<br />
โลหะแผนเพียงคาเดียว ทําใหการจําลองการขึ้นรูปดวยวิธีดังกลาวอาจ
รูปที่<br />
3 ขนาดของชิ้นงานพาราโบลิกในการจําลองการขึ้นรูป<br />
2.2 การตั้งคาระเบียบวิธีไฟไนตเอลิเมนต<br />
การจําลองการขึ้นรูปชิ้นงานพาราโบลิกผานระเบียบวิธี<br />
ไฟ<br />
ไนตเอลิเมนตในงานวิจัยนี้เปนการวิเคราะหปญหาพลศาสตรไมเชิงเสน<br />
แบบชัดแจง (Nonlinear Dynamic Explicit) ดวยโปรแกรม LS-DYNA<br />
โดยสรางแบบจําลองการขึ้นรูปโลหะแผนเปนลักษณะหนึ่งในสี่สวนของ<br />
องคประกอบในการขึ้นรูป<br />
ดังแสดงในรูปที่<br />
4 เนื่องจากองคประกอบใน<br />
การขึ้นรูปชิ้นงานพาราโบลิกมีความสมมาตร<br />
(Symmetry) ทั้ง<br />
2 แนวแกน<br />
จากการสรางแบบจําลองในลักษณะดังกลาว สงผลใหเวลาในการจําลอง<br />
การขึ้นรูปลดลง<br />
รูปที่<br />
4 แบบจําลองการขึ้นรูปชิ้นงานพาราโบลิก<br />
สําหรับกระบวนการลากขึ้นรูปดวยน้ํา<br />
การกําหนดรายละเอียดและคาพารามิเตอรในการผลิต<br />
สําหรับการจําลองการขึ้นรูปโลหะแผนดวยน้ําผานระเบียบวิธีไฟไนตเอลิ<br />
เมนตประกอบไปดวย ขนาดเสนผานศูนยกลางของโลหะแผน (Blank)<br />
เทากับ 320 มิลลิเมตร (Millimeter; mm) โดยกําหนดเมช (Mesh) เปน<br />
รูปรางสี่เหลี่ยม<br />
(Quadrilateral) ทั้งหมด<br />
8,000 เอลิเมนต (Elements) และ<br />
จํานวนจุดเชื่อม<br />
(Node) ทั้งหมด<br />
8,161 จุด ซึ่งชนิดเอลิเมนตที่ใชเปนแบบ<br />
เชลล (Shell Element) ตามแบบของ Belytschko Tsay ที่มีการรวมจุด<br />
จํานวน 5 จุดตลอดความหนา (Number of Integration Points) สวน<br />
โครงสรางของโลหะแผนเกรด SPCC นั้น<br />
Lee et al. (2007) ไดทําการวิจัย<br />
385<br />
พบวามีโครงสรางผลึกลูกบาศกแบบบอดี้เซ็นเตอร<br />
(Body Center Cubic;<br />
BCC) [15] ดังนั้น<br />
ใชคา M = 6 และองคประกอบในการขึ้นรูปโลหะแผน<br />
ไดแก พั้นซ<br />
เคานเตอรพอท และแผนจับยึดชิ้นงาน<br />
(Binder or Blank<br />
Holder) เปนวัสดุแข็งเกร็ง (Rigid Material Model) สําหรับการกําหนดคา<br />
สัมประสิทธิแรงเสียดทาน (Friction Coefficients; µ s) ในพื้นที่สัมผัส<br />
ทั้งหมดของโลหะแผนกับองคประกอบในการขึ้นรูปเปนเรื่องยาก<br />
ดังนั้น<br />
ในงานวิจัยนี้สมมติใหมีแรงเสียดทานสม่ําเสมอกันตลอดพื้นที่สัมผัส<br />
โดย<br />
คาสัมประสิทธิแรงเสียดทานคูลอมบ (Coulomb Friction Coefficients)<br />
เทากับ 0.06 ถูกใชในพื้นที่สัมผัสของโลหะแผนกับ<br />
แผนจับยึดชิ้นงาน<br />
และโลหะแผนกับเคานเตอรพอทต สวนคา สัมประสิทธิแรงเสียดทานคู<br />
ลอมบเทากับ 0.12 ใชในบริเวณพื้นที่สัมผัสของโลหะแผนกับพั้นซ<br />
สุดทายการกําหนดคาพารามิเตอรในการผลิตสําหรับการจําลองการลาก<br />
ขึ้นรูปที่ประกอบไปดวย<br />
แรงจับยึดและแรงดันของของเหลวที่กระทําตอ<br />
โลหะแผน ซึ่งของเหลวนั้นไมไดถูกสรางขึ้นในแบบจําลองนี้<br />
แตเปนการ<br />
สรางแรงดันที่มีกระจายตัวอยางสม่ําเสมอกระทําตอพื้นที่ที่สัมผัสกับ<br />
โลหะแผนแทนเพียงอยางเดียว โดยคาแรงจับยึดและแรงดันจะกําหนด<br />
ตามลักษณะการทํางานของกระบวนการลากขึ้นรูปโลหะแผนดวยน้ําที่<br />
แบงออกเปน 2 ขั้นตอน<br />
คือ ขั้นตอนการเปาโปง<br />
(Pre- Bulge) กอน<br />
กระบวนการขึ้นรูป<br />
ซึ่งเปนการใชแรงดันทําใหชิ้นงานโปงขึ้นจนมีความ<br />
สูงเทากับ 30 mm (Stroke 0 – 30) ในทิศทางตรงกันขางกับกระบวนการ<br />
ขึ้นรูป<br />
(ทิศทางพุงขึ้น)<br />
และขั้นตอนในการขึ้นรูป<br />
(Forming) คือ การ<br />
ที่พั้นซเคลื่อนที่ลงมากระทํากับโลหะแผนเปนระยะทาง<br />
135 mm (Stroke<br />
30 – 135) ดังแสดงในรูปที่<br />
5 จากลักษณะการทํางานของกระบวนการขึ้น<br />
รูปดังกลาวมีการกําหนดแรงจับมีคาเทากับ 26 ตัน (Ton) ในขั้นตอนการ<br />
เปาโปง และเพิ่มขึ้นเรื่อย<br />
ๆ จนถึง 56 ตัน ในชวงการ ขึ้นรูป<br />
สวน<br />
แรงดันในชวงเปาโปงมีคาเทากับ 6 เมกะปาสคาล (Megapascal; MPa)<br />
และเพิ่มขึ้นเรื่อย<br />
ๆ จนถึง 50 MPa ขั้นตอนการขึ้นรูป<br />
ดังแสดงในรูปที่<br />
6<br />
รูปที่<br />
5 ลักษณะการทํางานของกระบวนการลากขึ้นรูป<br />
ชิ้นงานพาราโบลิกดวยน้ํา
รูปที่<br />
6 คาพารามิเตอรในการผลิตสําหรับการจําลองการขึ้นรูป<br />
3. การทดสอบคุณสมบัติโลหะแผน<br />
ในงานวิจัยนี้ใชการทดสอบแรงดึงแกนเดียวเพื่อหา<br />
คุณสมบัติของโลหะแผนเกรด SPCC ความหนา 1 mm ดวยขนาดชิ้นงาน<br />
ทดสอบ (Specimen) ตามมาตรฐาน <strong>AS</strong>TM E8 (American Society for<br />
Testing and Materials) ดังแสดงในรูปที่<br />
7<br />
รูปที่<br />
7 ขนาดชิ้นงานทดสอบตามมาตรฐาน<br />
<strong>AS</strong>TM E8<br />
การทดสอบแรงดึงแกนเดียวเปนการหาคาความสัมพันธ<br />
ระหวางความเคนและความเครียดของโลหะแผน (Stress–Strain<br />
Relationship) เพื่อใชอธิบายพฤติกรรมการเสียรูปของโลหะแผนขณะเกิด<br />
การขึ้นรูปในลักษณะของกราฟความเคนและความเครียด<br />
(Flow Stress<br />
Curve) จากนั้นทําการหาคาของตัวแปร<br />
K และ n ดวยการทดสอบความ<br />
เขากัน (Correlation) ของความสัมพันธที่ไดกับกฎยกกําลัง<br />
(Power Law)<br />
ดังสมการที่<br />
1 สวนคาของตัวแปร r จะทําการหาทั้ง<br />
3 แนวแกน คือ 0º,<br />
45º, และ 90º กับทิศทางของแนวแกนรีด (Roll Direction) เพื่อทดสอบ<br />
ความเปนไอโซโทรปก (Isotropicity) ของโลหะแผนชนิดนั้น<br />
ซึ่งบงบอก<br />
ถึงความสามารถของโลหะแผนในการขึ้นรูปเทากันทุกทิศทางโดยไม<br />
ขึ้นอยูกับทิศทางของแนวแกนรีด<br />
สวนคาของตัวแปร r ทั้ง<br />
3 คานั้น<br />
สามารถหาไดจากสมการที่<br />
2<br />
σ Kε n (1)<br />
r εw / εt (2)<br />
โดยที่<br />
K คือ คาสัมประสิทธิ์ความแข็งแรง<br />
n คือ เลขชี้กําลังการทําใหแข็งดวยความเครียด<br />
r คือ อัตราสวนของความเครียดในชวงพลาสติก<br />
386<br />
σ คือ คาความเคนจริง (True Stress)<br />
ε คือ คาความเครียดจริง (True Strain)<br />
εw คือ คาความเครียดจริงในแนวความกวาง<br />
εt คือ คาความเครียดจริงในแนวความหนา<br />
จากการทดสอบแรงดึงแกนเดียวดวยจํานวนตัวอยาง<br />
ทั้งหมด<br />
30 ชิ้นตอแนวแกนรีด<br />
นําความสัมพันธของความเคนและ<br />
ความเครียดที่ไดจากการทดสอบผานการคํานวณดวยสมการที่<br />
1 และ 2<br />
เพื่อหาคาของตัวแปร<br />
K, n, r0, r45, และ r90 ซึ่งผลจากการคํานวณของแต<br />
ละตัวแปรมีคาดังแสดงในตารางที่<br />
1 จากขอมูลตัวแปร K ทั้งหมด<br />
30 คา<br />
เมื่อนํามาทดสอบการกระจายตัวของขอมูล<br />
พบวาตัวแปร K มีการกระจาย<br />
ตัวแบบปกติ เนื่องจากคา<br />
P-Value (0.949) ในการทดสอบมีคามากกวา<br />
0.05 ดังแสดงในรูปที่<br />
8 สวนขอมูลของตัวแปร n, r0, r45, และ r90 ในตาราง<br />
ที่<br />
1 มีแนวโนมการกระจายตัวของขอมูลในลักษณะเดียวกันกับตัวแปร K<br />
ดังนั้นคุณสมบัติทางกลชวงพลาสติกของโลหะแผนเกรด<br />
SPCC ทั้ง<br />
5 ตัว<br />
แปร มีการกระจายตัวแบบปกติ และมีคุณสมบัติการกระจายตัวของขอมูล<br />
ดังแสดงในตารางที่<br />
2<br />
ตารางที่<br />
1 คาของตัวแปร K, n, r0, r45, และ r90 ที่ไดจากการทดสอบแรง<br />
ดึงแกนเดียว<br />
Specimen<br />
K n<br />
Data<br />
r 0 r 45 r 90<br />
1 513.35 0.166 1.86 1.25 1.96<br />
2 517.11 0.161 1.79 1.22 2.09<br />
3 509.06 0.166 1.82 1.24 2.08<br />
4 518.07 0.160 1.90 1.22 2.23<br />
5 511.57 0.161 1.79 1.24 2.24<br />
6 509.79 0.154 1.84 1.26 2.08<br />
7 509.45 0.161 1.85 1.30 2.00<br />
8 507.25 0.152 1.76 1.24 2.03<br />
9 519.59 0.157 1.83 1.19 2.19<br />
10 525.64 0.155 1.75 1.20 2.13<br />
Percent<br />
…<br />
…<br />
…<br />
…<br />
…<br />
…<br />
30 501.08 0.157 1.83 1.21 2.18<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
1<br />
490<br />
500<br />
Probability Plot of K_0<br />
Normal - 95% CI<br />
510<br />
K_0<br />
520<br />
530<br />
540<br />
Mean 512.3<br />
StDev 7.187<br />
N 30 18<br />
A D 0.153<br />
P-Value 0.949<br />
รูปที่<br />
8 การทดสอบการกระจายตัวแบบปกติของขอมูลตัวแปร K
ตารางที่<br />
2 คุณสมบัติการกระจายตัวแบบปกติของตัวแปร K, n, r0, r45, และ r90 Tpye K n r 0 r 45 r 90<br />
Mean 512.29 0.159 1.82 1.23 2.11<br />
SD 7.41 0.005 0.049 0.031 0.083<br />
Normality Test<br />
(P-Value)<br />
0.949 0.727 0.900 0.826 0.787<br />
4. ตัวแบบจําลองเลขสุม<br />
การสุมคา<br />
หมายถึง คาของตัวแปรสุมที่มีการแจกแจงความ<br />
นาจะเปน ซึ่งประกอบไปดวยคุณสมบัติเชิงสถิติ<br />
2 ประการ คือ มีการแจก<br />
แจงความนาจะเปนเอกรูป U (0,1) และความเปนอิสระตอกันในเชิงสถิติ<br />
ผานการใชสูตรคณิตศาสตรที่เรียกกันวา<br />
ตัวแบบผลิตหรือตัวแบบจําลอง<br />
ในงานวิจัยนี้ทําการสรางแบบจําลองสุมคา<br />
โดยใชคาของตัวแปรสุม<br />
X ที่<br />
มีการแจกแจงความนาจะเปนปกติ ดังสมการที่<br />
3 ดวยพารามิเตอร µ และ<br />
σ2 ที่เขียนแทนดวยสัญลักษณ<br />
X ~ Nµ,σ2 เพื่อสุมตัวเลขหลาย<br />
ๆ คา ตาม<br />
คุณสมบัติการกระจายตัวของทั้ง<br />
5 ตัวแปรที่ไดจากการทดสอบในชวง<br />
±3σ (6 Sigma) เพื่อนําไปสูความเชื่อมั่นที่<br />
99.73% ดังนั้นคุณสมบัติของ<br />
โลหะแผนเกรด SPCC ในงานวิจัยนี้มีคาดังแสดงในตารางที่<br />
3<br />
2<br />
x−<br />
µ ( )<br />
่<br />
1<br />
1 −<br />
2<br />
f ( x) = e<br />
σ 2π<br />
σ<br />
(3)<br />
ตารางที 3 ขอมูลคุณสมบัติของโลหะแผนในการจําลองการลากขึ้นรูป<br />
โลหะแผนดวยน้ํา<br />
Material : AISI 1008 (JIS G 3141 SPCC)<br />
Blank diameter : 320 mm<br />
Blank thickness : 1.0 mm<br />
Depth : 105 mm<br />
Young's modulus : 207,000 MPa<br />
Poisson's ratio : 0.28<br />
Strength coefficient (K) : X~N (512.29,22.22 2 )<br />
Strain hardening component (n) : X~N (0.159,0.015 2 Anisotropy<br />
)<br />
r00 : X~N (1.82,0.129 2 )<br />
r45 : X~N (1.23,0.092 2 )<br />
r90 : X~N (2.11,0.247 2 )<br />
5. อิทธิพลของความเบี่ยงเบนคุณสมบัติโลหะแผนตอการ<br />
จําลองกระบวนการลากขึ้นรูปชิ้นงานพาราโบลิกดวยน้ํา<br />
การศึกษาอิทธิพลของความเบี่ยงเบนคุณสมบัติโลหะแผน<br />
ตอการจําลองการขึ้นรูปผานระเบียบไฟไนตเอลิเมนตในงานวิจัยนี้<br />
พิจารณาจากตําแหนงที่มีคาความบางมากที่สุดของชิ้นงานในรูปแบบ<br />
เปอรเซ็นตของการสูญเสียความบางหลังการขึ้นรูป<br />
(% Thinning)<br />
ดังแสดงตัวอยางการจําลองในรูปที่<br />
9<br />
387<br />
J<br />
รูปที่<br />
9 คาเปอรเซ็นตการสูญเสียความบางของชิ้นงาน<br />
ที่ไดจากการจําลองการขึ้นรูปดวยระเบียบวิธีไฟไนตเอลิเมนต<br />
จากรูปที่<br />
9 แสดงตัวอยางการจําลองการขึ้นรูปโดยใช<br />
คุณสมบัติทางกลชวงพลาสติกของโลหะแผนที่ประกอบไปดวย<br />
K มีคา<br />
เทากับ 482.59 MPa, n มีคาเทากับ 0.18, r0 มีคาเทากับ 1.48, r45 มีคา<br />
เทากับ 1.31, และ r90 มีคาเทากับ 2.08 และผลลัพธจากตัวอยางการจําลอง<br />
ดังกลาวมีคาความบางมากที่สุดเทากับ<br />
33.49% ในบริเวณใกลยอดโดม<br />
ของชิ้นงานพาราโบลิก<br />
ซึ่งพิจารณาไดจากระดับสีที่แสดงถึงการกระจาย<br />
ตัวของความหนาชิ้นงาน<br />
โดยบริเวณที่ถูกแสดงแทนดวยสีในระดับ<br />
A จะ<br />
เกิดการสูญเสียความบางมากที่สุด<br />
สวนบริเวณที่มีสีในระดับ<br />
J เกิดการ<br />
สูญเสียความบางนอยที่สุด<br />
ในงานวิจัยนี้ทําการจําลองการลากขึ้นรูป<br />
โลหะแผนดวยน้ําผานระเบียบวิธีไฟไนตเอลิเมนต<br />
โดยใชคุณสมบัติ<br />
โลหะแผนจากการสุมคาของตัวแปร<br />
K, n, r0, r45, และ r90 ตามลักษณะการ<br />
กระจายตัวที่ไดในชวง<br />
±3σ และใชคาเฉลี่ยของทั้ง<br />
5 ตัวแปร ดังแสดงผล<br />
การจําลองในตารางที่<br />
4<br />
ตารางที่<br />
4 คาความบางในการจําลองการขึ้นรูปตามลักษณะการกระจาย<br />
ตัวของคุณสมบัติโลหะแผนเกรด SPCC<br />
No. K n r 0 r 45 r 90 % Thinning<br />
1 482.59 0.18 1.48 1.31 2.08 33.49<br />
2 538.61 0.145 1.62 1.27 2.18 33.64<br />
3 498.54 0.156 1.79 1.29 2.63 33.46<br />
4 513.48 0.172 1.72 1.28 2.02 32.51<br />
5 478.76 0.153 1.78 1.21 2.25 35.62<br />
6 543.99 0.164 1.78 1.22 2.26 31.72<br />
7 482.48 0.159 1.84 1.27 1.92 34.99<br />
8 495.5 0.176 1.98 1.03 1.82 34.75<br />
9 530.74 0.146 1.97 1.36 2.04 33.15<br />
10 580.53 0.109 1.30 0.92 2.92 40.58<br />
…<br />
…<br />
…<br />
…<br />
…<br />
A<br />
…<br />
…<br />
500 493.33 0.157 1.87 1.09 2.04 35.51<br />
Mean 512.29 0.159 1.82 1.23 2.11 33.65<br />
จากตารางที่<br />
4 พบวาการจําลองการขึ้นรูปโดยใชคาเฉลี่ยของ<br />
คุณสมบัติโลหะแผนจะไดคาความบางเพียงคาเดียว (33.65%) สวนขอมูล<br />
A<br />
B<br />
C<br />
…<br />
…<br />
…<br />
…<br />
…<br />
…<br />
J
ของคาความบางทั้งหมด<br />
500 คา ที่ไดจากการใชความเบี่ยงเบนของ<br />
คุณสมบัติโลหะแผนในลักษณะการกระจายตัวแบบปกติ เกิดความ<br />
เสียหายแบบฉีกขาดเนื่องจากการสูญเสียความบางเกิน<br />
40% จํานวน 8 ชิ้น<br />
หลังจากนั้นทําการทดสอบการกระจายตัวของขอมูลดังกลาว<br />
พบวาคา<br />
ความบางมีการกระจายตัวแบบปกติเชนกัน เนื่องจากคา<br />
P-Value (0.46)<br />
ในการทดสอบมีคามากกวา 0.05 ดังแสดงในรูปที่<br />
10 และจากการ<br />
กระจายตัวของคาความบางนี้<br />
สามารถหาโอกาสของชิ้นงานที่จะเกิด<br />
ความเสียหายได โดยอาศัยหลักการหาความนาจะเปนแบบปกติดังสมการ<br />
ที่<br />
4 จากการคํานวณดวยหลักการดังกลาว พบวาโอกาสของชิ้นงานที่จะ<br />
เกิดความเสียหายเนื่องมาจากความเบี่ยงเบนคุณสมบัติของโลหะแผนมี<br />
ความนาจะเปน 1.04% ภายใตคุณสมบัติการกระจายตัวแบบปกติที่<br />
ประกอบไปดวย คาเฉลี่ยเทากับ<br />
33.874 และความเบี่ยงเบนมาตรฐาน<br />
เทากับ 2.648 ดังแสดงในรูปที่<br />
11<br />
Percent<br />
99.9<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
1<br />
0.1<br />
25<br />
P (a > x) = P (z ><br />
Probability Plot of % Thinning<br />
Normal - 95% CI<br />
30<br />
35<br />
% Thinning<br />
x −µ<br />
) (4)<br />
σ<br />
40<br />
45<br />
Mean 33.87<br />
StDev 2.648<br />
N 500<br />
AD 0.355<br />
P-Value 0.460<br />
รูปที่<br />
10 การทดสอบการกระจายตัวแบบปกติของคาความบาง<br />
รูปที่<br />
11 ความนาจะเปนของการเกิดความเสียหายตอชิ้นงาน<br />
พาราโบลิกภายใตการกระจายตัวแบบปกติ<br />
6. สรุปผลและขอเสนอแนะงานวิจัย<br />
การจําลองการขึ้นรูปผานระเบียบวิธีไฟไนตเอลิเมนตโดย<br />
ใชตัวแปร K, n, r0, r45, และ r90 ในรูปแบบของคาเฉลี่ยเพื่อเปนตัวแทน<br />
388<br />
พฤติกรรมการขึ้นรูปของโลหะแผนเกรด<br />
SPCC โดยไมคํานึงถึงความ<br />
เบี่ยงเบนของคุณสมบัติ<br />
จะเห็นไดวาคาความบางที่ไดจากการจําลองดวย<br />
วิธีการดังกลาว ไมสามารถทราบถึงโอกาสที่จะเกิดความเสียหายตอ<br />
ชิ้นงานพาราโบลิกได<br />
แตการจําลองการขึ้นรูปผานระเบียบวิธีไฟไนต<br />
เอลิเมนตดวยความเบี่ยงเบนของคุณสมบัติโลหะแผนเกรด<br />
SPCC ใน<br />
ลักษณะการกระจายแบบปกติจํานวน 500 ครั้ง<br />
พบวาความนาจะเปนของ<br />
ชิ้นงานพาราโบลิกที่จะเกิดความเสียหายแบบฉีกขาดอันเนื่องมาจากความ<br />
เบี่ยงเบนของคุณสมบัติโลหะแผน<br />
คิดเปนรอยละ 1.04 ของจํานวน<br />
ชิ้นงานทั้งหมดที่ทําการลากขึ้นรูป<br />
จากผลงานวิจัยนี้สามารถสรุปไดวา<br />
การใชโลหะแผนเกรด SPCC ที่มีการกระจายตัวของคุณสมบัติทางกล<br />
ชวงพลาสติกเปนแบบปกติ ซึ่งประกอบไปดวย<br />
K~N (512.29,22.22 2 ),<br />
n~N (0.159,0.015 2 ), r0~N (1.82,0.129 2 ), r45~N (1.23,0.092 2 ), r90~N (2.11,0.247 2 ) ในการลากขึ้นรูปชิ้นงานทรงพาราโบลิกดวยน้ํา<br />
มีความ<br />
นาเชื่อถือ<br />
98.44% ที่จะทําใหชิ้นงานไมเกิดความเสียหาย<br />
กิตติกรรมประกาศ<br />
ผูวิจัยขอขอบพระคุณศูนยเทคโนโลยีโลหะและวัสดุ<br />
แหงชาติ (MTEC) สําหรับการหาคุณสมบัติของโลหะแผนโดยการ<br />
ทดสอบแรงดึงแกนเดียว และโปรแกรม LS-DYNA เพื่อการวิเคราะหการ<br />
จําลองผานระเบียบวิธีไฟไนตเอลิเมนต และขอขอบคุณ นายธีรเดช<br />
วุฒิพรพันธ อาจารยประจําภาควิชาวิศวกรรมอุตสาหการ คณะ<br />
วิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
ในการใหคําปรึกษาเกี่ยวกับหลักการทางสถิติ<br />
อีกทั้งบัณฑิตวิทยาลัย<br />
คณะ<br />
วิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ<br />
สําหรับการสนับสนุนทุนของงานวิจัยฉบับนี้<br />
เอกสารอางอิง<br />
[1] Huang, Y., Lo, Z.Y., Du, R., “Minimization of the thickness<br />
variation in multi-step sheet metal stamping”, Journal of Materials<br />
Processing Technology. 177(1-3), P. 84-86, 2006.<br />
[2] Intarakumthornchai, T., Jirathearanat, S., Thongprasert, S. and<br />
Dechaumphai, P. “FEA Based Optimization of Blank Holder Force<br />
and Pressure for Hydromechanical Deep Drawing of Parabolic Cup<br />
Using 2-D Interval Halving and RSM Methods”, Engineering<br />
Journal (EJ) : International Journal, Vol 14 P.15-32, 2010.<br />
[3] สิทธิชัย แสงอาทิตย, “เอกสารคําสอนรายวิชา: การทดสอบวัสดุ”,<br />
มหาวิทยาลัยเทคโนโลยีสุรนารี, 2545.<br />
[4] Kim, J.,Kang, B.S., Lee, J.K. “Statistical evaluation of forming<br />
limit in hydroforming process using plastic instability combined<br />
with FORM”, Int J Adv Manuf Technol, 42:53-59 DOI<br />
10.1007/s00170-008-1579-1, 2009.
[5] Rosch H., Hormig6n armado y hormig6n pretensado., “Reinforced<br />
concrete and prestressed concrete.”, Ed. CECSA, Barcelona, pp.<br />
53-54., 1975<br />
[6] Maynard D.P., Davis S.G., “The strength of in situ concrete”, The<br />
Structural Engineer, Vol. 52, No. 10, October, pp. 369-374, 1974.<br />
[7] Petersons N., “Recommendations for estimation of quality of<br />
concrete in finished structures”, Materials and Structures (RILEM<br />
Bull.), Vol. 4, No. 24, November – December, pp. 379-397,<br />
1971.<br />
[8] Torrent, R.J., “The log-normal distribution: A better fitness for the<br />
results of mechanical testing of material”, Material and Structure.,<br />
Vol.11, No.64, pp. 235-245, 1978.<br />
[9] ธนสาร อินทรกําธรชัยและ สุวัฒน จีรเธียรนาถ “การขึ้นรูปโลหะ<br />
แผนดวยน้ํากับอุตสาหกรรมชิ้นสวนยานยนต”<br />
การประชุมวิชาการ<br />
ดานการพัฒนากาดําเนินงานทางอุตสาหกรรมแหงชาติครั้งที่<br />
2,<br />
2011.<br />
[10] B. Larsen, “Hydromechanical Deep Drawing with Uniform<br />
Pressure on the Flange”, Sheet Metal Industries February, 162–166,<br />
1977.<br />
[11] H. Amino, K. Nakamura, T. Nakagawa, “Counter-pressure deep<br />
drawing and its application in the forming of automobile parts”,<br />
Journal of Materials Processing Technology 23, pp. 243–265, 1990.<br />
[12] T. Nakagawa, K. Nakamura, H. Amino, “Various applications of<br />
hydraulic counter pressure deep drawing”, Journal of Materials<br />
Processing Technology 71, 160–167, 1997.<br />
[13] S.H. Zhang, J. Danckert, “Development of hydromechanical deep<br />
drawing”, Journal of Materials Processing Technology 83, 14–25,<br />
1998.<br />
[14] S. H. Zhang, L. H. Lang, D. C. Kang, J. Danckert, and K. B.<br />
Nielsen, “Hydromechanical deep-drawing of aluminum parabolic<br />
workpieces-experiments and numerical simulation”, International<br />
Journal of Machine Tools and Manufacture, vol. 40, no. 10, pp.<br />
1479-1492, 2000.<br />
[15] Lee, K.J., Kumai, S., Arai, T., Aizawa, T., “Interfacial<br />
microstructure and strength of steel/aluminum alloy lap joint<br />
fabricated by magnetic pressure seam welding”, Materials Science<br />
and Engineering: A. 471(1-2), P. 95-101, 2007.<br />
389<br />
นาย กชกร วิรัชกุล ปจจุบันกําลังศึกษาระดับ<br />
ปริญญาโท สาขาวิศวกรรมอุตสาหการ คณะ<br />
วิศวกรรมศาสตร มหาวิทยาลัยเทคโนโลยีพระจอม<br />
เกลาพระนครเหนือ สําเร็จการศึกษาระดับปริญญา<br />
ตรี สาขาวิศวกรรมการผลิต คณะวิศวกรรมศาสตร<br />
จากมหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ งานวิจัยที่สนใจ<br />
ประกอบดวย การวิจัยการดําเนินงาน การจําลองการขึ้นรูปโลหะแผน<br />
และสถิติประยุกต
บริการเฉลี่ยวันละ<br />
700 –1,500 คน เปดใหบริการวันจันทร – วันศุกร<br />
ตั้งแต<br />
9.00 – 16.00 น.โดยใหบริการรับชําระคาธรรมเนียมการศึกษา<br />
ประเภทตางๆ ในกรณีที่นักศึกษาเขาสูระบบพรอมๆ<br />
กันเปนจํานวนมาก<br />
จะเกิดแถวคอยที่จะตองใชระยะเวลาในการรอคอยนานกวาปกติ<br />
ทั้งนี้<br />
เพราะความไมแนนอนของการเขาสูระบบและระยะเวลาในการใหบริการ<br />
ที่แตกตางกันในแตละประเภทของบริการ<br />
การศึกษาเรื่องการจําลอง<br />
ระบบ และทฤษฎีแถวคอยจะชวยใหสามารถคาดการณลักษณะของ<br />
แถวคอย และสามารถนําไปใชในการตัดสินใจจัดสรรทรัพยากรทั้งดาน<br />
บุคลากร และเทคโนโลยีเพื่อตอบสนองตอความตองการใชบริการของ<br />
นักศึกษาไดอยางเหมาะสม และในการศึกษาครั้งนี้<br />
ผูศึกษาตองการศึกษา<br />
ถึงระบบการใหบริการและวิเคราะหระบบแถวคอยของการใหบริการของ<br />
ชองบริการรับชําระเงินคาธรรมเนียมการศึกษา ของกองคลัง มหาวิทยาลัย<br />
รามคําแหง เพื่อจัดทําระบบสนับสนุนการตัดสินใจสําหรับจัดสรรจํานวน<br />
บุคลากรที่มีหนาที่ใหบริการรับชําระเงินคาธรรมเนียมการศึกษาที่<br />
เหมาะสมเพื่อสนองตอนโยบายการใหบริการที่เปนเลิศของมหาวิทยาลัย<br />
รามคําแหงอีกประการหนึ่งดวย<br />
2. วัตถุประสงคของการศึกษา<br />
1. เพื่อศึกษาระบบแถวคอยในการเขาใชบริการชองบริการ<br />
รับชําระเงินคาธรรมเนียมการศึกษาของกองคลัง มหาวิทยาลัยรามคําแหง<br />
2. เพื่อสรางตัวแบบจําลองแถวคอยของการเขาใชบริการ<br />
สําหรับจัดสรรจํานวนบุคลากรที่มีหนาที่ใหบริการรับชําระเงิน<br />
คาธรรมเนียมการศึกษาที่เหมาะสม<br />
3. เพื่อพัฒนาระบบสนับสนุนการตัดสินใจเพื่อชวยในการ<br />
พิจาณาจํานวนชองบริการรับชําระเงินคาธรรมเนียมการศึกษาและ<br />
จัดเตรียมทรัพยากรที่มีความเหมาะสม<br />
เปนแนวทางในการเพิ่ม<br />
ประสิทธิภาพ และลดคาใชจายในการใหบริการและการรอคอยนําเสนอ<br />
ตอผูบริหาร<br />
3. ขอบเขตของการศึกษา<br />
การศึกษาในครั้งนี้<br />
ผูศึกษาจะทําการศึกษาระบบแถวคอยของ<br />
ผูมาใชบริการชองบริการรับชําระเงินคาธรรมเนียมการศึกษา<br />
ของกอง<br />
คลัง มหาวิทยาลัยรามคําแหง บริเวณอาคารสํานักงานอธิการบดี ชั้น<br />
1โดย<br />
ทําการศึกษาในชวงเวลา 9.00 – 16.0 น. ในวันจันทร ถึงศุกร เริ่มตั้งแต<br />
วันที่<br />
1 ตุลาคม 2553 ถึงวันที่<br />
30 ธันวาคม 2553 เปนเวลา 63 วัน โดยเริ่ม<br />
ทําการศึกษาตั้งแตนักศึกษาเขามาใชบริการ<br />
และสิ้นสุดกระบวนการ<br />
ใหบริการหลังจากที่นักศึกษาไดรับใบเสร็จรับเงินหรือรายงานประเภท<br />
ตางๆ ตามที่รองขอ<br />
และคํานวณหาจํานวนบุคลากรที่เหมาะสมในแตละ<br />
391<br />
วันและคาใชจายในการใหบริการที่เกิดขึ้น<br />
โดยใชการจําลองระบบและ<br />
เปรียบเทียบกับตัวแบบแถวคอย M/M/s<br />
4. ประโยชนที่คาดวาจะไดรับจากการศึกษา<br />
1. ทราบถึงตัวแบบแถวคอยที่เหมาะสมในการเขาใชบริการ<br />
ชองบริการรับชําระเงินคาธรรมเนียมการศึกษาของกองคลัง มหาวิทยาลัย<br />
รามคําแหง<br />
2. นําผลที่ไดรับจากการจําลองระบบไปใชในการจัดสรร<br />
จํานวนบุคลากรที่มีหนาที่ใหบริการรับชําระเงินคาธรรมเนียมการศึกษา<br />
และทรัพยากรที่เหมาะสม<br />
สามารถลดคาใชจายในการใหบริการและการ<br />
รอคอยของนักศึกษาได<br />
3. รูปแบบการวิเคราะหระบบแถวคอยนี้สามารถใชเปน<br />
แนวทางในการวิเคราะหระบบแถวคอยในงานดานอื่นๆ<br />
ได<br />
5 ขั้นตอนการดําเนินงาน<br />
1. รวบรวมขอมูลการเขาใชบริการของนักศึกษาในวันและ<br />
เวลาราชการ จากการเขาสังเกตดวยตนเองและขอมูลจากฐานขอมูลระบบ<br />
รับชําระเงินคาธรรมเนียมการศึกษา<br />
2. ศึกษาและวิเคราะหระยะเวลาการใหบริการรับชําระเงิน<br />
ในแตละประเภท โดยใชแบบประเมินระยะเวลาการใหบริการของ<br />
บุคลากรประจําชองบริการและการเขาสังเกตดวยตนเอง<br />
3. จําลองระบบดวยเทคนิคมอนติคารโล มีขั้นตอน<br />
ดังนี้<br />
[1]<br />
3.1 เก็บขอมูลและคํานวณหาความนาจะเปน<br />
(probability) ของอัตราการเขาใชบริการของนักศึกษา ประเภทของ<br />
บริการที่ใช<br />
และระยะเวลาในการใหบริการของบุคลากรประจําชอง<br />
บริการ<br />
3.2 คํานวณหาความนาจะเปนสะสม ( cumulative<br />
probability)<br />
3.3 สรางชวงตัวเลขสุม<br />
(random number interval)<br />
3.4 กําหนดคาตัวเลขสุมโดยโปรแกรมคอมพิวเตอร<br />
(random number)<br />
4. ใชเลขสุมจําลองสถานการณการเขาใชบริการของ<br />
ผูใชบริการชองบริการรับชําระเงินคาธรรมเนียมการศึกษา<br />
คํานวณคา<br />
ตางๆ จากการจําลองระบบ ดังนี้<br />
= อัตราการเขาใชบริการ<br />
= อัตราการใหบริการ<br />
= เวลาโดยเฉลี่ยที่นักศึกษาใชในระบบ
ตารางที่<br />
2 ตัวอยางประเภทของการใหบริการ<br />
ลําดับ คําอธิบาย<br />
เวลาการใหบริการ<br />
ระหวาง (วินาที)<br />
1 คารักษาสถานภาพ 45 90<br />
2 คาลงทะเบียนเรียนกรณีบอกเพิ่มวิชา<br />
45 60<br />
3 ทรานสคริปกรณีจบ 100 185<br />
4 คาใบรับรองนักศึกษา 50 90<br />
5 คาใบรับรองสภามหาวิทยาลัย 55 135<br />
6 คาขึ้นทะเบียนบัณฑิต<br />
55 135<br />
แตเนื่องจากในแตละวันของสัปดาหมีนักศึกษาเขาใชงานชอง<br />
บริการรับชําระเงินคาธรรมเนียมการศึกษาในอัตราที่แตกตางกัน<br />
ผูศึกษา<br />
จึงไดทําการพัฒนาโปรแกรมแบบจําลองแถวคอยการใหบริการของกอง<br />
คลัง มหาวิทยาลัยรามคําแหงขึ้น<br />
โดยใชภาษาวิชวลเบสิค และโปรแกรม<br />
ไมโครซอฟทเอ็กเซลล เพื่อชวยคัดแยกและบันทึกขอมูลเขาสูตารางคา<br />
เลขสุมของอัตราการเขาใชบริการของนักศึกษา<br />
กอนทําการจําลองระบบ<br />
เพื่อหาจํานวนบุคลากรที่มีหนาที่ใหบริการรับชําระเงินคาธรรมเนียม<br />
การศึกษาที่เหมาะสมสําหรับแตละวัน<br />
พบวา การใหบริการในปจจุบันมี<br />
นักศึกษามาใชบริการโดยเฉลี่ย<br />
915 คนตอวันคิดเปน 2.34 คนตอนาที<br />
โดยมีอัตราการใหบริการ 0.60 คนตอนาที เวลาโดยเฉลี่ยที่นักศึกษาใชใน<br />
ระบบเทากับ 1.62 นาที มีจํานวนนักศึกษาใชบริการโดยเฉลี่ยในระบบ<br />
4.40 คนตอนาที ซึ่งอัตราการใหบริการดังกลาวทําใหไมมีแถวคอย<br />
(สําหรับทุกๆ วัน) และคาใชจายรวมของระบบ 14,700 บาทตอสัปดาห<br />
รูปที่<br />
1 จําลองระบบการใหบริการในปจจุบัน<br />
ทําการจําลองระบบเพื่อหาจํานวนบุคลากรที่มีหนาที่<br />
ใหบริการรับชําระเงินคาธรรมเนียมการศึกษาที่เหมาะสมสําหรับการ<br />
ใหบริการในแตละวัน โดยการจําลองการทํางานของระบบการใหบริการ<br />
ขึ้นจํานวน<br />
52 สัปดาห พบวาจํานวนบุคลากรใหบริการที่เหมาะสมโดย<br />
393<br />
เฉลี่ยคือวันละ<br />
4 คน (5 คน, 4 คน, 4 คน, 4 คน และ 5 คน สําหรับวัน<br />
จันทรถึงวันศุกรตามลําดับ) โดยการลดจํานวนบุคลากรที่ใหบริการลงทํา<br />
ใหมีระยะเวลาการรอคอยเฉลี่ยในแถวคอยเพิ่มขึ้น<br />
0.17 นาทีตอคน หรือ<br />
ประมาณ 15 วินาทีตอคน และทําใหคาใชจายของระบบลดลง 2,700 บาท<br />
ตอสัปดาห<br />
รูปที่<br />
2 จําลองระบบเพื่อหาจํานวนบุคลากรใหบริการที่เหมาะสม<br />
6.2 การวิเคราะหขอมูลดวยตัวแบบแถวคอยเชิงทฤษฎี<br />
จากการคํานวณเพื่อหาจํานวนบุคลากรใหบริการที่เหมาะสม<br />
สําหรับการใหบริการในแตละวัน พบวาจํานวนบุคลากรใหบริการที่<br />
เหมาะสมโดยเฉลี่ยคือวันละ<br />
5 คน (6 คน, 5 คน, 5 คน, 4 คน และ 6 คน<br />
สําหรับวันจันทรถึงวันศุกรตามลําดับ) โดยการลดจํานวนบุคลากร<br />
ใหบริการลงทําใหมีระยะเวลาการรอคอยเฉลี่ยในแถวคอยเพิ่มขึ้น<br />
0.64<br />
นาทีตอคน หรือประมาณ 40 วินาทีตอคน และทําใหคาใชจายของระบบ<br />
ลดลง 600 บาทตอสัปดาห<br />
รูปที่<br />
3 คํานวณดวยตัวแบบแถวคอยเชิงทฤษฎี<br />
เพื่อหาจํานวนบุคลากรใหบริการที่เหมาะสม
6. สรุปผลการดําเนินการ<br />
ในการศึกษาระบบแถวคอยการใหบริการรับชําระเงิน<br />
คาธรรมเนียมการศึกษาของกองคลัง มหาวิทยาลัยรามคําแหง มี<br />
วัตถุประสงคเพื่อศึกษาตัวแบบแถวคอยในการเขารับบริการของชอง<br />
บริการรับชําระเงินคาธรรมเนียมการศึกษาของกองคลัง มหาวิทยาลัย<br />
รามคําแหง สรางตัวแบบจําลองแถวคอยของการเขารับบริการเพื่อจัดสรร<br />
จํานวนบุคลากรที่มีหนาที่ใหบริการที่มีความเหมาะสม<br />
พรอมเปรียบเทียบ<br />
ผลลัพธกับการคํานวณ และจัดทําระบบสนับสนุนการตัดสินใจเพื่อ<br />
จัดเตรียมทรัพยากรและเปนแนวทางในการเพิ่มประสิทธิภาพในการ<br />
ใหบริการนําเสนอตอผูบริหาร<br />
พบวา<br />
จํานวนบุคลากรที่ใหบริการที่เหมาะสมโดยวิธีการจําลอง<br />
ระบบสําหรับวันจันทรและวันศุกรคือ 5 คน โดยหากไมมีกิจกรรมตาม<br />
ปฏิทินการศึกษาของมหาวิทยาลัยสามารถลดลงไดอีก 1 คน และในชวง<br />
การลงทะเบียนจะตองเพิ่มจํานวนบุคลากรที่ใหบริการอีก<br />
1 คนเพื่อ<br />
รองรับจํานวนนักศึกษาที่เขาใชบริการเพิ่มขึ้น<br />
และสําหรับวันอังคาร พุธ<br />
และพฤหัสบดีจํานวนบุคลากรที่ใหบริการที่เหมาะสมโดยเฉลี่ย<br />
คือ 4 คน<br />
สามารถลดลงได 1 คนในชวงการสอบ และในชวงที่มีการลงทะเบียนวัน<br />
อังคารควรเพิ่มขึ้น<br />
1 คนและวันพฤหัสบดี ควรเพิ่มขึ้น<br />
2 คน โดยมี<br />
คาใชจายเฉลี่ยของระบบการใหบริการ<br />
12,000 บาทตอสัปดาห<br />
และจํานวนบุคลากรที่ใหบริการที่เหมาะสมโดยการคํานวณ<br />
โดยตัวแบบแถวคอยเชิงทฤษฎีสําหรับวันจันทรและวันศุกรคือ 6 คน หาก<br />
ไมมีกิจกรรมตามปฏิทินการศึกษาของมหาวิทยาลัยสามารถลดลงไดอีก 1<br />
คน และในชวงการลงทะเบียนจะตองเพิ่มจํานวนบุคลากรที่ใหบริการอีก<br />
1 คน เพื่อรองรับนักศึกษาที่เขาใชบริการเพิ่มขึ้น<br />
และสําหรับวันอังคาร<br />
พุธ จํานวนจํานวนบุคลากรที่ใหบริการที่เหมาะสมโดยเฉลี่ย<br />
คือ 5 คน<br />
และพฤหัสบดี 4 คน สามารถลดลงได 1 คนในชวงการสอบ และในชวงที่<br />
มีการลงทะเบียนวันอังคารควรเพิ่มขึ้น<br />
1 คนและวันพฤหัสบดี ควร<br />
เพิ่มขึ้น<br />
2 คน โดยมีคาใชจายเฉลี่ยของระบบการใหบริการ<br />
14,700 บาท<br />
ตอสัปดาห<br />
จะเห็นไดวาคาใชจายโดยเฉลี่ยของระบบการใหบริการที่ได<br />
จากการจําลองระบบต่ํากวาคาใชจายโดยเฉลี่ยของระบบการใหบริการที่<br />
ไดจากการคํานวณดวยตัวแบบแถวคอยเชิงทฤษฎี 2,700 บาทตอสัปดาห<br />
เนื่องมาจากในการคํานวณดวยตัวแบบแถวคอยเชิงทฤษฎีจะมีจํานวน<br />
บุคลากรที่ใหบริการที่เหมาะสมสูงกวาตัวแบบการจําลองระบบโดยเฉลี่ย<br />
แลว 1 คนเสมอ จึงเปนผลใหใหคาใชจายของระบบตอสัปดาหสูงกวา<br />
394<br />
และถึงแมวาจากตัวแบบแถวคอยเชิงทฤษฎีจะมีจํานวนบุคลากรที่<br />
ใหบริการมากกวาการจําลองระบบ 1 คนผลลัพธจากตัวแบบแถวคอยเชิง<br />
ทฤษฎีก็ยังมีระยะเวลาการรอคอยในแถวคอยสูงกวา ประมาณ 30 วินาที<br />
ดังนั้นเมื่อพิจารณาตามเงื่อนไขของคาใชจายที่ต่ํากวาและระยะเวลาการ<br />
รอคอยในแถวคอยต่ํากวา<br />
จํานวนบุคลากรที่ใหบริการที่เหมาะสมสําหรับ<br />
การบริการรับชําระเงินคาธรรมเนียมการศึกษาของกองคลัง มหาวิทยาลัย<br />
รามคําแหงในการศึกษาครั้งนี้<br />
จึงเปนจํานวนบุคลากรที่ใหบริการที่ไดจาก<br />
ตัวแบบการจําลองระบบ<br />
เอกสารอางอิง<br />
[1] มนตรี พิริยะกุล. (2552). การจําลองแบบ. กรุงเทพฯ: สํานักพิมพ<br />
มหาวิทยาลัยรามคําแหง.<br />
[2] มานพ วราภักดิ์.<br />
(2552). การวิจัยดําเนินงาน. กรุงเทพฯ: สํานักพิมพ<br />
แหงจุฬาลงกรณมหาวิทยาลัย.<br />
[3] กิตติ ภักดีวัฒนกุล. (2546). คัมภีรระบบสนับสนุนการตัดสินใจและ<br />
ระบบผูเชี่ยวชาญ.<br />
กรุงเทพฯ: สํานักพิมพเคทีพี คอมพ แอนด คอล<br />
ซัลท.<br />
[4] สุทธิมา ชํานาญเวช. (2552). การวิเคราะหเชิงปริมาณ. กรุงเทพฯ:<br />
บริษัทวิทยพัฒน จํากัด.<br />
[5] สุทธิมา ชํานาญเวช. (2552). การวิจัยดําเนินงาน. กรุงเทพฯ: บริษัท<br />
วิทยพัฒน จํากัด.<br />
ประวัติผูเขียนบทความ<br />
ชื่อ<br />
– ชื่อสกุล<br />
นันทศักดิ์<br />
สุขวัสดิ์<br />
วัน เดือน ป เกิด 25 สิงหาคม 2522<br />
สถานที่ทํางาน<br />
กองคลัง มร.<br />
ตําแหนงปจจุบัน นักวิชาการคอมพิวเตอร
395<br />
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป 2554<br />
วันที่<br />
8-9 กันยายน 2554 ณ โรงแรม เอส ดี อเวนิว กรุงเทพฯ<br />
การกําหนดที่ตั้งศูนยกระจายกลาไมยูคาลิปตัสดวยตัวแบบการโปรแกรมเชิงเสนแบบผสม<br />
Determination of eucalyptus distribution center using mixed integer programming<br />
นลินรัตน นอยฉวี 1 และพัชราภรณ เนียมมณี 2<br />
1, 2<br />
สาขาเทคโนโลยีการตัดสินใจและการจัดการ คณะสถิติประยุกต สถาบันบัณฑิตพัฒนาบริหารศาสตร<br />
118 ถนนเสรีไทย บางกะป กรุงเทพฯ 10240<br />
โทรศัพท/โทรสาร: 02-374-4061 E-mail: 1 analyser_su@hotmail.com , 2 patchara@as.nida.ac.th<br />
บทคัดยอ<br />
บริษัทตัวอยางแหงหนึ่ง<br />
ซึ่งเปนมีโรงงานอยูที่ จ.<br />
ปราจีนบุรี และมีสาขาปลายทางที่มีอยู<br />
103 สาขา 17 จังหวัดในภาค<br />
ตะวันออกเฉียงเหนือ เพื่อกระจายกลาไมยูคาลิปตัส<br />
ในการศึกษานี้<br />
ตองการหาจํานวนและที่ตั้งศูนยกระจายกลาไม<br />
จากสาขาปลายทางที่มี<br />
อยู<br />
เพื่อใหปริมาณกลาในการขนสงแตละรอบ<br />
(เดือน) ที่เหมาะสมที่ทํา<br />
ใหเกิดคาใชจายต่ําสุด<br />
โดยใชเทคนิคการโปรแกรมเชิงเสนจํานวนเต็ม<br />
ผสม จากการศึกษาพบวา ควรมีการจัดตั้งศูนยกระจายกลาไมจากสาขา<br />
ปลายทางที่มีอยูเปนจํานวน<br />
1 ศูนย โดยตั้งอยูที่ตําบลภูหลวง<br />
อําเภอปก<br />
ธงชัย จังหวัดนครราชสีมาเพื่อใหกลาไมสงจากโรงงานไปยังศูนยแหง<br />
นี้จากนั้นจะกระจายตอไปใหกับสาขาปลายทาง<br />
ซึ่งการกระจายกลาไม<br />
ในลักษณะนี้จะสามารถชวยลดคาใชจายไดถึง<br />
257,837 บาทตอเดือน<br />
หรือคิดเปน 33.64 เปอรเซ็นต<br />
คําสําคัญ: การโปรแกรมเชิงเสนจํานวนเต็มแบบผสม, การหาที่ตั้งศูนย<br />
อํานวยความสะดวก, ศูนยกระจายสินคา<br />
Abstract<br />
For the case company, they have one factory located in<br />
Prachinburi province and 103 sub-centers located in North-East of<br />
Thailand to distribute young plant of eucalyptus. The objective of<br />
this research is to determine the number of eucalyptus distribution<br />
centers and their location to minimize total cost. Mixed-integer<br />
programming was developed with total cost minimization to<br />
determine location of all eucalyptus distribution centers. The result<br />
by running the model shows that we should have one distribution<br />
center at Phulaung, Pak Thong Chai, Nakhon Ratchasima. With this<br />
solution, young eucaluptus will send from the factory to the<br />
distribution center and then distribute to the other sub-centers. This<br />
distribution network would reduce the 257,837 baht per month,<br />
which is 33.64 percent.<br />
Keywords: Mixed-integer programming, facility location,<br />
distribution center<br />
1. ความเปนมา<br />
บริษัทผูประกอบการผลิตกลาไมยูคาลิปตัส<br />
สงใหกับ<br />
เกษตรกรเพื่อทําการเพาะปลูกแลวนําไมที่ไดจากการเพาะปลูกสงกลับ<br />
มายังบริษัทผูประการนั้นอีกครั้งเพื่อนําไมมาเปนวัตถุดิบในการผลิต<br />
กระดาษตอไป การขนสงกลาไมจากบริษัทกรณีศึกษา มีโรงงานตั้งอยู<br />
ที่จังหวัดปราจีนบุรีจะสงกลาไมไปยังสาขาปลายทางตาง<br />
ๆ ที่มีอยูทั่ว<br />
ทั้งภาคอีสานทั้งตอนบนและลางเปนจํานวนกวา<br />
103 สาขา โดยมี<br />
ขั้นตอนการสั่งซื้อและการดําเนินการเพื่อขนสงมีดังนี้<br />
(1) เมื่อลูกคามี<br />
ความตองการกลาไมแลวสั่งไปยังทางสาขาปลายทาง<br />
(2) สาขา<br />
ปลายทางจะสงขอมูลปริมาณกลาไมที่ลูกคาตองการใหบริษัททําการ<br />
จัดสงไปใหผานทางอีเมลล พรอมกับทําใบสั่งซื้อ<br />
(3) บริษัทจะออกใบ<br />
จัดสงพรอมกับสําเนาใบสั่งซื้อใหกับแผนกขนสง<br />
สวนวิธีการเตรียม<br />
กลาไมใหพรอมตอการขนสงของบริษัทคือ ทําการรดน้ํากลาไมใหชุม<br />
เพื่อปองกันตนกลาเหี่ยวเฉาระหวางการขนสง<br />
แลวนํากลาไมบรรจุใส<br />
ถุงจํานวน 50 ตนตอ 1 ถุง เมื่อรถที่มารับกลาไมไปสงยังปลายทาง<br />
มาถึงก็จะมีพนักงานนําถุงกลาไมลําเลียงขนรถบรรทุก ซึ่งรถดังกลาว<br />
นี้ไมมีหลังคามีแตเพียงแสลนเพื่อบังแสงแดดรอบคันรถเพื่อปองกัน<br />
การคายน้ําของตนกลาเทานั้น<br />
รถบรรทุกกลาไมจะออกจากบริษัทเมื่อ
มีการบรรจุกลาไมเต็มคันหรือตามจํานวนที่ลูกคาสั่งใหครบไปยัง<br />
สาขาปลายทางที่มีการสั่งเขามา<br />
และเมื่อมีคําสั่งซื้อใหมก็ทําเชนเดิม<br />
โดยวิ่งรถเปลาจากสาขาที่ตองการมายังบริษัท<br />
ปจจุบันพบวาคาใชจายขนสงนั้นมีคาสูงเพิ่มขึ้นมากในแต<br />
ละเดือน สวนหนึ่งเนื่องมาจากการขนสงไมเต็มคันรถ<br />
นอกจากนี้ยัง<br />
พบวา การขนสงไปยังสาขาปลายทางที่มีระยะทางที่ไกลมากสงผล<br />
ใหตนกลาตายระหวางการขนสงจํานวนมาก มีตนทุนที่สูงขึ้น<br />
1.1 กระบวนการขนสง<br />
ตามที่ไดกลาวมาแลวเกี่ยวกับวิธีการสั่งซื้อและการเตรียม<br />
กลาเพื่อการขนสง<br />
ในหัวขอนี้จะกลาวถึงการขนสงกลาไมจากตนทาง<br />
ไปยังปลายทาง โดยรถที่ใชในการขนสงกลาไมนี้เปนรถบรรทุก<br />
6 ลอ<br />
สามารถบรรจุกลาไมได 30,000 ตน/คัน หรือประมาณ 600 ถุง/คัน<br />
รถบรรทุกกลาไมจะออกจากบริษัทกรณีศึกษาไปยังสาขาปลายทางที่มี<br />
การสั่งเขามาโดยตรง<br />
ดังรูปที่<br />
1 ซี่งสาขาปลายทางมีจํานวน<br />
103 สาขา<br />
กระจายตัวอยูในพื้นที่ภาคตะวันออกเฉียงเหนือ<br />
ดังรูปที่<br />
2 สําหรับ<br />
เงื่อนไขการจัดสงนั้น<br />
บริษัทจะจัดสงสินคาตามคําสั่งซื้อแตละรายใน<br />
ครั้งเดียวกัน<br />
โดยไมไดพิจารณาวาจะตองขนสงใหเต็มคันรถทุกครั้ง<br />
เนื่องจากหากทิ้งกลาไมไวที่บริษัทตองมีพื้นที่ในการจัดเก็บจํานวน<br />
มากและกลาอาจโตเกินไปกวาที่จะใชในการปลูก<br />
รูปที่<br />
1 กระบวนการขนสงตนกลา<br />
396<br />
รูปที่<br />
2 สาขาปลายทางที่กระจายอยูทั่วภาคอีสาน<br />
1.2 ลักษณะความเสียหายของตนกลา<br />
ในระหวางกระบวนการขนสงอาจมีบางขั้นตอนที่ไม<br />
เหมาะสมหรือไมถูกตอง กอใหเกิดความเสียหายของตนกลา ความ<br />
เสียหายของตนกลาในระหวางการขนสงแบงออกเปน ยอดหัก ขุย<br />
มะพราวแตก แหงตาย ดังรูปที่<br />
3 ซึ่งปญหาเหลานี้เกิดจากหลายสาเหตุ<br />
ไดแก (1) การลําเลียงตนกลาที่อยูในถุงแบบผิดๆ<br />
อันไดแกการโยนถุง<br />
บรรจุกลาสงตอไปยังผูรับอีกคนหนึ่งเพื่อที่จะลําเลียงตนกลาใส<br />
รถบรรทุกแลวเกิดการรับพลาดไปโดนยอดกลาไม ทําใหยอดกลาไม<br />
เกิดการฉีกขาดหรือหัก (2) การวางถุงกลาไมบนรถบรรทุกที่มากเกิน<br />
ความจุของรถ ทําใหตนกลาถูกอัดแนนกันมากเกินไปเปนสาเหตุใหขุย<br />
มะพราวที่เปนวัสดุปลูกของกลาไมเกิดการหลุดออกจากกันไมเปน<br />
รูปทรงของภาชนะปลูกดังเดิมและเปนผลใหรากของกลาไมเกิดการช้ํา<br />
เมื่อนําไปเพาะปลูกอาจทําใหการเจริญเติบโตของกลาไดไมดีดังเดิม<br />
ดังรูปที่<br />
4 และ(3) ความรอนระหวางการขนสงที่มีระยะทางไกลมาก<br />
ไมมีการพักรถเพื่อทําการรดน้ํากลาไมเปนสาเหตุทําใหตนกลาที่อยูชั้น<br />
บนสุดเกิดการเหี่ยวเฉาจนถึงแหงตายและตนกลาที่อยูรองลงมาเกิด<br />
การอบรอนจนตายซึ่งในกรณีนี้เรียกอีกชื่อหนึ่งคือ<br />
ตายนึ่ง<br />
ซึ่งในกรณี<br />
นี้เปนปญหาสําคัญที่เกิดจากการขนสงที่ไมมีการวางแผนที่ดีกอใหเกิด<br />
ความเสียหายของสินคา และความนาเชื่อถือของบริษัทตอลูกคาซึ่ง<br />
หากมีกลาเสียหายเกิดขึ้นหรือจํานวนกลาไมเพียงพอกับปริมาณความ<br />
ตองการที่แจงไปทางโรงงานก็จะถูกคิดคาปรับตามราคากลา<br />
ดังนั้นใน<br />
งานวิจัยนี้จึงไดเสนอแนะใหบริษัทปรับปรุงเรื่องการ<br />
ลําเลียงตนกลาไมขึ้นรถและการจัดวางถุงกลาไมบนรถบรรทุก<br />
เพื่อ<br />
แกปญหากลาตายใน 2 กรณีแรก แตสําหรับกรณีที่<br />
3 งานวิจัยนี้จะ<br />
พิจารณาภายใตขอตกลงเบื้องตนวาระยะทางในการขนสงจากโรงงาน
ความตองการในอนาคตเปนเปนเวลาลวงหนา 12 เดือนเมื่อไดคา<br />
พยากรณมาแลวนํามาหาคาเฉลี่ย<br />
ไดเปน ความตองการลวงหนาเฉลี่ย<br />
12 เดือนของสาขาปลายทางทั้ง<br />
103 สาขา โดยในการหาตัวแบบที่ดี<br />
ที่สุดคือ<br />
วิธีการทดสอบแนวโนม (Trend analysis) ไปวิเคราะหดวย<br />
โปรแกรม S<strong>AS</strong> ทําใหไดตัวแบบการพยากรณความตองการกลาไมใน<br />
แตละสาขาปลายทางได ตารางที่<br />
2 แสดงตัวอยางคาพยากรณความ<br />
ตองการ ของสาขาปลายทางจํานวน 26 สาขา จากทั้งหมด<br />
103 สาขา<br />
ตารางที่<br />
2 คาพยากรณความตองการตนกลาไมลวงหนา เฉลี่ย<br />
12<br />
เดือน จากตัวอยางของสาขาปลายทาง 26 สาขา<br />
สาขาปลายทาง ปริมาณความตองการ สาขาปลายทาง ปริมาณความตองการ<br />
1 69,058 14 24,031<br />
2 122,809 15 34,316<br />
3 145,919 16 19,907<br />
4 33,094 17 144,442<br />
5 46,186 18 128,361<br />
6 120,597 19 42,830<br />
7 81,744 20 76,634<br />
8 55,715 21 78,321<br />
9 58,730 22 94,078<br />
10 92,353 23 114,801<br />
11 57,196 24 2,831<br />
12 130,480 25 143,231<br />
13 46,133 26 178,631<br />
4. สรางตัวแบบคณิตศาสตร<br />
สําหรับการหาที่ตั้งศูนยกระจายกลาไมและปริมาณกลาไม<br />
ในการขนสงใหทีคาขนสงและการดําเนินการในการขนสงต่ํา<br />
ที่สุด<br />
โดยกําหนดให<br />
j แทนดัชนีของศูนยกระจายกลาไม โดย j = 1, 2,…., 103<br />
k แทนดัชนีของสาขาปลายทาง โดย k = 1, 2,…., 103<br />
N j แทนจํานวนเที่ยวของรถบรรทุก<br />
6 ลอที่ขนสงกลาไมจาก<br />
โรงงานไปยังศูนยกระจายกลาไมที่<br />
j<br />
่ ่ ่<br />
M jk แทนจํานวนเที่ยวของรถกะบะ<br />
4 ลอที่ขนสงกลาไมจาก<br />
ศูนยกระจายกลาไมที<br />
รับผิดชอบ<br />
j ไปยัสาขาปลายทางที k ที<br />
399<br />
y {0,1} y = 1เมื่อสาขาปลายทางที่<br />
j เปนศูนยกระจาย<br />
∈<br />
j<br />
j<br />
ตนกลาไม y j = 0 เมื่อสาขา<br />
ปลายทางที่<br />
j ไมเปน<br />
ศูนยกระจาย ตนกลาไม<br />
x j แทนจํานวนกลาไม (ตน) ที่ขนสงจากโรงงาน<br />
ไปยังศูนย<br />
กระจายกลาไมที่<br />
j<br />
W jk แทนจํานวนกลาไม (ตน) ที่ขนสงจากศูนยกระจายกลาไม<br />
ที่<br />
j ไปยังสาขาปลายทางที่<br />
k<br />
b j แทนอัตราตนกลาไมที่ไมตายระหวางการขนสงไปยังศูนย<br />
กระจายกลาไมที่<br />
j โดย<br />
⎛30,000 − B j ⎞<br />
b =⎜ ⎟ โดย<br />
j<br />
⎝ 30,000 ⎠<br />
B j แทนจํานวนตนกลาไมที่ตายเมื่อ<br />
การขนดวย<br />
รถบรรทุก ขนาด 30,000 ตนจากโรงงานไปยังศูนยกระจาย<br />
กลาไมที่<br />
j<br />
P แทนราคากลาไมตอตน<br />
S j แทนคาขนสงตอเที่ยวจากโรงงานผลิตไปยังศูนยกระจายกลา<br />
ไมที่<br />
j<br />
่<br />
่<br />
c jk แทนคาขนสงตอเที่ยวจากศูนยกระจายกลาไมที<br />
สาขาปลายทางที k<br />
j ไปยัง<br />
d k แทนปริมาณความตองการกลาไมของสาขาปลายทางที่<br />
k<br />
f j แทนตนทุนคงที่ตอเดือนของศูนยกระจายกลาไมที่<br />
j<br />
A j แทนปริมาณความจุกลาไมของศูนยกระจายกลาไมที่<br />
j<br />
ฟงกชันวัตถุประสงคเปนการหาตนทุนรวมในการขนสงและตนทุนใน<br />
การดําเนินการที่ศูนยกระจาย<br />
ซึ่งประกอบดวย<br />
(1) คาขนสงจาก<br />
โรงงานไปยังศูนยกระจายกลาไมที่<br />
j (2) คาขนสงจากศูนยกระจายกลา<br />
ไมที่<br />
j ไปยังสาขาปลายทางที่<br />
k (3) ตนทุนกลาไมที่ตายระหวางการ<br />
ขนสงจากโรงงานไปยังศูนยกระจายกลาไมที่<br />
j และ (4) คาใชจายคงที่<br />
ในการสรางศูนยและคาใชจายดําเนินงานตอเดือนของศูนยกระจาย<br />
กลาไมที่<br />
j
คาต่ําสุด<br />
ขอจํากัด<br />
103 103 103<br />
∑ ∑∑<br />
z = s N + c M<br />
j j jk jk<br />
j= 1 j= 1 k=<br />
1<br />
103 103<br />
∑ ∑<br />
+ p(1 − b ) x + f y<br />
j j j j<br />
j= 1 j=<br />
1<br />
ปริมาณรับกลาไมจากโรงงานไมเกินความจุของศูนยกระจายกลาไม<br />
bx j j ≤ Ay j j ∀j<br />
(1)<br />
ปริมาณสงกลาไมไปยังสาขาปลายทางเทากับปริมาณกลาไมที่ศูนย<br />
กระจายกลาไมรับมา<br />
103<br />
∑ jk<br />
k = 1<br />
j j<br />
W = b x ∀j<br />
(2)<br />
ปริมาณความตองการของสาขาที่<br />
k คือปริมาณกลาไมรวมที่ขนสงจาก<br />
ทุกศูนยกระจายกลาไมมายังที่สาขาที่<br />
k<br />
103<br />
∑<br />
d ≤ W ∀k<br />
(3)<br />
k jk<br />
j=<br />
1<br />
กําหนดจํานวนเที่ยวรถบรรทุกในการขนสงจากโรงงานไปยังศูนย<br />
กระจายกลาไม<br />
x j<br />
N j ≥ ∀j<br />
(4)<br />
30,000<br />
กําหนดจํานวนเที่ยวรถกะบะในการขนสงจากศูนยกระจายกลาไมไป<br />
ยังสาขาปลายทาง<br />
wjk<br />
M jk ≥ ∀j, ∀k<br />
(5)<br />
15,000<br />
ขอจํากัดของตัวแปรตัดสินใจ<br />
y {0,1} ∀j (6)<br />
∈<br />
j<br />
W ≥ 0 ∀j, ∀k<br />
(7)<br />
jk<br />
x ≥ 0 ∀j<br />
(8)<br />
j<br />
400<br />
N j และ jk<br />
5. ผลการศึกษา<br />
M เปนจํานวนเต็ม ∀j, ∀k<br />
(9)<br />
่<br />
่<br />
สําหรับการขนสงโดยใชนโยบายเดิม ซึ่งขนสงกลาไมไปยัง<br />
สาขาปลายทางโดยตรงโดยเมื่อมีสาขาปลายทางใดสงขอมูลปริมาณ<br />
ความตองการของลูกคาเขามาทางโรงงาน โรงงานก็จะขนสงตนกลา<br />
ไมไปยังสาขาปลายทางนั้น<br />
ๆ โดยรถบรรทุกและในระหวางทางที<br />
ขนสงนั้นไดเกิดตนกลาไมเสียหายระหวางทางการขนสง<br />
ซึ่งหากมี<br />
ปริมาณกลาไมที่เสียหายเทาใดใหคิดเปนคาปรับ<br />
เทากับราคาตนกลา<br />
ไม ซึ่งมีคาเทากับ<br />
5 บาทตอตน และใหคาปรับนี้กับลูกคาซึ่งคาขนสง<br />
จากการใชนโยบายเดิมโดยการนําคาพยากรณที่ไดมาเปนความ<br />
ตองการของสาขาปลายทาง ตารางที 3 แสดงตัวอยางคาขนสงดังกลาว<br />
ผลลัพธจากประประมวลผลตัวแบบทางคณิตศาสตรดวย<br />
โปรแกรม S<strong>AS</strong> แสดงใหเห็นถึงสาขาปลายทางที่ถูกยกระดับใหเปน<br />
ศูนยกระจายกลาไมอยู<br />
1 ศูนย อยูที่ตําบลภูหลวง<br />
อําเภอปกธงชัย<br />
จังหวัดนครราชสีมา สวนสาขาปลายทางอื่นๆ<br />
จะรับกลาไมจากศูนย<br />
กระจายกลาแหงนี้<br />
โดยฟงกชั่นวัตถุประสงคมีคาใชจายรวมเทากับ<br />
508,728 บาทตอเดือน เมื่อเปรียบเทียบกับนโยบายใหมที่มีการติดตั้ง<br />
ศูนยกระจายกลาไมกับนโยบายเดิมไดผลแสงดังตารางที่<br />
4 และ 5 ซึ่ง<br />
พบวานโยบายเดิมจะทําใหเกิดคาขนสงรวมตอเดือน 766,565 บาท<br />
ตารางที่<br />
3 ตัวอยางคาขนสงจากโรงงานไปยังสาขาปลายทาง<br />
สาขา<br />
ปลายทาง<br />
ปริมาณความ<br />
ตองการ(ตน)<br />
คาขนสง<br />
(บาท)<br />
กลาเสียหาย<br />
(ตน)<br />
คาปรับ<br />
(บาท)<br />
1 5,755 1,820 14 70<br />
2 10,234 2,320 29 145<br />
3 12,160 2,540 37 185<br />
4 2,758 2,580 12 60<br />
5 3,849 2,620 19 95<br />
6 10,050 2,640 32 160<br />
7 6,812 3,020 24 120<br />
8 4,643 3,500 19 95<br />
9 4,894 3,560 20 100<br />
10 7,696 3,740 31 155
ตารางที่<br />
4 ปริมาณกลาไมเสียหาย หนวย: ตน และคาเสียหาย<br />
หนวย: บาท ระหวางทางขนสง<br />
แบบการขนสง ขนสงโดยตรง ศูนยกระจายกลาไม<br />
จํานวนกลาไม(ตน) 6,285 1,961<br />
คาเสียหาย(บาท) 31,425 9,805<br />
ตารางที่<br />
5 เปรียบเทียบคาใชจายในการขนสงตอเดือนระหวางนโยบาย<br />
ขนสงโดยตรงกับนโยบายการติดตั้งศูนยกระจายกลาไม<br />
แบบการขนสง<br />
ขนสง<br />
คาใชจาย/เดือน(บาท)<br />
ตนทุนจากกลา<br />
เสียหาย<br />
การติดตั้ง<br />
ศูนย<br />
ขนสงโดยตรง 735,140 31,425 - 766,565<br />
ศูนยกระจายกลา 463,141 9,805 35,782 508,728<br />
6. สรุปและเสนอแนะ<br />
การประยุกตนําตัวแบบทางคณิตศาสตรมาใชในการ<br />
ปรับปรุงระบบการขนสงชวยในเรื่องเพิ่มประสิทธิภาพในการขนสง<br />
ไดอยางชัดเจน ดังจะเห็นไดวาในการสงกลาไมมาที่ศูนยกระจาย<br />
สินคาอาจจะมีปริมาณกลาไมเสียหายเกิดขึ้นไดระหวางทางการขนสง<br />
ซึ่งความเสียหายของกลาไมนี้ผันแปรกับระยะทางการขนสง<br />
แตศูนย<br />
กระจายกลาไมเหลานั้นก็สามารถรองรับปริมาณความตองการของ<br />
สาขาปลายทางที่รับผิดชอบไดเต็มจํานวนครบถวนไมกอใหเกิด<br />
คาปรับใหกับโรงงาน ซึ่งเมื่อนําไปเปรียบเทียบกับการขนสงดวย<br />
นโยบายเดิม ที่มีการขนสงจากโรงงานโดยตรงไดเกิดคาปรับจากความ<br />
เสียหายของตนกลาไมเปนอยางมากและยังมีคาขนสงที่คอนขางสูง<br />
การสรางศูนยกระจายกลาดังกลาวสามารถชวยลดคาขนสง<br />
ไดถึง 257,837 บาทตอเดือน หรือ 15,470,220 บาทตอ5ป หรือคิดเปน<br />
33.64 เปอรเซ็นตของคาขนสงดวยนโยบายเดิมที่บริษัทใชอยูใน<br />
ปจจุบัน<br />
7. ขอเสนอแนะ<br />
เนื่องจากการวิจัยนี้เปนการวางแผนระยะยาวเชิงกลยุทธ<br />
เพื่อหาวาควรจะเปลี่ยนแปลงการขนสงจากการขนสงโดยตรงเปนผาน<br />
รวม<br />
401<br />
ศูนยการกระจายหรือไม และสาขาปลายทางใดจะไดถูกยกระดับให<br />
เปนศูนยกระจายกลาไม ขอมูลที่ใชในการวิเคราะหจึงเปนขอมูลรวม<br />
รายปแลวนํามาเฉลี่ยใหเปนรายเดือนพิจารณาในภาพรวม<br />
หากในการ<br />
นําไปใชในระดับปฏิบัติงานที่ตองมีการวางแผนการขนสงถึงปริมาณ<br />
ตนกลาไมที่โรงงานจัดสงไปยังศูนยการกระจายหรือปริมาณตนกลา<br />
ไมที่ศูนยกระจายกลาไมจัดสงไปยังสาขาปลายทางนั้นตองใชขอมูล<br />
อีกชุดหนึ่ง<br />
ทั้งนี้เพราะสาขาปลายทางในแตละแหงไมไดมีการสั่งกลา<br />
ไมทุกเดือนดังในงานวิจัย นอกจากนี้ควรมีการวิเคราะหความไวของ<br />
พารามิเตอรตาง ๆ เพิ่มเติม<br />
เชน ตนทุนคาขนสงระหวางโรงงานกับศูนย<br />
และ ตนทุนคาขนสงจากศูนยไปยังสาขาปลายทาง รวมทั้งคาใชจายในการ<br />
ดําเนินงานที่อาจมีแนวโนมสูงขึ้นในอนาคต<br />
8. เอกสารอางอิง<br />
[1] C.-I. Hsu et al. 2006. Vehicle routing problem with timewindows<br />
for perishable food delivery. Journal of food<br />
engineering. 80: 465-475<br />
[2] M.KÖksalan et al. 1996. A location-distribution application<br />
for a beer company. European Journal of Operational<br />
Research. 80 :16-24.<br />
[3] R. M. Narchal A. 2003. A simulation model for corporate<br />
planning in a steel plant. European Journal of Operational<br />
Research. 34, (3): 282-296<br />
นางสาวนลินรัตน นอยฉวี สําเร็จการศึกษา<br />
ป 2550 จาก สถาบันเทคโนโลยีพระจอม<br />
เกลาเจาคุณทหารลาดกระบังระดับการศึกษา<br />
ปริญญาตรีวุฒิการศึกษา วท.บ.เกษตร<br />
สาขาวิชา พืชไร<br />
รองศาสตราจารย ดร. พัชราภรณ เนียม<br />
มณี รองคณบดีฝายวิชาการ คณะสถิติ<br />
ประยุกต สถาบันบัณฑิตพัฒนบริหาร<br />
ศาสตร (นิดา)