30.06.2013 Views

ดาวน์โหลด All Proceeding - AS Nida

ดาวน์โหลด All Proceeding - AS Nida

ดาวน์โหลด All Proceeding - AS Nida

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

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.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!