ดาวน์โหลด All Proceeding - AS Nida
ดาวน์โหลด All Proceeding - AS Nida ดาวน์โหลด All Proceeding - AS Nida
5. การออกแบบการทดลอง การทดลองในงานวิจัยนี้จะเปนการทดสอบคําตอบที่ไดจาก วิธีการ HANN และกฎการจายงานแบบ EDD โดยจะทําการทดสอบกับ ขอมูลใบสั่งผลิตจํานวน 80 ใบ จํานวน 10 ชุดขอมูล และวิเคราะหผลโดย ใชวิธีการวิเคราะหความแปรปรวนแบบทางเดียว (One-way ANOVA) และตรวจสอบความแตกตางของคาเฉลี่ยโดยใชวิธีการเปรียบเทียบ คาเฉลี่ยแบบทีละคู (Tukey’s test) พารามิเตอรที่ใชในการทดลองเพื่อหา คําตอบของวิธีการ HANN แสดงไดดังตารางที่ 14 ่ ่ ตารางที 14 พารามิเตอรตาง ๆ ที่ใชในการทดลอง พารามิเตอร การหาคําตอบเริ่มตน การหาคาถวงน้ําหนัก การเชื่อมโยงและคาไบแอส ประชากรเริ่มตน 20 โครโมโซม 20 โครโมโซม วิธีการคัดเลือก วิธีการวงลอรูเล็ต วิธีการวงลอรูเล็ต ความนาจะเปนในการ ขามสายพันธ (Pc) 0.9 0.9 วิธีการขามสายพันธุ วิธีการแบบจัดคู เปนสวน วิธีการยูนิฟอรม ความนาจะเปนในการ กลายพันธ (Pm) 0.01 0.01 วิธีการกลายพันธุ วิธีการแบบสลับที วิธีการยูนิฟอรม ่ ตารางที 15 ผลการทดลอง วิธีการ เวลาลาชา (วัน) เวลาที่งานคาง (วัน) คาใชจายรวม (บาท) HANN 58.34 [1] 205.32 [1] 95,167.00 [1] EDD 104.00 [2] 237.60 [2] 186,076.21 [2] 6. ผลการทดลอง ผลการทดลองจากวิธีการตาง ๆ แสดงไดดังตารางที่ 15 จาก ตารางที่ 15 พบวาวิธีการ HANN จะใหคําตอบที่มีประสิทธิภาพกวากฎ การจายงานแบบ EDD อยางมีนัยสําคัญ ตัวเลขในวงเล็บจะแสดงถึงลําดับ ที่ไดจาการตรวจสอบความแตกตางของคาเฉลี่ยดวยวิธีการเปรียบเทียบ คาเฉลี่ยแบบทีละคู (คานอยดีกวาคามาก) และยังพบวาวิธีการ HANN จะ ใหคําตอบที่ดีกวาทั้งดานคาใชจายเมื่อมีงานคางในระบบ คาปรับเมื่อสง งานลาชา และคาใชจายรวม ทั้งนี้เนื่องจากวิธีการ HANN สามารถเรียนรู การจัดตารางการผลิตจากคําตอบเริ่มตนที่ไดจาก GA ทําใหวิธีการ HANN สามารถจัดตารางการผลิตไดอยางมีประสิทธิภาพและทําใหเกิด คาใชจายรวมที่ต่ํากวาได 7. สรุปผลการวิจัย การจัดตารางการผลิตโดยใชวิธีการที่ผูวิจัยไดนําเสนอนั้น สามารถใหคําตอบของการจัดตารางการผลิตไดอยางมีประสิทธิภาพกวา กฎการจายงานแบบ EDD ที่โรงงานตัวอยางใชอยูในปจจุบัน อีกทั้ง วิธีการที่นําเสนอยังสามารถลดเวลาที่ใชในการจัดตารางการผลิตของ 290 โรงงานตัวอยางไดอีกดวย กิตติกรรมประกาศ ผูวิจัยขอขอบพระคุณฝายวางแผนการผลิตของโรงงาน ตัวอยางที่อํานวยความสะดวกในการเก็บขอมูลที่จําเปน ขอขอบคุณ บัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือที่ ชวยสนับสนุนเงินทุนสําหรับงานวิจัยนี้ และขอขอบคุณทานอาจารยที่ ปรึกษาที่ชวยสั่งสอนและชี้แนะการทําวิจัยมาโดยตลอด เอกสารอางอิง [1] H. Chen and P. B. Luh, “An alternative framework to Lagrangian relaxation approach for job shop scheduling”, European Journal of Operational Research, 149, 499–512, 2000. [2] E. Kutanoglu and S. D. Wu, “Lagrangian Relaxation-Based Techniques for Job Shop Scheduling”, Institute of Industrial Engineers, 2006. [3] S. Karmakar and B. Mahanty, “Minimizing Makespan for a Flexible Flow Shop Scheduling Problem in a Paint Company”, Industrial Engineering and Operations Management, 2010. [4] L. Tang W. Liu and J. Liu, “A neural network model and algorithm for the hybrid flow shop scheduling problem in a dynamic environment”, Journal of Intelligent Manufacturing, 16, 361-370, 2005. [5] A. El-Bouri S. Balakrishnan and N. Popplewell, “A neural network to enhance local search in the permutation flow shop”, Computer & Industrial Engineering, 49, 182-196, 2005. [6] A. N. Haq T. R. Ramanan K. S. Shashicant and R. Sridharan, “A hybrid neural network-genetic algorithm approach for permutation flow shop scheduling”, Taylor&Francis Group: International Journal of Production Research, 48, 4217-4231, 2009. [7] T. R. Ramanan R. Sridharan K. S. Shashikant and A. N. Haq, “An artificial neural network based heuristic for flow shop scheduling problems”, Journal of Intelligent Manufacturing, 2009. [8] T. Wuttipornpun U. Wangrukdeeskul and W. Songserm, “An Algorithm of Finite Capacity Material Requirement Planning System for Multi-stage Assembly Flow Shop”, World Academy of Science: Engineering and Technology 70, 500-510, 2010. [9] D. E. Goldberg, “Genetic algorithms: In search, optimization and machine learning”, Reading, MA: Addison-Wesley, 1989. [10] J. H. Holland, “Adaptation in natural and artificial systems”, Ann Arbour, MI: University of Michigan Press, 1975.
[11] M. L. Pinedo, “Scheduling: Theory, Algorithm and System”, Springer, Prentice Hall. 2008. [12] B. Tunjongsirikul and P. Pongchairerks, “An Application of GA Algorithm on Vehicle Routing Problem in a Case Study of a Bakery Company in Thailand”, The 2 nd RMUTP International Conference: Green Technology and Productivity, 128-133, 2010. [13] S. R. Hejazi and S. Saghafian, “Flowshop-scheduling problems with makespan criterion: a review”, Taylor&Francis Group: International Journal of Production Research, 43, 2895-2929, 2005. [14] S. N. Sivanandam and S. N. Deepa, “Introduction to Genetic Algorithms”, Springer: Verlag Berlin Heidelberg, 2008. [15] L. Wang and D. Z. Zheng, “An Effective Hybrid Heuristic for Flow Shop Scheduling”, Springer: Advanced Manufacturing Technology, 21, 38-44, 2003. [16] I. Aleksander and H. Morton, “An introduction to neural computing”, London, UK: Chapman and Hall, 1990. [17] ณชล ไชยรัตนะ, “เอกสารคําสอนรายวิชา: ระบบอัจฉริยะ”, มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนือ, 2547. [18] M. Mitchell, “An Introduction to Genetic Algorithms”, A Bradford Book, The MIT Press Cambridge, Massachusetts, London, England, 1996. [19] G. Syswerda, “Uniform crossover in genetic algorithms”, In J.D. Schaffer (ed.), Proc. 3rd Int. Conf. on Genetic Algorithms. Los Altos, CA: Morgan Kaufmann, 2–9, 1989. ดร. ธีรเดช วุฒิพรพันธ ปจจุบันดํารงตําแหนง ผูชวยศาสตราจารยประจําภาควิชาวิศวกรรม อุตสาหการ คณะวิศวกรรมศาสตร มหาวิทยาลัย เทคโนโลยีพระจอมเกลาพระนครเหนือ สําเร็จ การศึกษาระดับปริญญาตรี สาขาวิศวกรรมไฟฟา จากมหาวิทยาลัยเทคโนโลยีพระจอมเกลาธนบุรี สําเร็จการศึกษาระดับ ปริญญาโท สาขาวิศวกรรมอุตสาหการ จากมหาวิทยาลัยเทคโนโลยีพระ จอมเกลาพระนครเหนือ และสําเร็จการศึกษาระดับปริญญาเอก สาขา วิศวกรรมอุตสาหการ จากสถาบันเทคโนโลยีนานาชาติสิรินธร งานวิจัยที่ สนใจประกอบดวย การวางแผนการผลิต การควบคุมสินคาคงคลัง การ จําลองสถานการณ การวิจัยการดําเนินงาน ระบบวางแผนทรัพยากร องคกร ทฤษฎีขอจํากัด และระบบวางแผนความตองการวัสดุที่มีขอจํากัด ดานกําลังการผลิต 291 นายวัชรพันธ สุขเกิด ปจจุบันกําลังศึกษาระดับ ปริญญาโท สาขาวิศวกรรมอุตสาหการ คณะ บัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระ จอมเกลาพระนครเหนือ สําเร็จการศึกษาระดับ ปริญญาตรี สาขาเทคโนโลยีวิศวกรรมอิเล็กทรอ- นิกส (คอมพิวเตอร) จากมหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนคร เหนือ งานวิจัยที่สนใจประกอบดวย การจัดตารางการผลิต การวางแผน การผลิต การควบคุมสินคาคงคลัง การจัดการโลจิสติกสและหวงโซ อุปทาน
- Page 260 and 261: is to preserve system function rath
- Page 262 and 263: Figure 3 Flow diagram of a Stock Pr
- Page 264 and 265: The next step was the statistical a
- Page 266 and 267: 6. Conclusion The indicators of thi
- Page 268 and 269: นวัตกรรม ซึ่
- Page 270 and 271: LABOR หมายถึงดั
- Page 272 and 273: 252 การประชุมว
- Page 274: Figure 3 Chromosome representation.
- Page 277: difference of the mean of material
- Page 280: Biography Pupong Pongcharoen is an
- Page 285: ตารางที่ 1 (ตอ)
- Page 289 and 290: 269 การประชุมว
- Page 291 and 292: รูปที่ 3 การเ
- Page 293: บทคัดยอ 273 การ
- Page 298 and 299: ่ ่ ตารางที 2 เ
- Page 300 and 301: ตารางการผลิ
- Page 303 and 304: การผลิตแบบผ
- Page 305 and 306: 1. การวางคําส
- Page 307 and 308: รูปที่ 8 โครโ
- Page 309: รูปที่ 11 วงลอ
- Page 314 and 315: ตารางที่ 2 ตา
- Page 317: กระบวนการบด
- Page 323 and 324: ซึ่งทําใหเก
- Page 326 and 327: เอกสารอางอิ
- Page 328: ผลิตภัณฑนี้
- Page 332: บทคัดยอ 312 การ
- Page 336 and 337: ถาพิจารณาคา
- Page 338: 4. เมื่อพิจาร
- Page 343: 6.2 ดานการศึกษ
- Page 346 and 347: เมื่อ มีการแ
- Page 348: True positive (TP)คือ จํ
- Page 354 and 355: โดยที่ A เปนจ
- Page 356 and 357: นางปรารถนา ม
- Page 359: 2.2 การออกแบบก
[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