การแก้ปัญหาการบำรุงรักษาของโรงงาน กรณีศึกษาของบริษัทผลิตและจำหน่ายผลิตภัณฑ์อาหารกึ่งสำเร็จรูปในจังหวัดอุตรดิตถ์
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มุ่งเน้นการจัดตารางการบำรุงรักษาของบริษัทผลิตและจำหน่ายผลิตภัณฑ์อาหารกึ่งสำเร็จรูปในจังหวัดอุตรดิตถ์ โดยได้พัฒนาแบบจำลองกำหนดการเชิงคณิตศาสตร์ร่วมกับการใช้อัลกอริทึมฮิวริสติกส์โครงข่ายประสาทเทียม (Neural Network: NNs) และวิธีการโลคอลเสิร์ช (Local Search: LS) เพื่อแก้ปัญหาการบำรุงรักษาแบบ Preventive Maintenance (PM) ซึ่งจำเป็นสำหรับการผลิตที่ต้องดำเนินการอย่างต่อเนื่อง การวิจัยได้ทดสอบโปรแกรมที่พัฒนากับการทดลองเชิงแฟกทอเรียล 23 เพื่อหาค่าพารามิเตอร์ที่เหมาะสมของการค้นหาคำตอบ การวิจัยได้เก็บข้อมูลปัญหาขนาดเล็กและขนาดใหญ่ ซึ่งโปรแกรมมีความสามารถหาค่าคำตอบในการจัดตารางการบำรุงรักษาได้อย่างมีประสิทธิภาพ โดยได้ค่าเมคสแปน (Makespan) ที่ใกล้เคียงและตรงกับค่าขอบเขตต่ำสุด (Lower Bound) ซึ่งสะท้อนถึงประสิทธิภาพของโครงข่ายประสาทเทียม และวิธีการโลคอลเสิร์ชในการแก้ปัญหา นอกจากนี้ การเก็บข้อมูลก่อนและหลังการวิจัยในช่วง 6 เดือน พบว่า ต้นทุนรวมลดลงเหลือ 1,915,062 บาท ลดลงจากเดิมเท่ากับ 422,396 บาท คิดเป็นร้อยละ 9.93 ส่วนค่าระยะเวลาเฉลี่ยระหว่างการเกิดเหตุขัดข้องของเครื่องจักร (MTBF) มีค่าเพิ่มขึ้นเป็น 83.84 ชั่วโมง คิดเป็นร้อยละ 35.27 แสดงให้เห็นถึงการลดลงของต้นทุนทั้งในด้านเวลาและการบำรุงรักษา
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
นโยบายการรับบทความ
กองบรรณาธิการวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น มีความยินดีรับบทความจากอาจารย์ประจำ และผู้ทรงคุณวุฒิในสาขาวิศวกรรมศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่นที่นำส่ง ดังนั้นผู้สนใจที่จะร่วมเผยแพร่ผลงานและความรู้ที่ศึกษามาสามารถนำส่งบทความได้ที่กองบรรณาธิการเพื่อเสนอต่อคณะกรรมการกลั่นกรองบทความพิจารณาจัดพิมพ์ในวารสารต่อไป ทั้งนี้บทความที่สามารถเผยแพร่ได้ประกอบด้วยบทความวิจัย ผู้สนใจสามารถศึกษาและจัดเตรียมบทความจากคำแนะนำสำหรับผู้เขียนบทความ
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏภายในบทความของแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็น ความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับสถาบันเทคโนโลยีไทย-ญี่ปุ่น และคณาจารย์ท่านอื่น ๆ ในสถาบัน แต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของบทความในวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น ไปเผยแพร่ก่อนได้รับอนุญาตจากผู้นิพนธ์ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
ผู้ประสงค์จะส่งบทความเพื่อตีพิมพ์ในวารสารวิชาการ สถาบันเทคโนโลยีไทย-ญี่ปุ่น สามารถส่ง Online ที่ https://www.tci-thaijo.org/index.php/TNIJournal/ โปรดสมัครสมาชิก (Register) โดยกรอกรายละเอียดให้ครบถ้วนหากต้องการสอบถามข้อมูลเพิ่มเติมที่
- กองบรรณาธิการ วารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
- ฝ่ายวิจัยและนวัตกรรม สถาบันเทคโนโลยีไทย-ญี่ปุ่น
เลขที่ 1771/1 สถาบันเทคโนโลยีไทย-ญี่ปุ่น ซอยพัฒนาการ 37-39 ถนนพัฒนาการ แขวงสวนหลวง เขตสวนหลวง กรุงเทพมหานคร 10250 ติดต่อกับคุณพิมพ์รต พิพัฒนกุล (02) 763-2752 , คุณจุฑามาศ ประสพสันติ์ (02) 763-2600 Ext. 2402 Fax. (02) 763-2754 หรือ E-mail: JEDT@tni.ac.th
เอกสารอ้างอิง
A. N. Mustapha, Y. Zhang, Z. Zhang, Y. Ding, Q. Yuan and Y. Li (2021). “Taguchi and ANOVA analysis for the Optimization of the microencapsulation of a volatile phase change material,” J. Mat. Res. Technol., vol. 11, pp. 667–680, 2021.
R. H. Myers and D. C. Montgomery, Response Surface Methodology: Process and Product Optimization Using Designed Experiments. New York, NY, USA: John Wiley & Sons, 1995.
H.-K. Hwang and S.-J. Kim, “Investigation on the effective factor calculation of electropolishing using full factorial design and mechanism model by microscopic analysis for super austenitic stainless steel,” Surfaces and Interfaces, vol. 37, 2023, Art. no. 102730.
D. Grewal, S. Benoit, S. M. Noble, A. Guha, C.-P. Ahlbom, and J. Nordfält, “Leveraging in-store technology and AI: Increasing customer and employee efficiency and enhancing their experiences,” J. Retail., vol. 99, no. 4, pp. 487–504, 2023.
A. Jankovic, G. Chaudhary, and F. Goia, “Designing the design of experiments (DOE) – An investigation on the influence of different factorial designs on the characterization of complex systems,” Energy Build., vol. 250, Nov. 2021, Art. no. 111298.
H. Wu, H. Chen, L. Fan, P. Pan, G. Xu, and L. Wu, “Performance analysis of a novel co-generation system integrating a small modular reactor and multiple hydrogen production equipment considering peak shaving,” Energy, vol. 302, Sep. 2024, Art. no. 131887.
S. Tang, J. Ma, Z. Yan, Y. Zhu, and B. C. Khoo, “Deep transfer learning strategy in intelligent fault diagnosis of rotating machinery,” Eng. Appl. Artif. Intell., vol. 134, Aug. 2024, Art. no. 108678.
H. Corrotea, H. Portales, L. Amigo, G. Gatica, A. T. Palacio, D. Mondragon, and M. Ramos, “Maintenance process analysis in a port cargo company through discrete event simulation,” Procedia Comput. Sci., vol. 231, pp. 415–420, 2024.
P. Mukherjee, R. Das, and M. Jawed, “Assessment of routine operation and maintenance work of a small community water treatment plant in North Guwahati, Assam, India,” Groundwater for Sustain. Develop., vol. 25, May 2024, Art. no. 101123.
U. Rai, G. Oluleye, and A. Hawkes, “Stochastic optimisation model to determine the optimal contractual capacity of a distributed energy resource offered in a balancing services contract to maximise profit,” Energy Rep., vol. 11, pp. 5800–5818, Jun. 2024.
L. Cheng, Q. Tang, and L. Zhang, “Production costs and total completion time minimization for three-stage mixed-model assembly job shop scheduling with lot streaming and batch transfer,” Eng. Appl. Artif. Intell., vol. 130, Apr. 2024, Art. no. 107729.
Z. Rui et al. “Graph reinforcement learning for flexible job shop scheduling under industrial demand response: A production and energy nexus perspective,” Comput. Ind. Eng., vol. 193, Jul. 2024, Art. no. 110325.
B. Du, S. Han, J. Guo, and Y. Li, “A hybrid estimation of distribution algorithm for solving assembly flexible job shop scheduling in a distributed environment,” Eng. Appl. Artif. Intell., vol. 133, Jul. 2024, Art. no. 108491.
H. Shuihua, Z. Ling, C. Kui, Z. Luo, and D. Mishra, “Appointment scheduling and routing optimization of attended home delivery system with random customer behavior,” Eur. J. Oper. Res., vol. 262, no. 3, pp. 966–980, Nov. 2017.
A. Choo, Y. Xia, G. P. Zhang, and C. Liao, “Leader behavioral integrity for safety and its impact on worker preventive maintenance behavior and operational performance,” Saf. Sci., vol. 177, Sep. 2024, Art. no. 106577.
M. D. O. Dos Reis, R. Godina, C. Pimented, F. J. G. Silva, and J. C. O. Matiasac, “A TPM strategy implementation in an automotive production line through loss reduction,” Procedia Manuf., vol. 38, pp. 908–915, 2019.
W. Zhang, J. Gan, S. He, T. Li, and Z. He, “An integrated framework of preventive maintenance and task scheduling for repairable multi-unit systems,” Rel. Eng. Syst. Saf., vol. 247, Jul. 2024, Art. no. 110129.
J. L. M. de Andrade, M. J. F. Souza, E. M. de Sa, G. C. Menezes, and S. R. de Souza, “Formulations and heuristic for the long-term preventive maintenance order scheduling problem,” Comput. Oper. Res., vol. 170, Oct. 2024, Art. no. 106781.
T. Yuan and X. Yan, “Application analysis of heuristic algorithms integrating dynamic programming in RNA secondary structure prediction,” Intell. Syst. Appl., vol. 23, Sep. 2024, Art. no. 200400.
A. Phuk-in, “Production-scheduling problem: A case of SD Tractors Company, Limited,” in Proc. 40th Conf. Ind. Eng. Netw. (IE Network), Nakhon Pathom, Thailand, May 2022, pp. 469–474.
A. Phuk-in, “Production planning and machine maintenance schedule of Dragon Green Energy Company, Limited,” J. Ind. Technol., vol. 20, no. 1, pp. 62–80, 2024.
C. Muangdit and K. Lurang, “Optimized PIDA controller design with bat-inspired algorithm for temperature control of electric furnace system,” (in Thai), J. Eng. Digit. Technol. (JEDT), vol. 12, no. 1, pp. 67–74, 2024.
P. Alavian, Y. Eun, K. Liu, S. M. Meerkov, and L. Zhang, “The (α, β)-precise estimates of MTBF and MTTR: definitions, calculations, and induced effect on machine efficiency evaluation,” IFAC-PapersOnLine, vol 52, no. 13, pp. 1004–1009, 2019.
A. Khamaj, A. M. Ali, R. Saminathan, and M. Shanmugasundaram, “Human factors engineering simulated analysis in administrative, operational and maintenance loops of nuclear reactor control unit using artificial intelligence and machine learning techniques,” Heliyon, vol. 10, no. 10, May 2024, Art. no. e30866.
R. Zheng, M. Liu, Y. Zhang, Y. Wang, and T. Zhong, “An optimization method based on improved ant colony algorithm for complex product change propagation path,” Intell. Syst. Appl., vol. 23, Sep. 2024, Art. no. 200412.
J. Zhao, H. Mao, P. Mao, and J. Hao, “Learning path planning methods based on learning path variability and ant colony optimization,” Syst. Soft Comput., vol. 6, Dec. 2024, Art. no. 200091.
J. Bai, G.-R. Liu, T. Rabczuk, Y. Wang, X.-Q. Feng, and Y. T. Gu, “A robust radial point interpolation method empowered with neural network solvers (RPIM-NNs) for nonlinear solid mechanics,” Comput. Methods Appl. Mechanics Eng., vol. 429, Sep. 2024, Art. no. 1171591.
Z. Liang, D. Ren, B. Xue, J. Wang, W. Yang, and W. Liu, “Verifying safety of neural networks from topological perspectives,” Sci. Comput. Program., vol. 236, Sep. 2024, Art. no. 103121.
Y. Xu, X. Li, and X. Meng, “A Q-learning based iterated local search algorithm for human-UAV cooperation in restoring transmission network,” Expert Syst. Appl., vol. 252, Oct. 2024, Art. no. 124200.
A. E. Yahiaoui, S. Afifi, and H. Allaoui, “Enhanced iterated local search for the technician routing and scheduling problem,” Comput. Oper. Res., vol. 160, Dec. 2023, Art. no. 106385.
