การแก้ปัญหาเครือข่ายห่วงโซ่อุปทานเย็นของวัคซีนด้วยวิธีไฮบริดแรงเข้าสู่ศูนย์กลาง
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้นำเสนอการแก้ปัญหาเครือข่ายห่วงโซ่อุปทานเย็นของวัคซีนโดยใช้วิธีไฮบริดแรงเข้าสู่ศูนย์กลาง โดยการประยุกต์ใช้วิธีแรงเข้าสู่ศูนย์กลางแบบดั้งเดิมร่วมกับวิธีการค้นหาแบบทาบูและวิธีค้นหาแบบเพื่อนบ้าน ในขั้นตอนการสร้างผลเฉลยเริ่มต้นและขั้นตอนการพัฒนาผลเฉลยตามลำดับ เพื่อช่วยเพิ่มประสิทธิภาพของการแก้ปัญหาเครือข่ายห่วงโซ่อุปทานเย็นของวัคซีน สำหรับการจัดเส้นทางการจัดส่งวัคซีนให้มีระยะทางรวมน้อยที่สุด ขอบเขตของงานวิจัยคือจัดเส้นทางการจัดส่งวัคซีนของสำนักงานป้องกันและควบคุมโรค 1 จังหวัดเชียงใหม่ การวัดประสิทธิภาพการจัดส่งวัคซีนของวิธีไฮบริคแรงเข้าสู่ศูนย์กลาง เปรียบเทียบกับวิธีแรงเข้าสู่ศูนย์กลางแบบดั้งเดิมและการจัดส่งวัคซีนในปัจจุบัน การวิเคราะห์ผลของงานวิจัยนี้นำเสนอวิธีฟูลแฟคทอเรียลสำหรับสังเคราะห์หาพารามิเตอร์ที่เหมาะสมสำหรับการจัดส่งวัคซีน โดยผลเฉลยของวิธีไฮบริดแรงเข้าสู่ศูนย์กลางมีระยะทางสั้นกว่าวิธีแรงเข้าสู่ศูนย์กลางแบบดั้งเดิมและการจัดส่งวัคซีนในปัจจุบัน 22 กิโลเมตร และ 119 กิโลเมตร ตามลำดับ
Article Details
ผลงานที่ได้รับการตีพิมพ์ ถือเป็นลิขสิทธิ์ของวารสารฯ
References
World Health Organization (WHO), 2017. Vaccine cold chain. http://www.who.int/immunization/documents
แพรพรรณ ภูริบัญชา, 2555. แนวทางการดำเนินงานโครงการสร้างเสริมภูมิคุ้มกันโรคด้วยวัคซีนด้วยระบบ VMI. สำนักงานป้องกันควบคุมโรคที่ ๖ จังหวัดขอนแก่น.
กรมป้องกันและควบคุมโรค, 2559. พื้นที่ความรับผิดชอบและการให้บริการทางสาธารณสุขของสำนักงานป้องกันและควบคุมโรค, http://odpc1.ddc.moph.go.th/area61.html
เครือวัลย์ จำปาเงิน, 2547. การพัฒนาระบบสนับสนุนการตัดสินใจเพื่อจัดเส้นทางเดินรถสำหรับการขนส่งสินค้าเพื่อการบริโภคสู่ร้านค้าปลีกในสถานบริการน้ำมันจังหวัดนนทบุรี, จุฬาลงกรณ์มหาวิทยาลัย.
Jaegere N., Defraeye M., I. Van Nieuwenhuyse, 2013. Vehicle routing problem: state of the art classification and review, KU Leuven.
Rashedi E., Nezamabadi H., Saryadi S., 2009.Gravatational Search Algorithm, Information sciences, Vol 179: pp 2232-2248.
Shah-Hossemimi H., 2009. Optimization with the Nature-Inspired Intelligent Water Drops Algorithm, Evolutionary computation, Wellington Pinheiro dos Santos (Ed.)
Dorigo M. and Gambardella L. M., 1997. Ant Colony System: A cooperative learning approach to the traveling salesman problem, IEEE Transaction, Vol. 1, pp. 53-66.
Xin S.Y., Suash D., 2010. Cuckoo search via Lévy flights, Mathematical Modeling and Numerical Optimization, Vol. 1(4), pp. 210-214
Kennedy J., Eberhart R.C., 1995. The Particle swarm optimization, IEEE Transaction, Vol. 4, pp. 1942-1948
Goldberg D.E., 1989. Genetic Algorithm in Search, The Optimisation and Machine Learning, ADDISON-WESLEY PUBLISHING COMPANY, INC.
Alatas B., 2012. A novel chemistry based the metaheuristic optimization method for mining of classification rules, Expert system with application, Vol. 39, pp. 11080-11088
Gargari A.E., Lucas C., 2007. Imperialist Competitive Algorithm: An algorithm for optimization inspired by imperialistic competition. IEEE Congress on Evolutionary Computation, Vol.7, pp. 4661–4666.
Glover F., 1986. Future paths for integer programming and link to artificial intelligence, computers and operation research, Vol 13, No. 5, pp. 533-549
Knuth D., 1973. The Art of Computer Programming, Vol.3, Stanford University, ADDISON-WESLEY: An Imprint of Addison Wesley Longman inc.
Lee K.S, Geem Z.W., 2005. A new meta-heuristic algorithm for continuous engineering optimization: Harmony search theory and practice, Computer Methods in Applied mechatronic and Engineering, Vol.194, pp. 3902-3933.
คณน สุจารี, สถิตเทพ สังข์ทอง, จรีรัตน์ จิตธรรมมา, 2559. การออกแบบเครือข่ายห่วงโซ่อุปทานเลือดโดยใช้วิธีแรงเข้าสู่จุดศูนย์กลาง, การประชุมวิชาการข่ายงานวิศวกรรมอุตสาหการ ประจำปี พ.ศ. 2559. หน้า 2-10
Formato R.A., 2007, Central force optimization: A new metaheuristic with applications in applied electromagnetics, Progress in electromagnetics research, Vol 77, pp.425-491
Montgomery DC., 2001. Design and analysis of experiments, 5th edition, New York, John Wiley and Sons.