การประยุกต์ใช้วิธีเชิงพันธุกรรมเพื่อหาค่าใช้จ่ายรวมต่ำที่สุดสำหรับแผนการชักตัวอย่างเพื่อการยอมรับแบบสองชุด

Article Sidebar

PDF
เผยแพร่แล้ว: ม.ค. 30, 2020
คำสำคัญ:
วิธีเชิงพันธุกรรม แผนการชักตัวอย่างเพื่อการยอมรับรุ่นแบบสองชุด การหาค่าที่เหมาะสม จำนวนของเสียที่ยอมรับได้

Main Article Content

Wimonmas Bamrungsetthapong
Division of Applied Statistics, Faculty of Science and Technology, Rajamangala University of Technology Thanyaburi, Pathum Thani
Pramote Charongrattanasakul
Division of Mathematics, Faculty of Science and Technology, Rajamangala University of Technology Krungthep, Bangkok

บทคัดย่อ

แผนการชักตัวอย่างเพื่อการยอมรับรุ่นแบบสองชุดภายใต้ความเสี่ยงของผู้ผลิตและผู้บริโภคเป็นเครื่องมือสำคัญในการกำหนดแผนการตรวจสอบผลิตภัณฑ์ที่เหมาะสม ซึ่งในสถานการณ์จริงผู้ใช้งานอาจไม่ทราบถึงค่าความเสี่ยงของผู้ผลิตและผู้บริโภคที่แท้จริง เพียงแต่ทราบสัดส่วนเสียในรุ่นการผลิต งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพในการเลือกแผนการชักตัวอย่างเพื่อการยอมรับแบบสองชุดที่เหมาะสมภายใต้แนวคิดที่ทราบเพียงค่าสัดส่วนเสียในรุ่นการผลิต และต้องการให้เกิดค่าใช้จ่ายรวมในการตรวจสอบ (TC) ต่ำที่สุด โดยประยุกต์ใช้วิธีทางพันธุกรรมช่วยคำนวณหาค่าที่เหมาะสมของขนาดตัวอย่าง (n1, n2) และจำนวนของเสียมากสุดที่ยอมรับได้ (c1, c2) ผลการศึกษาพบว่าเงื่อนไข n1 = n2 และ c1 ≤ c2 – 1 ส่งผลให้ค่าใช้จ่ายรวมต่ำที่สุด ส่วนเงื่อนไข n1 = 2n2 และ c1 ≤ c2 – 1 จะส่งผลให้ค่าจำนวนของเสียที่ตรวจพบมากที่สุด นอกจากนี้พบว่าเมื่อขนาดตัวอย่างเพิ่มมากขึ้นจะส่งผลให้ค่าใช้จ่ายรวมในการตรวจสอบ (TC) จำนวนของเสียที่ตรวจพบ (Nd) และจำนวนตัวอย่างที่นำมาตรวจสอบเฉลี่ย (ATI) จะเพิ่มขึ้นด้วย ในขณะที่ความน่าจะเป็นที่จะยอมรับรุ่น (Pa) และคุณภาพผ่านออก (AOQ) มีค่าลดลงตามลำดับ

Article Details

ฉบับ
ปีที่ 30 ฉบับที่ 1 (2020): มกราคม–มีนาคม 2563
บท
บทความวิจัย ด้านวิทยาศาสตร์ประยุกต์

บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น

References

[1] A. Phukin, “Solving sequence of job scheduling problem by genetic algorithm with local search,” Industrial Technology Lampang Rajabhat University Journal, vol. 7, no 2, pp. 111–126, 2014 (in Thai).

[2] B. P. M. Duarte and P. M. Saraiva, “An optimizationbased approach for designing attribute acceptance sampling plans,” International Journal of Quality & Reliability Management, vol. 25, no. 8, pp. 824–841, 2008.

[3] I. Kaya, “A genetic algorithm approach to determine the sample size for attribute control charts,” Information Sciences, vol. 179, no. 10, pp. 1552–1566, 2009.

[4] A. Kobilinsky and Y. Bertheau, “Minimum cost acceptance sampling plans for grain control, with application to GMO detection,” Chemometrics and Intelligent Laboratory Systems, vol. 75, no. 2, pp. 189–200, 2005.

[5] T. M. Cheng and Y. L. Chen, “A GA meachanism for optimizeng the desing of attribute-doublesampling-plan,” Automation in Construction, vol.16, no.3, pp.345–353, 2007.

[6] S. Sampath and S. P. Deepa, “Determination of optimal double sampling plan using genetic algorithm,” Pakistan Journal of Statistics & Operation Research, vol. 8, no.2, pp. 195–203, 2012.

[7] L. F. Hsu and J. T. Hsu, “Economic design of acceptance sampling plans in a Two-Stage supply chain,” Advances in Decision Sciences, vol. 2012, Article ID 359082, pp. 1–14, 2012.

[8] O. J. Braimah, Y. K Saheed, R. O. Owonipa, and I. O. Adegbite, “Economic reliability acceptance sampling plan design with zero acceptance, ” African Journal of Computing & ICT, vol. 8, no. 3, pp. 69–84, 2015.

[9 A. Khadwilard, “Application of genetic algorithm for optimisation problems,” RMUTP Research Journal, vol. 5, no. 2, pp.153–163, 2011 (in Thai).