การประยุกต์ใช้วิธีเชิงพันธุกรรมสำหรับการจัดตารางการผลิตระบบการผลิตแบบไหลเลื่อนผสม
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาขั้นตอนวิธีเชิงพันธุกรรมที่ช่วยในการจัดตารางการผลิตให้กับระบบการผลิตแบบไหลเลื่อนผสมของบริษัทจำหน่ายเหล็กแผ่น แต่ละคำสั่งซื้อจะต่างกันในเรื่องของขนาดและปริมาณตามความต้องการของลูกค้า ซึ่งมีกระบวนการผลิต 3 กระบวนการหลัก ได้แก่ กระบวนการตัดซอย กระบวนการตัดเฉือน กระบวนการตัดแผ่น โดยแต่ละกระบวนการมีจำนวนเครื่องจักร และเวลาในการผลิตที่ไม่เท่ากัน ภายใต้เงื่อนไขการผลิตที่ว่า ทุก ๆ คำสั่งซื้อ ต้องผ่านกระบวนการผลิตตามลำดับ แต่สามารถเลือกทำงานบนเครื่องจักรใดก็ได้ ในกระบวนเดียวกัน ดังนั้นผู้วิจัยจึงทำการประยุกต์ใช้ขั้นตอนวิธีเชิงพันธุกรรม (Genetic Algorithm: GA) โดยมีวัตถุประสงค์เพื่อหาเวลาปิดงาน และเวลาที่งานอยู่ในระบบโดยเฉลี่ย ต่ำที่สุด โดยทดลองนำขั้นตอนวิธีเชิงพันธุกรรมไปใช้ในการจัดตารางการผลิตให้กับคำสั่งซื้อตัวอย่างจำนวน 5, 10 ,15 และ 20 คำสั่งซื้อ เพื่อเปรียบเทียบกับวิธีที่ใช้อยู่ในปัจจุบัน และวิธีการหาค่าแม่นยำ ผลการทดลองพบว่าขั้นตอนวิธีเชิงพันธุกรรมมีประสิทธิภาพดีที่สุด เมื่อทำการเปรียบเทียบกับวิธีที่ใช้อยู่ในปัจจุบัน ได้เวลาปิดงานโดยเฉลี่ยลดลง 12.99% เวลาที่งานอยู่ในระบบโดยเฉลี่ยลดลง 26.48% และเวลาในการวางแผนการผลิตลดลง 58.74% สรุปแล้วขั้นตอนวิธีเชิงพันธุกรรมช่วยลดเวลาปิดงาน เวลาที่งานอยู่ในระบบโดยเฉลี่ย เวลาในการวางแผนการผลิต ได้อย่างมีนัยสำคัญ
Article Details
เอกสารอ้างอิง
Carlier, J., & Neron, E. (2000). An exact method for solving the multi-processor flow shop. Rairo Operations Research, 34, 1-25.
Chaimanee, A., & Supitak, W. (2013). Flexible production scheduling on Parallel machinery in the manufacturing industry. KMITL Information Technology Journal, 25(2), 219-231.
Chaimanee, A., & Supithak, W. (2015). Fleible Flow Shop Scheduling Problem with Sequence Dependent Setup Time under Just-Tn-Time Philosophy. The Journal of KMUTNB, 25(2), 219-231.
Ebrahimi, M., Ghomi, S. M. T., & Karimi, B. (2014). Hybrid flow shop scheduling with sequence dependent family setup time and uncertain due dates. Applied Mathematical Modelling, 38(9-10), 2490-2504.
Engin, O., Ceran, G., & Yilmaz, M. K. (2011). An efficient genetic algorithm for hybrid flow shop scheduling with multiprocessor task problem. Applied Soft Computing, 11, 3056-3065.
Genetic Algorithm. (2019). Simple Genetic Algorithm. http://kb.psu.ac.th/psukb/bitstream
Ibrahim, A. A., El-shaer, R. H., Al-rwasheda, H. A. & Nawarra, G. M. (2013). Flow Shop Scheduling using Genetic Algorithm: Historical review and categorization of procedures. The Egyptian Journal for Engineering Sciences and Technology, 16(3), 1671-1685.
Jarboui, B., Siarry, P., & Teghem, J. (2013). Metaheuristics for Production Scheduling. ISTE Ltd.
Kahraman, C., Engin, O., kayk, I., & Ozturk, R. E. (2010). Multiprocessor task scheduling in multistage hybrid flow-shops: A parallel greedy algorithm approach. Applied Soft Computing, 10(4), 1293-1300.
Karthik, S., & Prabahara, T. (2014). Hybrid Flowshop Scheduling Using Discrete Harmony Search and Genetic Algorithm. International Journal of Innovative Research in Science, Engineering and Technology, 3(3), 1197-1202.
Morais, M. de F., Boiko, T. J. P., Federal, L. dos S. C., Peterson da Rocha, R., & Paraíso, P. R. (2014). Multicriteria hybrid flow shop scheduling problem: literature review, analysis, and future research, Independent Journal of Management & Production, 5(4), 1004-1031.
Oguz, C., & Ercan, M. F. (2005). A genetic algorithm for hybrid flow-shop scheduling with multiprocessor tasks. Journal of Scheduling, 8, 323-351.
Parakawong na ayuthaya, P., Pornsing, C. (2018). Design of Experiment to Waste Reduction Injection Process of Electronic Parts [Master’s thesis]. Silpakorn University. http://ithesis-ir.su.ac.th/dspace/handle/123456789/2110
Polkavilat, A. (2011). Application of Genetic for Optimisation Problem. RMUTP Research Journal, 5(2), 153-163.
Ribas, I., Leisten, R., & Framinan, J. M. (2010). Review and classification of hybrid flow shop scheduling problems from a production system and a solutions procedure perspective. Computers & Operations Research, 37, 1439–1454.
Ruiz, R., Antonio, J., & Rodríguez, V. (2010). The hybrid flow shop scheduling problem. European Journal of Operational Research, 205, 1–18.
Sangudon, S., & Wuttipornpun, T. (2012). Application of Hybrid Genetic Algorithms for Assembly Flow Shop Scheduling Problem. The Journal of KMUTNB, 22(1), 107-117.
Songserm, W., Wuttipornpun, T., & Jaturanonda, C. (2018). Hybrid Metaheuristics and Linear Programming for Finite Capacity MRP in Multi-Stage Flexible Flow Shop with Permutation and Non-permutation Scheduling Options. Applied Science and Engineering Progress, 11(3), 173-183.
Songserm, W., Wuttipornpun, T., & Jaturanonda, C. (2018). Hybrid Metaheuristics and Linear Programming for Finite Capacity MRP in Multi-Stage Flexible Flow Shop with Permutation and Non-permutation Scheduling Options. KMUTNB International Journal of Applied Science and Technology, 11(3), 173-183.
Soponchai, S. (2000). Computer Aided Die Production Scheduling for Automotive Parts Industry [Master’s thesis]. Chulalongkorn University. http://www.thaithesis.org/detail.php?id=1082543001269
Yilmaz, M. K., Kaya, I., Engin, O., & Kahraman, C. (2008). An application of effective genetic algorithms for Solving Hybrid Flow Shop Scheduling Problems. International Journal of Computational Intelligence Systems, 1(2), 134-147.
