การจัดตารางงานการผลิตที่มีความยืดหยุ่นบน เครื่องจักรกลแบบคู่ขนานในอุตสาหกรรมการผลิต

อาริต ธรรมโน, อัจฉรา ภูฉ่าง

Abstract


บทความนี้มุ่งเน้นที่จะกล่าวถึงวิธีการในการจัดตารางงานการผลิตที่มีความยืดหยุ่นบนเครื่องจักรกลที่ทางานแบบคู่ขนานของอุตสาหกรรมการผลิต ซึ่งจะเป็นแนวทางให้ผู้ศึกษาวิจัยสามารถวางแผนออกแบบวิธีการจัดตารางการผลิตที่มีความยืดหยุ่นบนเครื่องจักรกลแบบคู่ขนานได้อย่างถูกต้อง เนื่องจากในปัจจุบันเทคโนโลยีและคอมพิวเตอร์เข้ามามีส่วนสาคัญในทุกขั้นตอนของธุรกิจอุตสาหกรรม เช่นเดียวกันกับขั้นตอนการจัดตารางงานการผลิตของอุตสาหกรรมการผลิตที่ได้มีการนาวิทยาการทางคอมพิวเตอร์เข้ามาผสมผสาน เพื่อให้ได้ตารางการผลิตที่มีความเหมาะสม ในบทความนี้ได้กล่าวถึงขั้นตอนและการนาจีเนติกอัลกอริทึมซึ่งเป็นอัลกอริทึมทางคอมพิวเตอร์ปัญญาประดิษฐ์ มาประยุกต์ใช้ช่วยสนับสนุนให้การจัดตารางการผลิตที่มีความยืดหยุ่นบนเครื่องจักรกลแบบคู่ขนานในอุตสาหกรรมการผลิตมีประสิทธิภาพมากขึ้น

Full Text:

PDF

References


Z. Davarzani et al., “Multi objective Artificial Immune Algorithm for Flexible Job Shop Scheduling Problem,” Int. J. Hybrid Inform. Technology, vol. 5, no. 3, pp. 75-88, July. 2012.

F. Pezzella et al., “A genetic algorithm for the Flexible Job-shop Scheduling Problem,” Computers & Operations Research 35, pp. 3202-3212, March. 2007.

G. Zhang et al., “An effective genetic algorithm for the flexible job-shop scheduling problem,” Expert Systems with Applications 38, pp. 3563-3573, 2011.

J. Tang et al., “A Hybrid Algorithm for Flexible Job-shop Scheduling Problem,” Advance in Control Eng. and Inform. Sci., Procedia Eng. 15, pp. 3678-3683, 2011.

L. Song, and X. Xu, “Flexible Job Shop Scheduling Problem Solving Based on Genetic Algorithm with Chaotic LocalSearch” Int. Conf. Natural Computation, vol. 6, pp. 2356 - 2360, 2010.

เชาวลิต หามนตรี. “การกาหนดตารางผลิต โดยใช้วิธีฮิวริสติกร่วมกับ เจเนติกอัลกอริทึม กรณีศึกษา แผนกโลหะแผ่นในโรงงานเครื่องจักรอัตโนมัติ”. (วิทยานิพนธ์ปริญญามหาบัณฑิต วิศวกรรมการจัดการอุตสาหกรรม สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ, 2545).

J. Zhong, “Comparison of Performance between Different Selection Strategies on Simple Genetic Algorithms,” in Proc. 2005 Int. Conf. Computational Intelligence for Modeling, Control and Automation, and Int. Conf. on Intelligent Agents, Web Technologies and Internet Commerce, 2005.

L. Wang et al., “An effective artificial bee colony algorithm for the flexible job- shop scheduling problem,” Int. Journal Advance Manufacturing Technology, vol. 60, pp. 303-315, 2012.

G. Zhang et al., “A Genetic Algorithm and Tabu Search for Multi Objective Flexible Job Shop Scheduling Problems,”in Int. Conf. Computing, Control and Industrial Eng., pp. 251-254, 2010.


Refbacks

  • There are currently no refbacks.