การจัดสมดุลสายการประกอบในการผลิตรถกึ่งพ่วงโดยใช้เจนเนติกอัลกอริทึม ที่ปรับตัวเองได้
คำสำคัญ:
การจัดสมดุลสายการประกอบ, การผลิตรถกึ่งพ่วง, เจนเนติกอัลกอริทึม, การปรับพารามิเตอร์อัตโนมัติบทคัดย่อ
การจัดสมดุลสายการประกอบผลิตภัณฑ์ผสม (Mixed-model assembly line balancing) เป็นหนึ่งในงานที่สำคัญที่จะช่วยเพิ่มผลิตภาพในกระบวนการผลิตรถกึ่งพวงได้ โดยรถกึ่งพวงพื้นเรียบ (Flat bed & low bed semi-trailer) และรถกึ่งพวงบรรทุกตู้คอนเทนเนอร์ (Container chassis semi-trailer) เป็น 2 ผลิตภัณฑ์ที่อยู่ในกลุ่มเดียวกัน (Product family) ที่ได้รับการประกอบในสายการผลิตเดียวกัน ซึ่งมันจะต้องถูกจัดการให้เป็นแบบผลิตภัณฑ์ผสมเพื่อให้สามารถใช้ประโยชน์จากทรัพยากรได้คุ้มค่าที่สุด (Resource utilization) โดยมีรอบเวลาทำงานโดยเฉลี่ย (Averaged cycle time) เป็นสมการเป้าหมาย (Objective function) ของการแก้ปัญหานี้เมื่อมันไม่สามารถเปลี่ยนแปลงจำนวนสถานีงาน (Number of workstations) ที่ใช้ประโยชน์ได้ ซึ่งมันจะช่วยให้สามารถตอบสนองความต้องการที่หลากหลายของทุกวันนี้ อย่างไรก็ดีปัญหาวิจัยนี้เป็นที่รู้จักกันดีว่าเป็นปัญหาประเภทเอ็นพีฮาร์ด (NP-hard) ที่ยากต่อการแก้ปัญหาด้วยวิธีการจำลองทางคณิตศาสตร์ (Mathematical models) ดังนั้นเมตะฮิวริสติก เช่น เจนเนติกอัลกอริทึม (Genetic algorithm) จึงได้รับการนำเสนอเพื่อจัดสมดุลสายการประกอบผลิตภัณฑ์ผสมในกรณีศึกษานี้มากกว่านั้น เจนเนติกอัลกอริทึมที่ปรับตัวเองได้ (Adaptive genetic algorithms) อันได้แก่ เจนเนติกอัลกอริทึมที่ปรับพารามิเตอร์อัตโนมัติแบบหยาบ (GA with Rough auto-tuning parameters) และเจนเนติกอัลกอริทึมที่ปรับพารามิเตอร์อัตโนมัติแบบละเอียด (GA with Fine auto-tuning parameters) ถูกพัฒนาขึ้นเพื่อประยุกต์ใช้ในการแก้ปัญหาเดียวกัน และเปรียบเทียบกับเจนเนติกอัลกอริทึมอย่างง่าย ผลสรุปที่ได้แสดงให้เห็นว่าวิธีการเจนเนติกอัลกอริทึมสามารถใช้ในการจัดสมดุลได้อย่างเหมาะสม และเจนเนติกอัลกอริทึมที่ปรับพารามิเตอร์อัตโนมัติแบบละเอียดเป็นวิธีที่มีประสิทธิผลดีที่สุด
เอกสารอ้างอิง
[2] N. Kriengkorakot and N. Pianthong, “The assembly line balancing problem: Review articles,” KKU Engineering Journal, Vol. 34, No. 2, pp.133-140, 2007.
[3] C., Chamnanlor, K., Sethanan, C.F., Chien and M., Gen, “Re-entrant flow shop scheduling problem with time windows using hybrid genetic algorithm based on auto-tuning strategy,” International Journal of Production Research, Vol. 52, No.9, pp.2612-2629, 2014.
[4] A., Sofia Simaria and M., Vilarinho, “A genetic algorithm based approach to the mixed-model assembly line balancing problem of type II,” Computers & Industrial Engineering, Vol. 47, No.4, 391-407, 2004.
[5] U., Mohammad Kamal, L., Jose Luis Martinez, “Assembly Line Balancing and Sequencing”, Assembly Line–Theory and Practice, Prof. Waldemar Grzechca (Ed.), ISBN: 978-953-307-995-0, In Tech, 2011.
[6] เชฎฐา ชำนาญหล่อ, จักรินทร์ กลั่นเงิน, และไตรภพ แซ่ตั้ง. “การประยุกต์ใช้เทคนิคการหาค่าที่เหมาะสมที่สุดในการจัดสมดุลสายการผลิตอุปกรณ์อิเล็กทรอนิกส์,” วารสารวิทยาศาสตร์ มข. ปีที่ 44(ฉบับที่ 4), หน้า 809-819, 2559.
[7] R. Pitakaso and K. Sethanan. “Modified differential evolution algorithm for simple assembly line balancing with a limit on the number of machine types,” Engineering Optimization, Vol. 48, No.2, pp.253-271, 2016.
[8] A. Noorul Haq, J. Jayaprakash and K. Rengarajan. “A hybrid genetic algorithm approach to mixed-model assembly line balancing,” International Journal of Advanced Manufacturing Technology, Vol. 28, pp.337-341, 2006.
[9] W. Zhang and M. Gen, “An efficient multiobjective genetic algorithm for mixed-model assembly line balancing problem considering demand ratio-based cycle time,” Journal of Intelligent Manufacturing, Vol. 22, pp.367-378, 2011.
[10] P., Su and Y., Lu, “Combining Genetic Algorithm and Simulation for the Mixed-model Assembly Line Balancing Problem,” Third International Conference on Natural Computation (ICNC 2007), pp.314-318, 2007.
[11] P., Sivasankaran and P., Shahabudeen, “Genetic Algorithm for con-current balancing of mixed-model assembly lines with original task times of models,” Intelligent Information Management, Vol.5, pp.84-92, 2013.
[12] A.A., Mamun, A.A., Khaled, S.M., Ali and M.M., Chowdhury, “A heuristic approach for balancing mixed-model assembly line of type I using genetic algorithm,” International Journal of Production Research, Vol.50, pp.5106-5116, 2012.
[13] A., Noorul Haq, J., Jayaprakash and K., Rengarajan, “A Hybrid genetic algorithm approach to mixed-model assembly line balancing,” The International Journal of Advanced Manufacturing Technology, Vol. 28, pp.337-341, 2006.
[14] Z., Zhang and M., Gen, “An efficient multi objective genetic algorithm for mixed-model assembly line balancing problem considering demand ratio-based cycle time,” Journal of Intelligent Manufacturing, Vol. 22, pp.367-378, 2011.
[15] Y.S., Yun and M. Gen, “Performance analysis of adaptive genetic algorithms with fuzzy logic and heuristics,” Optimization Decision Making, Vol. 2, No.2, pp.161-175, 2003.
