วิธีการฮิวริสติกสำหรับการแก้ปัญหาการหาตำแหน่งที่ตั้งและการเลือกเตาเผา: กรณีศึกษา การกำจัดขยะติดเชื้อของโรงพยาบาลชุมชนในภาคตะวันออกเฉียงเหนือตอนบนของ ประเทศไทย
Article Sidebar
เผยแพร่แล้ว:
พ.ค. 15, 2019
คำสำคัญ:
ตำแหน่งที่ตั้ง เตาเผา การหาค่าที่เหมาะสมแบบฝูงอนุภาค
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อหาตำแหน่งที่ตั้ง และเลือกประเภทของเตาเผา สำหรับกำจัดขยะติดเชื่อโรงพยาบาลชุมชนในภาคตะวันออกเฉียงเหนือตอนบนของประเทศไทย ที่ทำให้ต้นทุนการขนส่ง และต้นทุนการดำเนินการมีค่ารวมกันต่ำที่สุด เตาเผาที่พิจารณามี 3 แบบ คือ แบบที่มีอัตราการเผาสูงสุด 100 300 และ 600 กิโลกรัมต่อชั่วโมง และสามารถตั้งอยู่ ณ โรงพยาบาลชุมขนใดก็ได้ ผู้วิจัยได้ประยุกต์ใช้วิธีการหาค่าที่เหมาะสมแบบฝูงอนุภาคในการหาคำตอบ พร้อมทั้งวัดประสิทธิภาพวิธีนี้ โดยเปรียบเทียบผลคำตอบที่ได้กับคำตอบของ Lingo 11 ที่กำหนดระยะเวลาการประมวลผลไว้ที่ระยะเวลาหนึ่ง ผลการหาคำตอบพบว่าวิธีการหาค่าที่เหมาะสมแบบฝูงอนุภาค มีประสิทธิภาพในการหาคำตอบ ให้ค่าใช้จ่ายที่ต่ำกว่าผลคำตอบจากโปรแกรม Lingo 11 ภายในระยะเวลาการคำนวณของโปรแกรม Lingo 11 ที่ 94.38 นาที
Article Details
ประเภทบทความ
บทความวิจัย (Research Article)
เอกสารอ้างอิง
[1] กษิดิ์เดช สิบศิริ. การส ารวจการจัดการเตาเผาขยะติดเชื้อ ในโรงพยาบาลชุมชนในพื้นที่ภาค ตะวันออกเฉียงเหนือ ตอนบน. วิทยานิพนธ์ มหาวิทยาลัยอุบลราชธานี. 2554.
[2] อนุชา ศรีบุรัมย์, สมบัติ สินธุเชาวน์. การเลือกขนาดเตา และที่ตั้ง เตาเผาขยะติดเชื้อ ส าหรับโรงพยาบาลชุมชน ภาคตะวันออกเฉียงเหนือตอนบนของประเทศไทย. ใน: การประชุมวิชาการด้านการวิจัยด าเนินงานแห่งชาติ ประจ าปี 2556. อุบลราชธานี: มหาวิทยาลัยอุบลราชธานี; 2556. หน้า 55–64.
[3] ภัทราภรณ์ ศรีเสพิลา, สมบัติ สินธุเชาวน์. การแก้ปัญหา การเลือกขนาดและการหาต าแหน่งที่ตั้งหลายแห่ง กรณีศึกษา การก าจัดขยะติดเชื้อของโรงพยาบาลชุมมชน ในภาคตะวันออกเฉียงเหนือตอนบนของประเทศไทย. วารสารวิชาการวิศวกรรมศาตร์ มหาวิทยาลัย อุบลราชธานี. 2559: 9(1).
[4] Laporte G. The p-median problem. Springer international publishing Switzerland. 2015: 21– 45.
[5] Tianyu S, Wang F. Study on distribution center location based on simulated annealing- particle swarm optimization. In: ICCSE '09. 4th International Conference on Computer Science & Education. NewJersey: IEEE Press; 2009. p.110– 121.
[6] Li-Chuan L, Min-Yuan C. A hybrid swarm intelligence based particle-bee algorithm probiem for construction site layout optimization. Expert Systems with Applications. 2012; 39(1): 9642–9650.
[7] Kayhan AH, Ceylan H, Ayvaz MT, Gurarslan G. PSOLVER: A new hybrid particle swarm optimization algorithm for solving continuous optimization problems. Expert Systems with Applications. 2010; 37(1): 6798–6808.
[8] Wang D. Parallel multi-population particle swarm optimization algorithm for the uncapacitated facility location problem using Open MP. In: Proceedings of the 2008 IEEE Congress on Evolutionary Computation. Hong Kong; 2008. p. 1214–1218.
[9] Uno T, Kato K, Katagiri H. An application of interactive fuzzy satisficing approach with particle swarm optimization for multiobjective emergency facility location problem with Adistance. In: IEEE Symposium on computational intelligence in multicriteria decision making. Hawaii; Honolulu; 2007. p.333–340.
[10] Kennedy J, Eberhart RC. Particle Swarm Optimization. In: IEEE Conference on Neural Network. New Jersey: IEEE Press; 1995. p.1942– 1948.
[11] Shi Y, Eberhart RC. Parameter selection in particle swarm optimization. Proceedings of Evolutionary Programming VII. 1998; 98: 591–600
[2] อนุชา ศรีบุรัมย์, สมบัติ สินธุเชาวน์. การเลือกขนาดเตา และที่ตั้ง เตาเผาขยะติดเชื้อ ส าหรับโรงพยาบาลชุมชน ภาคตะวันออกเฉียงเหนือตอนบนของประเทศไทย. ใน: การประชุมวิชาการด้านการวิจัยด าเนินงานแห่งชาติ ประจ าปี 2556. อุบลราชธานี: มหาวิทยาลัยอุบลราชธานี; 2556. หน้า 55–64.
[3] ภัทราภรณ์ ศรีเสพิลา, สมบัติ สินธุเชาวน์. การแก้ปัญหา การเลือกขนาดและการหาต าแหน่งที่ตั้งหลายแห่ง กรณีศึกษา การก าจัดขยะติดเชื้อของโรงพยาบาลชุมมชน ในภาคตะวันออกเฉียงเหนือตอนบนของประเทศไทย. วารสารวิชาการวิศวกรรมศาตร์ มหาวิทยาลัย อุบลราชธานี. 2559: 9(1).
[4] Laporte G. The p-median problem. Springer international publishing Switzerland. 2015: 21– 45.
[5] Tianyu S, Wang F. Study on distribution center location based on simulated annealing- particle swarm optimization. In: ICCSE '09. 4th International Conference on Computer Science & Education. NewJersey: IEEE Press; 2009. p.110– 121.
[6] Li-Chuan L, Min-Yuan C. A hybrid swarm intelligence based particle-bee algorithm probiem for construction site layout optimization. Expert Systems with Applications. 2012; 39(1): 9642–9650.
[7] Kayhan AH, Ceylan H, Ayvaz MT, Gurarslan G. PSOLVER: A new hybrid particle swarm optimization algorithm for solving continuous optimization problems. Expert Systems with Applications. 2010; 37(1): 6798–6808.
[8] Wang D. Parallel multi-population particle swarm optimization algorithm for the uncapacitated facility location problem using Open MP. In: Proceedings of the 2008 IEEE Congress on Evolutionary Computation. Hong Kong; 2008. p. 1214–1218.
[9] Uno T, Kato K, Katagiri H. An application of interactive fuzzy satisficing approach with particle swarm optimization for multiobjective emergency facility location problem with Adistance. In: IEEE Symposium on computational intelligence in multicriteria decision making. Hawaii; Honolulu; 2007. p.333–340.
[10] Kennedy J, Eberhart RC. Particle Swarm Optimization. In: IEEE Conference on Neural Network. New Jersey: IEEE Press; 1995. p.1942– 1948.
[11] Shi Y, Eberhart RC. Parameter selection in particle swarm optimization. Proceedings of Evolutionary Programming VII. 1998; 98: 591–600
