การประยุกต์วิธีเชิงพันธุกรรมในการจัดตารางการทำงาน กรณีสถานีงานเรียงต่อกันเป็นอนุกรม

Abstract

ในอุตสาหกรรมทัว่ ไปมักจะพบกับปัญหาที่สำคัญปัญหาหนึ่งได้แก่ ปัญหาการจัดตารางการทำงานให้กับงานต่างๆ เพื่อเข้าสู่กระบวนการ ตามสถานีงานต่างๆ ทั้งนี้เพราะการจัดตารางการทำงานเกี่ยวข้องโดยตรงกับรอบเวลาการผลิต ระยะเวลาแล้วเสร็จของงานแต่ละงาน และในบางกรณีเกี่ยวข้องกับค่าปรับเมื่องานแล้วเสร็จล่าช้ากว่ากำหนด การศึกษานี้มีวัตถุประสงค์เพื่อประยุกต์วิธีเชิงพันธุกรรม (Genetic Algorithms) มาช่วยตัดสินใจในการจัดตารางการทำงาน (Job Shop Scheduling) กรณีที่สถานีงานเรียงต่อกันแบบอนุกรม เพื่อให้การจัดตารางการทำงานมีประสิทธิภาพมากขึ้น โดยการพัฒนาโปรแกรมขึ้นมา ขอบเขตของการศึกษาจะศึกษาเฉพาะปัญหาการจัดตารางการทำงานที่มีสถานีงานหรือเครื่องจักรที่วางเรียงต่อกันเป็นอนุกรม และงานแต่ละงานไม่จำเป็นต้องเข้าทุกสถานีงาน จากการทดลองพบว่าวิธีที่ผู้วิจัยพัฒนาสามารถหาคำตอบที่เหมาะสมได้ และสามารถนำไปประยุกต์ใช้กับการตารางการทำงานได้มีประสิทธิภาพกว่าวิธีของแคมเบล และเมื่อทดสอบเปรียบเทียบกับโปรแกรม LEKIN Scheduler จะมีประสิทธิภาพมากกว่าในบางกรณีA Genetic Algorithms Application for Solving the Job Shop Scheduling Problem In Case of Series Machines

Job shop scheduling is well known and significant topic in industry due to efficient job scheduling can lead to shorter processing time, on the contrary inefficient job scheduling can lead to delaying which manufactures might have to pay penalty to unsatisfied customers. The objective of this research is to apply the Genetic Algorithms (GAs) method to make a decision for job shop scheduling in order to get more efficient job shop schedule by developing a new program and to compare the job shop schedule efficiency between new program by genetic algorithms method and the old one by Campbell method. However, in this research we scope our research to study only a flow shop system and each work is not necessary to enter every work station/machine. From the result, we find that the new developed method could be used to find out the appropriate answer and more efficient than that of the Campbell method. In addition, in some case, this new method is more efficient than LEKIN Scheduler program.