สายการประกอบแบบขนานผลิตภัณฑ์ผสม

จาก ChulaPedia

(ความแตกต่างระหว่างรุ่นปรับปรุง)
ข้ามไปที่: นำทาง, สืบค้น
(หน้าที่ถูกสร้างด้วย ' '''สายการประกอบ (Assembly Line)''' เป็นระบบการผลิตแบบไหลเลื่อ…')
(แก้คำผิด)
 
แถว 5: แถว 5:
''' สายการประกอบแบบขนานผลิตภัณฑ์ผสม (Mixed-model Parallel Assembly Lines)''' คือสายการประกอบแบบขนานที่มีสายการประกอบเส้นตรงภายในแต่ละเส้นเป็นสายการประกอบผลิตภัณฑ์ผสม ซึ่งมีเครื่องจักรและอุปกรณ์ที่มีความยืดหยุ่นสูงที่ทำให้สามารถผลิตสินค้าในตระกูลเดียวกันได้หลายรุ่นสลับไปมาได้โดยไม่ต้องเสียเวลาปรับตั้งเครื่องจักร อย่างไรก็ตาม เนื่องจากสายการประกอบแต่ละเส้นมีการผลิตสินค้าหลายรุ่น ซึ่งอาจทำให้มีแผนภาพลำดับก่อนหลังที่ใช้แสดงว่าขั้นงานต่างๆ ต้องทำก่อนหรือหลังขั้นตอนใดบ้าง รวมถึงเวลาที่ใช้ในแต่ละขั้นงานแตกต่างกันออกไปตามรุ่นของสินค้า ดังนั้น แผนภาพลำดับก่อนหลังของแต่ละสายการประกอบที่ใช้ในการจัดสมดุลสายการประกอบแบบขนานผลิตภัณฑ์ผสม จึงอาศัยแผนภาพลำดับก่อนหลังร่วม <ref>[Macaskill, J. L. C. (1972). Production-line balances for mixed-model lines. Management Science, 19(4-part-1), 423-434.]</ref> ซึ่งเป็นแผนภาพตัวแทนที่สามารถแสดงข้อมูลครอบคลุมแผนภาพของสินค้าทุกรุ่น และในส่วนของเวลาที่ใช้ในแต่ละขั้นงานจะอาศัยเวลาขั้นงานร่วม <ref>[Sparling, D., & Miltenburg, J. (1998). The mixed-model U-line balancing problem. International Journal of Production Research, 36(2), 485-501.]</ref> ที่เฉลี่ยแบบถ่วงน้ำหนักมาจากเวลาขั้นงานนั้นๆ ของสินค้าทุกรุ่น
''' สายการประกอบแบบขนานผลิตภัณฑ์ผสม (Mixed-model Parallel Assembly Lines)''' คือสายการประกอบแบบขนานที่มีสายการประกอบเส้นตรงภายในแต่ละเส้นเป็นสายการประกอบผลิตภัณฑ์ผสม ซึ่งมีเครื่องจักรและอุปกรณ์ที่มีความยืดหยุ่นสูงที่ทำให้สามารถผลิตสินค้าในตระกูลเดียวกันได้หลายรุ่นสลับไปมาได้โดยไม่ต้องเสียเวลาปรับตั้งเครื่องจักร อย่างไรก็ตาม เนื่องจากสายการประกอบแต่ละเส้นมีการผลิตสินค้าหลายรุ่น ซึ่งอาจทำให้มีแผนภาพลำดับก่อนหลังที่ใช้แสดงว่าขั้นงานต่างๆ ต้องทำก่อนหรือหลังขั้นตอนใดบ้าง รวมถึงเวลาที่ใช้ในแต่ละขั้นงานแตกต่างกันออกไปตามรุ่นของสินค้า ดังนั้น แผนภาพลำดับก่อนหลังของแต่ละสายการประกอบที่ใช้ในการจัดสมดุลสายการประกอบแบบขนานผลิตภัณฑ์ผสม จึงอาศัยแผนภาพลำดับก่อนหลังร่วม <ref>[Macaskill, J. L. C. (1972). Production-line balances for mixed-model lines. Management Science, 19(4-part-1), 423-434.]</ref> ซึ่งเป็นแผนภาพตัวแทนที่สามารถแสดงข้อมูลครอบคลุมแผนภาพของสินค้าทุกรุ่น และในส่วนของเวลาที่ใช้ในแต่ละขั้นงานจะอาศัยเวลาขั้นงานร่วม <ref>[Sparling, D., & Miltenburg, J. (1998). The mixed-model U-line balancing problem. International Journal of Production Research, 36(2), 485-501.]</ref> ที่เฉลี่ยแบบถ่วงน้ำหนักมาจากเวลาขั้นงานนั้นๆ ของสินค้าทุกรุ่น
-
ปัญหาการจัดสมดุลสายการประกอบแบบขนานผลิตภัณฑ์ผสม (Mixed-model Parallel Assembly Line Balancing Problem: MMPAL) เป็นปัญหาแบบเอ็นพี-ฮาร์ด ซึ่งแทบเป็นไปไม่ได้ที่จะหาคำตอบที่ดีที่สุด มักอาศัยกระบวนการฮิวริสติกมาใช้ในการแก้ปัญหาเพื่อให้ได้คำตอบที่ดีในระดับที่ยอมรับได้โดยที่ใช้เวลาไม่นานจนเกินไปนัก จากงานวิจัย <ref>[ณัฐชัย โยธาบริบาล (2557). การจัดสมดุลที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบขนาน ด้วยอัลกอริทึมแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์. วิทยานิพนธ์ปริญญามหาบัณฑิต. ภาควิชาวิศวกรรมอุตสหการ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.]</ref> พบว่าฮิวริสติกหนึ่งที่สามารถแก้ปัญหา MMPAL ได้อย่างมีประสิทธิภาพ ได้แก่ อัลกอริทึมการหาค่าที่เหมาะสมที่สุดแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ (Biogeography-based Optimization: BBO) <ref>[Simon, D. (2008). Biogeography-based optimization. Evolutionary Computation, IEEE Transactions on, 12(6), 702-713.]</ref> โดยในงานวิจัยดังกล่าวได้ทดลองใช้ BBO แก้ปัญหา MMPAL ที่มีวัตถุประสงค์ในการจัดสมดุลจำนวนทั้งสิ้น 4 วัตถุประสงค์ แบ่งเป็น 3 กลุ่มตามระดับความสำคัญในการทำให้มีค่าที่เหมาะสมที่สุด ได้แก่ วัตถุประสงค์ระดับที่หนึ่ง (สำคัญที่สุด) คือทำให้จำนวนสถานีงานน้อยที่สุด วัตถุประสงค์ระดับที่สอง คือทำให้จำนวนสถานีน้อยที่สุด (หรือทำให้ขนาดของสายการประกอบสั้นที่สุด) และวัตถุประสงค์ระดับที่สาม ประกอบไปด้วย 2 วัตถุประสงค์ย่อยที่จะทำให้มีค่าที่เหมาะสมที่สุดไปพร้อมๆ กัน นั่นคือ ทำให้ความสมดุลของภาระงานระหว่างสถานีงานสูงที่สุด และทำให้ความสัมพันธ์ของงานสูงที่สุด ผลที่ได้พบว่า BBO นั้นมีสมรรถนะในการแก้ปัญหาที่เหนือกว่าหลายๆ อัลกอริทึมที่เป็นที่นิยม ไม่ว่าจะเป็นอัลกอริทึมเชิงพันธุกรรมแบบการจัดลำดับที่ไม่ถูกครอบงำ II (Non-dominated Sorting Genetic Algorithm II: NSGA-II) วิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคไม่ต่อเนื่อง (Discrete Particle Swarm Optimization: DPSO)  และวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (Particle Swarm Optimization with Negative Knowledge: PSONK) ทั้งในด้านการลู่เข้าสู่กลุ่มคำตอบที่เหมาะสมที่สุดแบบพาเรโต การกระจายตัวของคำตอบ และอัตราส่วนของคำตอบที่ไม่ถูกครอบงำ
+
ปัญหาการจัดสมดุลสายการประกอบแบบขนานผลิตภัณฑ์ผสม (Mixed-model Parallel Assembly Line Balancing Problem: MMPAL) เป็นปัญหาแบบเอ็นพี-ฮาร์ด ซึ่งแทบเป็นไปไม่ได้ที่จะหาคำตอบที่ดีที่สุด มักอาศัยกระบวนการฮิวริสติกมาใช้ในการแก้ปัญหาเพื่อให้ได้คำตอบที่ดีในระดับที่ยอมรับได้โดยที่ใช้เวลาไม่นานจนเกินไปนัก จากงานวิจัย <ref>[ณัฐชัย โยธาบริบาล (2557). การจัดสมดุลที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบขนาน ด้วยอัลกอริทึมแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์. วิทยานิพนธ์ปริญญามหาบัณฑิต. ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.]</ref> พบว่าฮิวริสติกหนึ่งที่สามารถแก้ปัญหา MMPAL ได้อย่างมีประสิทธิภาพ ได้แก่ อัลกอริทึมการหาค่าที่เหมาะสมที่สุดแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ (Biogeography-based Optimization: BBO) <ref>[Simon, D. (2008). Biogeography-based optimization. Evolutionary Computation, IEEE Transactions on, 12(6), 702-713.]</ref> โดยในงานวิจัยดังกล่าวได้ทดลองใช้ BBO แก้ปัญหา MMPAL ที่มีวัตถุประสงค์ในการจัดสมดุลจำนวนทั้งสิ้น 4 วัตถุประสงค์ แบ่งเป็น 3 กลุ่มตามระดับความสำคัญในการทำให้มีค่าที่เหมาะสมที่สุด ได้แก่ วัตถุประสงค์ระดับที่หนึ่ง (สำคัญที่สุด) คือทำให้จำนวนสถานีงานน้อยที่สุด วัตถุประสงค์ระดับที่สอง คือทำให้จำนวนสถานีน้อยที่สุด (หรือทำให้ขนาดของสายการประกอบสั้นที่สุด) และวัตถุประสงค์ระดับที่สาม ประกอบไปด้วย 2 วัตถุประสงค์ย่อยที่จะทำให้มีค่าที่เหมาะสมที่สุดไปพร้อมๆ กัน นั่นคือ ทำให้ความสมดุลของภาระงานระหว่างสถานีงานสูงที่สุด และทำให้ความสัมพันธ์ของงานสูงที่สุด ผลที่ได้พบว่า BBO นั้นมีสมรรถนะในการแก้ปัญหาที่เหนือกว่าหลายๆ อัลกอริทึมที่เป็นที่นิยม ไม่ว่าจะเป็นอัลกอริทึมเชิงพันธุกรรมแบบการจัดลำดับที่ไม่ถูกครอบงำ II (Non-dominated Sorting Genetic Algorithm II: NSGA-II) วิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคไม่ต่อเนื่อง (Discrete Particle Swarm Optimization: DPSO)  และวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (Particle Swarm Optimization with Negative Knowledge: PSONK) ทั้งในด้านการลู่เข้าสู่กลุ่มคำตอบที่เหมาะสมที่สุดแบบพาเรโต การกระจายตัวของคำตอบ และอัตราส่วนของคำตอบที่ไม่ถูกครอบงำ
== อ้างอิง ==
== อ้างอิง ==
<references/>
<references/>

รุ่นปัจจุบันของ 13:02, 17 มกราคม 2558

สายการประกอบ (Assembly Line) เป็นระบบการผลิตแบบไหลเลื่อนที่ภายในระบบประกอบไปด้วยกลุ่มของสถานีงานที่จัดเรียงต่อเนื่องกัน โดยมีสายพานลำเลียงหรือระบบการขนย้ายวัสดุอื่นๆ ที่มีความใกล้เคียงกันนี้ คอยทำหน้าที่ส่งต่อชิ้นงานระหว่างสถานีงาน การผลิตสินค้าของสายการประกอบมีลักษณะเป็นรอบการผลิตที่มีการวนซ้ำอย่างต่อเนื่อง โดยที่แต่ละรอบจะใช้เวลาเท่ากับรอบเวลาการผลิต (Cycle Time) ที่กำหนด เริ่มต้นด้วยการที่แต่สถานีงานรับชิ้นงานจากสถานีงานก่อนหน้าเข้ามา (สำหรับสถานีงานแรกคือการเริ่มผลิตชิ้นงานใหม่) แล้วทำการประกอบชิ้นงานตามขั้นตอนที่กำหนดอย่างเฉพาะเจาะจงภายในระยะเวลาไม่เกินรอบเวลาการผลิต และเมื่อสิ้นสุดรอบเวลาการผลิตแล้วก็จะส่งชิ้นงานไปยังสถานีงานถัดไป พร้อมกับเริ่มต้นรอบการผลิตใหม่ด้วยการรับชิ้นงานใหม่จากสถานีงานก่อนหน้าเข้ามา และวนซ้ำเช่นนี้ไปเรื่อยๆ ชิ้นงานแต่ละชิ้นเมื่อผ่านการประกอบจากทุกสถานีงานแล้ว ก็จะได้ออกมาเป็นผลิตภัณฑ์สำเร็จรูปที่จุดสิ้นสุดของสายการประกอบ เดิมทีนั้นสายการประกอบมีไว้สำหรับผลิตสินค้ารูปแบบมาตรฐานในปริมาณมาก แต่ด้วยเทคโนโลยีการผลิตได้รับการพัฒนาขึ้นอย่างมากในระยะหลัง ก็ได้ทำให้สายการประกอบในปัจจุบันสามารถรองรับการผลิตสินค้าประเภทที่ลูกค้ากำหนดรูปแบบเองในปริมาณที่ไม่มากได้ด้วยเช่นกัน [1] ทั้งนี้ สายการประกอบนั้นมีอยู่หลายประเภทเมื่อพิจารณาตามรูปแบบการจัดวาง เช่น สายการประกอบเส้นตรง สายการประกอบรูปตัวยู สายการประกอบแบบสองด้าน ฯลฯ ซึ่งต่างก็มีวัตถุประสงค์ในการใช้งานที่แตกต่างกันออกไป

การจัดสรรขั้นงานในการประกอบสินค้าให้กับสถานีงานต่างๆ ในปริมาณที่เท่าๆ กัน โดยที่ไม่มีการละเมิดลำดับก่อนหลังของขั้นงาน และไม่ทำให้เวลาขั้นงานรวมในแต่ละสถานีงานเกินรอบเวลาการผลิต พร้อมทั้งตอบสนองวัตถุประสงค์ที่กำหนด เรียกว่า การจัดสมดุลสายการประกอบ (Line Balancing) ระบบการผลิตที่ประกอบไปด้วยสายการประกอบเส้นตรงอย่างน้อยสองเส้นที่จัดวางขนานกัน หากสายการประกอบเหล่านี้ได้รับการจัดสมดุลร่วมกันโดยอนุญาตให้แต่ละสถานีงานสามารถบรรจุขั้นงานที่มาจากสายการประกอบเดียวหรือจากทั้งสองสายการประกอบที่อยู่ติดกันก็ได้ จะมีโอกาสยุบรวมคู่สถานีงานที่ขนานกันอยู่บางส่วนให้เป็นสถานีงานเดียวกันหรือที่เรียกว่า “สถานีงานร่วม” (ขณะที่สถานีงานที่บรรจุขั้นงานจากสายการประกอบเดียว เรียกว่า “สถานีงานแยก”) ส่งผลให้จำนวนสถานีงานรวมและจำนวนพนักงานน้อยกว่ากรณีที่แต่ละสายการประกอบดำเนินงานแยกออกจากกัน นั่นคือมีประสิทธิภาพโดยรวมสูงกว่า ระบบการผลิตที่มีนี้มีชื่อเรียกว่า “สายการประกอบแบบขนาน” (Parallel Assembly Lines) [2]

สายการประกอบแบบขนานผลิตภัณฑ์ผสม (Mixed-model Parallel Assembly Lines) คือสายการประกอบแบบขนานที่มีสายการประกอบเส้นตรงภายในแต่ละเส้นเป็นสายการประกอบผลิตภัณฑ์ผสม ซึ่งมีเครื่องจักรและอุปกรณ์ที่มีความยืดหยุ่นสูงที่ทำให้สามารถผลิตสินค้าในตระกูลเดียวกันได้หลายรุ่นสลับไปมาได้โดยไม่ต้องเสียเวลาปรับตั้งเครื่องจักร อย่างไรก็ตาม เนื่องจากสายการประกอบแต่ละเส้นมีการผลิตสินค้าหลายรุ่น ซึ่งอาจทำให้มีแผนภาพลำดับก่อนหลังที่ใช้แสดงว่าขั้นงานต่างๆ ต้องทำก่อนหรือหลังขั้นตอนใดบ้าง รวมถึงเวลาที่ใช้ในแต่ละขั้นงานแตกต่างกันออกไปตามรุ่นของสินค้า ดังนั้น แผนภาพลำดับก่อนหลังของแต่ละสายการประกอบที่ใช้ในการจัดสมดุลสายการประกอบแบบขนานผลิตภัณฑ์ผสม จึงอาศัยแผนภาพลำดับก่อนหลังร่วม [3] ซึ่งเป็นแผนภาพตัวแทนที่สามารถแสดงข้อมูลครอบคลุมแผนภาพของสินค้าทุกรุ่น และในส่วนของเวลาที่ใช้ในแต่ละขั้นงานจะอาศัยเวลาขั้นงานร่วม [4] ที่เฉลี่ยแบบถ่วงน้ำหนักมาจากเวลาขั้นงานนั้นๆ ของสินค้าทุกรุ่น

ปัญหาการจัดสมดุลสายการประกอบแบบขนานผลิตภัณฑ์ผสม (Mixed-model Parallel Assembly Line Balancing Problem: MMPAL) เป็นปัญหาแบบเอ็นพี-ฮาร์ด ซึ่งแทบเป็นไปไม่ได้ที่จะหาคำตอบที่ดีที่สุด มักอาศัยกระบวนการฮิวริสติกมาใช้ในการแก้ปัญหาเพื่อให้ได้คำตอบที่ดีในระดับที่ยอมรับได้โดยที่ใช้เวลาไม่นานจนเกินไปนัก จากงานวิจัย [5] พบว่าฮิวริสติกหนึ่งที่สามารถแก้ปัญหา MMPAL ได้อย่างมีประสิทธิภาพ ได้แก่ อัลกอริทึมการหาค่าที่เหมาะสมที่สุดแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ (Biogeography-based Optimization: BBO) [6] โดยในงานวิจัยดังกล่าวได้ทดลองใช้ BBO แก้ปัญหา MMPAL ที่มีวัตถุประสงค์ในการจัดสมดุลจำนวนทั้งสิ้น 4 วัตถุประสงค์ แบ่งเป็น 3 กลุ่มตามระดับความสำคัญในการทำให้มีค่าที่เหมาะสมที่สุด ได้แก่ วัตถุประสงค์ระดับที่หนึ่ง (สำคัญที่สุด) คือทำให้จำนวนสถานีงานน้อยที่สุด วัตถุประสงค์ระดับที่สอง คือทำให้จำนวนสถานีน้อยที่สุด (หรือทำให้ขนาดของสายการประกอบสั้นที่สุด) และวัตถุประสงค์ระดับที่สาม ประกอบไปด้วย 2 วัตถุประสงค์ย่อยที่จะทำให้มีค่าที่เหมาะสมที่สุดไปพร้อมๆ กัน นั่นคือ ทำให้ความสมดุลของภาระงานระหว่างสถานีงานสูงที่สุด และทำให้ความสัมพันธ์ของงานสูงที่สุด ผลที่ได้พบว่า BBO นั้นมีสมรรถนะในการแก้ปัญหาที่เหนือกว่าหลายๆ อัลกอริทึมที่เป็นที่นิยม ไม่ว่าจะเป็นอัลกอริทึมเชิงพันธุกรรมแบบการจัดลำดับที่ไม่ถูกครอบงำ II (Non-dominated Sorting Genetic Algorithm II: NSGA-II) วิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคไม่ต่อเนื่อง (Discrete Particle Swarm Optimization: DPSO) และวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (Particle Swarm Optimization with Negative Knowledge: PSONK) ทั้งในด้านการลู่เข้าสู่กลุ่มคำตอบที่เหมาะสมที่สุดแบบพาเรโต การกระจายตัวของคำตอบ และอัตราส่วนของคำตอบที่ไม่ถูกครอบงำ

อ้างอิง

  1. [Boysen, N., Fliedner, M., & Scholl, A. (2007). A classification of assembly line balancing problems. European Journal of Operational Research, 183(2), 674-693.]
  2. [Gökçen, H., Ağpak, K., & Benzer, R. (2006). Balancing of parallel assembly lines. International Journal of Production Economics, 103(2), 600-609.]
  3. [Macaskill, J. L. C. (1972). Production-line balances for mixed-model lines. Management Science, 19(4-part-1), 423-434.]
  4. [Sparling, D., & Miltenburg, J. (1998). The mixed-model U-line balancing problem. International Journal of Production Research, 36(2), 485-501.]
  5. [ณัฐชัย โยธาบริบาล (2557). การจัดสมดุลที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบขนาน ด้วยอัลกอริทึมแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์. วิทยานิพนธ์ปริญญามหาบัณฑิต. ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.]
  6. [Simon, D. (2008). Biogeography-based optimization. Evolutionary Computation, IEEE Transactions on, 12(6), 702-713.]
เครื่องมือส่วนตัว