การพัฒนาวิธีการฮิวริสติกสำหรับปัญหาการจัดขนาดการผลิตที่เหมาะสมแบบหลายระดับขั้น

งานดุษฎีนิพนธ์ฉบับนี้ ผู้วิจัยทำการพัฒนาวิธีเกาะกลุ่มประชากรแบบ PSO สำหรับปัญหาการจัดขนาดการผลิตที่เหมาะสมแบบหลายระดับขึ้น (Multi level lot-sizing problem; MLLS) ให้มีความสามารถในการหาผลเฉลยที่ดี มีประสิทธิภาพ และใช้เวลาในการค้นหาคำตอบอย่างเหมาะสม ขั้นตอนการพัฒนาแบ่งออกเป็น 3 ระยะ แบ่งตามขนาดของปัญหา ได้แก่ ปัญหาขนาดเล็ก (small instances) ประกอบได้ด้วยโครงสร้างผลิตภัณฑ์แบบสายการประกอบ 96 ปัญหาย่อย ปัญหาขนาดกลาง (Medium instances) ประกอบได้ด้วยโครงสร้างผลิตภัณฑ์แบบสายการประกอบ 20 ปัญหาย่อย และโครงสร้างผลิตภัณฑ์แบบทั่วไป 20 ปัญหาย่อย รวมทั้งหมด 40 ปัญหาย่อย และปัญหาใหญ่ (Large instances) ประกอบได้ด้วยโครงสร้างผลิตภัณฑ์แบบทั่วไป 40 ปัญหาย่อย
ผู้วิจัยเริ่มต้นพัฒนาวิธีการเกาะกลุ่มแบบ PSO มาปรับให้เข้ากับรูปแบบปัญหาการจัดขนาดการผลิตที่เหมาะสมแบบหลายระดับขั้นแล้วเพิ่มกระบวนการวนหาคำตอบในพื้นที่ใกล้เคียง (local search) โดยวิธีฮิวริสติกแบบเชิงพันธุกรรมหรือ Genetics algorithm (GA) มีหลักการเปลี่ยนแปลงลักษณะทางพันธุกรรม 2 แบบ คือ วิธีการข้ามฟาก (crossover) และวิธีการผ่าเหล่า (Mutation) หลังจากนั้นพิจารณาปรับปรุงคำเฉลยเริ่มต้น (initial solution) โดยอาศัยหลักการเปลี่ยนแปลงค่าต้นทุนการผลิตตามช่วงเวลา (Time varying setup cost) และการเปลี่ยนค่าต้นทุนการผลิตตามลำดับโครงสร้างผลิตภัณฑ์ (sequence dependent time varying setup cost; STVS) ผลการทดสอบที่ได้พบว่าวิธีการเกาะกลุ่มประชากรแบบ PSO ให้ค่าเฉลี่ยของคำตอบดีที่สุดจากการทดลองกับปัญหาทั้ง 3 ขนาด เมื่อเปรียบเทียบกับวิธีการฮิวริสติกอื่นจากการทบทวนวรรณกรรม เช่น วิธีเชิงพันธุกรรมหรือวิธีระบบมด ในขณะที่ใช้เวลาในการประมวลผลใกล้เคียงกัน