တရားဝင်နည်းလမ်းများဖြင့် ပရိဘောဂထုတ်လုပ်မှုလိုင်း၏ Layout ဒီဇိုင်း

ြဒပ်မဲ့သော

ဤစာတမ်းသည် ပရိဘောဂထုတ်လုပ်သည့်ကုမ္ပဏီတစ်ခုရှိ ပရိဘောဂထုတ်လုပ်သည့်ကုမ္ပဏီတစ်ခုရှိ ပရိဘောဂပစ္စည်းထုတ်လုပ်သည့်ကုမ္ပဏီမှ တကယ့်စက်ရုံအပြင်အဆင်ပြဿနာတစ်ခုအတွက် မတူညီသော heuristic ချဉ်းကပ်နည်းများကို လက်တွေ့စမ်းသပ်ထားသည်။ မော်ဒယ်အားလုံးကို စိတ်ပါဝင်စားမှုအတိုင်းအတာများစွာကို အသုံးပြုသည့် AHP ကို ​​အသုံးပြု၍ နှိုင်းယှဉ်ထားသည်။ လက်တွေ့ ဒီဇိုင်းပုံစံ ချဉ်းကပ်နည်းများသည် လုပ်ငန်းတွင် ကြုံတွေ့ရသည့် တကယ့်ပြဿနာများကို ထိရောက်စွာ အသုံးပြုနိုင်ပြီး သိသာထင်ရှားသော တိုးတက်မှုများကို ဖြစ်ပေါ်စေကြောင်း စမ်းသပ်ချက်က ပြသသည်။

1 ။ နိဒါန်း

ပရိဘောဂလုပ်ငန်းသည် အခြားသူများကဲ့သို့ ပြိုင်ဆိုင်မှုပြင်းထန်သောခေတ်ကို တွေ့ကြုံနေရသောကြောင့် ကုန်ထုတ်လုပ်မှုကုန်ကျစရိတ်လျှော့ချရန်၊ အရည်အသွေးမြှင့်တင်ရန် နည်းလမ်းများကို ရှာဖွေရန် ခက်ခဲစွာ ကြိုးစားနေပါသည်။ (The Company = TC) ဟုခေါ်သော ဤနေရာတွင်ရှိသော ကုန်ထုတ်ကုမ္ပဏီတစ်ခု၏ ကုန်ထုတ်စွမ်းအားမြှင့်အစီအစဉ်၏ တစ်စိတ်တစ်ပိုင်းအနေဖြင့် ကျွန်ုပ်တို့သည် ဤကုမ္ပဏီ၏ ဆိုင်ကြမ်းခင်းတွင် ထုတ်လုပ်မှုလိုင်း၏ ဒီဇိုင်းပုံစံကို အကောင်းဆုံးဖြစ်အောင် ပရောဂျက်တစ်ခု ပြုလုပ်ခဲ့ပါသည်။ လက်တွေ့တွင်အသုံးပြုခဲသောတရားဝင်နည်းလမ်းများပေါ်တွင်အခြေခံ၍ အနီးဆုံးအကောင်းမွန်ဆုံးပုံစံတစ်ခုကိုဖန်တီးရန် layout modeling နည်းပညာများစွာကိုအသုံးပြုရန်ဆုံးဖြတ်ခဲ့သည်။ အသုံးပြုထားသော မော်ဒယ်လ်နည်းပညာများမှာ Graph Theory၊ Bloc Plan၊ CRAFT၊ Optimum Sequence နှင့် Genetic Algorithm တို့ဖြစ်သည်။ ထို့နောက် ဤအပြင်အဆင်များကို အကဲဖြတ်ပြီး စုစုပေါင်းဧရိယာ၊ Flow * Dist နှင့် Adjacency Percentage ဖြစ်သည့် စံသတ်မှတ်ချက် 3 ခုကို အသုံးပြု၍ နှိုင်းယှဉ်ခဲ့သည်။ Total Area သည် မော်ဒယ်တစ်ခုစီအတွက် ထုတ်လုပ်မှုလိုင်းမှ သိမ်းပိုက်ထားသော ဧရိယာကို ရည်ညွှန်းသည်။ စီးဆင်းမှု * Dist သည် စီးဆင်းမှု၏ ထုတ်ကုန်ပေါင်းလဒ်နှင့် အဆောက်အဦ 2 ခုကြားရှိ အကွာအဝေးကို တွက်ချက်သည်။ Adjacency Percentage သည် ကပ်လျက်ဖြစ်ခြင်း၏ လိုအပ်ချက်နှင့် ကိုက်ညီသော အဆောက်အဦများ၏ ရာခိုင်နှုန်းကို တွက်ချက်သည်။

အကောင်းဆုံး အပြင်အဆင်ကို ရွေးချယ်ခြင်းကိုလည်း တရားဝင်အသုံးပြုပြီး ပြုလုပ်ခဲ့ပါသည်။စံသတ်မှတ်ချက်ပေါင်းများစွာExpert Choice ဆော့ဖ်ဝဲလ်ကို အသုံးပြု၍ AHP (Satty, 1980) မှ ဆုံးဖြတ်ချက်ချခြင်းချဉ်းကပ်မှု။ အဆင်အပြင်ပုံစံဒီဇိုင်းအတွက် တရားဝင်ချဉ်းကပ်မှုများဖြင့် ရရှိလာသော တိုးတက်မှုများကို သရုပ်ပြရန်အတွက် အကောင်းဆုံး အပြင်အဆင်ကို လက်ရှိအပြင်အဆင်နှင့် နှိုင်းယှဉ်ခဲ့သည်။

အပင် အပြင်အဆင် ပြဿနာ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်မှာ ထိရောက်သော လည်ပတ်မှုကို ပေးစွမ်းရန် ရုပ်ပိုင်းဆိုင်ရာ အထောက်အကူပစ္စည်းများ၏ အကောင်းဆုံး အစီအစဉ်ကို ရှာဖွေရန်ဖြစ်သည် (Hassan and Hogg, 1991)။ အပြင်အဆင်သည် ပစ္စည်းကိုင်တွယ်မှုကုန်ကျစရိတ်၊ ပို့ဆောင်ချိန်နှင့် ဖြတ်သန်းမှုအပေါ် သက်ရောက်မှုရှိသည်။ ထို့ကြောင့် ၎င်းသည် အပင်၏ အလုံးစုံကုန်ထုတ်စွမ်းအားနှင့် စွမ်းဆောင်ရည်ကို ထိခိုက်စေပါသည်။ Tompkins and White (1984) ၏ အဆိုအရ အဆောက်အဦများ၏ ဒီဇိုင်းသည် မှတ်တမ်းတင်ထားသော သမိုင်းတစ်လျှောက် ပတ်ပတ်လည်တွင်ရှိပြီး အမှန်တကယ် ဒီဇိုင်းရေးဆွဲ တည်ဆောက်ထားသည့် မြို့တွင်း အဆောက်အဦများကို ရှေးခေတ်တွင် ဖော်ပြထားပါသည်။

* သက်ဆိုင်ရာ စာရေးသူ

ဂရိနှင့် ရောမအင်ပါယာ၏ သမိုင်း။ ဤပြဿနာကို ပထမဆုံးလေ့လာသူများထဲတွင် Armour နှင့် Buffa et al. (၁၉၆၄) တို့ ပါဝင်သည်။ ၁၉၅၀ ပြည့်လွန်နှစ်များတွင် အနည်းငယ်သာ ထုတ်ဝေခဲ့ပုံရသည်။ Francis နှင့် White (၁၉၇၄) တို့သည် ဤနယ်ပယ်နှင့်ပတ်သက်သည့် အစောပိုင်းသုတေသနကို စုဆောင်းပြီး အပ်ဒိတ်လုပ်ခဲ့သူများဖြစ်သည်။ နောက်ပိုင်းသုတေသနကို Domschke နှင့် Drexl (၁၉၈၅) တို့၏ ပထမလေ့လာမှုနှင့် Francis et al. (၁၉၉၂) တို့၏ နောက်လေ့လာမှုနှစ်ခုဖြင့် အပ်ဒိတ်လုပ်ခဲ့သည်။ Hassan နှင့် Hogg (၁၉၉၁) တို့သည် စက်အပြင်အဆင်ပြဿနာတွင် လိုအပ်သောဒေတာအမျိုးအစားအပေါ် ကျယ်ပြန့်သောလေ့လာမှုတစ်ခုကို တင်ပြခဲ့သည်။ စက်အပြင်အဆင်ဒေတာကို အဆင့်ဆင့်စဉ်းစားသည်။ အပြင်အဆင်ကို မည်မျှအသေးစိတ်ဒီဇိုင်းထုတ်ထားသည်ပေါ် မူတည်သည်။ လိုအပ်သောအပြင်အဆင်သည် စက်များ၏ဆွေမျိုးအစီအစဉ်ကို ရှာဖွေရန်သာဖြစ်သောအခါ၊ စက်နံပါတ်နှင့် ၎င်းတို့၏စီးဆင်းမှုဆက်နွယ်မှုများကို ကိုယ်စားပြုသောဒေတာသည် လုံလောက်ပါသည်။ သို့သော်၊ အသေးစိတ်အပြင်အဆင်လိုအပ်ပါက၊ ဒေတာပိုမိုလိုအပ်ပါသည်။ ဒေတာရှာဖွေရာတွင် အထူးသဖြင့် ဒေတာမရရှိနိုင်သေးသော ထုတ်လုပ်မှုစက်ရုံအသစ်များတွင် အခက်အခဲအချို့ ပေါ်ပေါက်လာနိုင်သည်။ ခေတ်မီပြီး အလိုအလျောက်လုပ်ဆောင်သော အဆောက်အအုံများအတွက် အပြင်အဆင်ကို တီထွင်သောအခါ၊ လိုအပ်သောဒေတာကို သမိုင်းဝင်ဒေတာ သို့မဟုတ် အလားတူအဆောက်အအုံများမှ ရယူနိုင်ခြင်းမရှိပါ၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းတို့မရှိနိုင်ပါ။ အဆောက်အအုံ အပြင်အဆင်ပြဿနာအတွက် အကောင်းဆုံးဖြေရှင်းချက်ရရှိရန် နည်းလမ်းတစ်ခုအဖြစ် သင်္ချာပုံစံငယ်ကို အကြံပြုထားသည်။ Koopmans နှင့် Beckmann (၁၉၅၇) မှ quadratic assignment ပြဿနာအဖြစ် တီထွင်ခဲ့သော ပထမဆုံး သင်္ချာပုံစံငယ်ကတည်းက၊ ထိုနယ်ပယ်အပေါ် စိတ်ဝင်စားမှုသည် သိသိသာသာ တိုးတက်မှုကို ဆွဲဆောင်ခဲ့သည်။ ၎င်းသည် သုတေသီအတွက် စိတ်ဝင်စားဖွယ်ကောင်းသော နယ်ပယ်အသစ်တစ်ခုကို ဖွင့်လှစ်ပေးခဲ့သည်။ အဆောက်အအုံ အပြင်အဆင်ပြဿနာအတွက် ဖြေရှင်းချက်တစ်ခုကို ရှာဖွေရာတွင် သုတေသီများသည် သင်္ချာပုံစံငယ်များ တီထွင်ရန် စတင်ခဲ့ကြသည်။ Houshyar နှင့် White (၁၉၉၃) တို့သည် အပြင်အဆင်ပြဿနာကို ရှုထောင့်တစ်ခုအဖြစ် ရှုမြင်ခဲ့ကြသည်။ကိန်းပြည့်-ပရိုဂရမ်းမင်းမော်ဒယ် Rosenblatt (1986) သည် dynamic programming model အဖြစ် layout ပြဿနာကို ပုံဖော်ခဲ့စဉ်။ Palekar et al ။ (၁၉၉၂) မသေချာမရေရာမှုတွေနဲ့ ကိုင်တွယ်ဖြေရှင်းပြီး Shang (1992) က a ကိုအသုံးပြုပါတယ်။စံသတ်မှတ်ချက်ပေါင်းများစွာချဉ်းကပ် အခြားတစ်ဖက်တွင်၊ Leung (1992) က ဂရပ်သီအိုရီကို ရေးဆွဲတင်ပြခဲ့သည်။

အစိမ်းနှင့်အလ်-ဟာကင်(၁၉၈၅) တွင် အစိတ်အပိုင်း မိသားစုနှင့် ဆဲလ်များကြား အပြင်အဆင်ကို ရှာဖွေရန် GA ကို အသုံးပြုခဲ့သည်။ သူ၏ ဖော်မြူလာတွင်၊ သူသည် ဆဲလ်အစီအစဥ်ကို လိုင်းနား single row သို့မဟုတ် လိုင်းနား double row အဖြစ်ကန့်သတ်ထားသည်။ တီထွင်ထားသော အယ်လဂိုရီသမ်သည် ဆဲလ်စနစ်အပြင်အဆင် သို့မဟုတ် ဆဲလ်အပြင်အဆင် သို့မဟုတ် စက်အပြင်အဆင်ထက် ထုတ်လုပ်မှုကြမ်းခင်းပုံစံကို ပိုမိုလုပ်ဆောင်သည်။ ဆဲလ်အတွင်းရှိ စက်များ၏ တကယ့်အပြင်အဆင်ကို ထည့်သွင်းစဉ်းစားခြင်းမပြုပါ။ Banerjee နှင့် Zhou (1985) သည် Facility Design optimization ပြဿနာကို ဖန်တီးခဲ့သည်။single-loopမျိုးရိုးဗီဇ algorithms ကို အသုံးပြု၍ အပြင်အဆင်။ တီထွင်ထားသော အယ်လဂိုရီသမ်သည် ဆဲလ်စနစ်များ အပြင်အဆင်အတွက်ဖြစ်ပြီး ထို့ကြောင့် ဆဲလ်အတွင်းရှိ စက်များ၏ အပြင်အဆင်ကို ထည့်သွင်းစဉ်းစားခြင်းမရှိပေ။ Fu and Kaku (1997) မှ ရည်ရွယ်ချက်မှာ ပျမ်းမျှအလုပ်တွင်ရှိသော လုပ်ငန်းစဉ်ကို နည်းပါးစေရန် ရည်ရွယ်သည့် အလုပ်အကိုင်ဆိုင်ထုတ်လုပ်ရေးစနစ်အတွက် စက်ရုံအပြင်အဆင် ပြဿနာကို ရေးဆွဲတင်ပြခဲ့သည်။ ၎င်းတို့သည် ယူဆချက်တစ်ခုအောက်တွင် စက်ရုံအား တန်းစီစောင့်ဆိုင်းခြင်းကွန်ရက်တစ်ခုအဖြစ် ပုံစံထုတ်ခဲ့သည်။ ပြဿနာသည် တန်းစီခြင်းတာဝန်ပြဿနာ (QAP) အဖြစ်သို့ လျော့ကျသွားပါသည်။ ပျမ်းမျှအားဖြင့် ပစ္စည်းကိုင်တွယ်မှုကုန်ကျစရိတ်ကို လျှော့ချရန်နှင့် လုပ်ငန်းစဉ်တွင် ပျမ်းမျှအလုပ်အား လျှော့ချရန်အတွက် သရုပ်ပြခြင်းကို အသုံးပြုပါသည်။

2. မော်ဒယ်လုပ်ရန် ချဉ်းကပ်မှုများ

မော်ဒယ်များကို ၎င်းတို့၏ သဘောသဘာဝ၊ ယူဆချက်များနှင့် ရည်မှန်းချက်များပေါ် မူတည်၍ အမျိုးအစားခွဲခြားထားပါသည်။ Muthor (1955) မှတီထွင်ခဲ့သော 1st generic Systematic Layout Planning ချဉ်းကပ်မှုသည် အခြားသောချဉ်းကပ်မှုများမှပံ့ပိုးပြီး ကွန်ပျူတာဖြင့်ကူညီပါက အထူးအသုံးဝင်သောအစီအစဉ်တစ်ခုဖြစ်နေဆဲဖြစ်သည်။ ဆောက်လုပ်ရေးဆိုင်ရာချဉ်းကပ်မှုများ၊ ဥပမာအားဖြင့် Hassan and Hogg (1991)၊ ပြုပြင်မွမ်းမံနည်းများ၊ Bozer၊ Meller နှင့် Erlebacher (1994) တွင် ပိုမိုကောင်းမွန်သောရလဒ်များရရှိရန် ရှိပြီးသားအပြင်အဆင်ကို ပြင်ဆင်ရန် ကြိုးစားနေစဉ်တွင် ခြစ်ရာမှ အပြင်အဆင်တစ်ခုကို တည်ဆောက်ပါ။ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းနည်းလမ်းများနှင့် အပြင်အဆင်အတွက် heuristics များကို Heragu (2007) မှ ကောင်းမွန်စွာ မှတ်တမ်းတင်ထားပါသည်။De-Alvarengaနှင့် Gomes (2000) က ဆွေးနွေးသည်။meta-heuristicအကောင်းဆုံးမော်ဒယ်များ NP- ခက်ခဲသောသဘောသဘာဝကိုကျော်လွှားရန်နည်းလမ်းအဖြစ်ချဉ်းကပ်ပါ။

ဤလုပ်ငန်းတွင် အသုံးပြုသည့် မော်ဒယ်လ်အမျိုးမျိုးသော နည်းစနစ်များမှာ ဂရပ်ဖစ်သီအိုရီ၊ CRAFT၊ Optimum Sequence၊ BLOCPLAN နှင့် Genetic Algorithm တို့ဖြစ်သည်။ အောက်တွင်ရှင်းပြထားသည်များမှာ တူညီသောပုံစံပြုလုပ်ရန်အတွက် algorithm တစ်ခုစီမှ လိုအပ်သော parameters များဖြစ်သည်။

ဇယားသီအိုရီ

ဂရပ်ဖစ်သီအိုရီ (Foulds and Robinson, 1976; Giffin et al., 1984; Kim and Kim, 1985; and Leung, 1992) သည် အကျုံးဝင်သည် ။အစွန်း-အလေးချိန်ဒေါင်လိုက် (V) သည် အဆောက်အဦများကို ကိုယ်စားပြုသည့် အမြင့်ဆုံး မျဉ်းဂရပ်ဖြစ်ပြီး အစွန်းများ (E) သည် adjacencies ကိုကိုယ်စားပြုပြီး Kn သည် n Vertices ၏ ပြီးပြည့်စုံသောဂရပ်ကို ကိုယ်စားပြုသည်။ အလေးချိန်ထားသော ဂရပ် G ကို ပေးထားသည့်အတွက်၊ အဆောက်အဦ အပြင်အဆင် ပြဿနာမှာ အများဆုံး အလေးချိန် အတိုင်းအတာကို ရှာရန် ဖြစ်သည်။ဂရပ်ခွဲG of G က ပြားချပ်ချပ်ဖြစ်တယ်။

ဤစာတမ်းသည် ဖြစ်ရပ်လေ့လာမှုကို စံနမူနာပြုရန် မတူညီသော ချဉ်းကပ်နည်း ၂ မျိုးကို အသုံးပြုထားသည်။ ပထမချဉ်းကပ်နည်းကတော့မြစ်ဝကျွန်းပေါ်-ဟေဒရွန်Foulds and Robinson (1976) မှ ပြုလုပ်သော နည်းလမ်း။ နည်းလမ်းတွင် ကနဦး K4 ဖြင့် ရိုးရှင်းသော ထည့်သွင်းခြင်းပါဝင်ပြီး အကျိုးအမြတ်သတ်မှတ်ချက်အရ တစ်ခုပြီးတစ်ခု ဒေါင်လိုက်များကို ထည့်သွင်းပါသည်။ ဒုတိယနည်းလမ်းကို အသုံးပြုသည်မှာ ဘီးချဲ့ခြင်းဆိုင်ရာ အယ်လဂိုရီသမ် (အစိမ်းရောင်နှင့်အယ်လ်ဟာကင်၊၁၉၈၅)။ ဤနေရာတွင် အမြင့်ဆုံး w1985 ပါရှိသည့် အစွန်းတစ်ခုကို ရွေးချယ်ပြီး အကျိုးအမြတ်သတ်မှတ်ချက်များနှင့်အညီ ထိပ်တန်းဆက်ထည့်ခြင်း 4 ခုကို အသုံးပြုခြင်းဖြင့် ဤနေရာတွင် ကနဦး K8 ကို ရရှိသည်။ ထို့နောက် algorithm သည် wheel expansion process ဟုခေါ်သော ထည့်သွင်းမှုလုပ်ငန်းစဉ်တစ်ခုဖြင့် ဆက်လက်လုပ်ဆောင်သည်။ ထောင့်ထိပ်ပေါ်ရှိ ဘီးကို စက်ဝိုင်းပေါ်တွင် စက်ဝိုင်းအဖြစ် သတ်မှတ်သည်။(n-1)ဒေါင်လိုက်တစ်ခုစီသည် နောက်ထပ် vertex တစ်ခု (ဗဟိုဟု ခေါ်သည်) နှင့် ကပ်လျက်ရှိသော ဒေါင်လိုက်များ (နှုတ်ခမ်းသားဟု ခေါ်သည်)။ W သည် hub x ပါရှိသည့် ဘီးဖြစ်ပါစေ။ ဤစက်ဝန်း၏ အစွန်းများဖြစ်သည့် k နှင့် l နှစ်ခုကို ရွေးပါ။ ထို့နောက် အသုံးမပြုသော ဒေါင်လိုက်အစုမှ ဒေါင်လိုက်တစ်ခုကို လက်ရှိအပိုင်းတွင် ဤဘီးသို့ ထည့်သွင်းသည်။ဂရပ်ခွဲy သည် W′ ဘီးအသစ်၏ မျဥ်းများအဖြစ် k, l နှင့် x တို့ပါရှိသော အချက်အချာကျပြီး W ရှိ rims များအားလုံးသည် ယခုအခါ vertex x သို့မဟုတ် vertex y တို့နှင့် ကပ်လျက်ရှိပါသည်။ အထက်ဖော်ပြပါပုံစံတွင် အသုံးမပြုသော vertex တစ်ခုစီကို ဆက်တိုက်ထည့်သွင်းခြင်းဖြင့်၊ နောက်ဆုံး အမြင့်ဆုံး planar sub graph ကို ရရှိသည်။

CRAFT ကိုအသုံးပြုခြင်း။

CRAFT (Computerized Relative Allocation of Facilities Technique) သည် အပြင်အဆင်ကို ဖွံ့ဖြိုးတိုးတက်စေရန် တစ်စုံတစ်ခုအား အသုံးပြုသည် (Buffa et al., 1964; Hicks and Lowan, 1976)။ CRAFT သည် ပိုမိုကောင်းမွန်သော အပြင်အဆင်ကို မထုတ်လုပ်မီ ဖြစ်နိုင်သည့် အတွဲအားလုံးကို စစ်ဆေးခြင်းမပြုပါ။ ထည့်သွင်းဒေတာတွင် အဆောက်အဦနှင့် အဆောက်အဦများ၏ အတိုင်းအတာ၊ အဆောက်အဦအတွဲများအကြား ခရီးစဉ်များ၏ အကြိမ်ရေ သို့မဟုတ် အကြိမ်ရေနှင့် ယူနစ်အကွာအဝေးအလိုက် ဝန်ယူမှုနှုန်းယူနစ်တို့အကြား ကုန်ကျစရိတ်များ ပါဝင်သည်။ စီးဆင်းမှု (စ) နှင့် အကွာအဝေး (ဃ) ၏ ထုတ်ကုန်သည် အဆောက်အဦ 2 ခုကြားရှိ ရွေ့လျားပစ္စည်းများအတွက် ကုန်ကျစရိတ်ကို ထောက်ပံ့ပေးသည်။ ထို့နောက် လဲလှယ်ရေးပစ္စည်း ကိုင်တွယ်မှုကုန်ကျစရိတ် ပံ့ပိုးမှုအပေါ် အခြေခံ၍ ကုန်ကျစရိတ် လျှော့ချမှုကို တွက်ချက်ပါသည်။

အကောင်းဆုံး တစ်ဆက်တည်း

ဖြေရှင်းနည်းသည် မထင်သလို ဆက်တိုက်ပုံစံပုံစံဖြင့် စတင်ကာ အပိုင်းတွင် ဌာန 2 ခုကို ပြောင်းခြင်းဖြင့် ပိုမိုကောင်းမွန်လာစေရန် ကြိုးစားသည် (Heragu, 1997)။ အဆင့်တစ်ဆင့်ချင်းစီတွင်၊ ဌာန 2 ခု၏ ဖြစ်နိုင်သည့် ခလုတ်များအားလုံးအတွက် flow*distance အပြောင်းအလဲများကို တွက်ချက်ပြီး အထိရောက်ဆုံးအတွဲကို ရွေးချယ်သည်။ ဌာန ၂ ခုကို ပြောင်းပြီး နည်းလမ်းပြန်လုပ်တယ်။ ခလုတ်မရှိသည့်အခါ ကုန်ကျစရိတ် လျော့ကျသွားသောအခါ လုပ်ငန်းစဉ်သည် ရပ်တန့်သွားသည်။ Optimum Sequence ကို အသုံးပြု၍ အပြင်အဆင်ကို ဖန်တီးရန် လိုအပ်သော ထည့်သွင်းမှုသည် အဓိကအားဖြင့် အဆောက်အဦနှင့် အဆောက်အဦများ၏ အတိုင်းအတာများ၊ facility pairs များအကြား ခရီးစဉ်များ၏ အကြိမ်ရေ သို့မဟုတ် ခရီးစဉ်များ၏ အကြိမ်ရေနှင့် ယူနစ်တစ်ခုလျှင် load per unit အကွာအဝေး ကုန်ကျစရိတ်တို့ဖြစ်သည်။

BLOCPLAN ကိုအသုံးပြုခြင်း။

BLOCPLAN သည် တစ်ထပ်နှင့် တစ်ထပ်တိုက် အပြင်အဆင် နှစ်မျိုးလုံးကို ဖွံ့ဖြိုးတိုးတက်ရန်နှင့် မြှင့်တင်ရန် အသုံးပြုသည့် အပြန်အလှန်အကျိုးပြုသော ပရိုဂရမ်တစ်ခု (အစိမ်းရောင်နှင့် အယ်လ်ဟာကင်၊၁၉၈၅)။ ၎င်းသည် ထည့်သွင်းထားသော ရွေးချယ်စရာများစွာကို အခြေခံ၍ ၎င်း၏ပြောင်းလွယ်ပြင်လွယ်ရှိသောကြောင့် ကနဦးအပြင်အဆင်များကို ထုတ်ပေးသည့် ရိုးရှင်းသောပရိုဂရမ်တစ်ခုဖြစ်သည်။ ၎င်းသည် အရေအတွက်နှင့် အရည်အသွေးဆိုင်ရာ အချက်အလက်များကို အသုံးပြုသည်။

block layout အများအပြားနှင့် ၎င်းတို့၏ ကြံ့ခိုင်မှုအတိုင်းအတာကို ဖန်တီးပါ။ အသုံးပြုသူသည် အခြေအနေများပေါ်မူတည်၍ ဆက်စပ်ဖြေရှင်းချက်များကို ရွေးချယ်နိုင်သည်။

Genetic Algorithm

မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်များ (GA) မှတဆင့် အထောက်အကူပစ္စည်းများ အပြင်အဆင်ပြဿနာများကို ပုံဖော်ရန် နည်းလမ်းများစွာရှိသည်။ Banerjee၊ Zhou၊ နှင့် Montreuil (1997) သည် GA ကို ဆဲလ်အပြင်အဆင်တွင် အသုံးပြုသည်။ ။ အပိုင်းလိုက်ဖွဲ့စည်းပုံကို Otten (1) က အတန်းအစားတစ်ခု၏ ကိုယ်စားပြုနည်းလမ်းအဖြစ် Otten (1982) မှ အကြံပြုခဲ့သည်။ ဂျီဩမေတြီကန့်သတ်ချက်များဖြင့် မညီမျှသော ဧရိယာ အပြင်အဆင်ပြဿနာကို ဖြေရှင်းရန်အတွက် တမ်နှင့်ချန်း (၁၉၉၅) အပါအဝင် စာရေးဆရာများစွာက နောက်ပိုင်းတွင် ယင်းချဉ်းကပ်မှုကို အသုံးပြုခဲ့သည်။ ဤအလုပ်တွင်အသုံးပြုသည့် GA algorithm ကို Shayan နှင့် Chittilappilli (1995) မှ လှီးဖြတ်ထားသော သစ်ပင်ဖွဲ့စည်းပုံများ (STC) ကို အခြေခံ၍ တီထွင်ခဲ့သည်။ ၎င်းသည် လှီးဖြတ်ထားသောသစ်ပင်တစ်ခုစီရှိ စက်ရုံတစ်ခုစီ၏ ဆက်စပ်တည်နေရာကိုပြသသည့် 2004 Dimensional chromosomes အထူးဖွဲ့စည်းပုံတစ်ခုအဖြစ် သစ်ပင်ဖွဲ့စည်းပုံပါရှိသော အဆင်အပြင်ကို ကုဒ်နံပါတ်ပေးသည်။ GA လည်ပတ်မှုများတွင် ခရိုမိုဆုန်းကို ကိုင်တွယ်ရန် အထူးအစီအစဉ်များ ရရှိနိုင်ပါသည် (Tam and Li, 2)။ Shayan နှင့် Shayan တွင် “ cloning” လုပ်ဆောင်ချက်အသစ်ကိုလည်း မိတ်ဆက်ခဲ့သည်။အလ်-ဟာကင်(၁၉၉၉)။ ထို့နောက် GA မှတစ်ဆင့် ရွေးချယ်ထားသော ဖြေရှင်းချက်အား လှီးဖြတ်သည့် အပြင်အဆင်အဖြစ်သို့ ပြောင်းသည်။ ၎င်းသည် အဆောက်အဦအားလုံးပါရှိသော ကနဦးဘလောက်တစ်ခုဖြင့် စတင်သည်။ layout တည်ဆောက်ခြင်း algorithm တိုးတက်လာသည်နှင့်အမျှ၊ partition အသစ်များကို ပြုလုပ်ပြီး block တစ်ခုစီတွင် facility တစ်ခုမျှသာရှိသည်အထိ အသစ်ထုတ်လုပ်ထားသော blocks များကြားတွင် အဆောက်အဦများကို သတ်မှတ်ပေးပါသည်။ ဤအတောအတွင်း စက်ရုံတစ်ခုစီ၏ သြဒိနိတ်ကိုလည်း တွက်ချက်သည်။ သက်ဆိုင်ရာ ခရိုမိုဆုန်းများ၏ ကြံ့ခိုင်မှုကို အကဲဖြတ်ရန် အဆောက်အဦများ၏ အလယ်ဗဟိုကြားရှိ ထောင့်မှန်အကွာအဝေးကို အသုံးပြုသည်။ GA ရပ်ဆိုင်းသွားသောအခါ၊ သြဒိနိတ်များ၏ သိမ်းဆည်းထားသော တန်ဖိုးများကို အသုံးပြု၍ အပြင်အဆင်ကို ပုံဆွဲခြင်းလုပ်ငန်းစဉ်တစ်ခု လုပ်ဆောင်သည်။ ကျဉ်းမြောင်းသော အချပ်များကို ရှောင်ရှားရန် ရည်ရွယ်ချက်လုပ်ဆောင်ချက်တွင် ပြစ်ဒဏ်အသုံးအနှုန်းပါရှိသည်။

3. ဖြစ်ရပ်လေ့လာမှုတစ်ခုမှတစ်ဆင့် စမ်းသပ်မှု

ယခင်က ဖော်ပြထားသော နည်းလမ်းများ၏ စွမ်းဆောင်ရည်ကို စမ်းသပ်ရန်၊ ၎င်းတို့အားလုံးကို ပရိဘောဂထုတ်လုပ်ရေးတွင် တကယ့်ဖြစ်ရပ်မှန်အခြေအနေတွင် အသုံးချခဲ့သည်။ ကုမ္ပဏီသည် ထိုင်ခုံပုံစံ ၉ မျိုး၊ ထိုင်ခုံ ၂ လုံးနှင့် အမျိုးအစား ၉ မျိုး ထုတ်လုပ်သည်။ထိုင်ခုံ ၃ လုံးအသီးသီး။ ပုံစံအားလုံး၏ထုတ်လုပ်မှုသည် တူညီသော လုပ်ငန်းဆောင်တာများအတိုင်း လုပ်ဆောင်သော်လည်း မတူညီသော ကုန်ကြမ်းများ ပါဝင်ပါသည်။ ထိုင်ခုံကူရှင်များ၊ နောက်ကျောကူရှင်များ၊ လက်မောင်းထိုင်ခုံများနှင့် နောက်ကျောများကို ကွဲပြားသောနေရာများတွင် အရွယ်အစားအမျိုးမျိုးဖြင့် အသုတ်လိုက်ဖြင့် အတွင်းပိုင်း၌ ထုတ်လုပ်ပါသည်။ အစိတ်အပိုင်းများ ရွေ့လျားခြင်းသည် လုပ်ငန်းလုပ်ဆောင်ဆဲ၊ ပျောက်ဆုံးနေသော အစိတ်အပိုင်းများ၊ ပြတ်တောက်မှုများ၊ လမ်းပိတ်ခြင်းနှင့် နေရာချထားမှု မှားယွင်းခြင်းစသည့် ပြဿနာများကို ဖြစ်ပေါ်စေသည်။

ထုတ်ကုန်တစ်ခုစီသည် Facility 11 - Cutting Area တွင်စတင်ပြီး Facility 1- Bolt up Area တွင်အဆုံးသတ်သော လည်ပတ်မှု 11 ခုကိုဖြတ်သန်းသည်။ နောက်ဆုံးစည်းဝေးပွဲတစ်ခုစီကို တူညီသောအမည်တပ်ထားသော အဖွဲ့ခွဲများအဖြစ် ခွဲနိုင်သည်။ ဤအစုအဝေးများသည် Bolt တွင် တွေ့ဆုံကြသည်။-အပေါ်သို့နောက်ဆုံးစည်းဝေးပွဲအတွက် အထောက်အကူပြုပစ္စည်း။ အခွဲတစ်ခုစီသည် ၎င်းတို့၏လုပ်ငန်းဆောင်တာများကို အမှီအခိုကင်းစွာစတင်ကြပြီး Fig 1 တွင် စည်းဝေးပွဲဇယားပုံစံဖြင့်ပြသထားသည့် ပုံသေပုံစံဖြင့်ပြသထားသည့် လည်ပတ်မှုအစုအဝေးတစ်ခုစီကိုဖြတ်သန်းကြသည်။ လက်ရှိအပြင်အဆင်၏အဆောက်အအုံများကို လည်ပတ်မှု၏အစီအစဥ်အတိုင်းထားရှိမည်မဟုတ်ပါ။

ထို့အတွက်ကြောင့် ပစ္စည်းများ ဆက်တိုက် စီးဆင်းမှု မရှိသဖြင့် လုပ်ငန်းများ ဆက်လက် လုပ်ဆောင်နေပါသည်။ အဆောက်အဦများကြား အပြန်အလှန်အကျိုးသက်ရောက်မှုကို ပုဂ္ဂလဒိဋ္ဌိအပြင် ရည်မှန်းချက်အစီအမံများကို အသုံးပြု၍ ဆုံးဖြတ်နိုင်သည်။ flow charts အတွက် အဓိကလိုအပ်သော သွင်းအားစုမှာ ဝယ်လိုအား၊ ထုတ်လုပ်သည့် ပစ္စည်း ပမာဏနှင့် စက်တစ်ခုစီကြားတွင် စီးဆင်းသည့် ပစ္စည်းပမာဏ ဖြစ်သည်။ 10 လအတွင်း သွားလာနေသော ပစ္စည်းစီးဆင်းမှုပမာဏအပေါ် အခြေခံ၍ တွက်ချက်သည် * ပုံ 2 တွင်ပြသထားသည့် တိုင်းတာမှုယူနစ်။ ပုံ 3 သည် ဖြစ်ရပ်လေ့လာမှုတွင်အသုံးပြုသည့် ဌာနတစ်ခုစီ၏ ဧရိယာကို ပြသည်။ ပုံ 4 သည် Case Study ၏ လက်ရှိပုံစံကို ပြထားသည်။

ဖြစ်ရပ်လေ့လာမှုအတွက် ပုံ 1 ညီလာခံဇယား

ပုံ 2 ဖြစ်ရပ်လေ့လာမှုအတွက် ပစ္စည်းစီးဆင်းမှု။

Figure 3 Number သည် ဌာနဆိုင်ရာနှင့် သက်ဆိုင်ပါသည်။

ပုံ 4 ပရိဘောဂကုမ္ပဏီ၏ လက်ရှိအပြင်အဆင်နှင့် case study တွင် အသုံးပြုသည့် ဌာနတစ်ခုစီ၏ အတိုင်းအတာ၊

4. မော်ဒယ်လ်ချဉ်းကပ်မှုလျှောက်လွှာ

ဤနေရာတွင် အပိုင်း 2 တွင် ဆွေးနွေးထားသော အမျိုးမျိုးသော မော်ဒယ်လ်ချဉ်းကပ်နည်းများကို နှိုင်းယှဉ်ရန်အတွက် အခြားအပြင်အဆင်များကို ဖန်တီးရန်အတွက် ဖြစ်ရပ်လေ့လာမှုတွင် အသုံးချထားသည်။

4.1 ဂရပ်ဖစ်သီအိုရီကို အသုံးပြုခြင်း။

ဇယား 1 သည် Foulds နှင့် Robinsons နည်းလမ်း နှင့် Wheels and Rims နည်းလမ်း ၏ မတူညီသော ချဉ်းကပ်နည်း 2 ခုကို အသုံးပြု၍ ရလဒ်များကို နှိုင်းယှဉ်ပြသထားသည်။ ဇယား 1 တွင် Folds နှင့် Robinsons နည်းလမ်းသည် ရလဒ် 2 ခု၏ ပိုမိုကောင်းမွန်ကြောင်း ရှင်းလင်းစွာပြသထားသည်။ Foulds နှင့် Robinsons နည်းလမ်း၏ရလဒ်များကို Figures တွင်အသေးစိတ်ရှင်းပြထားသည်။5-7 ။

ဇယား 1- အသုံးပြုထားသော ဂရပ်သီအိုရီ၏ မတူညီသောနည်းလမ်း 2 ခုကို နှိုင်းယှဉ်ပြသသည့်ဇယား။

Foulds နှင့် Robinson နည်းလမ်းကို အသုံးပြု၍ ဖြစ်ရပ်လေ့လာမှုရလဒ်များ၏ ဆက်စပ်ဂရပ်ပုံ 5။

ပုံ 6 ဂရပ်သီအိုရီ (Foulds နှင့် Robinsons နည်းလမ်း) ကို အသုံးပြုပြီးနောက် အပြင်အဆင်ကို ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ထားသည်။

၁- ဖြတ်တောက်ခြင်း၊2- စက်ချုပ်ခြင်း၊ 3- Calico ဖြည့်ခြင်း၊ 4- Close Up၊ 5- Cushion ဖြည့်သွင်းခြင်း၊ 6- Foam Cutting၊ Foamcutting၊7- Frame Assembly၊ 8- Sticking၊၉-နွေဦးအပေါ်,၁၀-ကူရှင်၊11- Bolt Up ။

ပုံ 7 စီးဆင်းမှု * ဂရပ်သီအိုရီကို အသုံးပြု၍ ဖြစ်ရပ်လေ့လာမှုအတွက် အကွာအဝေး အကဲဖြတ်ဇယား (Foulds နှင့် Robinsons နည်းလမ်း)

4.2 လက်မှုပညာကို အသုံးပြုခြင်း။

CRAFT အတွက် ထည့်သွင်းဒေတာကို ထည့်သွင်းပြီး လက်ရှိအပြင်အဆင်အတွက် ကနဦးကုန်ကျစရိတ်ကို ပထမအကြိမ်တွက်ချက်သည်။ ပုံ 1 တွင်ပြထားသည့်အတိုင်း ပေါင်းစပ်ပညာရှိနှိုင်းယှဉ်မှုကို အသုံးပြု၍ ဤကုန်ကျစရိတ်ကို လျှော့ချနိုင်သည်။

ပုံ 8 CRAFT အသုံးပြုထားသော လက်ရှိ အပြင်အဆင်အတွက် ကနဦးကုန်ကျစရိတ်

ပုံ 9 CRAFT ဖြင့် အဆင့်ဆင့် လဲလှယ်ခြင်း။

CRAFT မှရရှိသောရလဒ်များကိုဇယား 2 တွင်ပြသထားသည်။ အထက်ပါတွက်ချက်မှုများအပေါ်အခြေခံ၍ ပုံ 10 တွင်ပြသထားသည့်အသစ်နှင့်တိုးတက်သောပုံစံကိုဆွဲနိုင်သည်

ဇယား 2- ရလဒ်များကိုပြသသောဇယား

ပုံ 10 CRAFT မှထုတ်ပေးသော ပိုမိုကောင်းမွန်သော အပြင်အဆင်

4.3 အကောင်းဆုံး Sequence Algorithm

ထည့်သွင်းမှုဒေတာသည် မတူညီသောအတွဲများ၏ ဉာဏ်ရည်ထက်မြက်သောနှိုင်းယှဉ်မှုကို လိုက်နာခြင်းမှလွဲ၍ CRAFT နှင့် တူညီပါသည်။ ဇယား 3 သည် ပိုမိုကောင်းမွန်သော အပြင်အဆင်မှ ထုတ်ယူထားသော ရလဒ်များကို ပြသသည်။ ပုံ 11 သည် Optimum Sequence ကို အသုံးပြု၍ ပိုမိုကောင်းမွန်သော အပြင်အဆင်ကို ပြသထားသည်။

ဇယား 3 CRAFT ကို အသုံးပြု၍ ရလဒ်များကို ပြသသော ဇယား