Normal view MARC view ISBD view

Menyelesaikan masalah perancangan jujukan pemasangan menggunakan algoritma penapis kalman diselakukan / Ainizar Mustapa

By:

Ainizar Mustapa [author.]

Material type: Text

text
text

Media type:

unmediated
computer

Carrier type:

volume
computer disc

ISBN:

THE0008960(Local)

Subject(s):

Dissertation note: Thesis (Master of Science) -- Universiti Malaysia Pahang – 2020 Abstract: Perancangan jujukan pemasangan (Assembly Sequence Planning - ASP) memainkan peranan penting dalam reka bentuk dan pembuatan produk. Jujukan pemasangan mempengaruhi keseluruhan produktiviti kerana ia menentukan kepantasan dan ketepatan produk itu dipasang. Objektif utama ASP adalah untuk menentukan jujukan pemasangan komponen untuk memendekkan masa pemasangan atau menjimatkan kos pemasangan. Walau bagaimanapun, ASP juga dikenali sebagai masalah pengoptimuman gabungan klasik yang sukar. Dengan peningkatan bilangan komponen bagi sesuatu produk, ASP menjadi lebih sukar dan algoritma berasaskan grafik tradisional tidak dapat menyelesaikannya dengan berkesan. Terdapat pelbagai metaheuristik yang wujud pada masa kini. Walau bagaimanapun, tidak semua metaheuristik dibangunkan untuk beroperasi di ruang carian diskret. Salah satu contoh algoritma metaheuristik ialah Kalman. Maka, bagi tujuan menyelesaikan masalah pengoptimuman gabungan (Combinatorial Optimization Problem - COP) yang diskret menggunakan metaheuristik serta menilai prestasi algoritma yang dicadangkan, satu kajian kes ASP telah dijalankan. Prestasi algoritma penapis Kalman diselakukan (Simulated Kalman Filter - SKF) lanjutan yang dinamakan penapis Kalman diselakukan binari (Binary Simulated Kalman Filter – BSKF), penapis Kalman diselakukan dimodulasi sudut (Angle Modulated Simulated Kalman Filter – AMSKF), dan penapis Kalman diselakukan dinilai jarak (Distance- Evaluated Simulated Kalman Filter - DESKF) dibandingkan dengan hasil kajian lalu yang menggunakan algoritma carian graviti binari (Binary Gravitational Search Algorithm - BGSA), algoritma pengoptimuman kerumunan zarah binari (Binary Particle Swarm Optimization - BPSO), algoritma carian graviti berbilang keadaan (Multi-State Gravitational Search Algorithm - MSGSA), algoritma carian graviti berbilang keadaan dengan peraturan tertanam (Multi-State Gravitational Search Algorithm with an Embedded Rule - MSGSAER), algoritma pengoptimuman kerumunan zarah berbilang keadaan (Multi-State Particle Swarm Optimization - MSPSO), dan algoritma pengoptimuman sekawan zarah berbilang keadaan dengan peraturan tertanam (Multi- State Particle Swarm Optimization with an Embedded Rule - MSPSOER) dalam menyelesaikan masalah ASP. Dengan menggunakan satu kajian kes ASP, hasil eksperimen menunjukkan AMSKF mengatasi BSKF, DESKF dan enam algoritma lain daripada kajian lalu dengan kelebihan sehingga 0.95% dalam mencari penyelesaian yang optimum.

Tags from this library: No tags from this library for this title. Log in to add tags.

Average rating: 0.0 (0 votes)

Holdings ( 2 )
Title notes ( 4 )

Holdings
Item type	Current library	Collection	Call number	Copy number	Status	Date due	Barcode
Thesis	UMPLIB PEKAN	Reference	FTKPM .A36 2020 r Thesis (Browse shelf(Opens below))	1	Not for loan		T000001185
Thesis	UMPLIB PEKAN	Reference	CD12778 (Browse shelf(Opens below))	1	Not for loan		T000001186

College of Engineering

Thesis (Master of Science) -- Universiti Malaysia Pahang – 2020

Includes bibliographical references

Perancangan jujukan pemasangan (Assembly Sequence Planning - ASP) memainkan peranan penting dalam reka bentuk dan pembuatan produk. Jujukan pemasangan mempengaruhi keseluruhan produktiviti kerana ia menentukan kepantasan dan ketepatan produk itu dipasang. Objektif utama ASP adalah untuk menentukan jujukan pemasangan komponen untuk memendekkan masa pemasangan atau menjimatkan kos pemasangan. Walau bagaimanapun, ASP juga dikenali sebagai masalah pengoptimuman gabungan klasik yang sukar. Dengan peningkatan bilangan komponen bagi sesuatu produk, ASP menjadi lebih sukar dan algoritma berasaskan grafik tradisional tidak dapat menyelesaikannya dengan berkesan. Terdapat pelbagai metaheuristik yang wujud pada masa kini. Walau bagaimanapun, tidak semua metaheuristik dibangunkan untuk beroperasi di ruang carian diskret. Salah satu contoh algoritma metaheuristik ialah Kalman. Maka, bagi tujuan menyelesaikan masalah pengoptimuman gabungan (Combinatorial Optimization Problem - COP) yang diskret menggunakan metaheuristik serta menilai prestasi algoritma yang dicadangkan, satu kajian kes ASP telah dijalankan. Prestasi algoritma penapis Kalman diselakukan (Simulated Kalman Filter - SKF) lanjutan yang dinamakan penapis Kalman diselakukan binari (Binary Simulated Kalman Filter – BSKF), penapis Kalman diselakukan dimodulasi sudut (Angle Modulated Simulated Kalman Filter – AMSKF), dan penapis Kalman diselakukan dinilai jarak (Distance- Evaluated Simulated Kalman Filter - DESKF) dibandingkan dengan hasil kajian lalu yang menggunakan algoritma carian graviti binari (Binary Gravitational Search Algorithm - BGSA), algoritma pengoptimuman kerumunan zarah binari (Binary Particle Swarm Optimization - BPSO), algoritma carian graviti berbilang keadaan (Multi-State Gravitational Search Algorithm - MSGSA), algoritma carian graviti berbilang keadaan dengan peraturan tertanam (Multi-State Gravitational Search Algorithm with an Embedded Rule - MSGSAER), algoritma pengoptimuman kerumunan zarah berbilang keadaan (Multi-State Particle Swarm Optimization - MSPSO), dan algoritma pengoptimuman sekawan zarah berbilang keadaan dengan peraturan tertanam (Multi- State Particle Swarm Optimization with an Embedded Rule - MSPSOER) dalam menyelesaikan masalah ASP. Dengan menggunakan satu kajian kes ASP, hasil eksperimen menunjukkan AMSKF mengatasi BSKF, DESKF dan enam algoritma lain daripada kajian lalu dengan kelebihan sehingga 0.95% dalam mencari penyelesaian yang optimum.