03731ntm a2200373 i 4500 0 0 lcc 0 0 REF 20000 20000 2020-11-05 0 FTKPM .A36 2020 r Thesis T000001185 2020-12-29 00:00:00 1 2020-11-05 THESIS 0 0 lcc 0 1 REF 20000 20000 2020-11-05 0 CD12778 T000001186 2021-02-19 00:00:00 1 2020-11-05 THESIS 94663 94669 MY-KuUP 20251125105756.0 t||||fr|||| 000 0 ta 201105t2 2 m a|||fram|| 000 0 eng d THE0008960(Local) hardback UMP eng UMP rda FTKPM .A36 2020 r Thesis Ainizar Mustapa, author. Menyelesaikan masalah perancangan jujukan pemasangan menggunakan algoritma penapis kalman diselakukan / Ainizar Mustapa Kuantan, Pahang : UMP, 2020 © 2020 xii, 72 pages : illustrations (some color) ; 30 cm. + 1 CD ROM text rdacontent text rdacontent unmediated rdamedia computer rdamedia volume rdacarrier computer disc rdacarrier text file PDF rda 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. College of Engineering Dissertations Universities and colleges Dissertations Theses lcc THESIS