000			03731ntm a2200373 i 4500
999			_c94663 _d94669
003			MY-KuUP
005			20251125105756.0
006			t||||fr|||| 000 0
007			ta
008			201105t2 2 m a|||fram|| 000 0 eng d
020			_aTHE0008960(Local) _qhardback
040			_aUMP _beng _cUMP _erda
090			_aFTKPM .A36 2020 r Thesis
100	0		_aAinizar Mustapa, _eauthor.
245	1	0	_aMenyelesaikan masalah perancangan jujukan pemasangan menggunakan algoritma penapis kalman diselakukan / _cAinizar Mustapa
264		1	_aKuantan, Pahang : _bUMP, _c2020
264		4	_c© 2020
300			_axii, 72 pages : _billustrations (some color) ; _c30 cm. + _e1 CD ROM
336			_atext _2rdacontent
336			_atext _2rdacontent
337			_aunmediated _2rdamedia
337			_acomputer _2rdamedia
338			_avolume _2rdacarrier
338			_acomputer disc _2rdacarrier
347			_atext file _bPDF _2rda
500			_aCollege of Engineering
502			_aThesis (Master of Science) -- Universiti Malaysia Pahang – 2020
504			_aIncludes bibliographical references
520	3		_aPerancangan 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.
610	2	0	_aCollege of Engineering _xDissertations
650		0	_aUniversities and colleges _xDissertations
650		0	_aTheses
942			_2lcc _cTHESIS