ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

Integration of ant colony optimisation and simulated annealing algorithms for optimising response surfaces of manufacturing processes

หน่วยงาน สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์

รายละเอียด

ชื่อเรื่อง : Integration of ant colony optimisation and simulated annealing algorithms for optimising response surfaces of manufacturing processes
นักวิจัย : Pongchanun Luangpaiboon
คำค้น : Heuristic , Response surface methodology , Simulated annealing and ant colony optimisation , Steepest descent
หน่วยงาน : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์
ผู้ร่วมงาน : -
ปีพิมพ์ : 2550
อ้างอิง : ICRM 2007 - 4th International Conference on Responsive Manufacturing. 5p , http://dspace.library.tu.ac.th/handle/3517/2461
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

Optimisation of processes is an essential part of quality improvement in any industry. It will lead to the most efficient use of resources, with consequential environmental and financial benefits. Most manufacturing processes have some variables. Care must be taken to operate industrial processes within safe limits, but optimal conditions are rarely attained and increased international competition means that deviations from the optimum can have serious financial consequences. In many cases the optimum changes with time and there is a need for a routine mode of operation to ensure that the process always operates at optimal or near-optimal conditions. Response Surface Methodology (RSM) is then used to improve the current operating conditions until the conditions of optimal yield are satisfied. The aim of this paper is to compare the performance of the steepest ascent (descent) and the integrated approach of variations of heuristic methods in the presence of noise. Selected heuristic algorithms consist of Simulated Annealing (SA) and Ant Colony Optimisation (ACO). The first one is the process of classical statistical mechanics. The second is based on the behaviour of ants that succeed in finding the shortest routes from their nest to food sources by communicating via memory consisting of pheromone trails. The results suggest that ACO is the most efficient on the tested surfaces at the lower level of noise, whereas SA is preferable when higher noise levels applied. On industrial problems, the integrated algorithm of ACO and SA seems to be better than ACO in terms of speed of convergence. However, ACO can search for the better yield when compared. Although ACO is slow to converge to the optimum, its automatic application within a safe region of operation via sensors, PC, and actuators renders it a feasible option.

บรรณานุกรม :
Pongchanun Luangpaiboon . (2550). Integration of ant colony optimisation and simulated annealing algorithms for optimising response surfaces of manufacturing processes.
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Pongchanun Luangpaiboon . 2550. "Integration of ant colony optimisation and simulated annealing algorithms for optimising response surfaces of manufacturing processes".
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Pongchanun Luangpaiboon . "Integration of ant colony optimisation and simulated annealing algorithms for optimising response surfaces of manufacturing processes."
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ , 2550. Print.
Pongchanun Luangpaiboon . Integration of ant colony optimisation and simulated annealing algorithms for optimising response surfaces of manufacturing processes. กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ ; 2550.