การประยุกต์ใช้วิธีเชิงพันธุกรรมเพื่อหาค่าใช้จ่ายรวมต่ำที่สุดสำหรับแผนการชักตัวอย่างเพื่อการยอมรับแบบสองชุดApplication of Genetic Algorithm to Minimize Total Cost of Double Acceptance Sampling Plan

Abstract

แผนการชักตัวอย่างเพื่อการยอมรับรุ่นแบบสองชุดภายใต้ความเสี่ยงของผู้ผลิตและผู้บริโภคเป็นเครื่องมือสำคัญในการกำหนดแผนการตรวจสอบผลิตภัณฑ์ที่เหมาะสม ซึ่งในสถานการณ์จริงผู้ใช้งานอาจไม่ทราบถึงค่าความเสี่ยงของผู้ผลิตและผู้บริโภคที่แท้จริง เพียงแต่ทราบสัดส่วนเสียในรุ่นการผลิต งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพในการเลือกแผนการชักตัวอย่างเพื่อการยอมรับแบบสองชุดที่เหมาะสมภายใต้แนวคิดที่ทราบเพียงค่าสัดส่วนเสียในรุ่นการผลิต และต้องการให้เกิดค่าใช้จ่ายรวมในการตรวจสอบ (TC) ต่ำที่สุด โดยประยุกต์ใช้วิธีทางพันธุกรรมช่วยคำนวณหาค่าที่เหมาะสมของขนาดตัวอย่าง (n1, n2) และจำนวนของเสียมากสุดที่ยอมรับได้ (c1, c2) ผลการศึกษาพบว่าเงื่อนไข n1 = n2 และ c1 ≤ c2 – 1 ส่งผลให้ค่าใช้จ่ายรวมต่ำที่สุด ส่วนเงื่อนไข n1 = 2n2 และ c1 ≤ c2 – 1 จะส่งผลให้ค่าจำนวนของเสียที่ตรวจพบมากที่สุด นอกจากนี้พบว่าเมื่อขนาดตัวอย่างเพิ่มมากขึ้นจะส่งผลให้ค่าใช้จ่ายรวมในการตรวจสอบ (TC) จำนวนของเสียที่ตรวจพบ (Nd) และจำนวนตัวอย่างที่นำมาตรวจสอบเฉลี่ย (ATI) จะเพิ่มขึ้นด้วย ในขณะที่ความน่าจะเป็นที่จะยอมรับรุ่น (Pa) และคุณภาพผ่านออก (AOQ) มีค่าลดลงตามลำดับ

Double Acceptance Sampling Plan based on the producer's risk and consumer's risk are wildly used tools to establish the optimal product inspection plans. In actually, producer's risk and consumer's risk are unknown values which only the proportion of defective in the batch production is known. This research aims to increase efficiency of selecting optimal double acceptance sampling plan under the minimum total cost for inspection (TC). The application of Genetic Algorithm is used to calculate the optimal sample size (n1, n2) and the optimal acceptance number of defectives (c1, c2). The results show that the optimal constraint n1 = n2 and c1 ≤ c2 – 1 gives the minimum total cost while the optimal constraint n1 = 2n2 and c1 ≤ c2 – 1 gives maximum number of defective item detected (Nd) respectively. In addition, when the sample size increases, the results of the analysis show that total cost for inspection (TC), defective items detected and the Average Total Inspection (ATI) are increasing while the probability of accepting the lot (Pa) and the Average Outgoing Quality (AOQ) are decreasing.