การพัฒนาวิธีการเมตาฮิวริสติกส์เพื่อแก้ปัญหาระบบโลจิสติกส์และโซ่อุปทานของข้าว : กรณีศึกษาภาคกลางของประเทศไทย

บทคัดย่อ

เนื่องจากในปัจจุบันประเทศไทยมีต้นทุนโลจิสติกส์ที่ค่อนข้างสูง ประกอบกับเป็นผู้ส่งออกข้าว อันดับสำคัญของโลก โดยปริมาณผลผลิตข้าวเปลือก 10,701,338 ตัน หรือ 30% มาจากภาคตะวัน กลางและโรงสีข้าวส่วนใหญ่ตั้งอยู่ในเขตภาคกลาง ดังนั้นการวิจัยในครั้งนี้จึงมุ่งที่จะศึกษาหาแนว ทางการลดต้นทุนโลจิสติกส์และโซ่อุปทานข้าวในเขตภาคกลางของประเทศไทย โดยการพัฒนาวิธีการ ฮิวริสติกส์ ซึ่งผลจากการวัดประสิทธิภาพระบบโลจิสติกส์และโซ่อุปทานข้าวใน 3 ด้าน คือ ด้าน คุณภาพ (Quality) จะวัดเปอร์เซ็นต์ความซื้นข้าวเปลือกของเกษตรกร และเปอร์เซ็นต์ defect ของ โรงสี ด้านต้นทุน (Cost) จะวัดต้นทุนกิจกรรมโลจิสติกส์ในระบบโลจิสติกส์และโซ่อุปทานข้าว ด้วยวิธี ต้นทุนฐานกิจกรรม (Activity - Based Costing (ABC)) และด้านเวลา (Time) จะพิจารณาระยะเวลา ที่ใข้ในแต่ละกิจกรรมโลจิสติกส์ในระบบโลจิสติกส์และโซ่อุปทานข้าว วิเคราะห์ความสูญเปล่าแล้ว ออกแบบโซ่อุปทานข้าว ทำใหั!ดโซ่อุปทานข้าวสองระดับในภาคกลางของประเทศไทย ที่ประกอบไป ด้วยเกษตรกร โรงสี สหกรณ์การเกษตร พ่อค้าส่งออก พ่อค้าขายส่ง แล้วได้พัฒนาตัวแบบสมการทาง คณิตศาสตร์ภายใต้วัตถุประสงค์ 3 ด้านและแก้ปัญหาด้วยตัวอย่างปัญหาซึ่งประกอบไปด้วยปัญหา ขนาดเล็ก ขนาดกลาง และขนาดใหญ่กับโปรแกรมสำเร็จรูป LINGO version 11 ซึ่งพบว่าโปรแกรม สำเร็จรูป LINGO version 11 สามารถแก้ปัญหาขนาดเล็กและขนาดกลางได้ ส่วนปัญหาขนาดใหญ่ไม่ สามารถแก้ปัญหาได้ จึงได้ประยุกต์ใข้วิธีการวิวัฒนาการโดยส่วนต่าง Differential Evolution (DE) พบว่าสำหรับปัญหาขนาดเล็ก และขนาดกลางวิธีการวิวัฒนาการโดยส่วนต่าง Differential Evolution (DE) สามารถพบคำตอบที่เป็น Optimization Solution โดยเฉลี่ย 89.00% ส่วนอีก 11.00% ที่ไม่ พบ optimal solution ก็ม่ความคลาดเคลื่อนโดยเฉลี่ย 2.1585% และใข้เวลาเฉลี่ยในการหาคำตอบ สั้นกว่าโปรแกรมสำเร็จรูป LINGO V 11 ถึง 79.83% แต่เมื่อปัญหาม่ฃนาดใหญ่จะพบว่าวิธีการ วิวัฒนาการโดยส่วนต่าง Differential Evolution (DE) สามารถพบ Best Solution โดยเฉลี่ย 50.11% ของจำนวนปญหาตัวอย่างทั้งหมดและคำตอบที่พบก็มีความแตกต่างจาก Best Solution โดยเฉลี่ย 13.9573% ซึ่งจะเห็นว่าวิธีการวิวัฒนาการโดยส่วนต่าง Differential Evolution (DE) ยังไม่ มีประสิทธิภาพที่ศึพอสำหรับการแก้ปิญหาขนาดใหญ่ จึงได้ประยุกต่ใช้วิธีการ Modified Differential Evolution (MODDE) โดยได้ปรับปรุงวิธีการ Differential Evolution (DE) ในขันตอน Crossover หรือ Recombination ด้วย 4วิธีการทีสำคัญคือ 1) Vector transition process, 2) Vector exchange process, 3) Vector insertion process และ 4) Mix (ผสมทัง 3 วิธี) ซึงผลจากการ ประยุกต์ใช้พัฒนาวิธีการ Modified Differential Evolution (MODDE) กับป้ญหาขนาดเล็กและ ขนาดกลาง พบว่า ร้อยละในการพบคำตอบที่เป็น Optimization Solution โดยเฉลี่ย 91.60% ร้อย ละความแตกต่างของผลระหว่างโปรแกรม Lingo V 11 กับวิธีการ MODDE โดยเฉลี่ย 0.8731% แต่ เมื่อปญหามีขนาดใหญ่ พบว่าสามารถพบ Best Solution โดยเฉลี่ย 56.11% ของจำนวนปญหา ตัวอย่างทั้งหมดและคำตอบที่พบก็มีค่าความแตกต่างจาก Best Solution โดยเฉลี่ย 7.6043% ซึ่งเมื่อ เปรียบเทียบเวลาโดยเฉลี่ยในการพบคำตอบที่เป็น Global Optimization Solution ระหว่างวิธีการ วิวัฒนาการโดยส่วนต่าง Differential Evolution (DE) กับวิธีการ MODDE พบว่าวิธีการวิวัฒนาการ โดยส่วนต่าง Differential Evolution (DE) ใช้เวลาสั้นกว่าโปรแกรมสำเร็จรูป LINGO V 11 ถึง 79.83% และเมื่อเทียบวิธี Modified Differential Evolution (MODDE) จะใช้เวลาสั้นกว่าโปรแกรม สำเร็จรูป LINGO V 11 ถึง 80.15% ตามสำคับ โดยเมื่อเปรียบเทียบค่าวัตถุประสงค์โดยรวมของ กรณีศึกษา (F188-R51-E76-W57) การขนส่งข้าวด้วยวิธี Best Practice, DE และ MODDE ของ กรณีศึกษา พบว่ามีค่าวัตถุประสงค์โดยรวม 1.6326 e10 บาท 1.6292 e10 บาท และ 1.6285 e10 บาท ตามลำดับ โดยมีร้อยละความแตกต่างของผลระหว่าง Best Practice กับ DE เท่ากับ -20.825% ร้อย ละความแตกต่างของผลระหว่าง Best Practice กับ MODDE เท่ากับ -25.1133% หรือวิธีการ DE และ MODDE สามารถลดค่าวัตถุประสงค์โดยรวมของโซ่อุปทานข้าวในเขตภาคกลางของประเทศไทย ลงได้ประมาณ 20.8257% และ 25.1133% ตามลาคับ ซึ่งจะพบว่าวิธีการ Modified Differential Evolution (MODDE) มีประสิทธิภาพที่ศึกว่าวิธีการวิวัฒนาการโดยส่วนต่าง Differential Evolution (DE) และวิธีการ Lingo V.11 ทั้งปญหาขนาดเล็ก ขนาดกลาง และขนาดใหญ่

คำสำคัญ