ขั้นตอนวิธีสำหรับการพยากรณ์ผลผลิตอ้อยเพื่อป้อนเข้าสู่โรงงานอุตสาหกรรม

ณัฐนนท์ ลีลาตระกูล; สุนิสา ริมเจริญ; สุภาวดี ศรีคำดี

dc.contributor.author	ณัฐนนท์ ลีลาตระกูล	th
dc.contributor.author	สุนิสา ริมเจริญ	th
dc.contributor.author	สุภาวดี ศรีคำดี	th
dc.contributor.other	มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ
dc.date.accessioned	2019-03-25T09:10:01Z
dc.date.available	2019-03-25T09:10:01Z
dc.date.issued	2559
dc.identifier.uri	http://dspace.lib.buu.ac.th/xmlui/handle/1234567890/1974
dc.description.abstract	อ้อยเป็นพืชเศรษฐกิจที่สำคัญที่ใช้ในอุตสาหกรรมการผลิตน้ำตาล แต่ปริมาณอ้อยที่เกษตรกรผลิตเพื่อส่งเข้าสู่โรงงานมีความไม่แน่นอน ส่งผลให้โรงงานผลิตน้ำตาลมีความเสี่ยงในแง่ของวัตถุดิบในการผลิต การพยากรณ์ปริมาณผลผลิตอ้อยของเกษตรกรจะช่วยให้โรงงานผลิตน้ำตาลสามารถคาดการณ์และวางแผนการผลิตได้เหมาะสม งานวิจัยนี้จึงนำเสนอขั้นตอนวิธี (mu+lambda) adaptive evolution strategies สำหรับสร้างสมการพยากรณ์ปริมาณผลผลิตอ้อยของเกษตรกร ขั้นตอนวิธีที่นำเสนอเป็นการนำเอาข้อดีของสองอัลกอริทึมมารวมกัน กล่าวคือ นำความสามารถของ genetic algorithm ในการหารูปแบบของสมการมารวมกับความสามารถของ evolution strategies ในการปรับค่าสัมประสิทธิ์ สมการที่ได้จากขั้นตอนวิธีที่นำเสนอถูกนำมาทดสอบกับข้อมูลของเกษตรกรผู้ปลูกอ้อยใน 24 จังหวัดของประเทศไทย ในปี ค.ศ. 2010 – 2014 ผลการทดลองพบว่าขั้นตอนวิธีที่นำเสนอมี ความถูกต้องในการพยากรณ์ปริมาณผลผลิตประมาณ 88% ซึ่งเมื่อเทียบกับวิธีที่เป็นที่นิยมอย่าง back propagation neural network (BPNN) พบว่า ขั้นตอนวิธีที่นำเสนอมีความแม่นยำมากกว่าในทุกกรณีทดสอบ	th_TH
dc.description.sponsorship	โครงการวิจัยประเภทงบประมาณเงินรายได้จากเงินอุดหนุนรัฐบาล (งบประมาณแผ่นดิน) ประจำปีงบประมาณ พ.ศ. 2559	en
dc.language.iso	th	th_TH
dc.publisher	คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา	th_TH
dc.subject	น้ำตาล	th_TH
dc.subject	พืชเศรษฐกิจ	th_TH
dc.subject	อ้อย	th_TH
dc.subject	สาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์	th_TH
dc.title	ขั้นตอนวิธีสำหรับการพยากรณ์ผลผลิตอ้อยเพื่อป้อนเข้าสู่โรงงานอุตสาหกรรม	th_TH
dc.type	Research
dc.year	2559
dc.description.abstractalternative	Sugarcane is a very important crop in the sugar industry. However, the annual amount of harvested sugarcane is oftentimes uncertain, posing risks to sugarcane mills in terms of raw material supply. The forecast for the sugarcane yield would allow the mills to plan sugar production accordingly. This paper proposes (mu+ lambda) adaptive evolution strategies, which generate equations for accurately forecasting the sugarcane yield. Our proposed scheme combines the advantages of two algorithms: genetic algorithm and evolution strategies. Specifically, the genetic algorithm is good for determining patterns of forecasting equations, while the evolution strategies are used to tune the equations’ coefficients. The test data is collected from sugarcane farmers in 24 provinces of Thailand during 2010 - 2014. The equations obtained by the proposed method are 80% accurate on average, outperforming the previous method (back propagation neural network) in all data set.	en