a b s t r a c tIn this paper a deci

a b s t r a c t
In this paper a decision support system to solve the problem of hen allocation to hen houses with the aim
of minimizing the total cost is described. The total cost consists of farm utilization cost, hen transportation
cost, and loss from mixing hens at different ages in the same hen houses. Clustering of hen houses
using the traditional Growing Neural Gas (GNG) was first determined to allocate hens to the hen houses
effectively. However, the traditional GNG often solves the clustering problem by considering distance
only. Therefore the hybrid Growing Neural Gas (hGNG) considering both the distance from the centroids
of the clusters to the hen houses and the weights of hen house sizes was proposed to solve the problem.
In the second phase, allocating and determining routes to allocate hens to the hen houses using the nearest
neighbor approach were carried out in order to minimize the total distance. The performance of the
algorithm was measured using the relative improvement (RI), which compares the total costs of the
hGNG and GNG algorithms and the current practice. The results obtained from this study show that
the hGNG algorithm provides better total cost values than the firm’s current practice from 7.92% to
20.83%, and from 5.90% to 17.91% better than the traditional GNG algorithm. The results also demonstrate
that the proposed method is useful not only for reducing the total cost, but also for efficient management
of a poultry production system. Furthermore, the method used in this research should prove beneficial to
other similar agro-food sectors in Thailand and around the world.

ผลลัพธ์ (ไทย) 1:

แบบ b s t r c tในกระดาษระบบสนับสนุนการตัดสินใจเพื่อแก้ปัญหาของการปันส่วนไก่กับไก่บ้าน ด้วยจุดมุ่งหมายของการลดต้นทุนรวมจะอธิบาย ต้นทุนรวมประกอบด้วยต้นทุน ขนไก่ใช้ฟาร์มต้นทุน และจากการผสมของไก่แต่ละช่วงวัยในบ้านไก่เหมือนกัน คลัสเตอร์ของไก่บ้านใช้แบบดั้งเดิมเติบโตประสาทก๊าซ (GNG) ก่อนกำหนดเพื่อปันส่วนไก่กับไก่บ้านได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม GNG แบบดั้งเดิมมักจะแก้ปัญหาระบบคลัสเตอร์ โดยพิจารณาจากเท่านั้น ดังนั้นการผสม Growing ประสาทแก๊ส (hGNG) โดยพิจารณาถึงระยะห่างทั้งสองจาก centroidsกลุ่มบ้านไก่และน้ำหนักไก่บ้านขนาดถูกเสนอเพื่อแก้ปัญหาในระยะที่สอง การปันส่วน และการกำหนดเส้นทางปันส่วนไก่ไก่บ้านใช้การวิธีใกล้เคียงได้ดำเนินการลดระยะทางรวม ประสิทธิภาพของการอัลกอริทึมที่วัดโดยใช้การปรับปรุงสัมพันธ์ (RI), การเปรียบเทียบต้นทุนรวมของการhGNG และอัลกอริทึม GNG และปฏิบัติปัจจุบัน ผลได้รับจากการศึกษานี้แสดงว่าอัลกอริทึม hGNG แสดงค่าต้นทุนรวมดีกว่าของบริษัทปฏิบัติปัจจุบันจาก 7.92%20.83% และ 5.90% 17.91% ดีกว่าอัลกอริทึม GNG ดั้งเดิม ผลยังแสดงให้เห็นถึงว่า วิธีการนำเสนอจะเป็นประโยชน์ไม่เพียงแต่การลดต้นทุนรวม แต่ยังสำหรับการจัดการที่มีประสิทธิภาพของระบบการผลิตสัตว์ปีก นอกจากนี้ วิธีการที่ใช้ในงานวิจัยนี้ควรพิสูจน์ประโยชน์ต่ออื่น ๆ คล้ายอาหารเกษตรภาค ในประเทศไทย และ ทั่วโลก

ผลลัพธ์ (ไทย) 2:

นามธรรม
ในกระดาษนี้ระบบสนับสนุนการตัดสินใจในการแก้ปัญหาของการจัดสรรไก่บ้านไก่โดยมีจุดประสงค์
ของการลดค่าใช้จ่ายทั้งหมดที่อธิบายไว้ รวมค่าใช้จ่ายประกอบด้วยค่าใช้จ่ายในการใช้ประโยชน์จากฟาร์มไก่ขนส่ง
ค่าใช้จ่ายและการสูญเสียจากการผสมไก่ที่ทุกเพศทุกวัยที่แตกต่างกันในบ้านไก่เดียวกัน การจัดกลุ่มของไก่บ้าน
แบบดั้งเดิมโดยใช้การเจริญเติบโตประสาทก๊าซ (GNG) ถูกกำหนดเป็นครั้งแรกที่จะจัดสรรให้กับไก่บ้านไก่
ได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม GNG แบบดั้งเดิมมักจะแก้ปัญหาการจัดกลุ่มโดยพิจารณาระยะทาง
เพียง ดังนั้นไฮบริดที่กำลังเติบโตประสาทก๊าซ (hGNG) พิจารณาทั้งระยะทางจาก centroids
กลุ่มบ้านไก่และน้ำหนักขนาดบ้านไก่ถูกเสนอในการแก้ปัญหา.
ในระยะที่สองการจัดสรรและการกำหนดเส้นทางที่จะจัดสรรให้กับไก่ ไก่บ้านที่ใกล้ที่สุดโดยใช้
วิธีการที่เพื่อนบ้านได้ดำเนินการเพื่อลดระยะทางรวม ประสิทธิภาพการทำงานของ
อัลกอริทึมถูกวัดโดยใช้การปรับปรุงญาติ (RI) ซึ่งเปรียบเทียบค่าใช้จ่ายทั้งหมดของ
ขั้นตอนวิธีการและ hGNG GNG และการปฏิบัติในปัจจุบัน ผลที่ได้รับจากการศึกษาพบว่า
อัลกอริทึม hGNG ให้ดีกว่าค่าใช้จ่ายทั้งหมดกว่าการปฏิบัติในปัจจุบันของ บริษัท จาก 7.92% ถึง
20.83% และจาก 5.90% เป็น 17.91% ดีกว่าอัลกอริทึม GNG แบบดั้งเดิม ยังแสดงให้เห็นถึงผล
ว่าวิธีการที่นำเสนอจะเป็นประโยชน์ไม่เพียง แต่สำหรับการลดค่าใช้จ่ายทั้งหมด แต่ยังสำหรับการจัดการที่มีประสิทธิภาพ
ของระบบการผลิตสัตว์ปีก นอกจากนี้วิธีการที่ใช้ในการวิจัยครั้งนี้ควรพิสูจน์ประโยชน์ต่อ
ภาคเกษตรอื่น ๆ อาหารที่คล้ายกันในประเทศไทยและทั่วโลก

ผลลัพธ์ (ไทย) 3:

B S T R A C T
ในกระดาษนี้เป็นระบบสนับสนุนการตัดสินใจเพื่อแก้ปัญหาการจัดสรรไก่แม่ไก่บ้านที่มีจุดมุ่งหมาย
ลดต้นทุนรวมที่อธิบาย ต้นทุนรวมประกอบด้วยต้นทุนการใช้ฟาร์ม ต้นทุนการขนส่ง
ไก่ และขาดทุนจากการผสมไก่ที่อายุที่แตกต่างกันในแม่ไก่บ้านเดียวกัน การจัดกลุ่มของแม่ไก่บ้าน
การเติบโตแบบประสาทก๊าซ ( กง ) เป็นครั้งแรกที่ตัดสินใจที่จะจัดสรรแม่ไก่ให้แม่ไก่บ้าน
ได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม แบบกงมักจะแก้ปัญหา โดยพิจารณาจากข้อมูลระยะทาง
เท่านั้น ดังนั้นการผสมก๊าซประสาท ( hgng ) พิจารณาระยะทางจากจุดเซนทรอยด์
ของกลุ่มให้แม่ไก่บ้านและน้ำหนักขนาดบ้านแม่ไก่ถูกเสนอเพื่อแก้ไขปัญหา .
ในเฟส การจัดสรรและกำหนดเส้นทางที่จะจัดสรรแม่ไก่ให้แม่ไก่บ้านโดยใช้วิธีการเพื่อนบ้านที่ใกล้ที่สุด
ถูกหามออกไป เพื่อลดระยะทางรวม ประสิทธิภาพของขั้นตอนวิธีการปรับปรุง
การวัดแบบสัมพัทธ์ ( ริ )ซึ่งเปรียบเทียบค่าใช้จ่ายทั้งหมดของ
hgng กงและขั้นตอนวิธีและการปฏิบัติในปัจจุบัน ผลที่ได้จากการศึกษานี้แสดงให้เห็นว่า
hgng ขั้นตอนวิธีมีต้นทุนรวมค่าขึ้นกว่าปัจจุบันของบริษัทจาก 7.92 %
20.83 เปอร์เซ็นต์ และจากร้อยละ 5.90 17.91 % ดีกว่าแบบกงขั้นตอนวิธี ผลยังแสดงให้เห็นถึง
วิธีที่เสนอจะเป็นประโยชน์ไม่เพียง แต่เพื่อลดต้นทุน แต่ยังสำหรับการจัดการที่มีประสิทธิภาพของระบบการผลิตสัตว์ปีก นอกจากนี้ วิธีการที่ใช้ในงานวิจัยนี้จะพิสูจน์เป็นประโยชน์

ที่คล้ายกันอื่น ๆอาหารเกษตรทั้งในประเทศไทยและทั่วโลก