Note: Tên topic: Application Systematic Layout Planning and Genetic Algorithm to Optimizing and

redesigning facilities layout at manufacturing company

- Fix: An application of SLP and GA: A case study in manufacturing company.

( note nhà máy sx highlight được làm theo product hay theo process )
- Đại diện cho 100% số máy sử dụng. – nó hay hơn
- List ra clutch các dạng máy với nhau / tích vào product này sài máy đó.
- Vì sao phải dùng GA: so sánh chưa ? –
- Step+ sơ đồ giải thuật
1. General information About GA:

Facility Layout Planning is an optimization problem aim to arrange departments or workstations within a
facility to minimize transportation costs, maximize productivity, or achieve other objectives. Genetic
Algorithms (GAs) can be used to tackle this problem.

Step 1: Representation

Represent a potential layout as a sequence of numbers or symbols where each number/symbol

corresponds to a department or workstation's location within the facility. For example, a layout may be
represented as "123456" where each number represents a department's position.

1 = machine / process / location

1. Máy cắt – process đầu tiên

2. Nó sẽ thể hiện cái flow
3. Nhị phân hóa = cách gì ( dùng 3 bit hay 4 bit)
4. Ghi them điều kiện của nó (constrain) domain – máy cắt chỉ được nằm ở option A BCD nào thui.
 Step 2: Initialization

Generate an initial population of possible layouts. These layouts should be randomly created but adhere
to certain constraints like department positions, distance restrictions, and facility shape.

Constrain: Employee aisle sizes, machine sizes and distances between machines to ensure employee
operations, maintenance activities as well as warehouse areas. Large machines with loud sounds will
have their own area separate from the general production area.

Ex: SEQ 1 = [ 1,2,4,5,3,6,7,8,9,10,13,14,15,11,12,16]

SEQ 2 = [ 1,2,4,14,15,11,12,16,5,3,6,7,8,9,10,13]

Note: Em đưa ra bao nhiêu layout ban đầu: tui đưa ra 2,3,4 layout ban đầu sau đó mới crossover (vì sao 2, vì
sao 3) – Em có thể đọc tờ báo : với số máy như thế thì tui thay 2 3 layout là đủ . Chứng minh bằng research
cũng được.

Population như thế : kiểm tra lại fitness / đạt hay không đạt theo objective của mình.

Fitness: tiêu chí của bọn em : minimize movement distance (mét) … (giảm)/ 1 cái utilization (% tổng không
gian sử dụng / Không gian em có (tang)

Vẽ ra process của 1 SKU, cái batch size ( chiếm bao nhiêu % trong nhà máy ) ( vd SKU 1 chiếm 25%/ SKU 2
chiếm 30%..).

Summarize : hàm cho 4 cái SKU – ( objective function)

- Sau khi tính xong thì nhớ kiểm lại utilization ( nếu đạt được 75% chưa )…

VD 5 initial layout – trong 5 cái đó – chỉ chọn lại 2 layout có giá trị total movement lowest( PROBABILITY để
sàn lọc 40% (2/5) )

Code: khi cái prob tang lên – nó trở thành local optimum – những kq này trở thành những kq gần giống
nhau. Nó phải khai thác exploration / khai phá. Chỉ chọn những cá thể đặc biệt duy nhất.

Step 3: Evaluation

Calculate the fitness of each layout in the population. Fitness represents how good a layout is in terms
of the optimization criteria. This can include minimizing transportation costs, maximizing proximity
between related departments, or other relevant objectives.
Step 4: Selection

Choose layouts from the population to act as parents for the next generation. Layouts with higher
fitness are more likely to be selected. Various selection methods like roulette wheel selection,
tournament selection, or rank-based selection can be used.

Step 5: Crossover

Create new layouts (offspring) by combining the genetic material of the selected parent layouts. This is
done by exchanging or reordering parts of the layout sequences. For example, you can swap segments
of layouts to create new combinations.
Crossover theo điểm/ theo đoạn giữa / đổi có được hay không nữa. Nếu bị trùng thì cách xử lý của em
là gì.
Step 6: Mutation

Occasionally introduce random changes in the offspring layouts to maintain diversity in the population.
Mutation involves swapping or modifying the positions of individual departments or workstations.
Replace some of the old layouts in the population with new offspring layouts. The selection criteria for
which layouts to replace can vary, but it's typically based on fitness, aiming to keep the best-performing
layouts.
Step 7: Termination ( Điều kiện dừng của em là gì ) – trình bày dưới dạng bit ..

Kiểm tra ngay bước 3,4 -

 Vd điều kiện dừng:

1. Em có 4 SKU – em biết ứng với mỗi SKU em có minimum movement rồi. Qua những cái máy khác
nhau rồi. Này fix sequences về process nhưng không fix sequences về đường đi. ( Trường hợp xấu
nhất thì distance bao nhiêu/ trường hợp tốt nhất là bao nhiêu).
2. Sau một giờ, nó chạy được 120m. Nhưng sau 1.5 giờ nó chạy dc 110m. Sau 4 tiếng còn 108m. Sau 5
tiếng thì 108m -> ra được cái hàm. Visualize nó tiệm cận được cái optimal.
3. Các đời (generation) ít nhất 30 đời. – 35 đời – 45 đời .. -> tiệm cận cái optimal.

Repeat steps 3 to 7 for a certain number of generations or until you reach a stopping criterion (e.g., a
layout with a sufficiently low transportation cost or after a fixed number of iterations).

Step 8: Solution Extraction

Once the algorithm terminates, select the best layout from the final population as your facility layout.
This layout should represent an optimal or near-optimal solution to your facility layout problem.

Step 9: Analysis

Analyze the selected layout, review department/workstation placements, and verify if it adheres to
facility layout rules, constraints, and optimization objectives.

Em sẽ dùng GA, số liệu thực tế. Flow between chart,

Tại sao em lại sử dụng 2 cách này: 1 cách em tiếp cận dựa trên số máy và process

Cách thứ 2 em tiếp cận cái không gian và yêu cầu có sẵn

Cùng 1 case nhưng em sử dụng tổ hợp số liệu khác. Nhưng trong 1 case nó không được mâu thuẫn với
nhau.
Nhớ xác định dimension 4 máy tiện thì diện tích chiếm là bao nhiêu.- miếng đất chiếm bao nhiêu.
Vẽ space relationship layout – nó vừa khớp cái diện tích đất của em luôn – so sánh với cái giải thuật của
GA