วารสารวิชาการคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏเทพสตรี
The Journal of Industrial Technology Thepsatri Rajabhat University
ISSN 3027-849X (Online)

การลดความสูญเสียในการผลิตชิ้นส่วนรถยนต์ด้วยการออกแบบอุปกรณ์ ช่วยป้องกันความผิดพลาดโดยการประยุกต์ใช้แนวคิดโพคา-โยเกะ

2025-06-23T09:10:42+00:00

งานวิจัยนี้มีเป้าหมายเพื่อวิเคราะห์และแก้ไขปัญหาการเกิดของเสียในกระบวนการผลิตชิ้นส่วนแผ่นรองรับท่อน้ำมันเชื้อเพลิง ของบริษัทผู้ผลิตชิ้นส่วนยานยนต์รายหนึ่ง ปัญหาหลักที่พบคือการเชื่อมโบลท์ (Bolt) ผิดตำแหน่งในกระบวนการเชื่อมจุด ส่งผลให้ปริมาณของเสียเฉลี่ยในช่วง 6 เดือนก่อนการปรับปรุงอยู่ที่ 52.85 PPM ซึ่งสูงเกินมาตรฐานที่บริษัทกำหนดไว้ไม่เกิน 10 PPM ถึง 428.5% การวิเคราะห์สาเหตุที่แท้จริงของปัญหาใช้หลักการ 3 จริง ได้แก่ สถานที่จริง สถานการณ์จริง และชิ้นงานจริง ร่วมกับเทคนิคการตั้งคำถาม ทำไม ทำไม พบว่าสาเหตุหลักมาจากการขาดอุปกรณ์ช่วยป้องกันความผิดพลาดในการทำงาน ที่ช่วยควบคุมตำแหน่งโบลท์ระหว่างการเชื่อม ผู้วิจัยใช้เทคนิคการตั้งคำถาม 5W1H ช่วยวิเคราะห์ซ้ำเพื่อกำหนดแนวทางการแก้ไข ผลการวิเคราะห์นำเสนอให้มีการออกแบบอุปกรณ์ป้องกันความผิดพลาดในขั้นการใส่โบลท์เชื่อมจุด และอุปกรณ์ป้องกันความผิดพลาดในการตรวจสอบคุณภาพที่มีระบบเซ็นเซอร์กึ่งอัตโนมัติสำหรับตรวจสอบตำแหน่งโบลท์แบบเรียลไทม์ หลังจากนำมาทดลองใช้งานจริงพบว่า ปริมาณของเสียลดลงจาก 52.85 PPM เหลือ 0 PPM ทำให้การตรวจจับข้อผิดพลาดมีความแม่นยำขึ้นจาก 85% เป็น 100% และสร้างความพึงพอใจของลูกค้า จากการลดปัญหาการเคลมงาน นอกจากนี้ยังสามารถปรับปรุงเอกสารมาตรฐานการปฏิบัติงานในรายละเอียดที่ยังไม่ถูกกำหนด เพื่อให้มั่นใจว่าพนักงานสามารถใช้อุปกรณ์ได้อย่างถูกต้องครบถ้วนตามขั้นตอน และมีประสิทธิภาพ การปรับปรุงครั้งนี้แสดงให้เห็นถึงประสิทธิภาพของ อุปกรณ์ป้องกันความผิดพลาดในการทำงาน ในการเพิ่มคุณภาพและลดของเสียได้อย่างมีนัยสำคัญ

การเพิ่มประสิทธิภาพการผลิตโรตารี่พรวนดินด้วยการประยุกต์ใช้ระบบการผลิตแบบลีน กรณีศึกษา บริษัท สิริวัฒนาโลหะกิจ จำกัด

2025-06-23T09:10:43+00:00

บริษัท สิริวัฒนาโลหะกิจ จำกัด เป็นผู้ผลิตชิ้นส่วนและประกอบเครื่องจักรกลเพื่อการเกษตรในจังหวัดอุดรธานี ปัจจุบันได้รับใบสั่งผลิตโรตารี่พรวนดินจำนวน 2,100 เครื่องต่อปี แต่สามารถผลิตได้เพียง 1,500 เครื่องต่อปี ทำให้ต้องมีการทำงานล่วงเวลา ส่งผลให้ต้นทุนการผลิตสูงขึ้น งานวิจัยนี้มีวัตถุประสงค์เพื่อปรับปรุงกระบวนการผลิตโดยประยุกต์ใช้ระบบลีนเพื่อลดความสูญเปล่า จากการเก็บข้อมูลพบว่าสายการประกอบโรตารี่เกิดความไม่สมดุล โดยสถานีประกอบ 1 และ 2 มีรอบเวลาสูงกว่าจังหวะความต้องการของลูกค้า ผู้วิจัยจึงใช้แผนผังสายธารแห่งคุณค่า และแผนภาพก้างปลา ร่วมกับเทคนิคการตั้งคำถาม "ทำไม ทำไม" เพื่อวิเคราะห์หาสาเหตุของปัญหา จากนั้นออกแบบอุปกรณ์โต๊ะประกอบเฉพาะสำหรับสถานีประกอบ 1 และอุปกรณ์ป้องกันการหดตัวของชิ้นงานในขั้นตอนเชื่อมของสถานีประกอบ 2 ผลการปรับปรุงพบว่าสามารถลดรอบเวลามาตรฐานของทั้งสองสถานีงานให้ต่ำกว่าค่าจังหวะความต้องการของลูกค้า ส่งผลให้ประสิทธิภาพการผลิตเพิ่มขึ้นจาก 70.42% เป็น 100% การผลิตต่อวันเพิ่มขึ้นจาก 5 เครื่องเป็น 7 เครื่อง หรือคิดเป็น 28.57% นอกจากนี้ยังสามารถสร้างมาตรฐานการปฏิบัติงานให้พนักงาน ลดความสูญเปล่า และเพิ่มขีดความสามารถในการแข่งขันกับคู่แข่งที่ผลิตสินค้าประเภทเดียวกัน (300)

การทำนายปัจจัยที่มีผลกระทบต่อการออกกลางคันของนักศึกษา โดยใช้เทคนิคดาต้า ไมน์นิง กรณีศึกษา มหาวิทยาลัยราชภัฏกำแพงเพชร

2025-06-23T09:10:43+00:00

งานวิจัยนี้ มีวัตถุประสงค์ คือ 1) เพื่อศึกษาสถานการณ์การออกกลางคันของนักศึกษามหาวิทยาลัยราชภัฏกำแพงเพชร 2) เพื่อสร้างโมเดลในการทำนายปัจจัยที่มีผลกระทบต่อการออกกลางคันของนักศึกษาโดยใช้เทคนิคดาต้า ไมน์นิง 3) เพื่อทดสอบประสิทธิภาพของโมเดลที่พัฒนา โดยใช้ข้อมูลจากฐานข้อมูลงานทะเบียนของมหาวิทยาลัยราชภัฏกำแพงเพชร ของนักศึกษาระดับปริญญาตรี ภาคปกติ ซึ่งเป็นนักศึกษาหมู่เรียน 59, 60, 61, 62 และ 63 จำนวน 18 แอตทริบิวต์ และ 2,418 ชุดข้อมูล ผลการศึกษาพบว่า 1) แต่ละหมู่เรียนมีนักศึกษาออกกลางคัน โดย หมู่เรียน 59 ออกกลางคันร้อยละ 23.59 หมู่เรียน 60 ออกกลางคันร้อยละ 26.52 หมู่เรียน 61 ออกกลางคันร้อยละ 25.33 และหมู่เรียน 62 ออกกลางคันร้อยละ 25.35 2) แบ่งกลุ่มข้อมูล Training :Testing ด้วยอัตราส่วน 70:30 นำปัจจัย 10 ปัจจัยและชุดข้อมูลกลุ่ม Training มาสร้างเป็นโมเดลโดยใช้เทคนิค Classification เปรียบเทียบ 3 วิธี คือ Decision Tree, Naive Bays และ K-Nearest Neighbors 3) ทดสอบประสิทธิภาพของโมเดล ด้วยวิธีการ 10-Fold Cross Validation และวัดประสิทธิภาพด้วยค่า Accuracy พบว่า โมเดลที่สร้างด้วยเทคนิควิธี K-Nearest Neighbors มีค่าความถูกต้อง 92.19% เทคนิควิธี Decision Tree มีค่าความถูกต้อง 91.47% และเทคนิควิธี Naive Bays มีค่าความถูกต้อง 90.16% ตามลำดับ และเมื่อนำโมเดลไปใช้ใช้กับข้อมูลทดสอบ พบว่า โมเดลที่สร้างด้วยเทคนิควิธี Naive Bays มีค่าความถูกต้อง 94.20% เทคนิควิธี K-Nearest Neighbors มีค่าความถูกต้อง 93.52% และเทคนิควิธี Decision Tree มีค่าความถูกต้อง 92.84% ตามลำดับ และจากปัจจัยทั้งหมด ปัจจัยที่ทำให้นักศึกษาออกกลางคันสูงสุด 5 อันดับ ได้แก่ เกรดเฉลี่ยกลุ่มวิชาแกน/เอกบังคับ/ครูบังคับ เกรดเฉลี่ยกลุ่มวิชาภาษาและการสื่อสาร เกรดเฉลี่ยกลุ่มวิชาสังคมศาสตร์ เกรดเฉลี่ยกลุ่มวิชามนุษยศาสตร์ และสาขาวิชาที่เรียน จะเห็นได้ว่าปัจจัยส่วนใหญ่เป็นเรื่องของเกรดเฉลี่ยของกลุ่มรายวิชาต่าง ๆ และสาขาวิชาที่เรียน ดังนั้น อาจารย์ที่ปรึกษาและอาจารย์ผู้รับผิดชอบหลักสูตรควรติดตามประเมินผลการเรียนรู้ระหว่างการเรียนในรายวิชาเพื่อให้เห็นถึงแนวโน้มผลการเรียนที่คาดว่าจะได้รับเพื่อจัดกิจกรรมสนับสนุนการเรียนรู้ให้กับนักศึกษาให้ได้รับผลการเรียนตามเกณฑ์ที่เหมาะสม เพื่อลดอัตราการออกกลางคันของนักศึกษา

การพัฒนาระบบไฟจราจรอัตโนมัติตามปริมาณยานพาหนะ ควบคุมด้วยพีแอลซี

2025-06-23T09:10:43+00:00

งานวิจัยนี้วัตถุประสงค์เพื่อสร้างและทดสอบสมรรถนะของการพัฒนาระบบควบคุมไฟจราจรอัตโนมัติเพื่อลดปัญหาการแออัดของยานพาหนะบริเวณทางแยกควบคุมด้วยพีแอลซี มีโครงสร้างการทำงานควบคุมด้วยพีแอลซีด้วยการรับค่าอินพุตจากเซ็นเซอร์และเคาท์เตอร์ทำการประมวลผลด้วยโปรแกรม GX Work3 แล้วส่งค่าเอาท์พุตขับหลอดสัญญาณไฟจราจร การดำเนินการสร้างและทดสอบสมรรถนะเพื่อหาความเหมาะสมของระบบควบคุมไฟจราจรอัตโนมัติ กลุ่มตัวอย่างที่ใช้ในการวิจัย คือ ผู้เชี่ยวชาญ 25 ท่าน ตอบแบบสอบถามเกี่ยวกับความเหมาะสมของการใช้งาน เครื่องมือที่ใช้ในการวิจัย คือระบบควบคุมไฟจราจรอัตโนมัติที่สร้างขึ้นเพื่อทดสอบการใช้งานจริง วิธีดำเนินการวิจัยหลังจากการสร้างเครื่องมือในงานวิจัย มีการประเมินความเหมาะสมของเครื่องมือจากผู้เชี่ยวชาญ โดยการสาธิตการทำงานเป็นเวลา 90 นาที เพื่อเก็บรวบรวมข้อมูล จากนั้นนำข้อมูลมาวิเคราะห์ โดยใช้ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน ผลการวิจัย พบว่าระบบควบคุมไฟจราจรอัตโนมัติมีความเหมาะสมในการนำไปใช้งานจริงในระดับมาก ( = 4.55) นอกจากนี้ยังสามารถนำระบบควบคุมไฟจราจรอัตโนมัติมาใช้ในการเป็นสื่อการเรียนการสอนในรายวิชาโปรแกรมเมเบิ้ลคอนโทรลเลอร์และวิชาวิศวกรรมควบคุมได้ ส่วนข้อเสนอแนะของผู้เชี่ยวชาญคือเป็นนวัตกรรมด้านวิศวกรรมศาสตร์ที่ดี และควรพัฒนาเพื่อเป็นต้นแบบสำหรับการพาณิชย์ต่อไป

The TMR Estimation based on Data Science Technique in Bit Patterned Media Recording System

2025-06-23T09:10:43+00:00

In large-scale cloud systems, such as data center infrastructure, data storage is still primarily reliant on hard disk drive (HDD) technology. Therefore, advancements in HDD efficiency focus on optimizing storage capacity by improving data density. One of the key technologies that enhances storage efficiency is Bit-Patterned Media Recording (BPMR), which can significantly increase areal density, reaching up to 4 terabits per square inch (Tb/in²) [1]. However, as track spacing decreases to achieve higher density, the system faces a more severe challenge from two-dimensional interference. This interference can lead to errors in the readback process due to incorrect positioning of the read head, resulting in track misregistration (TMR). Previous research has applied data science techniques, such as the K-Means Algorithm, to predict TMR by comparing the readback signal to the channel signal of each TMR [2]. In this study, we propose a different approach to estimating TMR by preparing a dataset based on 6 various by using 400 record of each TMR level and readback signal features, including the peak amplitude values of read back signal with upper track (Peak Track3), the mean values of read back signal with center track (Mean Track2), the maximum values of read back signal with upper track (Max Track3), the minimum values of read back signal with lower track (Min Track1), the minimum values of read back signal with center track(Min Track2), and maximum of read back signal of upper track( Max Track1). We then applied supervised machine learning 6 techniques, including Random Forest, Decision tree, Support Vector Machines (SVM), General linear model (GLM), Gradient Boosted Tree (GBT) and Deep Learning. The experimental results show that the Decision tree technique provides the best prediction performance, achieving 1.9% Relative Error at TMR level of 20% to 25%.

การวิเคราะห์จุดคุ้มทุนของการปลูกไผ่แบบผสมผสานกับพืชต่างชนิด

2025-06-23T09:10:43+00:00

เกษตรกรรมเป็นอาชีพที่เป็นรากฐานของคนไทย แต่อาชีพเกษตรกรต้องประสบกับความเสี่ยงจากภัยธรรมชาติที่ไม่สามารถควบได้และส่งผลให้มีผลผลิตที่ได้น้อยกว่าปกติ นอกจากนี้ยังต้องเผชิญกับความเสี่ยงในด้านราคาของผลผลิตที่มีความผันผวน หากเกษตรปลูกพืชแบบผสมผสานจะช่วยลดความเสี่ยงในด้านการพึ่งพาพืชเพียงชนิดเดียวและสามารถมีรายได้ในระหว่างการรอเก็บเกี่ยวพืชหลัก งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อทำการศึกษาและวิเคราะห์จุดคุ้มทุนของการปลูกไผ่แบบผสมผสานผสมผสานกับพืชต่างชนิดเพื่อเป็นแนวทางให้เกษตรกรจึงเป็นสิ่งสำคัญที่ช่วยให้เกษตรสามารถตัดสินใจในการลงทุนปลูกไผ่พืชแบบผสมผสานได้ การปลูกไผ่แบบผสมผสานที่ใช้ในการทำการศึกษาสำหรับงานวิจัยนี้เป็นแปลงทดลองปลูกขนาด 40 ไร่ และมีการทดลองปลูกไผ่แบบผสมผสานจำนวน 2 โมเดล คือ โมเดล A และโมเดล B การปลูกไผ่แบบผสมผสานโมเดล A มีพืชหลัก คือ ไผ่ตงลืมแล้ง พืชแซม คือ กล้วยน้ำว้าพันธุ์ปากช่อง 50 และมีระยะเวลาการเก็บเกี่ยว 5 ปี การปลูกไผ่แบบผสมผสานโมเดล B พืชหลัก คือ ไผ่มันหมู และพืชแซม คือ สะเดาเทียม และมีระยะเวลาการเก็บเกี่ยว 7 ปี วิธีการดำเนินงานวิจัยของงานวิจัยนี้ประกอบไปด้วย การวางแผนการผลิตเพื่อศึกษาขั้นตอนการเพาะปลูก การประมาณต้นทุนในการปลูกไผ่แบบผสมผสานจากขั้นตอนต่างๆ ในการปลูกไผ่แบบผสมผสานของแต่ละโมเดล การประมาณการรายรับจากผลิตที่ได้ในแต่ละปีและราคาขายที่คาดการณ์ และการวิเคราะห์จุดคุ้มทุนและความคุ้มค่าในการลงทุนจากการวิเคราะห์มูลค่าปัจจุบันสุทธิ (NPV) และอัตราผลตอบแทนภายใน (IRR) และการหาปัจจัยที่มีผลกระทบต่อการได้จากการปลูกไผ่ด้วยการวิเคราะห์ความไว ผลการวิเคราะห์จุดคุ้มทุนพบว่า การปลูกไผ่แบบผสมผสานโมเดล A มีจุดคุ้มทุนที่การเพาะปลูกบนพื้นที่ 5.02 ไร่ และการปลูกไผ่แบบผสมผสานโมเดล B มีจุดคุ้มทุนที่การเพาะปลูกบนพื้นที่ 3.27 ไร่ การวิเคราะห์ความคุ้มค่าของการลงทุนพบว่า NPV ของการปลูกไผ่แบบผสมผสานของโมเดล A และโมเดล B เท่ากับ 15,625,716 บาท และ 19,401,204 บาท ตามลำดับ และ IRR ของการลงทุนปลูกไผ่แบบผสมผสานของโมเดล A เท่ากับ73.41% และ IRR ของการลงทุนปลูกไผ่แบบผสมผสานของโมเดล B เท่ากับ 62.08% จากการวิเคราะห์ความคุ้มค่าของการลงทุนปลูกไผ่แบบผสมผสานของทั้ง 2 โมเดล บนเนื้อที่ 40 ไร่ สามารถสร้างผลตอบแทนที่น่าสนใจลงทุนและสร้างรายได้ให้กับเกษตรกร แต่การประมาณการต้นทุน ผลผลิต และราคาขายอยู่ภายใต้สถานการณ์ปกติ หากปัจจัยดังกล่าวมีการเปลี่ยนแปลงอาจส่งผลผระทบต่อผลตอบแทนการลงทุน จากการวิเคราะห์ความไวสรุปได้ว่า ปัจจัยที่ควรเฝ้าระวังและส่งผลผระทบต่อมูลค่าปัจจุบันสุทธิมากที่สุดได้แก่รายรับของการปลูกพืช ดังนั้นเกษตรกรต้องเฝ่าระวังเรื่องราคาผลผลิต เพราะถ้ามีการผันผวนและราคาตกต่ำอาจจะทำให้การลงทุนไม่เป็นไปตามที่คาดหวังได้

วารสารวิชาการคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏเทพสตรี The Journal of Industrial Technology Thepsatri Rajabhat UniversityISSN 3027-849X (Online)

การพัฒนาระบบไฟจราจรอัตโนมัติตามปริมาณยานพาหนะ ควบคุมด้วยพีแอลซี

The TMR Estimation based on Data Science Technique in Bit Patterned Media Recording System

การวิเคราะห์จุดคุ้มทุนของการปลูกไผ่แบบผสมผสานกับพืชต่างชนิด

วารสารวิชาการคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏเทพสตรี
The Journal of Industrial Technology Thepsatri Rajabhat University
ISSN 3027-849X (Online)