Operations Research, Systems Engineering and Industrial Engineering Commons^™

A Simulation Model Analysis In The Us-Mexico Border, Carlo A. Zorola, Hiram Moya, Aditya Akundi

Manufacturing & Industrial Engineering Faculty Publications

Supply Chain (SC) is the flow of goods or services between supply and demand points. New or innovative strategies in SC have been researched and developed to deal with disruptive events, such as COVID-19, hurricanes, geopolitical, and even climate change. These challenges create supply imbalances, logistical challenges, and policy restrictions for transborder commerce. The DHS has implemented the Free and Secure Trade (FAST) program in both the US-Mexico and US-Canada border. These lanes are dedicated queues for commercial vehicles. In 2022, the government of Nuevo León, México, opened a dedicated lane just for Tesla´s northbound commercial traffic. There has been …

Artificial Intelligence For Enhanced Flotation Monitoring In The Mining Industry: A Convlstm-Based Approach, Ahmed Bendaouia, El Hassan Abdelwahed, Sara Qassimi, Abdelmalek Boussetta, Intissar Benzakour, Oumkeltoum Amar, Oussama Hasidi

Manufacturing & Industrial Engineering Faculty Publications

In the mining industry, accurate monitoring of the elemental composition in the flotation froth is crucial for efficient minerals separation. The hybrid deep learning algorithms offer powerful computational intelligence for real-time monitoring of froth quality in flotation processes. This soft sensor tool can provide valuable information for process control, including predictions of the elemental chemical composition. In this study, we propose a novel approach based on a Convolutional Long Short-Term Memory (ConvLSTM) neural network for real-time monitoring of chemical composition grades in flotation froth. The proposed model effectively extracts spatial and temporal patterns from video data, providing a better …

Fusion Et Validation De Modèles Musculosquelettiques De La Colonne Lombaire Pour La Prévention Et La Réadaptation Des Travailleurs, Christian Larivière, Farshid Ghezelbash, Amir Eskandari, Denis Gagnon, Hakim Mecheri, Navid Arjmand, Aboulfazl Shirazi-Adl

Rapports de recherche scientifique

Les charges imposées sur la colonne vertébrale lombaire constituent un facteur de risque important pour les maux de dos. Connaître la distribution de ces forces internes lors d’activités de travail est nécessaire autant en prévention qu’en réadaptation des travailleurs. La modélisation musculosquelettique (MS) de la colonne vertébrale est la seule approche non invasive permettant d’estimer les charges sur les structures internes de la colonne.

Deux modèles ont été développés au Québec, soient un modèle par éléments finis (MEF) guidé par le mouvement et un autre guidé par des mesures électromyographiques (EMG) d’activation musculaire (modèle MEMG). Ces modèles sont donc sensibles …

Developing Machine Learning And Time-Series Analysis Methods With Applications In Diverse Fields, Muhammed Aljifri

Theses and Dissertations

This dissertation introduces methodologies that combine machine learning models with time-series analysis to tackle data analysis challenges in varied fields. The first study enhances the traditional cumulative sum control charts with machine learning models to leverage their predictive power for better detection of process shifts, applying this advanced control chart to monitor hospital readmission rates. The second project develops multi-layer models for predicting chemical concentrations from ultraviolet-visible spectroscopy data, specifically addressing the challenge of analyzing chemicals with a wide range of concentrations. The third study presents a new method for detecting multiple changepoints in autocorrelated ordinal time series, using the …

Algorithms For Coordinating Multiple Autonomous Vehicles Under Various Constraints With Emphasis On Workload Balancing, Abhishek Patil

Dissertations, Master's Theses and Master's Reports

This dissertation focuses on developing algorithms to solve the problem of coordinating multiple autonomous vehicles under various constraints, aiming to produce practical solutions for real-world applications. Built upon three journal publications addressing two coordination-related problems in different domains, this research document tackles the challenges of heterogeneity constraints and cable entanglement issues encountered by autonomous vehicle systems.

The first problem tackles task allocation and path planning for heterogeneous ground mobile vehicles operating in a 2D environment with asymmetric travel costs. By enhancing previous Primal-Dual approximation heuristic methods, novel techniques are introduced to manipulate dual variables and achieve balanced workload distribution, ultimately …

The Hazard Prediction Problem, Mary E. Helander, Brendan Smith, Sylvia Charchut, Erika Swiatowy, Calvin Nau, Gregory Cavaretta, Timothy Schuler, Adam Schunk, Héctor Ortiz-Peña

Social Science - All Scholarship

This work formulates the hazard prediction problem while addressing the research question: Can machine learning create a model to automatically recognize patterns that correspond to hazard state conditions during a mission-critical operation? Supervised learning models were trained and tested on data observed from mission simulators, which allowed for safe observation of dynamic system states and undesirable casualty events. The prediction task was formulated as a binary classification problem, producing the probability of being in a hazard state at time t and providing situational awareness of a possible imminent loss. Several modeling architectures were investigated: neural networks, logistic regression, a support …

การพัฒนาระบบสารสนเทศของกระบวนการปล่อยผลิตภัณฑ์ยางรถยนต์, นัยรัตน์ เดชเสงี่ยมศักดิ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบสารสนเทศสำหรับการปล่อยผลิตภัณฑ์ยางรถยนต์ โดยเปลี่ยนจากการใช้ระบบตรวจสอบในรูปแบบเอกสารกระดาษไปสู่กระบวนการประมวลผลข้อมูลผ่านเทคโนโลยีคอมพิวเตอร์ เพื่อแก้ไขปัญหาความล่าช้า ความไม่ถูกต้อง และความซ้ำซ้อนในกระบวนการปัจจุบัน การดำเนินงานประกอบด้วยการใช้เครื่องมือวิเคราะห์ เช่น ผังงาน แผนภูมิกระบวนการไหล และแผนภาพการไหลของกระบวนการ เพื่อจำลองและวิเคราะห์ขั้นตอนต่าง ๆ ที่ก่อให้เกิดความสูญเปล่า รวมถึงการประยุกต์ใช้เครื่องมือวิเคราะห์คุณภาพ ได้แก่ แผนผังก้างปลา การวิเคราะห์โหมดความล้มเหลวและผลกระทบ (FMEA: Failure Mode and Effects Analysis) และการวิเคราะห์แบบ Why-Why Analysis เพื่อค้นหาสาเหตุที่แท้จริงของปัญหา และกำหนดแนวทางแก้ไขอย่างเป็นระบบ ผลลัพธ์ของการวิจัยคือการออกแบบและพัฒนาแอปพลิเคชันออนไลน์ที่รองรับการทำงานแบบอัตโนมัติ และสามารถเชื่อมต่อกับระบบตรวจสอบระยะไกลแบบเรียลไทม์ โดยใช้วงจรชีวิตการพัฒนาซอฟต์แวร์ (Software Development Life Cycle: SDLC) ภายใต้ Waterfall Model เป็นกรอบการดำเนินงานหลัก มีการวิเคราะห์และสร้างแบบจำลองข้อมูลผ่าน Data Flow Diagram (DFD) และ Entity-Relationship Diagram (ERD) รวมถึงการออกแบบฐานข้อมูลโดยใช้กระบวนการ Normalization เพื่อลดความซ้ำซ้อนของข้อมูล แอปพลิเคชันได้รับการออกแบบตามหลักการของ UX/UI และผ่านการทดสอบการใช้งานด้วยวิธี Usability Testing โดยมีผู้ใช้งานจำนวน 10 คนเข้าร่วมการทดสอบ ผลการทดสอบพบว่าระบบมีความเป็นมิตรต่อผู้ใช้งาน โดยมีอัตราความสำเร็จในการใช้งาน 100% และได้รับคะแนนความพึงพอใจเฉลี่ย 86.23 จาก 100 คะแนน นอกจากนี้ ระบบใหม่ยังสามารถลดระยะเวลารวมของกระบวนการปล่อยผลิตภัณฑ์ยางรถยนต์ได้ถึง 24.62% และช่วยลดต้นทุนแรงงาน รวมถึงค่าใช้จ่ายด้านกระดาษและการจัดการเอกสารได้มากถึง 75,567 บาทต่อปี

การประยุกต์ใช้ปัญญาประดิษฐ์เพื่อวิเคราะห์การสั่นสะเทือนของเครื่องจักร ผ่านระบบอินเทอร์เน็ตของสรรพสิ่ง, ทศพล ลัทธปรีชา

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในยุคอุตสาหกรรมสมัยใหม่การนำปัญญาประดิษฐ์ (AI) ร่วมกับอินเทอร์เน็ตของสรรพสิ่ง (IoT) มาประยุกต์ใช้ในระบบการผลิตและบำรุงรักษาเครื่องจักรนั้นเป็นสิ่งสำคัญที่ช่วยเพิ่มประสิทธิภาพและลดต้นทุนการดำเนินงาน โดยระบบ IoT ช่วยให้เครื่องจักรสามารถเชื่อมต่อและแลกเปลี่ยนข้อมูลกันได้แบบเรียลไทม์ผ่านเครือข่ายอินเทอร์เน็ต ทำให้สามารถตรวจสอบสภาพการทำงานของเครื่องจักรได้อย่างต่อเนื่อง การตรวจจับปัญหาก่อนเกิดความเสียหายจะช่วยลดค่าใช้จ่ายในการซ่อมบำรุงและยืดอายุการใช้งานของเครื่องจักร ในโรงงานอุตสาหกรรม เครื่องจักรหมุนรอบเช่น มอเตอร์ ที่มักจะแสดงสัญญาณความผิดปกติในรูปของการสั่นสะเทือนที่ผิดปกติ และโดยทั่วไปมักไม่มีเซนเซอร์ตรวจจับการสั่นสะเทือนเนื่องจากค่าใช้จ่ายที่สูง งานวิจัยนี้จึงมุ่งพัฒนาแบบจำลอง AI ร่วมกับระบบ IoT ในการตรวจจับและวิเคราะห์การสั่นสะเทือนจากเครื่องจักร โดยใช้ ADXL345 Accelerometer และ ESP32 Microcontroller ซึ่งมีทั้งประสิทธิภาพและราคาที่ย่อมเยาว์ โดยเริ่มต้นจากการเก็บข้อมูลการสั่นสะเทือนจากมอเตอร์ทดลองและปรับข้อมูลให้เป็นรูปแบบ Frequency Domain ด้วยวิธี Fast Fourier Transform (FFT) ต่อมาใช้ข้อมูลนี้ในการฝึกและทดสอบแบบจำลอง AI เพื่อนำมาใช้งานบนอุปกรณ์ โดยการเชื่อมโยงการรับส่งข้อมูลผ่านอินเทอร์เน็ตเป็นระบบ IoT งานวิจัยนี้แสดงให้เห็นถึงความเป็นไปได้ในการพัฒนาระบบตรวจสอบการสั่นสะเทือนที่มีราคาย่อมเยาว์ โดยใช้เทคโนโลยี AI และ IoT ในการบำรุงรักษาเครื่องจักรในภาคอุตสาหกรรม

การลดข้อบกพร่องในกระบวนการประกอบชิ้นส่วนฉนวนซับเสียงหลุดร่วงในตัวถังรถยนต์ โดยแนวทางซิกซ์ซิกม่า, เทวัญ เปี่ยมศักดิ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อลดสัดส่วนของเสียและค่าใช้จ่ายอัตราการทำลายชิ้นส่วนตัวถังรถยนต์ จากปัญหาชิ้นส่วนฉนวนดูดซับเสียงหลุดร่วงไปในโลหะของตัวถังรถยนต์ซึ่งเกิดขึ้นระหว่างชิ้นส่วนฉนวนดูดซับเสียงและชิ้นส่วนปั๊มโลหะของตัวถังรถยนต์โดยใช้ระเบียบวิธีซิกซ์ซิกม่า โดยที่ชิ้นส่วนฉนวนกันเสียงที่ผลิตโดยซัพ-พลายเออร์ระดับหนึ่ง ในประเทศไทย โดยบ่งตามลำดับของผู้ส่งมอบ เป็นชิ้นส่วนประกอบในชิ้นส่วนโลหะของตัวรถที่ช่วยลดเสียงรั่วเข้าไปในห้องโดยสารขณะใช้งานในรถยนต์โดยสาร ผลิตโดยผู้ผลิตอุปกรณ์ดั้งเดิม (OEM) ในประเทศไทย ชิ้นส่วนฉนวนกันเสียงหายไปเมื่อกระบวนการประกอบบางส่วนประมวลผลว่าชิ้นส่วนฉนวนเสียหายจากตำแหน่งปกติของชิ้นส่วนโลหะของตัวรถ และฟังก์ชันการประกอบชิ้นส่วนไม่เป็นไปตามมาตรฐาน บริษัทสังเกตเห็นว่าชิ้นส่วนฉนวนที่เสียหายในปัจจุบันไม่เป็นไปตามมาตรฐาน เมทริกซ์สาเหตุและผลในขั้นตอนการวัดของแนวทาง Six Sigma และ ขั้นตอนของ DMAIC ถูกนำมาใช้เพื่อระบุสาเหตุหลักของปัญหา สาเหตุปัจจัย ดังกล่าว ได้แก่ ขนาดรูโลหะของตัวถัง ,ขนาดชิ้นส่วนคลิปฉนวน และความหนาของชิ้นงานโลหะแผ่น การทดลองการออกแบบแบบแฟกทอเรียล หลังจากขั้นตอนการปรับปรุง เมื่อพารามิเตอร์ทั้งหมดของปัจจัยต่างๆ ได้รับการกำหนดอย่างถูกต้องตามผลลัพธ์ที่ได้จากขั้นตอนการปรับปรุง โดยชิ้นส่วนฉนวนจากหลุดร่วงจากตัวถังรถยนต์จะลดขนาดชิ้นส่วนที่ต้องส่งทำลายลดลงได้จาก 0.91% เป็นศูนย์ ภายในมาตรฐานของบริษัท ที่สำคัญที่สุดคือ ชิ้นส่วนฉนวนจะถูกแก้ไขปัญหาและถูกปรับปรุงเมื่อนำเข้ากระบวนการผลิตจำนวนมากอย่างถาวร ด้วยต้นทุนของการกำจัดเศษโลหะของตัวรถที่ไม่ได้มาตรฐานที่ลดลงได้ 854,247.89 บาทต่อเดือน ปัจจุบันผลิตภัณฑ์นี้สามารถผลิตและใช้ได้จริงเป็นจำนวนมากกับผู้ผลิตรถยนต์นั่งส่วนบุคคลในโรงงานกรณีศึกษาในประเทศไทย

การเพิ่มประสิทธิภาพการเตรียมเชื้อเพลิงขยะสำหรับหม้อต้มไอน้ำฟลูอิไดซ์เบดแบบหมุนเวียน, เจนณรงค์ นันท์อัศวสิน

Chulalongkorn University Theses and Dissertations (Chula ETD)

การแปรรูปขยะเป็นพลังงาน (Waste-to-Energy: WtE) เป็นทางเลือกเชิงกลยุทธ์ที่ช่วยตอบโจทย์ทั้งในด้านสิ่งแวดล้อมและพลังงานอย่างมีประสิทธิภาพ ในทางปฏิบัติ ระบบหม้อไอน้ำที่ใช้ในโรงไฟฟ้าจากขยะมักประกอบด้วยสองประเภทหลัก ได้แก่ หม้อไอน้ำแบบ Gate Boiler ซึ่งเผาไหม้ขยะมูลฝอยชุมชน (Municipal Solid Waste: MSW) ได้โดยตรงด้วยต้นทุนต่ำ และหม้อไอน้ำแบบฟลูอิไดซ์เบดหมุนเวียน (Circulating Fluidized Bed: CFB Boiler) ซึ่งต้องใช้เชื้อเพลิง RDF (Refuse-Derived Fuel) ที่มีค่าความร้อนสูงและสม่ำเสมอกว่า เพื่อยกระดับความยั่งยืนและลดต้นทุนของระบบสองหม้อน้ำดังกล่าว งานวิจัยนี้จึงประยุกต์ใช้แนวทาง DMAIC ร่วมกับการออกแบบการทดลอง (Design of Experiments: DOE) เพื่อศึกษาผลของความชื้นและขนาดเชื้อเพลิงต่อประสิทธิภาพการเผาไหม้ในระบบ CFB ผลการทดลองแสดงให้เห็นว่า ความชื้นของเชื้อเพลิงเป็นปัจจัยที่มีอิทธิพลสูงสุดต่อสมรรถนะของหม้อไอน้ำ โดยการลดความชื้นของ RDF ผ่านกระบวนการอุ่นล่วงหน้า (preheating) และการจัดการเชื้อเพลิงอย่างเหมาะสม ช่วยเพิ่มอัตราการผลิตไอน้ำได้อย่างมีนัยสำคัญ ขณะเดียวกันก็ช่วยลดการพึ่งพาเชื้อเพลิงเสริม (auxiliary fuel) และต้นทุนการเดินเครื่องโดยรวม ผลการศึกษานี้จึงชี้ให้เห็นแนวทางที่สามารถนำไปปฏิบัติได้จริง ทั้งในเชิงเทคนิคและเศรษฐกิจ สำหรับการเพิ่มประสิทธิภาพของระบบผลิตพลังงานจากขยะ และยังสอดคล้องกับเป้าหมายด้านความยั่งยืนและการใช้ทรัพยากรอย่างคุ้มค่าในระยะยาว

Evacuation Plan Assessment Using Agent-Based Simulation: A Case Of Mix-Use Building, Peerada Tangprasert

Chulalongkorn University Theses and Dissertations (Chula ETD)

This research investigates the effectiveness of fire evacuation plan in complex urban structures by developing an agent-based simulation (ABS) model tailored to a high-rise, mixed-use case building located in Bangkok, Thailand. As urban populations grow and multi-functional buildings become more prevalent, ensuring efficient evacuation during fire emergencies has become increasingly critical. The selected case building features a combination of commercial, retail, and public transit access points, making it representative of modern urban infrastructure with high pedestrian traffic and structural complexity. The simulation model incorporates key factors influencing evacuation performance, including walking speed, age demographics, and crowd density. Empirical data such …

การพยากรณ์และวิเคราะห์ปัจจัยที่เกี่ยวข้องกับสุขภาพจิตของเยาวชนในสหรัฐอเมริกา ด้วยการเรียนรู้ของเครื่อง, นิธิพล เฮงวิวัฒนชัย

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัญหาสุขภาพจิตโดยเฉพาะอย่างยิ่งในเยาวชนกำลังเพิ่มสูงขึ้นอย่างน่ากังวลใจ ซึ่งจะส่งผลต่อคุณภาพชีวิตและพฤติกรรมการเรียนรู้ โดยในประเทศสหรัฐอเมริกามีรายงานว่า ในเยาวชนพบผู้ที่มีปัญหาสุขภาพจิตเป็นจำนวนมาก และมีแนวโน้มที่จะเพิ่มสูงขึ้น ผู้วิจัยจึงได้ทำการพัฒนาแบบจำลองการเรียนรู้ของเครื่องสำหรับการพยากรณ์ระดับสุขภาพจิตของเยาวชน โดยอาศัยข้อมูลด้านพฤติกรรม จากข้อมูลการสำรวจพฤติกรรมเสี่ยง ปี 2023 (YRBSS2023) และประเมินประสิทธิภาพ โดยแบบจำลองที่ศึกษาจะใช้เทคนิคการจำแนกประเภทแบบหลายคลาส ได้แก่ Logistic Regression, Support Vector Classification, Decision Tree, Random Forest และ XGBoost และเทคนิคการถดถอย ได้แก่ Multiple Linear Regression, Support Vector Regression, Decision Tree, Random Forest และ XGBoost รวมถึงเปรียบเทียบความสามารถของทั้งสองเทคนิค และงานวิจัยนี้ทำการวิเคราะห์ปัจจัยที่เกี่ยวข้องกับปัญหาสุขภาพจิตด้วย SHAP Value จากการศึกษาพบว่า ในเทคนิค Classification แม้ว่าต้องจำแนกถึง 5 ระดับ แต่แบบจำลอง XGBoost ยังมีประสิทธิภาพดีที่สุด โดยมี Accuracy บนข้อมูล Test Set อยู่ที่ ร้อยละ 45.6 และค่าเฉลี่ยแบบถ่วงน้ำหนักของ F1 Score อยู่ที่ 0.449 สำหรับเทคนิค Regression แบบจำลอง XGBoost ยังคงให้ประสิทธิภาพดีสุดเช่นกัน โดยมี MAE บนข้อมูล Test Set เท่ากับ 0.730 และ MSE เท่ากับ 0.837 เมื่อทำการเปรียบเทียบความสามารถของเทคนิค Classification และเทคนิค Regression ที่อาศัยแบบจำลองคู่เทียบพบว่า เทคนิค Classification จะให้ค่า MAE ต่ำกว่าแบบจำลอง Regression แต่ในทางกลับกันเทคนิค Regression จะมีค่า MSE ต่ำกว่าเทคนิค Classification นอกจากนี้ พบว่า …

การวิเคราะห์ความรู้สึก การจำแนกข้อความ และการหาปัจจัยที่มีผลต่อความพึงพอใจในการใช้บริการของบริษัทหลักทรัพย์แห่งหนึ่งในประเทศไทย ด้วยวิธีการเรียนรู้ของเครื่อง, ภาติยะ ไล้สวน

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการจำแนกข้อความและการวิเคราะห์ความรู้สึกของผู้ใช้บริการบริษัทหลักทรัพย์แห่งหนึ่งในประเทศไทย โดยประยุกต์ใช้เทคนิคการเรียนรู้ของเครื่อง รวมถึงศึกษาปัจจัยที่มีอิทธิพลต่อความพึงพอใจในการเลือกใช้บริการ ข้อมูลที่ใช้ประกอบด้วยข้อมูลปฐมภูมิจากแบบสอบถามจำนวน 970 ชุด และข้อมูลทุติยภูมิจากข้อความบนสื่อสังคมออนไลน์จำนวน 4,901 ข้อความ ในการทดลองได้เปรียบเทียบประสิทธิภาพของแบบจำลองที่สร้างจากอัลกอริทึมจำนวน 5 วิธี ได้แก่ นาอีฟเบย์ ต้นไม้ตัดสินใจ เคเนียร์เรสเนเบอร์ โครงข่ายประสาทเทียม และเอกซ์ตรีมการ์เดียนบูสติ้ง ผลการทดลองพบว่าอัลกอริทึมโครงข่ายประสาทเทียมให้ความแม่นยำสูงสุดในการจำแนกประเภทข้อความที่ร้อยละ 86 ขณะที่อัลกอริทึมเอกซ์ตรีมการ์เดียนบูสติ้ง ให้ความแม่นยำสูงสุดในงานวิเคราะห์ความรู้สึก โดยมีค่าความแม่นยำรวมร้อยละ 89 และร้อยละ 83 สำหรับข้อความเชิงลบ สำหรับการวิเคราะห์ปัจจัยที่ส่งผลต่อความพึงพอใจ พบว่าคุณภาพของคำแนะนำการลงทุน ความหลากหลายของผลิตภัณฑ์ และความสะดวกในการเข้าถึงบริการ เป็นปัจจัยที่มีนัยสำคัญ งานวิจัยนี้สามารถนำไปประยุกต์ใช้ในการพัฒนาระบบตอบสนองอัตโนมัติ กลยุทธ์การสื่อสาร การตลาด และการปรับปรุงบริการให้สอดคล้องกับความต้องการของผู้ใช้บริการได้อย่างตรงจุด

การจัดสมดุลการผลิตและการออกแบบผังกระบวนการผลิตด้วยโปรแกรมจำลองสถานการณ์, ศรัณย์กร เหมมงคลทรัพย์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและปรับปรุงการจัดวางผังของกระบวนการผลิตชิ้นส่วนอิเล็กทรอนิกส์และกำหนดจำนวนเครื่องจักรที่เหมาะสม เพื่อลดเวลาในการขนส่งชิ้นส่วน ลดเวลารอผลิต ลดงานระหว่างการผลิต และเพิ่มอัตราการใช้ประโยชน์ของระบบการผลิตโดยใช้โปรแกรมจำลองสถานการณ์ แนวคิดหลักที่ใช้ในการวิเคราะห์และปรับปรุงสายการผลิต ได้แก่ การศึกษาเวลา การวิเคราะห์กระบวนการผลิต และการปรับสมดุลของสายการผลิต การปรับปรุงสายการผลิตใช้ข้อมูลจากการวิเคราะห์กระบวนการผลิตปัจจุบันเพื่อศึกษาประสิทธิภาพของสถานีงาน จากนั้นจึงจัดวางเครื่องจักรใหม่ให้สอดคล้องกับขั้นตอนการผลิต หลังจากจำลองกระบวนการที่ปรับปรุงแล้วสำหรับการจัดทำผังการผลิตใหม่อัตราการใช้ประโยชน์เครื่องจักรในกระบวนการผลิต ที่กำลังการผลิต 390,000 ชิ้นต่อไตรมาส จากเดิม 38.47% เป็น 71.76% แบบจำลองสถานการณ์ของระบบการผลิตที่สูงที่สุดจากการพยากรณ์สำหรับปี พ.ศ.2569 ที่ 546,000 ชิ้นต่อไตรมาส อัตราการใช้ประโยชน์ของระบบการผลิตเฉลี่ยที่ 63.77% และแบบจำลองสถานการณ์ของระบบการผลิตที่สูงที่สุดในพื้นที่การผลิตที่กำหนด สามารถผลิตชิ้นงานได้ 1,194,500 ชิ้นต่อไตรมาส อัตราการใช้ประโยชน์ของระบบการผลิตเฉลี่ยที่ 59.33%

การวิเคราะห์พื้นที่เหมาะสมในการติดตั้งโซล่าร์เซลล์บนหลังคา ของภาคอุตสาหกรรมในประเทศไทย, วนิดา คำแท่ง

Chulalongkorn University Theses and Dissertations (Chula ETD)

ประเทศไทยมีความต้องการใช้พลังงานไฟฟ้าสูงขึ้นอย่างต่อเนื่อง ส่งผลให้ภาคอุตสาหกรรมเริ่มหันมาใช้พลังงานไฟฟ้าจากโซล่าร์เซลล์กันมากขึ้น งานวิจัยนี้มุ่งเน้นการประเมินปัจจัยที่มีอิทธิพลต่อความเหมาะสมในการติดตั้งโซล่าร์เซลล์บนหลังคาของภาคอุตสาหกรรมในประเทศไทย โดยใช้กระบวนการ F-AHP ในการหาค่าความสำคัญของปัจจัย พบว่าปัจจัยด้านรังสีดวงอาทิตย์ (0.3618) และอุณหภูมิอากาศ (0.1407) เป็นปัจจัยที่มีค่าน้ำหนักสัมพัทธ์มากที่สุด รวมกันคิดเป็นกว่าครึ่งของปัจจัยทั้งหมด จากนั้นจึงนำปัจจัยทั้งสองไปใช้วิเคราะห์หาพื้นที่ที่เหมาะสมด้วยกระบวนการ F-TOPSIS พบว่า ภาคตะวันออกเฉียงเหนือ (0.8028) และภาคใต้ฝั่งตะวันออก (0.8028) มีความเหมาะสมสูงสุด โดยเฉพาะจังหวัดมหาสารคาม (0.8642) และจังหวัดร้อยเอ็ด (0.8642) ที่มีค่าสัมประสิทธิ์ความใกล้ชิดสัมพัทธ์สูงที่สุด เนื่องจากค่าที่ดีที่สุดจะใกล้เคียงกับค่าอุดมคติเชิงบวกและค่าที่แย่ที่สุดจะไกลจากค่าอุดมคติเชิงลบ นอกจากนี้การเปรียบเทียบผลการวิเคราะห์แบบ Fuzzy และ Non-Fuzzy แสดงให้เห็นว่าแม้ผลการจัดลำดับปัจจัยจะมีความใกล้เคียงกันในกระบวนการ AHP แต่ผลการจัดลำดับพื้นที่จาก TOPSIS มีความแตกต่างกันอย่างชัดเจน โดยวิธีการแบบ Fuzzy สามารถรองรับความไม่แน่นอนของข้อมูลได้ดีกว่า สามารถแยกแยะความแตกต่างระหว่างปัจจัยได้อย่างมีประสิทธิภาพ และสะท้อนกระบวนการตัดสินใจที่ใกล้เคียงกับมนุษย์ได้มากยิ่งขึ้น งานวิจัยนี้มีประโยชน์ในการสนับสนุนการวางแผนและตัดสินใจลงทุนของผู้ประกอบการในภาคอุตสาหกรรม โดยเฉพาะในด้านการสร้างโรงงานใหม่หรือพัฒนาโรงงานด้วยการติดตั้งระบบผลิตไฟฟ้าจากพลังงานแสงอาทิตย์

การลดของเสียจากการบัดกรีไม่สมบูรณ์ในการประกอบแผงวงจรอิเล็กทรอนิกส์ด้วยแนวทาง Six Sigma, ฐิติทรัพย์ ศรีวโล

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้จัดทำขึ้นมีวัตถุประสงค์ในการนำเสนอแนวทางในการปรับปรุงกระบวนการผลิตแผงวงจรไฟฟ้าเพื่อลดของเสียที่เกิดจากการบัดกรีไม่สมบูรณ์ โดยใช้หลักการของซิกซ์ ซิกมามาประยุกต์ใช้ในการปรับปรุงกระบวนการตามหลัก DMAIC ประกอบด้วย Define การกำหนดนิยามปัญหาพร้อมกับระบุเหตุผลว่าทำไมจึงจำเป็นต้องแก้ไข และเป้าหมายหลังทำการแก้ไขให้มีความชัดเจนมากที่สุด Measure การกำหนดตัวชี้วัด การนำมาซึ่งข้อมูลที่ถูกต้อง เพื่อนำไปใช้หาสาเหตุ ตรวจสอบประสิทธิภาพ และวัดผลการเปลี่ยนแปลงหลังจากทำการแก้ไข Analyze ทำการวิเคราะห์เพื่อดูว่าสอดคล้องกับปัญหาที่กำหนดไว้หรือไม่ Improve การปรับปรุง เป็นขั้นตอนที่นำวิธีการแก้ไขปัญหาที่ได้วิเคราะห์ในตอนต้น มาทดลองใช้ ต้องทวนสอบผลลัพธ์ของการแก้ไขด้วยข้อมูลที่เป็นกลางเพื่อยืนยันความถูกต้อง Control สร้างแผนควบคุม ตรวจสอบ และติดตามผลว่าสามารถแก้ไขปัญหาได้จริง จัดทำเอกสารในการปรับปรุง และเตรียมแผนรับมือในกรณีที่เกิดปัญหาใหม่ ในการวิจัยนี้ได้รวบรวมผู้ที่เกี่ยวข้องเเละผู้เชี่ยวชาญ ทำการระดมสมองเพื่อวิเคราะห์หาสาเหตุ ด้วยแผนภาแสดงสาเหตุและผล และทำการทดลองตามลำดับโดยอ้างอิงจากตาราง Failure Mode and Effects Analysis โดยงานวิจัยนี้ได้ทำการทดลองแบบ One factor at a time สำหรับปัจจัยที่เกี่ยวข้องกับวัตถุดิบ และ ทำการทดลองแบบ Full factorial สำหรับปัจจัยที่เกี่ยวของกับเครื่องจักร หลังจากทำการทดลองได้ค่าที่เหมาะสมสำหรับแต่ละตัวแปรแล้ว พบปัจจัยที่เป็นนัยสำคัญได้แก่ 1.แรงกดของ Squeegee (Pressure) 2.ระยะห่างระหว่าง Fixture กับ Stencil (Clearance) 3.ขนาดรูเปิดของ Stencil (Aperture) 4.ความเร็วในการถอยของ Fixture (Stroke) 5.ความเร็วของ Squeegee (Speed) จากนั้นได้ทำการทวนสอบเพื่อยืนยันผลในระยะควบคุม พบว่าสามารถลดสัดส่วนของเสียจากการบัดรีไม่สมบูรณ์ ได้จาก 95.79% เหลือ 0.134% สามารถลดมูลค่าสูญเสียในการผลิตได้จากเฉลี่ย 11,568.96 บาทต่อเดือน

Integrative Machine Learning Approaches For Enhanced Classification Of Genomic Sequences: A Next-Generation Sequencing Perspective, Sujatha Alla, Nagesh Bheesetty, Sai Gireesh Komaragiri, Prasanthi Chidipudi, Joshit Mohanty, Sathish Kumar Chintala, Jubin Thomas, Jayapal Vummadi, Hemanth Volikatla, Navin Kamuni

Engineering Management & Systems Engineering Faculty Publications

The advent of Next-Generation Sequencing (NGS) techniques has revolutionized genomic research by enabling the rapid sequencing of DNA and RNA. This data can be used for various applications, including genome sequencing, transcriptome profiling, metagenomics, and epigenetics studies. For this study, DNA classifier dataset was extracted from UCI repository of machine learning databases. This vast amount of genomic data necessitates the development of sophisticated machine learning (ML) models for effective classification and analysis. This study presents a comprehensive comparison of various ML models, including Support Vector Machines (SVM), Random Forests (RF), and Neural Networks (NNs), approaches, in classifying genomic data. We …

Integrating Generative Artificial Intelligence With Systems Architecting Diagram Creation: Advancement, Challenges, Opportunities And Future Perspectives, Cansu Yalim, Holly H. Handley

Engineering Management & Systems Engineering Faculty Publications

Generative AI (GenAI) serves as a powerful tool that can create a wide range of content, including but not limited to text, speech, images, code, videos, and 3D models. ChatGPT stands out as a particularly appealing Generative Pretrained Transformer (GPT) model that offers supplementary capabilities through GPTs and plugins. These extensions enable users to engage with the chatbot and improve its functionality, surpassing mere content generation. Our study delves into the potential of ChatGPT, specifically GPT-4, to expedite the creation of diagrams to support the system architecting process. To this end, we explored the use of ChatGPT's Diagrams Show Me …

การพยากรณ์ยอดขายรถยนต์ด้วยวิธีการเรียนรู้ของเครื่องเพื่อลดระดับสินค้าคงคลังของชิ้นส่วนนำเข้า, สุวิทย์ นันทร์ทิพย์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการพยากรณ์ยอดขายรถยนต์เพื่อเปรียบเทียบความแม่นยำของค่าพยากรณ์จากตัวแบบวิธีการปรับเรียบเอกซ์โพเนนเชียลของโฮลท์และวินเทอร์ วิธีต้นไม้ตัดสินใจ วิธีป่าสุ่ม วิธีXGBoost วิธีโครงข่ายประสาทเทียมและวิธีผสม ด้วยค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยของข้อมูลยอดขายรถยนต์รายรุ่นย่อยของบริษัทผลิตรถยนต์กรณีศึกษา โดยใช้ข้อมูลยอดขายตั้งแต่เดือนมกราคม พ.ศ. 2557 ถึงเดือนธันวาคม พ.ศ. 2567 ในการฝึกตัวแบบพยากรณ์และหาความสัมพันธ์ของปัจจัยต่าง ๆ ที่มีผลต่อการตัดสินใจซื้อของลูกค้า โดยใช้คำสั่ง GridSearchCV ในการปรับแต่งค่าไฮเปอร์พารามิเตอร์เพื่อหาค่าที่เหมาะสมในการพยากรณ์ของตัวแบบวิธีการเรียนรู้ของเครื่องได้อย่างมีประสิทธิภาพ ผลการศึกษาพบว่าวิธีผสมเป็นวิธีที่สามารถพยากรณ์ยอดขายได้แม่นยำที่สุด เมื่อเทียบกับวิธีการพยากรณ์อื่น ๆ โดยผลลัพธ์ของวิธีผสมให้ค่าความแม่นยำที่ดีในรุ่นย่อย SM976 SM978 และ ST166 โดยมีค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยเท่ากับ 17.93% 10.31% และ 18.34% ตามลำดับ และให้ค่าความแม่นยำที่ยอมรับได้ในรุ่นย่อย SM972 SM974 ST164 และ ST168 ด้วยค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยเท่ากับ 23.19% 26.44% 21.71 และ 22.39% ตามลำดับ นอกจากนี้การนำผลการพยากรณ์ยอดขายของวิธีผสมมาใช้ในการกำหนดความต้องการสั่งซื้อ พร้อมทั้งทดสอบวิธีการสั่งซื้อในรูปแบบ Order-Up-To Level (OUL) ส่งผลให้ระดับคงคลังชิ้นส่วนนำเข้าเฉลี่ยต่อเดือนของทุกรุ่นย่อยลดลงอย่างมีนัยสำคัญ โดยผลลัพธ์ในรุ่นย่อย SM972 SM974 SM976 และ SM978 มีระดับชิ้นส่วนคงคลังลดลง 62.65% 79.65% 72.94% และ 69.21% ตามลำดับ และในส่วนของรุ่นย่อย ST162 ST164 และ ST168 มีระดับชิ้นส่วนคงคลังเฉลี่ยต่อเดือนลดลง 55.78% 52.18% และ 61.75% ตามลำดับ เมื่อเทียบกับระดับสินค้าคงคลังของวิธีการพยากรณ์และวิธีการสั่งซื้อในรูปแบบปัจจุบัน

Analysis Of Performance Deterioration During Prolonged Wakefulness, Aaron J. King

Open Access Master's Theses

In a variety of professions, personnel are asked to work extended shifts, straining themselves both physically and mentally. The strain in combination with the prolonged wakefulness can lead to mistakes on the job. This can be problematic for industries where mistakes are associated with high-risk consequences. A few professions that typically work in shifts include nurses, truck drivers, and oil-rig workers to name a few. Pertinent to this study is the performance of operators performing pilot related activities such as driving or monitoring; this is specifically interesting where the risk for failure can result in fatality or serious injury, such …

Training Practitioners For Real-Time Product Development Using Generative Artificial Intelligence, Antoine J. Jetter, Ameeta Agrawal, Dahm Mongkol Hongchai, Charles Weber, Yufei Tao

Engineering and Technology Management Faculty Publications and Presentations

A workshop to train practitioners in real-time new product development (NPD) using generative artificial intelligence (AI) was conducted. Three teams of graduate students in Engineering and Technology Management (many with work experience as managers and engineers) were given minimalist instructions to develop a product concept and a preliminary marketing plan for a product of their choosing within six hours using ChatGPT, search engines, and other Internet-based tools. The product was to be novel, and the plan was to include customer identification, market analysis, generating personas, and a 15-minute presentation at the end of the workshop. The goal was to 'inspire …

Enhancing Pipeline Simulations Through Artificial Intelligence And Machine Learning: A Smart Proxy Modelling Approach, Afeez Shittu

Graduate Theses, Dissertations, and Problem Reports (ETD)

ABSTRACT

Enhancing pipeline simulations is essential for improving operational efficiencies and effectively managing risks in the oil and gas industry. Traditional pipeline simulators, relying heavily on mathematical modeling assumptions, often face limitations due to their high energy and computational demands. This thesis addresses these challenges by introducing an innovative approach that integrates artificial intelligence (AI) and machine learning (ML) through a smart proxy model, offering a more efficient, cost-effective, and flexible alternative to conventional full-physics models used in pipeline simulation software.

The primary aim of this research is to develop and implement a smart proxy model capable of accurately predicting …

Changes In Psychiatric Diagnosis Associated With Sars-Cov-2 Infection And Predicting The Development Of New Psychiatric Illness In Covid Patients By Using Machine Learning Approach: A Study Using The Us National Covid Cohort Collaborative (N3c), Asif Rahman

Graduate Theses, Dissertations, and Problem Reports (ETD)

The enduring impact of COVID-19 extends beyond acute illness, with potential long-term psychiatric consequences raising significant concern among healthcare professionals and researchers alike. Emerging evidence suggests a multifaceted relationship between COVID-19 and the development of different psychiatric illnesses like Schizophrenia Spectrum and Psychotic Disorders (SSPD), Depression, Bipolar disorder, Personality disorder, Trauma, and a range of other mental health conditions. Considering these emerging connections, our study endeavors to rigorously assess the associations between COVID-19 and various psychiatric illnesses while simultaneously employing machine learning techniques to predict the development of new psychiatric disorders in individuals affected by the virus. Leveraging the extensive …

A Multimodal Physical Fatigue Assessment Method Using A Biomarker And Accelerometer-Embedded Wearable Wristband, Md Hadisur Rahman

Graduate Theses, Dissertations, and Problem Reports (ETD)

Physically demanding tasks pose significant challenges to worker health, safety, and productivity across various industrial sectors in the United States. The construction industry is particularly affected due to the labor-intensive nature of its tasks and harsh environmental conditions. The industry suffers from unsatisfactory occupational health and safety records, with physical fatigue being a major contributor. Physical fatigue not only affects individual well-being and workplace safety but also influences productivity and the United States’ economy. Given the high incidence of injuries and accidents in the construction industry, assessing physical fatigue has become critical for improving worker safety and productivity. To address …

A Model-Adaptive Random Search Actor Critic: Convergence Analysis And Inventory-Control Case Studies, Yuehan Luo, Jiaqiao Hu, Abhijit Gosavi

Engineering Management and Systems Engineering Faculty Research & Creative Works

Reinforcement learning (RL) is an exciting area within the domain of Markov Decision Processes (MDPs) in which the underlying optimization problem is solved either in a simulator of the real-world system or via direct interaction with the real-world system, when its underlying transition probabilities are difficult to estimate. The latter is commonly true of large-scale, real-world MDPs with complex underlying transition dynamics. RL is currently being widely researched in the world of medicine/neuroscience after some spectacular success stories demonstrating super-human behavior in computer games. In this paper, we propose a new actor-critic-based RL algorithm for approximately solving continuous state/action MDPs …

Traveling The Pathway To A Culturally Competent Health Care Provider: Incorporating Study Abroad Into Your Curriculum, A L. Johnston Green, C J. Heffner

Clinical Practice in Athletic Training

Introduction: As athletic training employment settings expand and diversify, so does the patient population with whom these healthcare providers interact. This growth furthers the need to ensure that students enrolled in an athletic training program (ATP) accredited by the Commission on Accreditation of Athletic Training Education (CAATE) are educated to provide culturally competent care. Culturally competent care is provided when decisions made diminish the inequalities that may be present in a system based upon a patient’s individual circumstances. Implementing cultural competency education may be integrated into athletic training education in various manners as necessitated by each institution’s unique circumstances. Programs …

The Precedence-Constrained Quadratic Knapsack Problem, Changkun Guan

Honors Theses

This thesis investigates the previously unstudied Precedence-Constrained Quadratic Knapsack Problem (PC-QKP), an NP-hard nonlinear combinatorial optimization problem. The PC-QKP is a variation of the traditional Knapsack Problem (KP) that introduces several additional complexities. By developing custom exact and approximate solution methods, and testing these on a wide range of carefully structured PC-QKP problem instances, we seek to identify and understand patterns that make some cases easier or harder to solve than others. The findings aim to help develop better strategies for solving this and similar problems in the future.

Contextualizing Renewable Energy Adoption: An Examination Of The Role Of Community Choice Aggregation, Ankit Agarwal

Doctoral Dissertations

"The rapid expansion of renewable energy generation in the U.S., both through distributed and utility-scale facilities, is largely driven by top-down policy measures and the growing engagement of residential consumers on both individual and community levels. Previous studies on motives behind residential renewable energy adoption have examined procurement options in isolation and within a static context, primarily focused on intrinsic attributes like economic incentives, emission reductions, and peer popularity. This research introduces a novel context, assessing renewable procurement options in the presence of Community Choice Aggregation (CCA), a more prevalent and accessible alternative. This dissertation makes four pivotal contributions, offering …

Les Pratiques Professionnelles Des Pomiculteurs Exposés Aux Pesticides : Des Savoir-Faire De Métier Aux Pratiques Stratégiques, Caroline Jolly, Alain Garrigou, Elise Ledoux

Études primaires

Dans les très petites entreprises pomicoles, le propriétaire assume majoritairement seul la préparation et la pulvérisation des pesticides. Le respect des mesures de prévention prescrites n’élimine pas l’exposition, pouvant occasionner des effets à la santé. L’objectif est de décrire les pratiques professionnelles développées par les pomiculteurs. Elles visent à limiter l’exposition aux pesticides tout en produisant des fruits de qualité, contribuant ainsi à l'essor de leur entreprise. La recherche-intervention mobilisant l’ergotoxicologie a été réalisée auprès de pomiculteurs au Québec. La diversité des pratiques professionnelles présentées s’inscrit dans les domaines d’activités de la gestion stratégique (p. ex. : développement de l’entreprise) …

Project Control System (Pcs) Implementation In Engineering And Construction Projects: An Empirical Study In Saudi's Petroleum And Chemical Industry, Sahar Jawad, Ann Ledwith, Rashid Khan

School of Cybersecurity Faculty Publications

Purpose

There is growing recognition that effective project control systems (PCS) are critical to the success of projects. The relationship between the individual elements of PCS and successfully achieving project objectives has yet to be explored. This research investigates the enablers and barriers that influence the elements of PCS success and drive project objectives.

Design/methodology/approach

This study adopts a mixed approach of descriptive analysis and regression models to explore the impact of six PCS elements on project outcomes. Petroleum and chemical projects in Saudi Arabia were selected as a case study to validate the research model.

Findings

Data from a …