https://sure.su.ac.th/xmlui/handle/123456789/16105 2026-09-16T01:09:00Z 2026-09-16T01:09:00Z วรินทร จันทินมาธร https://sure.su.ac.th/xmlui/handle/123456789/31398 2026-09-10T20:02:58Z 0028-01-01T00:00:00Z

SAFETY RISKS ASSESSMENT OF AN OFFSHORE INDUSTRY USING MULTI-CRITERIA DECISION METHOD; การประเมินความเสี่ยงด้านความปลอดภัยของอุตสาหกรรมนอกชายฝั่ง โดยใช้วิธีการตัดสินใจแบบหลายเกณฑ์ วรินทร จันทินมาธร This research aims to assess safety risks in the offshore industry using a multi-criteria decision-making approach combined with expert opinions. The study also seeks to identify significant risk factors and propose appropriate risk management strategies to enhance safety performance in offshore industrial operations. This quantitative research involved evaluations from five experts who are full-time employees on oil drilling platforms, serving as senior officers in health, safety, and environment (HSE) with more than three years of experience in the offshore industry. Data was collected through questionnaires, employing a multi-criteria decision-making approach using the Analytic Hierarchy Process (AHP) to calculate the relative weights of main and sub-criteria associated with offshore safety. All analysis was performed using Microsoft Excel. The results indicated that the questionnaire responses were highly consistent, with a Consistency Ratio (CR) less than or equal to 0.01. Among the four main criteria, personnel had the highest weight (0.545), followed by machinery (0.201), equipment and tools (0.198), and working environment (0.058). For the sub-criteria, knowledge and work experience of personnel ranked highest (0.294), followed by compliance with trained operating procedures (0.103) and physical health of personnel (0.090). These top three sub-criteria fall under the personnel category, demonstrating that human factors are the most critical element in managing safety risks in offshore industries. The weight analysis further revealed that sub-criteria were relatively well-distributed across all aspects, indicating that experts recognize the importance of every component in the safety management system. The proposed strategies focus on (1) continuous development of personnel knowledge and experience, (2) strengthening discipline in compliance with standard operating procedures, and (3) promoting physical and mental well-being of workers, together with enhancing the efficiency of machinery and equipment through appropriate selection and regular preventive maintenance. These recommendations are expected to foster a sustainable reduction in safety risks in offshore industrial operations.; การวิจัยนี้มีวัตถุประสงค์เพื่อประเมินความเสี่ยงด้านความปลอดภัยของอุตสาหกรรมนอกชายฝั่ง โดยใช้วิธีการตัดสินใจแบบหลายหลักเกณฑ์และความคิดเห็นจากผู้เชี่ยวชาญหลายคน รวมถึงเพื่อระบุเกณฑ์เสี่ยงและนำเสนอแนวทางจัดการความเสี่ยงด้านความปลอดภัยในอุตสาหกรรมนอกชายฝั่ง การศึกษานี้เป็นการวิจัยเชิงปริมาณ โดยอาศัยการประเมินจากผู้เชี่ยวชาญจำนวน 5 ท่าน ซึ่งเป็นพนักงานประจำแท่นขุดเจาะน้ำมัน ดำรงตำแหน่งเจ้าหน้าที่อาวุโสด้านชีวอนามัยและความปลอดภัย และมีประสบการณ์การทำงานในอุตสาหกรรมนอกชายฝั่งไม่น้อยกว่า 3 ปี การเก็บรวบรวมข้อมูลดำเนินการผ่านแบบสอบถาม โดยใช้วิธีการตัดสินใจแบบหลายหลักเกณฑ์ผ่านกระบวนการวิเคราะห์ลำดับชั้น (Analytic Hierarchy Process) เพื่อคำนวณค่าน้ำหนักความสำคัญของเกณฑ์หลักและเกณฑ์รองที่เกี่ยวข้องกับความปลอดภัยในอุตสาหกรรมนอกชายฝั่ง ผลการวิเคราะห์ทั้งหมดดำเนินการด้วยโปรแกรมไมโครซอฟต์เอ็กเซล ผลการวิจัยพบว่าแบบสอบถามมีความสอดคล้องกัน โดยมีค่าอัตราส่วนความสอดคล้อง (Consistency Ratio) ต่ำกว่าหรือเท่ากับ 0.01 จากการประเมินค่าน้ำหนักความสำคัญของเกณฑ์หลัก 4 ด้าน พบว่า เกณฑ์ด้านผู้ปฏิบัติงานมีค่าน้ำหนักความสำคัญสูงสุด (0.545) รองลงมาคือ เกณฑ์ด้านเครื่องจักร (0.201) เกณฑ์ด้านอุปกรณ์และเครื่องมือ (0.198) และเกณฑ์ด้านสภาพแวดล้อมในการทำงาน (0.058) เมื่อพิจารณาเกณฑ์รองทั้งหมด พบว่า ความรู้และประสบการณ์ในการทำงานของผู้ปฏิบัติงาน เป็นเกณฑ์รองที่มีความสำคัญสูงสุด (0.294) รองลงมา คือ การปฏิบัติงานตามขั้นตอนที่ได้รับการฝึกอบรม (0.103) และ สุขภาพร่างกายของผู้ปฏิบัติงาน (0.090) ซึ่งทั้งสามอันดับแรกนี้อยู่ภายใต้เกณฑ์หลักด้านผู้ปฏิบัติงาน แสดงให้เห็นว่าบุคลากรเป็นปัจจัยสำคัญที่สุดในการจัดการความเสี่ยงด้านความปลอดภัยในอุตสาหกรรมนอกชายฝั่ง การประเมินค่าน้ำหนักแสดงให้เห็นว่าเกณฑ์รองมีความสำคัญค่อนข้างกระจายตัวในทุกด้าน ซึ่งบ่งชี้ว่าผู้เชี่ยวชาญให้ความสำคัญกับทุกองค์ประกอบของระบบความปลอดภัย แนวทางที่เสนอ ได้แก่ (1) การพัฒนาความรู้และประสบการณ์อย่างต่อเนื่อง (2) การสร้างวินัยในการปฏิบัติงานตามมาตรฐาน และ (3) การส่งเสริมสุขภาวะร่างกายและจิตใจของผู้ปฏิบัติงาน ควบคู่กับ การเสริมประสิทธิภาพของเครื่องจักรและอุปกรณ์ โดยเน้นการคัดเลือกอุปกรณ์ที่เหมาะสมกับงาน และการบำรุงรักษาเชิงป้องกันอย่างสม่ำเสมอ

0028-01-01T00:00:00Z ศศิกานต์ กล่อมวัฒนกุล https://sure.su.ac.th/xmlui/handle/123456789/31230 2026-09-09T20:07:48Z 0004-01-01T00:00:00Z

Analysis of the risks affecting the right quantity of inventory A case study of a brake pad production factory.; การวิเคราะห์ความเสี่ยงที่ส่งผลต่อปริมาณสินค้าคงคลังที่เหมาะสม กรณีศึกษาโรงงานผลิตผ้าเบรก ศศิกานต์ กล่อมวัฒนกุล This research aims to analyze the risks affecting the safety stock levels of chemical raw materials in a brake pad manufacturing plant. The Analytic Hierarchy Process (AHP) was employed to assess and prioritize risks, as well as to optimize safety stock levels and determine new reorder points. Data were collected through expert questionnaires. The results reveal seven primary risk factors impacting safety stock, with the most significant being raw material quality (29.50%), followed by the criticality of raw materials (28.44%) and price (15.22%). Among 31 sub-risk factors, the top three were the impact of raw material quality on the final product (17.74%), its impact on the production process (16.06%), and the use of specialized chemicals (7.65%). Upon optimizing safety stock and setting new reorder points for 13 selected chemical raw materials, some materials required increased safety stock levels, while others were reduced. A comparison between the original and revised safety stock values—factoring in risk considerations—showed a 31.26% reduction in inventory value, from 6,335,681.39 million THB to 4,355,044.03 million THB. These findings provide a practical framework for risk-based inventory management and policy development in the case study factory. Future studies should expand the scope to include other raw materials and finished goods, and explore technological applications to enhance inventory management efficiency.; งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ความเสี่ยงที่ส่งผลกระทบต่อปริมาณสินค้าคงคลังสำรองของวัตถุดิบเคมีในโรงงานผลิตผ้าเบรก โดยใช้ทฤษฎีกระบวนการวิเคราะห์ตามลำดับชั้นในการประเมินและจัดลำดับความสำคัญของความเสี่ยง รวมถึงปรับปรุงปริมาณสินค้าคงคลังสำรองและกำหนดจุดสั่งซื้อใหม่ ข้อมูลที่ใช้ในงานวิจัยได้จากการแบบสอบถามของผู้เชี่ยวชาญ ผลการวิจัยพบว่ามีความเสี่ยงหลัก 7 ด้านที่ส่งผลกระทบต่อสินค้าคงคลังสำรอง โดยความเสี่ยงที่มีผลกระทบสูงสุดคือ คุณภาพของวัตถุดิบ คิดเป็นร้อยละ 29.50 รองลงมาคือ ความสำคัญของวัตถุดิบ คิดเป็นร้อยละ 28.44 และ ราคา คิดเป็นร้อยละ 15.22 ในระดับความเสี่ยงย่อย 31 ด้าน พบว่า สามอันดับแรกที่มีผลกระทบสูงสุด ได้แก่ ผลกระทบของคุณภาพวัตถุดิบต่อผลิตภัณฑ์ คิดเป็นร้อยละ 17.74 ผลกระทบต่อกระบวนการผลิต คิดเป็นร้อยละ 16.06 และเคมีเฉพาะทาง คิดเป็นร้อยละ 7.65 ในการปรับปรุงสินค้าคงคลังสำรองและกำหนดจุดสั่งซื้อใหม่ของกลุ่มตัวอย่างวัตถุดิบเคมี 13 ชนิด พบว่ามีวัตถุดิบที่เพิ่มปริมาณสินค้าคงคลังสำรองและลดปริมาณสินค้าคงคลังสำรอง นอกจากนี้เมื่อทำการเปรียบเทียบมูลค่าสินค้าคงคลังสำรองเดิมและมูลค่าสินค้าคงคลังสำรองใหม่ที่มีการพิจารณาความเสี่ยงร่วมด้วย พบว่าจะสามารถลดมูลค่าสินค้าคงคลังได้ร้อยละ 31.26 จาก 6,335,681.39 ล้านบาท เหลือ 4,355,044.03 ล้านบาท ผลการวิจัยนี้สามารถใช้เป็นแนวทางในการกำหนดนโยบายและบริหารจัดการความเสี่ยงของโรงงานกรณีศึกษาได้ ในอนาคตควรขยายขอบเขตการศึกษาไปยังวัตถุดิบและสินค้าสำเร็จรูปอื่น ๆ รวมถึงการประยุกต์ใช้เทคโนโลยีเพื่อเพิ่มประสิทธิภาพในการบริหารสินค้าคงคลัง

0004-01-01T00:00:00Z Tongmean Teang https://sure.su.ac.th/xmlui/handle/123456789/31229 2026-09-09T20:07:46Z 0004-01-01T00:00:00Z

Design and Development Database Product Data Brake Lining: Case Study of a Brake Lining Factory; การออกแบบและพัฒนาฐานข้อมูลผลิตภัณฑ์ผ้าเบรก: กรณีศึกษาโรงงานผลิตผ้าเบรก Tongmean Teang The automotive parts manufacturing industry is characterized by intense competition, rapidly changing customer demands, and particular customer requirements. As a result, precise design and rapid development of new products are essential for maintaining competitiveness. Our case study is a lining brake factory with several thousand stock-keeping units. Managing all product-related data, such as engineering of change, bill of material and engineering files is crucial yet challenging due to the complexity of the products, manufacturing processes, and supply chain. This study aims to design and develop a product data brake lining management system to centralize product data within organization Which able to reduce working time to access product data. It presents three main modules: the Input Data module, the Query Data module, and the Security module. The system is developed following the Software Development Life Cycle (SDLC). The system is based on web application technology. The system evaluated through questionnaires completed using a user satisfaction form. The system significantly enhances operational efficiency, reducing the average time for creating and retrieving product data by 60%, from 131.6 minutes to 52.6 minutes. A user satisfaction survey indicated a high satisfaction level of 4.48 out of 5 and standard deviation at level 0.53 , highlighting the system's effectiveness and usability. This research demonstrates the potential of centralized systems to optimize product data management and improve productivity in manufacturing environments.; อุตสาหกรรมการผลิตชิ้นส่วนยานยนต์มีลักษณะการแข่งขันที่รุนแรงและความต้องการของลูกค้าที่เปลี่ยนแปลงอย่างรวดเร็ว และความต้องการของลูกค้าโดยเฉพาะ ด้วยเหตุนี้ การออกแบบที่แม่นยำและการพัฒนาผลิตภัณฑ์ใหม่อย่างรวดเร็วจึงมีความจำเป็นต่อการรักษาความสามารถในการแข่งขัน กรณีศึกษาของเราคือโรงงานผ้าเบรกที่มีหน่วยจัดเก็บสต๊อกหลายพันหน่วย (SKU) การจัดการข้อมูลที่เกี่ยวข้องกับผลิตภัณฑ์ทั้งหมด เช่น การเปลี่ยนแปลงเอกสารวิศวกรรม (Engineering of Change) รายการวัสดุ (Bill of Material) และไฟล์ทางวิศวกรรม (Engineering CAD) ถือเป็นสิ่งสำคัญแต่ก็ท้าทาย เนื่องจากความซับซ้อนของผลิตภัณฑ์ กระบวนการผลิต และห่วงโซ่อุปทาน การศึกษานี้มีวัตถุประสงค์เพื่อออกแบบและพัฒนาระบบจัดการข้อมูลผลิตภัณฑ์ผ้าเบรกเพื่อรวมศูนย์ข้อมูลผลิตภัณฑ์ภายในองค์กร ซึ่งสามารถลดเวลาการทำงานในการเข้าถึงข้อมูลผลิตภัณฑ์ได้ โดยนำเสนอโมดูลหลักสามโมดูล ได้แก่ โมดูลข้อมูลอินพุต โมดูลข้อมูลคิวรี และโมดูลความปลอดภัย ระบบได้รับการพัฒนาตามวงจรการพัฒนาซอฟต์แวร์ (SDLC) ระบบนี้ใช้เทคโนโลยีเว็บแอพพลิเคชั่น ระบบประเมินผ่านแบบสอบถามที่กรอกโดยใช้แบบฟอร์มความพึงพอใจของผู้ใช้ ระบบช่วยเพิ่มประสิทธิภาพการดำเนินงานอย่างมีนัยสำคัญ โดยลดเวลาเฉลี่ยในการสร้างและดึงข้อมูลผลิตภัณฑ์ลง 60% จาก 131.6 นาทีเหลือ 52.6 นาที แบบสำรวจความพึงพอใจของผู้ใช้ระบุว่ามีระดับความพึงพอใจสูงถึง 4.48 จาก 5 และค่าเบี่ยงเบนมาตรฐาน (SD) 0.53 ซึ่งเน้นถึงประสิทธิภาพและการใช้งานของระบบ งานวิจัยนี้แสดงให้เห็นถึงศักยภาพของระบบรวมศูนย์กลางฐานข้อมูลเพื่อเพิ่มประสิทธิภาพการจัดการข้อมูลผลิตภัณฑ์และปรับปรุงประสิทธิภาพการผลิต

0004-01-01T00:00:00Z ธีระภัทร อินทร์ตา https://sure.su.ac.th/xmlui/handle/123456789/31228 2026-09-09T20:07:45Z 0004-01-01T00:00:00Z

Striko aluminium melting furnance's efficiency optimization using artificial intelligent techniques for natural gas reduction; การเพิ่มประสิทธิภาพเตาหลอมอะลูมิเนียม Striko โดยใช้การเปรียบเทียบการทำนายพารามิเตอร์ที่ควรจะเป็นของเทคนิคปัญญาประดิษฐ์เพื่อลดการใช้ก๊าซธรรมชาติ ธีระภัทร อินทร์ตา This research investigates the optimization of the Striko aluminum melting furnace through the application of advanced artificial intelligence (AI) techniques. The goal is to reduce natural gas consumption, improve energy efficiency, and enhance product quality in the aluminum alloy wheel manufacturing process. Key process parameters such as gas flow rates, combustion efficiency, and temperature distribution were monitored and optimized using two machine learning models: the Radial Basis Function Network (RBFN) and Linear Regression.The performance evaluation, based on statistical metrics, shows that the RBFN model outperformed Linear Regression in predictive accuracy, with a Mean Squared Error (MSE) of 9.4 compared to 15.7, Root Mean Squared Error (RMSE) of 8.2 vs. 12.5, and Mean Absolute Error (MAE) of 6.4 vs. 9.8. The RBFN model achieved an R-squared value (R²) of 92%, indicating a stronger ability to capture complex nonlinear relationships compared to Linear Regression's 78%.Through AI-driven optimization, the furnace's energy consumption was reduced by 19%, from 2,100 kWh to 1,700 kWh per cycle. Additionally, CO₂ emissions were lowered by 20%, decreasing from 2,000 kg to 1,600 kg per cycle. The study also demonstrated improvements in product quality, with the product yield increasing from 92% to 96% (+4.35%) and the scrap rate reduced from 8% to 4% (-50%).A comprehensive six-month evaluation confirmed the long-term sustainability of these improvements, with monthly energy savings averaging 1.2% and CO₂ reductions of 1.15%. These sustained gains highlight the scalability of AI solutions for optimizing energy-intensive industrial operations. The real-time monitoring dashboard played a crucial role in translating AI predictions into actionable insights by providing dynamic visualizations of energy consumption, emissions, and product yield. Automated alerts enabled operators to make timely adjustments to maintain optimal furnace performance, ensuring both short-term and long-term efficiency.This research establishes a scalable framework for integrating AI technologies into industrial processes. By reducing natural gas consumption, lowering carbon emissions, and improving product quality, the study underscores the potential of AI to achieve both economic and environmental sustainability in manufacturing. Future work will explore integrating AI models with emerging technologies such as the Internet of Things (IoT) and blockchain for enhanced data collection, security, and transparency.; งานวิจัยนี้มีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพของเตาหลอมอลูมิเนียม Striko โดยใช้เทคนิคปัญญาประดิษฐ์ (AI) ขั้นสูงในการลดการใช้ก๊าซธรรมชาติ ปรับปรุงประสิทธิภาพการใช้พลังงาน และเพิ่มคุณภาพของผลิตภัณฑ์ในกระบวนการผลิตล้อแม็กอะลูมิเนียม ข้อมูลสำคัญที่เกี่ยวข้องกับการควบคุมการเผาไหม้ อัตราการไหลของก๊าซ และการกระจายอุณหภูมิภายในเตาหลอม ถูกติดตามและนำมาใช้ในโมเดลแมชชีนเลิร์นนิง 2 แบบ ได้แก่ Radial Basis Function Network (RBFN) และ Linear Regression การประเมินประสิทธิภาพของโมเดลจากสถิติพบว่าโมเดล RBFN ให้ความแม่นยำสูงกว่า Linear Regression โดยมีค่า Mean Squared Error (MSE) เท่ากับ 9.4 เมื่อเทียบกับ 15.7 ค่า Root Mean Squared Error (RMSE) เท่ากับ 8.2 เทียบกับ 12.5 และ Mean Absolute Error (MAE) เท่ากับ 6.4 เทียบกับ 9.8 นอกจากนี้โมเดล RBFN ยังมีค่า R-squared (R²) เท่ากับ 92% แสดงให้เห็นถึงความสามารถในการจับความสัมพันธ์แบบไม่เชิงเส้นได้ดีกว่า Linear Regression ซึ่งมีค่าเพียง 78% ผลจากการปรับปรุงด้วย AI สามารถลดการใช้พลังงานในเตาหลอมลงได้ถึง 19% จาก 2,100 กิโลวัตต์-ชั่วโมงต่อรอบเหลือ 1,700 กิโลวัตต์-ชั่วโมงต่อรอบ อีกทั้งยังลดการปล่อยก๊าซคาร์บอนไดออกไซด์ลง 20% จาก 2,000 กิโลกรัมต่อรอบเป็น 1,600 กิโลกรัมต่อรอบ ในส่วนของคุณภาพผลิตภัณฑ์ พบว่าอัตราการผลิตเพิ่มขึ้นจาก 92% เป็น 96% (+4.35%) และอัตราเศษเสียลดลงจาก 8% เหลือเพียง 4% (-50%)การประเมินผลระยะยาวในช่วง 6 เดือนแสดงให้เห็นว่า ประสิทธิภาพที่เพิ่มขึ้นนั้นมีความยั่งยืน โดยมีอัตราการประหยัดพลังงานเฉลี่ย 1.2% ต่อเดือน และการลดการปล่อย CO₂ เฉลี่ย 1.15% ต่อเดือน ระบบแผงควบคุมการเฝ้าติดตามแบบเรียลไทม์มีบทบาทสำคัญในการแสดงภาพข้อมูล เช่น การใช้พลังงาน การปล่อยก๊าซคาร์บอนไดออกไซด์ และผลผลิตในกระบวนการ ซึ่งช่วยให้ผู้ปฏิบัติงานสามารถปรับปรุงกระบวนการได้ทันเวลาและคงประสิทธิภาพที่ดีที่สุดงานวิจัยนี้ได้พัฒนากรอบการทำงานที่สามารถนำ AI ไปประยุกต์ใช้ในกระบวนการอุตสาหกรรมเพื่อให้บรรลุเป้าหมายในการลดการใช้ทรัพยากร ลดการปล่อยก๊าซเรือนกระจก และเพิ่มคุณภาพของผลิตภัณฑ์อย่างมีประสิทธิภาพในระยะยาว งานวิจัยในอนาคตจะศึกษาการผสาน AI เข้ากับเทคโนโลยีใหม่ เช่น Internet of Things (IoT) และบล็อกเชน เพื่อการเก็บข้อมูล ความปลอดภัย และความโปร่งใสที่ดียิ่งขึ้น

0004-01-01T00:00:00Z