การออกแบบอุปกรณ์ตรวจสอบชิ้นส่วนรถแทรกเตอร์โดยใช้เทคนิค การแปลงหน้าที่เชิงคุณภาพร่วมกับเทคนิควิธีเรียงลำดับแบบอุดมคติ
Article Sidebar
Main Article Content
บทคัดย่อ
กระบวนการตัดสินใจในการออกแบบอุปกรณ์ตรวจสอบชิ้นส่วนรถแทรกเตอร์เป็นปัญหาที่มีความซับซ้อนยากในการตัดสินใจเพราะมีทางเลือกและปัจจัยเกี่ยวข้องหลายๆ อย่างที่จะต้องให้พิจารณาควบคู่กัน ดังนั้นงานวิจัยนี้นำเสนอ เทคนิคการแปลงหน้าที่เชิงคุณภาพร่วมกับเทคนิควิธีเรียงลำดับแบบอุดมคติ เพื่อวางแผนผลิตภัณฑ์และการออกแบบ เริ่มจากการรับฟังเสียงของกลุ่มเป้าหมายและวิเคราะห์ข้อมูลด้วยเทคนิคการแปลงหน้าที่เชิงคุณภาพ จากนั้นประเมินและ จัดลำดับค่าความสำคัญด้วยเทคนิควิธีเรียงลำดับแบบอุดมคติผลการทดสอบพบว่า เฟส 1: การวางแผนผลิตภัณฑ์ซึ่งมีจำนวน 13 ทางเลือก (A1 ถึง A13) ทางเลือก A8 เป็นทางเลือกที่ดีที่สุด คือมีค่า ccwi = 0.800 ตามด้วยทางเลือก A10 (ค่า ccwi = 0.756) และ A11 (ค่า ccw = 0.700) ตามลำดับ และเฟส 2: การออกแบบ ซึ่งมีจำนวน 5 ทางเลือก (A1 ถึง A5) พบว่า ทางเลือก A2 เป็นทางเลือกที่ดีที่สุด คือมีค่า ccwi = 0.800 ตามด้วยทางเลือก A4 (ค่า ccwi = 0.772) และ A5 (ค่า ccwi = 0.729) ตามลำดับ ผลของการประเมินพบว่ามีค่าเฉลี่ยของคะแนนความพึงพอใจเพิ่มขึ้นจากร้อยละ 4.21 เป็น 4.41 คิดเป็นร้อยละของการเพิ่มขึ้นเท่ากับ 4.75 ดังนั้นงานวิจัยนี้สามารถเป็นแนวทางในการประเมินและจัดลำดับค่าความสำคัญการวางแผนผลิตภัณฑ์และการออกแบบอุปกรณ์ตรวจสอบชิ้นส่วนรถอื่นๆได้
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ใน Journal of Advanced Development in Engineering and Science ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วยหรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา ฯลฯ ที่ได้รับการตีพิมพ์ในJournal of Advanced Development in Engineering and Science ถือเป็นลิขสิทธิ์ของ Journal of Advanced Development in Engineering and Science หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก Journal of Advanced Development in Engineering and Scienceก่อนเท่านั้น
เอกสารอ้างอิง
Kasikorn Research Center. (2023). Farm Machinery in 2022. Available from https://www.ryt9.com/s/prg/3288920?cv=1. Accessed date: 10 March 2023. (in Thai)
Thanatumrongkul, K. & Srinaruewan, P. (2023). Factors Affecting the Marketing Mix in Purchase of Agricultural Machinery in Chiang Mai. Payap University Journal, 33(1), 18-34.(in Thai)
Rawangwong, S., et al. (2022). Products Design of Bamboo Sofa Set Using Quality Function Deployment Technique with Kansei Engineering. Ladkrabang Engineering Journal, 39(3), 11-28. (in Thai)
Saravisutra, A. (2016). Multi-criteria Decition Making: Comparison Between SAW, AHP, TOPSIS Concept and Methods. Princess of Naradhiwas University Journal, 8(2), 180-192. (in Thai)
Deetae, N., et al. (2022). Risk Assessment of Farmers for Growing Safe Rice by The Fuzzy Technique of Order Preference Similarity to the Ideal Solution. Huachiew Chalermprakiet Science and Technology Journal, 8(1), 81-91. (in Thai)
Akao, Y., & Mazur, G. H. (2003). The Leading Edge in QFD: Past, Present and Future. International Journal of Quality & Reliability Management, 20(1), 20-35.
Saaty, T. L. (1977). A Scaling Method for Priorities in Hierarchical Structures. Journal of Mathematical Psychology, 15(3), 234-281.
Chang, S. H., & Tseng, H. E. (2008). Fuzzy TOPSIS Decision Method for Configuration Management. International Journal of Industrial Engineering, 15(3), 304-313.
Zandi, F., & Tavana, M. (2011). A Fuzzy Group Quality Function Deployment Model for e-CRM Framework Assessment in Agile Manufacturing. Computers & Industrial Engineering, 61(1), 1-19.
Wichapa, N., & Warorot, W. (2023). A Hybrid Approach for Ranking Decision-Making Units with Fuzzy Variables. Industrial Engineering & Management Systems, 22(2), 97-108.
To-On, P., et al. (2023). A Novel TOPSIS Linear Programming Model Based on Response Surface Methodology for Determining Optimal Mixture Proportions of Lightweight Concrete Blocks Containing Sugarcane Bagasse Ash. Heliyon, 9(7). e17755.
Nasawat, P., et al. (2021). Hybrid Cross-Efficiency Approach Based on Ideal and Anti-Ideal Points and the Critic Method for Ranking Decision-Making Units: A Case Study on Ranking the Methods of Rice Weevil Disinfestation. Decision Science Letters, 10(3), 375-392.
Kumaraswamy, A., et al. (2011). An Integrated QFD-TOPSIS Methodology for Supplier Selection in SMEs. In 2011 Third International Conference on Computational Intelligence, Modelling & Simulation (pp. 271-276). 20 – 22 September, 2011, Langkawi, Malaysia.
Li, M., et al. (2014). A new MCDM Method Combining QFD with TOPSIS for Knowledge Management System Selection from the User's Perspective in Intuitionistic Fuzzy Environment. Applied Soft Computing, 21, 28-37.
Karimi, B. H., et al. (2012). Applying A Hybrid QFD-TOPSIS Method to Design Product in the Industry (Case Study in Sum Service Company). Research Journal of Applied Sciences, Engineering and Technology, 4(18), 3283-3288.
Rahpeyma, B., & Zarei, M. (2018). An Integrated QFD-TOPSIS Approach for Supplier Selection Under Fuzzy Environment: A Case of Detergent Manufacturing Industry. International Journal of Service Science, Management, Engineering, and Technology, 9(3), 62-81.
Pandey, V., et al. (2023). A Review on TOPSIS Method and Its Extensions for Different Applications with Recent Development. Soft Computing, 27(23), 18011-18039.
Sampath, B., et al. (2023). Application of TOPSIS Optimization Technique in the Micro-Machining Process. In Mellal, M. A. (Ed.). Trends, paradigms, and advances in mechatronics engineering. (p. 162 - 187). Minneapolis, New York: IGI Global.
Lu, H., et al. (2022). Selection of Agricultural Machinery Based on Improved CRITIC-Entropy Weight and GRA-TOPSIS Method. Processes, 10(2), 266.
Gheibollahi, H., & Masih-Tehrani, M. (2023). A Multi-Objective Optimization Method Based on NSGA-II Algorithm and Entropy Weighted TOPSIS for Fuzzy Active Seat Suspension of Articulated Truck Semi-Trailer. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 237(17), 3809-3826.
Mohammadi, A., & Darestani, S. A. (2019). Green Supplier Selection Problem Using TOPSIS Extended by D Numbers in Tractor Manufacturing Industry. International Journal of Services and Operations Management, 32(3), 327-338.
Chakraborty, S. (2022). TOPSIS and Modified TOPSIS: A Comparative Analysis. Decision Analytics Journal, 2, 100021.
Çelikbilek, Y., & Tüysüz, F. (2020). An In-Depth Review of Theory of the TOPSIS Method: An Experimental Analysis. Journal of Management Analytics, 7(2), 281-300.
Wang, Y., et al. (2022). BMW-TOPSIS: A Generalized TOPSIS Model Based on Three-Way Decision. Information Sciences, 607, 799-818.
Aires, R. F. de F., & Ferreira, L. (2019). A new approach to avoid rank reversal cases in the TOPSIS method. Computers & Industrial Engineering, 132, 84-97.
Wichapa, N., et al. (2019). Using the Hybrid DEA-TOPSIS Technique for Selecting the Suitable Biomass Materials for Processing into Fuel Briquettes. The Journal of Industrial Technology, 15(1), 63-80. (in Thai)
Sechok, T., et al. (2017). Design and Develop Tool Holder for Turning Using Quality Function Deployment. Journal of industrial technology Ubon Ratchathani Rajabhat University, 7(2), 117-131. (in Thai)
