[Thai] Course 8: Intelligent Decision Support Systems

รายวิชา 8: ระบบสนับสนุนการตัดสินใจอัจฉริยะ 

วัตถุประสงค์ของรายวิชา:

เพื่อให้ผู้เรียนมีความรู้ด้านวิทยาการสมัยใหม่เกี่ยวกับแนวคิด กระบวนการ กลยุทธ์ และเทคโนโลยีในการตัดสินใจที่ใช้ในการแก้ไขปัญหาจริงด้วยวิธีการ Agile และสอดคล้องกับอุตสาหกรรม 4.0
ผู้เรียนจะได้เรียนรู้วิธีการในการวิเคราะห์ ออกแบบ การนำไปใช้งาน และการตรวจสอบระบบสนับสนุนการตัดสินใจอัจฉริยะ (IDSS) การบูรณาการแบบจำลองปัญญาประดิษฐ์และแบบจำลองทางสถิติ โดยเน้นที่จะค้นหาความรู้จากข้อมูลดิบ รายวิชานี้ประกอบไปด้วยแนวคิดและการพัฒนาระบบ IDSS เครื่องมือโปรแกรมสำหรับการพัฒนาระบบ IDSS และการประยุกต์ใช้ในระบบการผลิตดิจิทัล

ผลลัพธ์ของรายวิชา:

นักเรียนเมื่อจบหลักสูตรนี้จะสามารถ:

  • อธิบายแนวคิดของระบบสนับสนุนการตัดสินใจในบริบทของระบบที่สามารถตอบโต้กับผู้ใช้งาน
  • อธิบายผลกระทบด้านต่าง ๆ ของระบบสนับสนุนการตัดสินใจที่มีต่ออุตสาหกรรม 4.0
  • ประยุกต์ใช้วิธีการต่าง ๆ ของระบบสนับสนุนการตัดสินใจ เช่น โครงข่ายประสาทเทียม (Artificial Neural Networks) การเรียนรู้ของเครื่อง (Machine Learning) ระบบกฎเกณฑ์ (Rule-based Systems) เป็นต้น และทวนสอบวิธีการต่าง ๆ ที่นำมาใช้ในการแก้ปัญหาที่ซับซ้อนของอุตสาหกรรม
  • ประเมินความสามารถของระบบสนับสนุนการตัดสินใจในรูปแบบต่าง ๆ
  • ออกแบบระบบฐานความรู้สำหรับกระบวนการผลิตแบบชาญฉลาด

รายวิชาเรียนก่อน :  ไม่มี

 แผนการเรียน:

สัปดาห์ หัวข้อ ปฎิบัติการ เอกสารประกอบการเรียน เอกสารประกอบการสอน หมายเหตุ
1. แนวคิดและการพัฒนา IDSS
1 ความจำเป็นของเครื่องมือสนับสนุนการตัดสินใจ MSIE-08-L-M1S1-TH
2 แบบจำลองกระบวนการตัดสินใจ MSIE-08-L-M1S2-TH
3 โครงสร้าง การวิเคราะห์ การออกแบบ การระบุความต้องการ และ การตรวจสอบระบบ IDSS MSIE-08-L-M1S3-TH
4 ผลกระทบของ IDSS ต่อสมรรถนะอุตสาหกรรม
ผลกระทบด้านเศรษฐศาสตร์ของ IDSS ต่ออุตสาหกรรม		 MSIE-08-L-M1S4-TH
5 วิธีการอไจล์สำหรับการผลิตแบบชาญฉลาด MSIE-08-L-M1S5-TH
2. เครื่องมือโปรแกรมสำหรับการพัฒนาระบบ IDSS
6 กระบวนการลำดับชั้นเชิงวิเคราะห์ MSIE-08-L-M2S1-TH
7 โปรแกรม R MSIE-08-L-M2S2-TH
8 โปรแกรม RapidMiner MSIE-08-L-M2S3-TH
9 โปรแกรม WEKA MSIE-08-L-M2S4-TH
10 การเรียนรู้เชิงลึก MSIE-08-L-M2S5-TH
3. IDSS สำหรับระบบการผลิตดิจิทัล
11 ปัญญาประดิษฐ์และระบบการตัดสินใจ
การการแสวงหาความรู้และการแทนความรู้		 MSIE-08-L-M3S1-TH
12 แบบจำลองสำหรับการทำนาย MSIE-08-L-M3S2-TH
13 แบบจำลองความไม่แน่นอน MSIE-08-L-M3S3-TH
14 การประยุกต์ใช้ในอุตสาหกรรม MSIE-08-L-M3S4-TH
15 ระบบฐานความรู้สำหรับการผลิตแบบชาญฉลาด MSIE-08-L-M3S5-TH

 

ปฏิบัติการ:

  1. การวิเคราะห์ความจำเป็นของเครื่องมือสนับสนุนการตัดสินใจ
  2. การสร้างแบบจำลองกระบวนการตัดสินใจอัจฉริยะ
  3. การออกแบบและตรวจสอบระบบ IDSS
  4. ผลกระทบของ IDSS ที่มีต่ออุตสาหกรรม
  5. การสร้างระบบการผลิตชาญฉลาดด้วยวิธีการอไจล์
  6. การพัฒนาระบบ IDSS ด้วย AHP
  7. การวิเคราะห์การตัดสินใจแบบหลายวัตถุประสงค์ด้วยโปรแกรม R
  8. RapidMiner และ เหมืองข้อมูล
  9. การจำแนกกลุ่มอย่างง่ายด้วยโปรแกรม WEKA
  10. การเรียนรู้เชิงลึกสำหรับการผลิตแบบชาญฉลาด
  11. การการแสวงหาความรู้และการแทนความรู้
  12. การร่วมแบบจำลองสำหรับการทำนายเข้ากับระบบ IDSS
  13. การร่วมแบบจำลองความไม่แน่นอนเข้ากับระบบ IDSS
  14. การประยุกต์ใช้ IDSS กับสถานการณ์จริง
  15. การสร้างระบบฐานความรู้สำหรับการผลิตแบบชาญฉลาด

แหล่งการเรียนรู้

หนังสือคู่มือ: ไม่มีหนังสือเรียนที่กำหนด แต่จะมีบันทึกประจำชั้นและเอกสารประกอบคำบรรยาย

หนังสืออ้างอิง:

  1. Gupta, J.N.D., Forgionne, G.A., and Manuel, M.T., Intelligent Decision-making Support Systems: Foundations, Applications and Challenges, Springer, 2006.
  2. Iantovics, B., and Kountchev, R., Advanced Intelligent Computational Technologies and Decision Support Systems, Springer, 2014
  3. Kumer. K., Zindani, D. and Davim, J.P., Digital Manufacturing and Assembly Systems in Industry 4.0, CRC Press, 2019
  4. Tweedale, J.W., Neves-Silva, R., Jain, L.C., Phillips-Wren, G., Watada, J., and Howlett, R.J., Intelligent Decision Technology Support in Practice, Springer, 2016
  5. Valencia-Garcia, R, Paredes-Valverde, M.A., Salas-Zarate, M.P. and Alor-Hernandez, Giner., Exploring Intelligent Decision Support Systems, Springer, 2018

วารสารวิชาการ และ นิตยสาร:

  • Decision Support Systems, Elsevier
  • Journal of Decision Systems, Taylor & Francis LTD
  • International Journal of Decision Support System Technology, IGI Global
  • International Journal of Intelligent Systems, Wiley-Blackwell
  • IEEE Intelligent Systems, IEEE
  • Expert Systems, Wiley

วิธีการเรียนการสอน

การสอนเน้นการมีส่วนร่วม ผู้เรียนมีส่วนร่วมในกิจกรรมต่าง ๆ ในห้องเรียนผ่านการพูดคุยและการรับฟังความเห็นของผู้อื่น วิธีการเรียนรู้ประกอบไปด้วย กรณีศึกษา การอภิปรายกลุ่ม งานที่ได้รับมอบหมายรายบุคคล แบบฝึกหัดจากปัญหาจริง การจำลองแบบ การลงพื้นที่ และโครงงานกลุ่ม

สัดส่วนเวลาการเรียนการสอน:

บรรยาย: 15 ชั่วโมง
ปฏิบัติการ: 60 ชั่วโมง
การศึกษาค้นคว้าด้วยตนเอง/โครงงานกลุ่ม: 75 ชั่วโมง

การประเมินผล:

เกรดสุดท้ายจะคำนวณตามการกระจายน้ำหนักดังต่อไปนี้:

  1. กรณีศึกษา 20%
  2. แบบฝึกหัดจากปัญหาจริง 10%
  3. การมอบหมายงาน 10%
  4. แฟ้มสะสมงาน 5%
  5. การประเมินโดยเพื่อน 5%
  6. การนำเสนองาน 10%
  7. โครงงานกลุ่ม 20%
  8. สอบข้อเขียน 20%

ผู้พัฒนารายวิชา: Suriya Jirasatitsin (suriya.j@psu.ac.th, PSU), Warapoj Meethom (warapoj.m@eng.kmutnb.ac.th, KMUTNB) and Thitipong Jamrus (thitja@kku.ac.th, KKU)

Course 4: Quality Management for Extended Enterprise

Course 4: Quality Management for Extended Enterprise

Syllabus-Course 4_ Quality Management for Extended Enterprise

Last Update: February 1,  2020

Course Objective: The extended enterprise concept has been adopted to collaborate in the entire supply chain. Quality and efficiency issues, therefore, extend well beyond the traditional enterprise. This course constructs student competencies of management skills, particularly on how to define, develop, implement and manage the strategy to improve and build the quality system to align with the digital domains. Students will be trained on the modern quality management methods used in product design, product development, and production planning, as well as, the quality management methods focused on statistical quality control methods and data analytics, under the context of the extended enterprise. This course will also develop a technical skill for students to implement quality control and monitoring system that covers both process operation and supply chain operations

Learning Outcomes: The students on the completion of this course would be able to:

  1. Understand the impact of digitalization on quality management system, particularly on processes and people.
  2. Identify the strategy to assess the need and define the suitable technologies in order to transform the production system and organization, quality culture and processes to maximize value
  3. Analyze operational quality-related data for sustaining the process and Enterprise as well as identify the improvement by using quality monitoring tools such as SPC and modern data analytic technique and be able to embed quality management principles and tools in the value chain of operations and integrate with business operation strategy.
  4. Design a data visualization platform and Create its system components based on operational data such as quality and productivity output characteristics as well as Enterprise data (Enterprise Quality Metrics visualization). 
  5. Design the proper quality management system for smart factories that can integrate the production and quality operations under the digital quality management concept

Prerequisite:  None

 Course Outline:

Week Topic Learning Materials Teaching Materials Note
1 Quality Management Concept under the Digital Era   MSIE-04-L-M1S1 MSIE-04-T-M1S1-01

MSIE-04-T-M1S1-02

MSIE-04-T-M1S1-03

 Please see instruction in Teaching Materials
2 Organization Performances and Quality System Strategy for I4.0 MSIE-04-L-M1S2 MSIE-04-T-M1S2
3 Quality Strategy for Digital Quality Management System MSIE-04-L-M1S3  MSIE-04-T-M1S3-01

MSIE-04-T-M1S3-02

MSIE-04-T-M1S3-03
4 Quality System Structures for I4.0 MSIE-04-L-M1S4 MSIE-04-T-M1S4
5 Quality Control Concept under Digital Data Collection MSIE-04-L-M2S1-01
MSIE-04-L-M2S1-02		 MSIE-04-T-M2S1-01 MSIE-04-T-M2S1-02
6 Automated SPC Strategy MSIE-04-L-M2S2 MSIE-04-T-M2S2-01

MSIE-04-T-M2S2-02
7 Multivariate SPC Strategy MSIE-04-L-M2S3 MSIE-04-T-M2S3-01

MSIE-04-T-M2S3-02
8 Data Analytic for Quality Monitoring MSIE-04-L-M2S4 MSIE-04-T-M2S4-01

MSIE-04-T-M2S4-02
9 Automated Quality Report Concept MSIE-04-L-M3S1 MSIE-04-T-M3S1
10 Strategic Quality Improvement under I4.0 MSIE-04-L-M3S2 MSIE-04-T-M3S2
11 Real-Time Quality Control MSIE-04-L-M3S3 MSIE-04-T-M3S3
12 Quality System Transformation MSIE-04-L-M3S4  MSIE-04-T-M3S4

Laboratory Sessions: None

Learning Resources:

Textbooks: No designated textbook, but class notes and handouts will be provided.

Reference Books:

  1. Juran’s Quality Handbook: The Complete Guide to Performance Excellence
  2. Montgomery, Douglas C. Introduction to statistical quality control. John Wiley & Sons, 2012.
  3. Luis Rocha-Lona, Jose A. Garza-Reyes, and Vikas Kumar. Building Quality Management Systems. CRC Press, 2013
  4. J.D.T. Tannock. Automating Quality Systems. Chapman & Hall, 1992.

Journals and Magazines:

  1. Germany Trade & Invest, “Smart manufacturing for the future,” http://www.gtai.de/GTAI/Content/EN/Invest/_SharedDocs/Downloads/GTAI/Brochures/Industries/industrie4.0-smart-manufacturing-for-the-future-en.pdf; National Academy of Science and Engineering, “Securing the future of German manufacturing industry: Recommendations for implementing the strategic initiative of Industry 4.0
  2. Forces of change: Industry 4.0
  3. A Deloitte series on Industry 4.0
  4. Case study: FANUC, the Japanese robotics company, https://www.cbinsights.com/research/future-factory-manufacturing-tech-trends/#quality
  5. 8 different steps of the manufacturing process to Future Factory, https://www.cbinsights.com/research/future-factory-manufacturing-tech-trends/#quality
  6. Nikon Strategic Focus on Quality 4.0, https://metrology.news/nikon-strategic-focus-on-quality-4-0/
  7. A strategist’s guide to Industry 4.0, https://www.strategy-business.com/article/A-Strategists-Guide-to-Industry-4.0?gko=a2260
  8. Suggested Indicators to Measure the Impact of Industry 4.0 on Total Quality Management, International Scientific Conference on Industry 4.0, At 3-16. DECEMBER 2017, BOROVETS, BULGARIA
  9. Developing a Kano-Based Evaluation Model for Innovation Design, Mathematical Problems in Engineering 2015(2):1-8 · October 2015
  10. The Complete Guide to the Kano Model: Prioritizing Customer Satisfaction and Delight https://foldingburritos.com/kano-model/
  11. Perdikis, Theodoros, and Stelios Psarakis. “A survey on multivariate adaptive control charts: Recent developments and extensions.” Quality and Reliability Engineering International 35.5 (2019): 1342-1362.
  12. Mason, Robert L., and John C. Young. Multivariate statistical process control with industrial applications. Vol. 9. Siam, 2002.

Teaching and Learning Methods:

This is an activity-based course. During lecture sessions, class discussion will be conducted. During workshop sessions, the students, to be active learners, will practice several skills including, but not limited to, decision making, problem-solving, critical thinking, written communication, oral communication, presentation, debate, and teamwork.

Time Distribution and Study Load:

Lectures: 45 hours

Workshop: 60 hours

Self-study: 45 hours

Evaluation Scheme:  

The final grade will be computed according to the following weight distribution:

Assessment (CLO1):  (20%)

  • LogBook/Journal + Cases Study (5%)
  • Oral Presentation (Individual Work Presentation & Report) (5%)
  • Open Exam  (10%)

Assessment (CLO2):  20%

  • Role Play + Cases Study (5%)
  • Extended Response Question  (5%)
  • Report of Strategy Plan and Analysis  (10%)

Assessment (CLO3):   (30%)

  • Professional Discussion (5%)
  • Cases Study +Simulation (10%)
  • Assignment  (15%)

Assessment (CLOs 4&5):  (30%)

  • Project  (20%)
  • Oral Presentation (5%)
  • Oral Question (5%)

 An “A” would be awarded if a student can design the proper quality management system for smart factories.

A “B” would be awarded if a student can evaluate the proper quality management system for smart factories.

A “C” would be given if a student can analyze the proper quality management system for smart factories.

A “D” would be given if a student can only remember some criteria for designing the proper quality management system for smart factories.

Developer: Wichai Chattinnawat (CMU), Suriya Jirasatitsin (PSU), Anintaya Khamkanya (TU)

[Thai] Course 3: Smart Operations Management

[Thai] Course 3: Smart Operations Management 

(Syllabus)

Last Update: May 25th,  2020

Course Objective:

The objective of this course is to develop competences on design and implementation of continuous and efficient operations while creating a digital copy of the end-to-end process. The Internet of Thing (IoT) system to collect real time data need to be discovered. Real-time data analytics can help to evaluate, and simulate the end-to-end operation to improve and manage all operations efficiently. Emphasis is on cross-enterprise integration of the physical and virtual systems among various functions including operation strategy, process design, capacity planning, facility location and design, forecasting, production scheduling and inventory control.

Learning Outcomes: The students on the completion of this course would be able to:

    • apply knowledge and methods from the advanced science of industrial engineering to model, evaluate and improve industrial processes and systems in relation with company operating efficiency and customer service.
    • create smart production concepts in planning and controlling company’s operations.
    • design real time data analytics and software systems to support planning, scheduling and control of smart production processes and systems.
    • design smart production processes and systems to efficiently respond to changes in operating conditions.

Prerequisite:  None

 Course Outline:

Week Topic Workshop Learning Materials Teaching Materials Note
1 Module 1: Advanced science of industrial engineering to model, evaluate and improve industrial processes and systems [Thai]MSIE-03-L-M1S1-01
2 Lesson 1-1:Operation management strategy in industry 4.0 context [Thai]MSIE-03-L-M1S1-W01
3 Lesson 1-2:Smart product [Thai]MSIE-03-L-M1S2-01
4 Lesson 1-3:Smart manufacturing concept [Thai]MSIE-03-L-M1S3-01
5 Lesson 1-4:Smart operation concept [Thai]MSIE-03-T-M1S4-W01 [Thai]MSIE-03-L-M1S4-01
6 Module 2: Smart production in planning and controlling company’s
operations integrated production planning and shop-flow control
system concept		 [Thai] MSIE-03-L-M2S1_01 [Thai] MSIE-03-T-M2S1_L01
7 Lesson 2-1:Implementation forecasting model under real-time
situation		 [Thai] MSIE-03-L-M2S1_W01 [Thai] MSIE-03-L-M2S1_02 [Thai] MSIE-03-T-M2S1_L02
8 Lesson 2-2:Inventory management under real-time situation [Thai] MSIE-03-L-M2S2_01 [Thai] MSIE-03-T-M2S2_L01

MSIE-03-T-M2S2_L02

MSIE-03-T-M2S2_L03

MSIE-03-T-M2S2_L04

MSIE-03-T-M2S2_L05
9 Lesson 2-3:Advanced integrated production planning [Thai]MSIE-03-L-M2S3-W01 [Thai]MSIE-03-L-M2S3-01 MSIE-03-L-M2S3-02 MSIE-03-L-M2S3-03 MSIE-03-L-M2S3-04
10 Lesson 2-4:Advanced shop floor control [Thai]MSIE-03-L-M2S4-W01 [Thai]MSIE-03-L-M2S4-01 MSIE-03-L-M2S4-02 MSIE-03-L-M2S4-03 MSIE-03-L-M2S4-04

 
11 Module 3: Real time data analytics and software systems to support
planning, scheduling and control of smart production processes and
systems
12 Lesson 3-1:Real-time monitoring system [Thai] MSIE-03-L-M3S1_01
13 Lesson 3-2:IoT system [Thai] MSIE-03-L-M3S2_01
14 Lesson 3-3:Real-time data analytics MSIE-03-L-M3S3_W01
15 Lesson 3-4:Big data for predictive analytics, predictive modeling,
and forecasting		 MSIE-03-L-M3S4_W01

Laboratory Sessions: None

Learning Resources:

Textbooks: No designated textbook, but class notes and handouts will be provided.

Reference Books:

  1. Ibrahim Garbie, Sustainability in Manufacturing Enterprises: Concepts, Analyses and Assessments for Industry 4.0, Springer International Publishing, 2016
  2. Klaus Schwab and Nicholas Davis, Shaping the Future of the Fourth Industrial Revolution, Crown Publishing Group, 2018
  3. Guilherme Frederico, Operations and Supply Chain Strategy in the Industry 4.0 Era, Independently Published, 2018
  4. Diego Galar Pascual, Pasquale Daponte and Uday Kumar, Handbook of Industry 4.0 and SMART Systems, CRC Press, 2018
  5. Alasdair Gilchrist, Industry 4.0: The Industrial Internet of Things, Apress, 2016

Journals and Magazines:

  1. Computers and Industrial Engineering
  2. Computers in Industry
  3. Engineering Science and Technology
  4. International Journal of Distributed Sensor Networks
  5. International Journal of Industrial Engineering Computations
  6. International Journal of Production Economics
  7. International Journal of Production Research
  8. Journal of Industrial and Production Engineering
  9. Journal of Manufacturing Systems
  10. Journal of Productivity Analysis
  11. Nature
  12. Smart and Sustainable Manufacturing Systems

Teaching and Learning Methods:

This is an activity-based course. During lecture sessions, class discussion will be conducted. During workshop sessions, active learning will be used. Students will practice several skills including, but not limited to, decision making, problem-solving, critical thinking, written communication, oral communication, presentation, debate, and teamwork.

Time Distribution and Study Load:

Lectures: 30 hours

Workshop: 30 hours

Self–study: 30 hours

Evaluation Scheme:

The final grade will be given according to the following weight evaluation:

Assessment (CLO1): 25%

  • Workshop 15%
  • Open Exam 10%

Assessment (CLO2): 25%

  • Case study 10%
  • Oral Presentation 5%
  • Open Exam 10%

 Assessment (CLO3): 25%

  • Class Project 15%
  • Workshop 10%

 Assessment (CLO4): 25%

  • Assignment 5%
  • Case Study 10%
  • Oral Presentation 5%
  • Report 5%

Developer: Wimalin Laosiritaworn (CMU), Anirut Chaijaruwanich (CMU), Chompoonoot Kasemset (CMU), Warisa Wisittipahich (CMU), Uttapol Smutkupt (CMU), Wasawat Nakkiew(CMU)