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)