การทำนายความสำเร็จของกระบวนการออกแบบและพัฒนาผลิตภัณฑ์ ในอุตสาหกรรมยานยนต์และชิ้นส่วนโดยใช้นิวรอลเน็ตเวิร์ค

Abstract

บทคัดย่อ

กระบวนการออกแบบและพัฒนาผลิตภัณฑ์เป็นกระบวนการที่มีความเสี่ยงและมีความไม่แน่นอน ซึ่งอาจส่งผลให้ ผลิตภัณฑ์ใหม่ที่ได้ไม่ประสบความสำเร็จในเชิงพาณิชย์ การศึกษาปัจจัยสู่ความสำเร็จของกระบวนการออกแบบและพัฒนา ผลิตภัณฑ์และผลกระทบเป็นวิธีการหนึ่งที่ช่วยลดความเสี่ยงที่อาจเกิดขึ้นได้ งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยสู่ความสำเร็จ และตัวชี้วัดความสำเร็จของกระบวนการออกแบบและพัฒนาผลิตภัณฑ์ พร้อมทั้งวิเคราะห์หาความสัมพันธ์เพื่อทำนายแนวโน้มสู่ ความสำเร็จของกระบวนการออกแบบและพัฒนาผลิตภัณฑ์โดยใช้เทคนิค Artificial Neural Network (ANN) งานวิจัยนี้อ้างอิงข้อมูล ทางด้านปัจจัยสู่ความสำเร็จและตัวชี้วัดความสำเร็จของกระบวนการพัฒนาผลิตภัณฑ์ ที่ได้จากการสำรวจธุรกิจอุตสาหกรรม ชิ้นส่วนจักรกล แม่พิมพ์ และยานยนต์ในประเทศไทย ด้วยแบบสอบถามจำนวน 96 ชุด ข้อมูลถูกวิเคราะห์โดยแยกออกเป็น 2 กลุ่ม ใหญ่ ๆ ตามลักษณะของกระบวนพัฒนาผลิตภัณฑ์ที่เกิดขึ้นในองค์กร ได้แก่ กลุ่มที่มีกระบวนการออกแบบและพัฒนาผลิตภัณฑ์ใน องค์กร และกลุ่มที่ไม่มีกระบวนการออกแบบแต่สามารถสร้างผลิตภัณฑ์ตามแบบที่ลูกค้ากำหนดได้และ/หรือสามารถปรับปรุง ผลิตภัณฑ์ตามแบบหรือข้อกำหนดได้ งานวิจัยนี้ใช้โครงข่าย ANN แบบหลายชั้นและวิธีการเรียนรู้แบบสะท้อนกลับในการวิเคราะห์ ความสัมพันธ์และทำนายความสำเร็จของกระบวนการพัฒนาผลิตภัณฑ์ ผลการวิจัย พบว่า เทคนิค ANN สามารถนำมาประยุกต์ใช้ ในการทำนายความสำเร็จของกระบวนการพัฒนาผลิตภัณฑ์ได้เป็นอย่างดีและมีความแม่นยำสูง

คำสำคัญ : กระบวนการออกแบบและพัฒนาผลิตภัณฑ์, นิวรอลเน็ตเวิร์ค, ปัจจัยสู่ความสำเร็จ

Abstract

All new products are uncertain and risky by nature. These uncertainties affect the chance of success in new product development (NPD) leading to unsuccessful commercialization. One way to manage uncertainties and risks in NPD process is to learn about the critical success factors (CSF) and how they affect the success of new product development. This research is aimed at studying the relationship between the critical success factors and a set of performance measures in order to predict the chance of success in NPD by using the Artificial Neural Network (ANN). Input data to this research is obtained from a survey of 96 companies in machinery, mold, and automobile industry in Thailand. The data is categorized into two types. Type 1 is the data from the companies employing NPD process, and Type 2 is the data from those which do not have NPD process but are capable of redesigning the products. The analysis is conducted by using the Feed-forward neural network with back propagation technique. The result shows that ANN technique has sufficient ability to predict the success of new product development in machinery, mold and automotive industry with high precision.

Keywords : New product development, Artificial neural network, Critical success factors